基于图像融合与多尺度分割的目标级变化检测

传统的像素级变化检测对辐射校正及阈值选择要求较高,因而在实际应用中受到诸多限制。在分析多尺度分割的基础上,提出了一种目标级的变化检测方法。分别利用粗、细尺度对各时相遥感图像的融合图像进行面向对象分割,以获取不同尺寸的目标区域,构造目标的特征进行向量分析得到差异图,并定义变化信息的强度,再利用多值逻辑理论将粗、细尺度下的检测结果进行决策级融合。实验结果表明,与传统的像素级检测方法相比,该方法受辐射差异影响小,检测精度更高,且检测结果对变化强度的衡量准确,能对应于有一定物理意义的目标变化。

基于曲波变换和模糊理论的遥感图像融合

作为一种新的多尺度几何分析方法,曲波比小波更适于分析图像中的直线和曲线边缘特征,利用这一特性,提出了基于曲波变换和模糊理论的遥感图像融合算法,利用曲波变换获取代表待融合图像特征的曲波系数,并将模糊理论引入融合规则中,自适应确定曲波系数的加权权值,实现图像的融合处理。对SAR与全色、多光谱图像融合实验结果的分析表明,该算法的融合效果优于传统的基于PCA、小波变换以及标准曲波变换的融合算法。

基于NSCT-Gabor特征和脉冲耦合神经网络的SAR图像分割

针对SAR图像目标的精确分割问题,利用非下采样轮廓波变换(NSCT)和Gabor滤波器分别提取图像特征,然后采用脉冲耦合神经网络(PCNN)对目标区域进行增强,提出了一种分割算法。分别对图像进行NSCT分解和Gabor滤波,对NSCT域的高、低频子带系数构造一个特征图,对Gabor滤波的不同尺度构造对应的特征图,对所获取的各个特征图用PCNN进行目标增强,最后对增强的特征图进行合理合并与分割。利用MSTAR SAR数据库中各种干扰强度下的图像进行了实验,结果表明,相比于模糊C均值、马尔可夫随机场等常见的分割算法,所提出的算法分割结果更为准确,同时受噪声干扰更小。

圆周阵列太赫兹干涉成像仿真

太赫兹干涉成像原理简单,需要的探测单元少,数据获取效率高,在太赫兹成像应用中有很大发展潜力。研究了太赫兹干涉成像的原理,并设计了用于仿真成像的原理性方案。通过仿真实验分析了成像频率、圆周阵列半径、阵元数目对成像质量的影响以及成像系统的频率带宽。结果表明:在其他条件不变的情况下,成像频率越高,可有效成像要求的阵列半径越小;增加阵元数目可提高成像质量,但增加到一定数量后,提高不明显;均匀圆形阵列的有效成像带宽较宽。仿真结果所得到的结论为太赫兹干涉成像系统设计和实际应用提供了理论依据和技术支持。

基于NSCT域特征和PCNN的SAR图像目标分割

针对SAR图像的目标自动分割问题,在分析非下采样轮廓波变换和脉冲耦合神经网络的基础上,提出了一种基于非下采样轮廓波域特征图和PCNN的SAR图像目标分割算法。对SAR图像经过NSCT分解后的高、低频图像分别运用不同方式进行处理。对低频图用PCNN进行分割以获取目标所在的区域,对高频子带构造了特征图,对特征图利用PCNN进行分割以获取目标的精细结构。利用MSTAR数据进行了仿真实验,并与基于模糊C均值的分割算法、基于马尔可夫随机场的分割算法进行了对比。实验结果表明,所提出算法对SAR图像目标的分割结果更为准确,同时较其它算法具有更强的抗噪性能,是一种有效可行的SAR目标分割算法。

圆周阵列太赫兹干涉成像中目标场景仿真

太赫兹干涉成像是一种基于频谱域的成像方法,通过对目标场景的频谱域信息采样重构目标图像,避免了逐像素扫描,所需的探测阵元数目少,在图像获取速率和成像分辨率上具有发展潜力。研究了太赫兹干涉成像原理及其实现方法,分析了成像分辨率和有效视场问题。通过仿真实验分析了目标场景中存在噪声对成像质量的影响,表明干涉成像对目标噪声较为敏感。对安检应用场景的反射成像模式进行了分析,证明了原理系统的适用性。仿真结果所得结论可为太赫兹干涉成像系统设计和实际应用提供理论依据和技术支持。

基于PCNN和最优化评价准则的曲波域图像融合

利用曲波变换能够准确捕获图像高维奇异信息的特点,提出了一种在曲波域中基于脉冲耦合神经网络和最优化评价准则的图像融合方法。该方法用曲波变换对输入图像进行多尺度分解,再利用脉冲耦合神经网络的全局耦合特性对高频子带曲波系数进行选取,定义图像融合的目标函数,根据最优化目标函数确定低频曲波系数的融合权值,进行曲波逆变换得到融合图像。实验结果以及与其他算法的比较分析表明了算法的有效性和优越性。

一种基于奇异值分解的图像压缩方法

根据奇异值分解的基本原理及其特点,结合图像的矩阵结构,提出了用奇异值分解,然后选取部分奇异值和奇异向量重构矩阵进行图像压缩的方法,并通过对图像进行分块降低计算量,实验结果表明奇异值分解能够有效用于图像压缩。

利用均匀离散曲波域LCHMM的图像降噪算法

提出了一种在均匀离散曲波域中利用局部上下文隐马尔可夫模型进行建模的图像降噪算法。介绍均匀离散曲波变换的特点,分析其系数的统计分布规律,表明适合用隐马尔可夫模型对其进行建模。通过期望最大化训练获取模型的参数,利用参数得到降噪图像的系数估计。分别对光学图像和高分辨率的SAR图像进行了降噪实验,与小波域、轮廓波域的局部上下文隐马尔可夫模型等降噪方法进行比较,结果表明,提出的算法能够有效地去除噪声,具有较强的边缘保持能力。

基于NSCT域特征和PCNN的SAR图像目标分割

针对SAR图像的目标自动分割问题,在分析非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)和脉冲耦合神经网络(pulse coupled neural networks,PCNN)的基础上,提出了一种基于非下采样轮廓波域特征图和PCNN的SAR图像目标分割算法.对SAR图像经过NSCT分解后的高、低频图像分别运用不同方式进行处理.利用PCNN对低频图和高频子带特征图分别进行分割,获取了目标所在的区域及目标的精细结构.利用MSTAR数据进行了仿真实验,并与基于模糊C均值的分割算法、基于马尔可夫随机场的分割算法进行了对比.实验结果表明,所提出算法对SAR图像目标的分割结果更为准确,同时较其他算法具有更强的抗噪性能.

基于MRF模型和形态学运算的SAR图像分割

针对目标监测分析中的SAR图像分割问题,构造了一种基于马尔可夫随机场(MRF)模型和形态学运算的处理方法。首先利用SAR图像邻域空间上的马尔可夫性以及像素灰度的高斯分布模型,以较少的迭代次数实现了SAR图像的初分割;然后通过形态学运算进行处理,抑制干扰性分割,同时填充目标区域内部空洞,改善分割效果。实验结果显示,该方法可以较好地实现SAR图像目标区域的分割,且处理效率较高,利于实现SAR图像的快速有效分割。

MSTAR图像2D Gabor滤波增强与自适应阈值分割

为实现MSTAR图像无监督分割,并提高分割精度和计算效率,提出了一种基于Gabor滤波增强的自适应阈值分割算法。首先利用多尺度、多方向的Gabor滤波器组对待分割图像进行滤波处理,抑制目标、阴影和背景区域内部的斑噪起伏,同时增强区域间的差异性;在此基础上,通过对增强图像统计特性的分析,给出了灰度阈值计算形式,实现了MSTAR图像的自适应分割。实验结果表明,本文算法对不同斑噪强度的MSTAR图像均具有良好的处理效果,在分割精度、计算效率等方面优于传统的OTSU,以及FCM、MRF等分割方法。

自适应的改进Goldstein干涉相位图滤波算法

在Goldstein的合成孔径雷达干涉测量干涉相位图滤波算法基础上,构造了一种自适应的域加权系数来取代原先人工设定的经验值,并以局部相干系数计算其幂指数,解决了原算法在面对复杂干涉条纹图时,由于均采用一致性处理而导致的过滤波和欠滤波问题.仿真数据和实际ERS数据处理结果表明,改进算法在显著降低干涉相位噪声的同时,也很好地保持了相位分辨率.

应用图像方向和宽度谱检测机场跑道

为有效解决成像制导中的机场跑道检测问题,提出了一种基于方向和宽度谱分析的处理方法。首先归纳了机场跑道形态和灰度特性,进而根据局部灰度特征进行跑道区域预分割,然后以Sobel算子提取边缘信息,再利用局部PCA计算边缘方向,并对各方向值出现频次进行累积,形成方向谱。通过分析方向谱的显著峰信息得到跑道的主方向,在此基础上,确定正交宽度谱的扫描计算模式。结合宽度谱显著峰信息的分析和跑道主方向进行跑道区域的指示和几何宽度值的计算。对机场跑道图像的处理结果显示,文中方法具有较高的检测精度,同时对跑道形状畸变显示出良好的鲁棒性。

基于选权迭代估计与非监督分类的多光谱图像变化检测

针对多光谱图像的变化检测问题,提出了一种基于选权迭代估计(iterative estimation with weight selection,IEWS)与非监督分类(unsupervised classification,UC)的多光谱图像变化检测方法。借鉴IEWS的思想,并以类似于迭代加权多元变化检测(iteratively reweighted multivariate alteration detection,IRMAD)的迭代模式进行回归估计,得到初步的变化检测结果;并通过对初始变化信息的UC处理,以及对不同类别的IEWS,得到最终的变化检测结果。利用该方法对TM图像进行了实验,结果表明:所得到的变化信息在空间位置上同该区域相应时间段内土地利用/覆盖的变化情况具有很好的一致性;同时与多元变化检测及IRMAD方法变化检测的结果相比较,表明该方法对相对较小的变化信息具有更好的变化检测能力。

基于高阶灰度矩的MSTAR图像分割算法

针对MSATR图像分割问题,给出了一种基于高阶灰度矩的处理算法.首先深入分析了MSTAR图像的统计分布特性,并对目标、阴影,以及背景区域分别建立了相应的描述模型,在此基础上,构造了高阶灰度矩特征.通过将原始图像变换到高阶灰度矩形式,显著增强了目标区域与阴影、背景区域的差异性,进而依据不同的阈值化策略,实现了MSTAR图像中目标、阴影和背景区域的分割.对MSTAR图像的实验结果表明,与恒虚警率(CFAR)、最大类间方差(OTSU)、模糊C均值(FCM)和马尔可夫随机场(MRF)等常用分割算法相比,本文算法不需进行噪声抑制处理,且在分割效果和鲁棒性等方面性能更好.同时,对多尺度、多目标MSTAR图像的分割也显示出良好的适应性.

利用分形和多尺度分析的中低分辨率SAR图像变化检测

对于合成孔径雷达(synthetic aperture radar,SAR)图像像素级变化检测,常见的对数比、交叉熵差异图在提取建筑物等人造目标的变化时不能保持其结构特征。本文将分形维数引入到差异图构造中,定义了分形-对数比(fractal dimension-log ratio,FD-LR)融合差异图,在有效提取不同地物类型变化的同时,能够保持其轮廓结构。为克服斑噪干扰,对FD-LR进行多尺度分析,通过贝叶斯分割和决策级融合提取变化信息。实验结果表明,该方法模型简单,能够有效检测不同地物类型的变化,在中低分辨率复杂场景的SAR图像变化检测中具有优势。

MSTAR图像的矩特征分析与多阈值分割

图像分割是合成孔径雷达(SAR)图像自动目标识别应用中的基础性问题。定义并分析了运动、静止目标获取与识别(MSTAR)图像的矩特征,进而构造了多阈值处理策略,用于MSTAR图像的分割。首先研究了目标、阴影,以及背景区域统计特性,并确定了相应的数学模型描述,在此基础上给出了矩特征的定义,并分析了其基本特性。利用图像空间到矩特征空间的转换,显著增强了目标区域与阴影、背景区域的差异性,进而通过构造不同的阈值化规则,实现了MSTAR图像中目标、阴影和背景区域的分割。对MSTAR图像的处理结果表明,与恒虚警率(CFAR)、最大类间方差(OTSU)、模糊C均值(FCM)和马尔可夫随机场(MRF)等典型分割算法相比,本文算法不需进行噪声抑制,但在分割效果和鲁棒性等方面性能更好,同时,对多尺度、多目标MSTAR图像的分割也显示出良好的适应性。