基于混合边缘检测的极化SAR图像海岸线检测

针对传统方法在金属建筑反射干扰严重情况下无法实现海岸线精确检测问题,本文在分析海岸线边缘特有散射特性的基础上,提出了混合统计和散射特性的海岸线边缘检测方法。该方法分别以似然比和体散射功率比值检测子检验窗口相邻区域统计和散射特性的不同,并通过模糊集方法融合两个检测子。在由提出的检测子实现粗岸线检测的基础上,采用基于边缘能量图的快速活动轮廓模型对岸线进一步精细化。对大连海岸区域极化合成孔径雷达(synthetic aperture radar,SAR)图像进行实验,结果表明提出算法有效减少了强金属建筑干扰和不同海况区域导致的虚假岸线边缘,实现了精确的海岸线检测。

一种基于边缘特征的海岸线检测方法

针对遥感图像中灰度特征的不稳定性,尤其是SAR(合成孔径雷达)图像中水陆灰度的弱对比性,提出一种利用相对稳定的边缘特征进行海岸线检测的新方法。该方法首先用Roberts算子提取海岸区域图像的梯度,并进行自动阈值分割,进而用轮廓跟踪的方法得到海岸线的粗略位置。借鉴主动轮廓的思想,设计一种轮廓逼近的方法,根据遥感图像的梯度强度对粗略的海岸线进行调整,最终得到精确的海岸线。实验表明这种方法在检测精度和抑制海域内干扰等方面都能达到令人满意的效果。

基于广义Gamma分布的高分辨率SAR图像海岸线检测

本文针对高分辨率SAR图像,采用广义Gamma分布(GΓD)对杂波进行建模,在此基础上提出一种基于水平集分割的海岸线检测方法.GΓD是一种高度灵活的经验分布模型,能够对SAR图像不同类型的地物进行有效建模,其参数可由对数累量法估计得到.基于该分布建立能量泛函,并通过水平集方法最小化能量泛函进行海陆分割,得到海岸线检测结果.利用两幅Terra SAR-X实测SAR图像实验证明,该方法可以实现更精确的海岸线检测.

基于改进水平截集算法的SAR图像海岸线检测

合成孔径雷达(SAR)图像海岸线检测,在自动导航、地图绘制等海洋应用方面具有重要意义。水平截集算法是一种基于人类视觉特性的边缘检测方法。由于它具备检测效果好、抗噪能力强等优点,因而在海岸线检测方法的研究和应用两方面倍受关注。然而,水平截集算法由于迭代方式复杂等原因在应用于分辨率较大的图像时,检测速度比较慢,限制了它在工程应用中的实用性。针对SAR图像,提出一种基于水平截集算法的改进算法,先在低分辨率图像中用水平截集算法进行粗略检测,得到贴近真实海岸线的轮廓线,然后将轮廓线映射到高分辨率图像上,继续用水平截集算法进行检测,最后得到精确的结果。实验中使用RadarsatScanSAR图像证明该方法可大大加快检测速度,通过与原水平截集算法的检测效果进行对比,新方法没有降低检测效率。

SAR图像海岸线检测算法综述

回顾近年来应用SAR图像进行海岸线及物体边界检测的几种方法,并对各种方法进行了综述、总结和对比。

基于混合Wishart分布MRF分割的极化SAR图像海岸线检测

针对基于Wishart分布马尔可夫场(Markov random field,MRF)海陆分割存在海面和陆地整体区域无法使用单一Wishart分布描述的问题,提出了一种基于混合Wishart分布的极化合成孔径雷达(synthetic aperture radar,SAR)图像海岸线检测方法。该方法首先对极化SAR总功率边缘能量采用两区域Ostu阈值分割得到初始海陆分割结果,然后采用混合Wishart分布描述陆地和海面区域,通过基于混合Wishart分布MRF两区域分割迭代计算实现海陆精确分割。最后对经过水域合并处理的海陆分割结果进行边界跟踪实现海岸线检测。分别使用了RADARSAT2中国海南陵水地区和新加坡部分地区极化SAR数据进行实验,实验结果证明提出方法比基于Wishart分布MRF分割方法更加精确和鲁棒。

基于Otsu方法和数学形态学的SAR图像海岸线检测

合成孔径雷达(SAR)图像海岸线检测,在很多海洋应用中具有重要意义。由于受海风和海浪影响,海面有时会产生强回波信号,以及受speckle噪声等其他因素的影响,SAR图像中海洋和陆地缺乏对比度,边界不清晰,用传统的阈值门限法等进行海岸线检测很困难。本文提出一种改进的海岸线检测方法,该算法引入最大类间方差法(Otsu方法)和数学形态学算法,以较小的计算量检测出了海岸线。通过使用Envisat ASAR图像进行实验,证明该方法具有较好的检测效果和检测速度,检测出的海岸线和原始图像的海岸线有很好的匹配,检测精度与边界追踪算法比较有所提高。

基于导航X波段雷达图像的海岸线检测方法研究

海岸线的变化影响着沿海居民的生产生活和国家军事战略部署,快速、准确地检测海岸线变化有着重要意义。导航X波段雷达可以连续、实时检测近岸海洋环境,研究提出了一种利用导航X波段雷达图像检测海岸线的方法。首先,对导航X波段雷达图像进行平均、对比度增强和高斯滤波等预处理,降低海杂波噪声对雷达图像的影响;然后,将预处理后的图像与边缘检测算子进行卷积运算获得梯度图像,建立了基于直方图双峰法的自适应阈值估算方法,从梯度图像中自动提取出目标岛屿的边界;最后,利用边缘膨胀、空洞填充和去噪提取完整的岛屿,并估算岛屿的面积和周长等参数。利用实验观测的导航X波段雷达图像对提出的方法进行验证,与电子海图和Google Earth地图中的海岸线相比,根据Sobel算子和Prewitt算子提取的目标岛屿的边缘精度较高,提取岛屿的面积和周长随潮汐高度、海况等而变化。结果表明:导航X波段雷达能有效监测到岛屿海岸线的实时变化。

局部统计活动轮廓模型的SAR图像海岸线检测

首次将局部统计活动轮廓模型引入SAR图像海岸线检测问题中,提出了一种基于局部统计活动轮廓模型的SAR图像海岸线检测方法。首先利用C-V模型进行粗分割,消除局部统计活动轮廓模型对初始轮廓线设置要求严格的限制,然后提出了一种基于G0分布的局部统计活动轮廓模型,进行精细分割。该模型采用G0分布对轮廓线上每一点的邻域进行统计建模,增强了模型数据拟合能力,提高了海岸线检测精度,加入水平集函数惩罚项,消除了重新初始化过程。实测SAR图像实验表明,本文方法可用于精确海岸线检测。

Sentinel-1宽模式的SAR图像拼接及大区域海岸线快速提取

为实现对大区域海岸线的监测和管理,该文提出了一种使用Sentinel-1宽模式数据的SAR图像拼接及海岸线快速提取方法。首先从输入SAR图像序列中提取地理信息,基于图像序列重叠区域的灰度统计信息,经由Wallis变换消除相邻图像间的色彩差异,进而利用地理信息生成研究区域的镶嵌图像;然后以镶嵌图像作为海岸线快速提取的输入图像,建立关于镶嵌图像的高斯图像金字塔序列,对该序列的低分辨率图像使用边界追踪算法提取海岸线,再将所得海岸线结果重采样至与输入图像相同的分辨率,得到最终的大区域海岸线。针对黄海海域的实验结果表明,在SAR图像拼接中,不同输入图像在接缝处的灰度均值接近、灰度方差低,过渡自然且未出现明显镶嵌线,而提取的大区域海岸线在保证精度的前提下,处理时间明显低于手工标记等方法。

合成孔径雷达图像船舶检测分析系统

近年来,通过海洋运输的危险品越来越频繁,海洋生态环境形式严峻。远洋及近海船舶导航、检测、监测任务繁重。本文设计了基于CFAR算法的SAR图像船舶检测系统以支持船舶检测、监测任务。该系统包括全自动海岸线检测模块,全自动或半自动远洋及近海船舶检测模块。通过RADASATSAR图像验证系统的检测与分析是有效的。

近海岸目标快速提取

针对海面运动载体对复杂海岸背景下的水上目标检测问题,提出了基于海岸线信息的近海目标自动检测方法.通过量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,提取海岸线区域的主要轮廓.采用哈夫变换进行投票加权处理,确定海岸线的精确位置,使用主频灰度对对海岸线以下的海面部分进行滤波,消除杂波效应,引入聚类方法,剔除伪目标,实现目标的有效区分.试验证明所提方法能够检测出不同倾斜状态下的海岸线,并实现精确的目标定位,单帧处理在0.2 s以内,具有准确性和快速性.

一种新的窄带快速区域水平集C-V模型图像分割方法

Chan-Vese提出了区域水平集图像分割C-V模型,该模型随着水平集函数的演化,演化曲线能自然地改变其拓扑结构,因而在很多研究领域有着广泛的应用,特别是在图像分割、目标跟踪领域取得了显著的效果。基于区域的水平集函数比基于梯度的水平集函数在抗噪声方面也表现得更优秀,但是其演化水平集函数也更复杂,主要缺点是演化速度特别慢,限制了在大型高分辨率图像分割中的应用。针对此问题,提出了一种窄带快速区域水平集C-V模型,即先利用C-V水平集在低分辨率的图像上检测出大致的边缘,然后映射到高分辨率的图像上,在其边缘的一个窄带内检测更为精确的边缘,其检测速度有了很大的提高。采用高分辨率的大型合成孔径雷达(SAR)遥感图像进行的实验证明了该方法能够快速而有效地提取出海岸线,满足工程中的实际应用。