SAR图像多时相组合滤波方法

提出一种SAR图像多时相组合滤波方法,利用同区域多幅时间序列SAR图像构建最优线性组合,得到权矩阵,通过处理使多幅图像在信息互补过程中达到抑制斑噪的目的。利用3幅不同时相真实SAR图像进行滤波实验分析,并与经典SAR图像滤波方法比较,结果表明,该方法能够保持空间细节信息,且去除斑点噪声效果良好,可以同时应用于同一区域多幅SAR图像的滤波处理。

高分辨率SAR影像Frost时相滤波方法

高分辨率SAR影像中大量存在的相干斑噪声是制约图像解译、点目标识别和差分干涉测量精度的重要因素之一。为了有效地抑制和去除SAR影像中的斑点噪声,基于以往研究,采用了一种基于Frost滤波定权的多时相滤波方法(即Frost时相滤波)。该方法利用GAMMA软件配准多时相SAR影像,然后利用Frost滤波为Multi-Temporal滤波方法定权,最终获得Frost时相滤波后的影像。实验选用分辨率为1.3 m×1.8 m和多视比为1∶1的TerraSAR-X卫星影像,选取乡村田地和城镇作为研究区域,获取传统Frost滤波、GAMMA多时相滤波和Frost多时相滤波算法的高分SAR影像滤波结果。在GAMMA和Matlab软件中进行对比分析实验,通过目视解译,以及平滑指数、相干斑指数、等效视数、归一化指数、辐射分辨率等量化评价指标分析,验证了Frost时相滤波方法能有效抑制高分SAR影像中的斑点噪声,并明显改善高分SAR影像质量。

一种多时相遥感图像多目标检测算法

随着遥感技术的快速发展,遥感图像得到广泛的应用,其中目标检测是遥感图像众多应用中非常重要的一个分支。目前大多数目标检测算法都是基于单时相遥感图像,对于多时相遥感数据的处理方法较少。最近发表的多时相目标检测算法有滤波张量分析,其将多重线性函数与张量相对应的关系应用于遥感图像目标检测,但该算法只能进行单目标检测,无法同时检测多个目标。本文借鉴多目标约束能量最小化算法中对于多个目标输出能量的约束和滤波张量分析中对于应用张量滤波器的思想,提出多目标滤波张量分析算法,能够在多时相遥感数据中实现同时检测多个目标。模拟和真实数据实验结果均表明,该算法可以有效地提高多时相图像中多目标检测精度。

散射模型的多时相极化SAR斑点噪声滤波算法

本文提出了一种基于散射模型的多时相极化SAR数据斑点噪声滤波算法,该方法是利用多时相极化SAR数据,在保持像元主散射特性基础上实现斑点噪声抑制。其基本原理是对多时相极化SAR数据的主辅影像进行分类,并通过统计主辅影像中待滤波像元邻域窗口内类别分布情况自适应地选取参与滤波的像素进行滤波。实测数据的实验结果表明,该方法既能够有效地抑制斑点噪声,又能够良好地保持地物散射特性和边缘纹理特征。

基于多时相ENVISat ASAR数据的冬小麦识别方法——以北京通州试验区为例

ENVISat ASAR数据在水稻识别和制图中应用研究比较深入,但对该数据用于小麦识别和制图的技术方法的研究还比较缺乏。以北京市通州区为试验区,研究了利用多时相ENVISat ASAR数据进行冬小麦识别的技术方法。应用GPS实测定位和基于高分辨率World View-1影像解译等手段获取分类精度检验数据,结果表明多时相ASAR数据可用于我国北方冬小麦的识别,对小麦—非小麦两类型的识别总精度为82.64%。