基于局部重要性采样的SAR图像纹理特征提取方法

合成孔径雷达(Synthetic aperture radar,SAR)图像因为相干斑现象和目标响应的空间变化呈现出一种纹理特性,局部二进编码等局部图像特征在光学纹理描述中获得较好的结果,但光学纹理特征在描述SAR图像纹理特性中因为相干成像特性往往失效.本文在前期工作纹理特征框架的基础上,提出了一种局部重要性采样二进编码的SAR图像纹理特征(Feature extraction based on local important sampling binary,LISBF)描述方法:首先,利用样本图像对局部采样位置进行随机自适应采样,基于重要性采样(Important sample,IS)方法输出递归学习位置结果;然后,利用学习出的纹理重要采样点对进行二进特征编码;最后,通过映射和统计生成描述算子.该特征较固定位置采样能够获取更大范围信息,同时能通过采样避免特征维数的急剧增大;通过自适应学习重要性关键点较随机采样更容易捕捉纹理固有信息;较好地适应了SAR图像极低信噪比和斑点现象的纹理.本文将该特征用于真实图像和标准纹理库的分类研究,实验结果证明了该特征的有效性.

载重子午线轮胎带束层膨胀率与耐久性能关系的探讨

通过应用Abaqus软件建立轮胎三维有限元模型,分析轮胎耐久性损坏(带束层层间脱层)机理,以LE12和SENER为主要参数,探讨载重子午线轮胎带束层膨胀率与耐久性能之间的关系。结果表明,带束层膨胀率主要对带束层角度和宽度有影响,进而影响轮胎的耐久性能。

利用特征选择自适应决策树的层次SAR图像分类

提出了一种新的基于特征选择自适应决策树的层次分类算法,用于合成孔径雷达(synthetic apertureradar,SAR)图像的分类。采用Joint Boosting算法选择出最适用于各类的特征组合,并自适应地搜索构造出一个由两类分类器构成的层次分类器,利用特征选择结果和自适应决策树进行了SAR图像的学习和推理,实现了自动分类,在国内首批极化干涉SAR数据上的实验证明了本算法的有效性。