结合极化白化滤波和SimSD-CapsuleNet的PolSAR图像配准

极化合成孔径雷达(PolSAR)图像配准在地物分类、变化检测、图像融合中都具有广泛应用。现有的PolSAR图像配准方法,无论是基于深度学习还是传统方法,大多采用PolSAR幅度影像信息进行处理。这种处理方式导致大量极化信息丢失,同时在PolSAR图像固有相干斑噪声影响下,配准精度和可靠性表现不佳。为此,本文首先发展了一种有效的基于极化白化滤波(PWF)精细化处理的关键点检测器,利用PWF对PolSAR图像进行相干斑噪声抑制,通过阈值约束、形态学腐蚀及非极大值抑制来选取显著且分布均匀的匹配关键点。进一步地,本文设计了一种孪生简单稠密胶囊网络(SimSD-CapsuleNet)来快速提取PolSAR图像的浅层纹理特征和深层语义特征,同时为了充分利用极化信息,本文将极化协方差矩阵作为输入数据。本文计算了胶囊形式特征描述符之间的距离,并将其输入硬L2损失函数用于模型的训练。本文方法在不同传感器获取的不同分辨率PolSAR图像上进行验证。结果表明,该方法能够在更短的时间内获取更加均匀且数量更多的匹配关键点,结合PWF和深度神经网络可以实现快速准确的PolSAR图像配准。

极化SAR相干斑抑制——极化白化滤波器

相干斑抑制是合成孔径雷达(SAR)图像和极化SAR图像后处理的首要问题。该文针对最优的极化相干斑抑制滤波器——极化白化滤波器(PWF)仅输出一个强度图像的缺陷,对 PWF进行了改进,得到了各个极化通道的强度图像。

全极化合成孔径雷达图像极化白化滤波参数估计方法的改进研究

本文介绍了全极化SAR图像相干斑抑制的极化白化滤波 ,及其参数估计的传统方法 .针对传统参数估计方法的缺陷 ,提出了增强的自适应边缘检测参数估计方法 .由于以上方法无法检测点、线目标 ,本文提出了一种新的参数估计方法 .将这些方法应用到NASAJPL实验室的全极化SAR图像数据中 ,得到了相干斑抑制图像 .对这些图像进行详细的分析、比较 。

极化白化滤波器的一种多通道扩展

为减小相干斑对分类、检测的影响,通常要对极化合成孔径雷达图像进行相干斑抑制。极化白化滤波器(PWF)是利用多个极化通道的复数据抑制相干斑的有效方法,但其输出只有一个通道。为了在后续处理中能够利用全极化数据,该文对PWF进行了改进,提出了多通道极化白化滤波器法(MCPWF)。该方法在保持PWF最少相干斑图像输出的同时,还能得到各个极化通道滤波后的输出。Pi-SAR实测数据的实验结果验证了该方法的有效性。

一种改进的多视极化白化滤波算法

针对极化合成孔径雷达(PolSAR)图像的相干斑抑制问题,提出一种快速有效的多视极化白化滤波改进算法。该算法在分块加权法的块处理基础上,采用边缘检测模板对非同质类子块进行二次分类,从而提高了多视极化白化滤波(MPWF)算法的参数估计精度。利用美国宇航局喷气推进实验室(NASA/JPL)的AIRSAR系统实测数据进行了实验,实验结果表明文中方法不仅在斑点抑制效果和运算量上优于MPWF,而且有效地克服了分块处理带来的边缘模糊问题。

Beta分布下基于白化滤波的极化SAR图像海面舰船目标CFAR检测方法

在杂波纹理服从Beta分布的极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,POLSAR)图像目标检测中,提出了一种基于多视极化白化滤波(Multilook Polarimetric Whitening Filter,MPWF)的恒虚警(Constant False Alarm Rate,CFAR)检测解析新方法.首先,假设乘积模型中纹理变量服从Beta分布,推导得到MPWF检测量的概率密度函数(Probability Density Function,PDF).然后,对概率密度函数积分得到虚警概率关于检测门限的解析式,并设计相应的CFAR检测流程.最后,提出了基于MPWF的对数累积量估计方法,对Beta分布纹理变量参数u和v进行估计.通过实测数据验证了新方法的有效性.实验结果表明Beta分布对某些区域的极化SAR数据有更好的拟合效果,同时新方法与已有方法相比具有更好的CFAR保持能力.

Fisher分布下基于白化滤波的极化SAR图像CFAR检测方法

在已有的极化合成孔径雷达(SAR)图像恒虚警(CFAR)检测方法中,存在着高分辨下杂波模型适用性差的难题.为此提出了一种Fisher分布下具有虚警概率解析表达形式的CFAR检测方法.首先,在乘积模型框架下,引入Fisher纹理变量,推导出了极化白化滤波(PWF)检测量的概率密度函数(PDF).然后,对PDF积分得到了虚警概率关于检测门限的解析表达形式,并设计了相应的CFAR检测算法流程.最后,通过机载合成孔径雷达(AIRSAR)实测数据比较了新方法和双参数恒虚警(2P-CFAR)算法及已有的基于K分布、G0分布、Wishart分布的CFAR检测方法的检测性能.结果表明新方法能有效检测出目标,且鲁棒性较强,相比于其他检测方法,品质因数平均高出32. 66%.

基于PWF融合的高分辨极化雷达目标检测算法

本文研究了高分辨全极化体制下目标的检测问题 .提出了串联检测的思想 :首先利用极化信息进行融合增强 ,改善一维成像质量 ,然后利用高分辨特性 ,将目标的检测转化为目标强散射中心的检测 .仿真实验验证了PWF改善了成像质量 。

基于无监督分类的多视极化SAR相干斑滤波

相干斑噪声是引起SAR图像降质的主要原因之一。多视极化白化滤波器(MPWF)是一种专门应用于多视极化SAR图像降噪的有效技术。其中,滤波器参数估计的精确度直接决定了其滤波性能的好坏。对此,该文提出了一种新的基于无监督分类的自适应窗算法。该算法以分类图像作为对象;在滑动矩形窗内以中心像素作为参照物,自动搜索与其同类的像素并用于MPWF参数估计。实验结果表明,与其他几种典型的算法相比,该法不仅有效地抑制了相干斑,而且对图像的纹理信息具有很好的保持能力。

基于极化变换的极化匹配滤波器及其通带理论

借助极化基变换思想,通过矩阵特征值与特征矢量的方法求取了部分极化情况下极化匹配滤波器的极化天线最优接收极化方式,即最优极化Jones矢量解。分析了极化白化滤波器与匹配滤波器的性能差异,提出了极化白化-匹配联合滤波方法。针对极化匹配滤波器,分析了其最优极化接收Jones矢量在极化复平面上的表征。并在极化复平面上分析了极化通带的特性,得出在poincaré球上的极化球冠的通带映射到极化复平面变化为极化圆的表征模式,给出了极化圆随通带大小变化的趋势,这是极化通带理论的一个新发展,为极化滤波创造了简便的判决方法,同时为极化滤波中的数据处理提供了新的途径。

基于联合PWF-2pCFAR算法的Envisat/ASAR双极化数据舰船检测方法研究

利用极化白化滤波(PWF)算法融合Envisat/ASAR双极化复数据图像,同时抑制相干斑,然后利用双参数恒虚警率(2pCFAR)算法进行舰船目标检测。在不同检测门限和检测模板条件下,利用实测VV/HV极化组合数据进行的仿真实验结果表明,联合PWF-2pCFAR算法不仅能够有效地检测出舰船目标,较好地降低了虚警率,也能够保留舰船目标的结构信息;同时得到了一组相对最优的检测门限与检测模板,具有一定的实际参考意义。

极化SAR图像中PNF与PWF的CFAR检测性能对比

Marino于2012年提出了一种极化凹口滤波器(polarimetric notch filter,PNF)[1],引起了业界内的广泛关注,但至今尚未查询到公开文献将其与极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像目标恒虚警率(constant false alarm rate,CFAR)检测领域内著名的极化白化滤波器(polarimetric whitening filter,PWF)进行比较.文章推导了G0-Wishart分布下PWF输出像素强度的概率密度函数(probability density functions,PDF)和虚警概率(probability of false alarm,PFA),进而给出了检测门限的解析表达式.最后利用仿真数据和来自AIRSAR的实测数据对PNF与PWF的性能进行了比较,结果表明一般情况下PWF的整体检测效能优于PNF,而PNF对不同统计模型的适应性优于PWF,在高海况情形下的检测性能比PWF要好.研究结果对极化SAR图像CFAR检测方法的选择具有理论指导意义.

基于纹理分类的极化SAR图像滤波方法

关于雷达图像优化,提高分辨率的问题,场景较为复杂的图像,固有噪声图像效果不够理想,对具有不同统计特性的像素点缺乏精确的区分。由于传统参数估计方法降噪效果不足,为解决上述问题,提出了一种基于纹理特征分类的参数估计方法。首先计算极化总功率图像的灰度共生矩阵,并提取纹理特征矢量,用K均值聚类的方法进行分类。然后根据分类结果,在滑动邻域窗内选取与中心像素同类别的像素用于参数估计。实验结果表明,改进的纹理分类的滤波方法具有更好的降噪效果,对于复杂场景的极化SAR图像表现了较大的优越性。

基于PWF的极化SAR图像匹配方法

极化合成孔径雷达(SAR)图像匹配是修正惯性导航累积误差和提高导航精度的重要手段。由于极化SAR图像的斑点噪声降低了目前多数匹配方法性能,故提出了一种基于极化白化滤波器(PWF)的极化SAR图像匹配方法,利用极化信息抑制斑点噪声从而改善了匹配效果。运用该方法和经典的极化总功率(SPAN)+尺度不变特征变换(SIFT)方法,对多组不同波段的SAR图像进行匹配试验,结果表明该方法在匹配点数、精度和成功率上均优于SPAN+SIFT匹配方法。

基于舰船目标的极化SAR改进滤波算法研究

针对传统极化白化滤波(PWF)算法在处理极化SAR数据时的缺陷,提出一种改进的方法,该方法利用边缘模板检测和Freem an散射特性分解等技术对存在结构特征区域的图像采取特殊处理,提高了存在结构特征区域图像的滤波性能。实验证明,改进方法具有更强的自适应性,可有效降低相干斑噪声,特别是在边缘区域,能更好地保持舰船目标的结构信息。

基于纳什均衡改进PWF的舰船检测方法

提出了一种利用极化白化滤波器(polarimetric whitening filter,PWF)作为舰船检测器的新方法。首先,介绍了基于Wishart分布的马尔可夫随机场(Markov random field,MRF)分类问题,利用相似性参数和距离函数构造平滑项,有效地利用极化信息。在利用纳什均衡对分类进行优化时,对参数的选取使用了Fisher准则,优化分类结果。对于最终的检测器,利用PWF构造表征差异的核函数,求解一个优化问题,得到了对应能量函数数据项检测函数,同时利用分类结果,使用模糊集构造平滑项检测函数,从而得到改进的极化检测器。最后,使用实际的极化合成孔径雷达(polarimetric synthetic aperture radar,Pol-SAR)数据对提出的方法有效性做验证并和已有方法进行比较,实验结果表明本方法检测率高,检测目标连续性好。

极化合成孔径雷达图像船舶目标检测算法

结合区域划分和结构检测模板提出了改进极化白化滤波(IPW F)算法,利用IPW F算法融合极化合成孔径雷达(POL-SAR)中各极化通道图像,同时抑制相干斑,然后利用双参数恒虚警率(CFAR)检测方法对融合后的图像进行船舶目标检测.本文利用香港地区S IR-C全极化单视复数据进行了实验,结果表明IPW F算法更好地降低了相干斑因子,提高了船舶目标的检测率、控制了虚警率,同时可以更好地保持船舶目标的结构信息.

K分布下极化SAR图像CFAR检测新方法

在极化合成孔径雷达(PolSAR)图像杂波服从K分布下,已有的基于多视极化白化滤波器(MPWF)的恒虚警(CFAR)检测方法不适用于等效视数为非整数情形.针对此问题,提出了一种具有解析虚警概率表达式的CFAR检测方法.在乘积模型下引入Gamma分布纹理变量后,对MPWF检测量的概率密度函数(PDF)积分得到其累积分布函数(CDF),进而得到虚警概率关于检测门限的解析形式.仿真实验结果表明新方法良好的虚警拟合效果,此外在目标杂波比(TCR)较大时,新方法检测概率更高,反之,检测概率低于已有方法.需说明的是,目前K分布下多视极化匹配滤波(MPMF)检测方法的虚警概率表达式存在错误,因此对K分布下的MPMF检测方法进行了修正并推导出了正确的虚警表达式.

计算极化检测算法性能的一种方法

针对目标极化检测算法的一般表达式,在详细的数学推导的基础上给出了一种检测特性计算公式,并根据实验获得的杂波和目标极化协方差矩阵参数给出了计算机仿真结果。

一种利用Cloude-Pottier分解和极化白化滤波的全极化SAR图像分类算法

提出了一种新的基于Cloude-Pottier分解和极化白化滤波(PWF)的全极化SAR数据分类算法。该算法利用PWF的结果来代替反熵A对复WishartH/α分类结果进行进一步细化,按PWF的值将复WishartH/α分类结果由8类分为16类,然后再次进行Wishart迭代分类。实验结果表明,该算法能有效地提高分类精度,分类结果明显优于常规的复WishartH/α分类结果和复WishartH/α/A分类结果。