基于方向ROEWA算子的高分辨率SAR图像道路提取

指数加权均值比率ROEWA算子是SAR图像阶跃边缘提取中较为常用的算法,但该方法只能提取边缘强度,不能得到边缘方向。本文在ROEWA算子的基础上,利用添加方向模板的方法,提出了获取边缘方向的ROEWA改进算法。并根据得到的边缘方向,分别提出了一种边缘筛选算法和快速的Hough变换算法,从而提取出图像中的直线信息。实验表明,本文方法准确、高效,且对SAR图像中的相干斑噪声具有很好的抑制作用。

改进的ROEWA算子用于SAR图像的海陆分离

加权指数平均比率(ROEWA)边缘检测算子是一种较好的适用于SAR图像的边缘检测算子,但是使用梯度计算的方法不能准确地确定边缘的方向。针对这一问题,由于SAR图像受乘性噪声干扰,对图像取对数,将乘性噪声转化为加性噪声的形式,结合Canny算子计算边缘方向。根据陆地图像边缘丰富,海洋区域平滑的特点,以及陆地和海洋在灰度上的差异,结合区域生长完成海洋和陆地的分割。实验表明将改进的ROEWA算子用于海陆分离,检测效率和精度都比较高,且鲁棒性好。

一种基于ROEWA算子改进的CV模型用于乳腺超声图像分割

基于区域的几何活动轮廓(Chan-Vese,CV)模型是乳腺超声图像中常用的一种分割算法。但传统的CV模型不能满足乳腺超声图像分割精度高、速度快的要求。因此,文章提出了一种基于指数加权平均比率(Ratio of Exponential Weighted Averages,ROEWA)算子改进的CV模型,用于乳腺超声图像中病灶区域的分割。首先,计算乳腺超声图像的ROEWA算子。其次,基于图像的ROEWA算子构建边缘指示函数,用于代替CV模型中的Dirac项。最后,去除平滑项,从而提高曲线演化的速度。实验结果表明,文章提出的算法不仅能提高分割的精度,而且能显著提高分割的速度。

基于ROEWA和Gabor滤波的SAR图像边缘提取

针对合成孔径雷达(SAR)图像特有的乘性噪声和非恒虚警统计特性很难正确提取目标边缘的问题,提出了在指数加权均值比(ROEWA)算子基础上寻找自适应的最佳局域Gabor滤波器进行目标边缘提取的方法。利用Gabor滤波器具有的多方向特性确定边缘方向,然后用最大似然估计纠正错误边缘方向,重新结合视觉细胞倍频程计算出Gabor函数的最佳局域滤波参数,提取出SAR图像的正确边缘。实验表明,该方法取得很好边缘提取效果,并且后期分割出的目标更符合实际目标形态,具有较强的通用性。

SAR图像ROEWA边缘检测器的改进

针对指数加权均值比(ROEWA)边缘检测算子无法准确确定边缘位置和边缘方向的问题,对其表达式进行了改进。重新定义了反转的、带符号的、归一化最小指数加权均值比(IROEWA),作为边缘强度指标,来量化描述边缘的跃变程度,并在此基础上准确计算出边缘的方位。同时将改进的非极大值抑制算法应用到边缘检测流程中,对IROEWA得到的边缘强度图进行后处理。针对自然SAR图像和仿真SAR图像的实验都表明,改进算法能够得到比ROEWA加分水岭分割的原始算法更好的边缘检测结果。利用接收者操作特征(ROC)曲线,对改进算法进行量化评价,其曲线下面积(AUC)可达0.97570,非常接近理想的检测器;在其ROC曲线的最优点处,检测率可达0.95232,而虚警率仅为0.00214左右。

基于DS理论的高分辨率SAR图像复杂背景直线边缘提取方法

针对高分辨率SAR图像复杂背景下的线状目标边缘,提出了一种基于DS证据理论的融合提取方法。首先,分析并建立了线状目标的边缘模型;其次,改进了现有的ROEWA算法,在计算边缘强度的同时,利用方向模板和二次曲线进行方向估计,得到了边缘方向;然后,基于边缘模型设计了DS证据理论识别框架,利用道路边缘点方向,设计了一种一一映射的Hough变换方法,基于线状目标直线边缘的高边缘强度值、直线边缘共线性、直线边缘侧面均匀区域统计特性(灰度均值和方差),构建了三组相互独立的基本概率分配函数(BPAF),并采用DS证据理论的Dempster方法,实现了复杂背景下线状目标边缘提取的融合判决。最后,利用机载SAR图像进行城区道路目标的边缘提取试验,验证了本文方法的性能。

鲁棒KAZE算法的SAR图像配准

针对传统的SIFT算法及其改进算法在多波段SAR图像匹配性能低下,对非线性扩散滤波的KAZE特征检测算法分别从构建尺度空间和特征点检测两个方面进行改进,来提高多波段SAR图像匹配性能。尺度空间构建方面:提出采用高斯引导滤波取代KAZE算法中的非线性扩散滤波,充分利用高斯引导滤波的算法实时性、尺度不变性和良好的边缘保持性来克服非线性扩散滤波构建尺度空间的算法耗时较高的问题。特征点检测方面:提出采用引入指数加权均值比例算子(ROEWA)结合多尺度Harris角点检测的改进方法,充分利用ROEWA算子抑制相干斑噪声和多尺度Harris算子计算简单、旋转、尺度不变等优点,克服了传统的梯度差分方法检测SAR图像特征点时在SAR图像强散射纹理区造成大量错误率。描述符构建阶段,在梯度比例图像上采用原始的KAZE算法相同原理构建MSURF描述符。最后通过最近邻匹配和一致性倒数(RANSAC)进行错误匹配剔除。实验结果表明本文提出的改进KAZE算法应用于SAR图像配准优于原始KAZE特征算法。

基于SAR-SIFT改进的SAR图像配准

合成孔径雷达(SAR)图像配准时,由于受到乘性散斑影响,匹配算法的性能受到限制。SAR-SIFT使用ROEWA算子代替差分算法计算梯度,对SAR图像的散斑具有一定的稳健性。为了进一步抑制散斑噪声,本文提出了基于SAR-SIFT改进的SAR图像配准算法。利用非线性扩散滤波生成SAR图像的非线性扩散尺度空间,在非线性尺度空间不同尺度层上计算对应的SAR-Harris函数。为了使非线性尺度空间对散斑噪声具有稳健性,在其构造过程中的梯度信息采用ROEWA算子计算。此外,利用相位一致性信息去除初始关键点中由散斑引起的虚假点。多源、多极化、多时相的SAR图像试验结果表明,与SAR-SIFT算法相比,本文算法对散斑噪声更具稳健性,提高了图像匹配性能。

使用测地线活动轮廓模型的合成孔径雷达图像分割方法

为解决经典的测地线活动轮廓(geodesic active contour, GAC)模型在合成孔径雷达(synthetic aperture radar,SAR)图像上不适用的问题,在原GAC模型的基础上提出一种新的分割方法。首先在ROEWA算子进行边缘检测的同时使用Frost滤波器对图像进行负指数加权,形成边滤波边检测的模式,提高了算子的边缘检测与定位能力;然后使用经验阈值对ROEWA强度进行二值化,提高了曲线演化的速度与精确度;最终使用二值化的改进后ROEWA算子替代原GAC模型中的全局梯度项作为边缘指示函数引导图像分割。实验结果表明,针对仿真SAR图像及真实河流SAR图像,分割效果与参数指标都有明显提升。

基于局部混合滤波的SAR图像边缘检测

该文结合基于非下采样方向滤波-双树复小波变换(NonSubsampled Direction Filter Bank-Dual-TreeComplex Wavelet Transform,NSDFB-DTCWT)的局部混合滤波算法和Dempster-Shafet(DS)证据理论提出一种基于局部混合滤波的SAR图像边缘检测算法。该算法首先对SAR图像进行局部混合滤波,然后对不同尺度滤波图像使用指数加权均值比(Ratio Of Exponentially Weighted Averages,ROEWA)算子检测边缘的强度,再使用Canny算子检测边缘的方向,从而得到SAR图像各尺度上的边缘,最后使用DS证据理论融合各尺度的边缘形成原始SAR图像的边缘。实验结果表明:该文所提出的算法具有很好的边缘检测效果,检测到的SAR图像的边缘定位准确和完整,且伪边缘较少。

一种适用于SAR图像配准的改进SIFT算法

针对SAR图像特点,在传统SIFT算法的基础上,结合ROEWA和OTSU算法,提出一种改进的SIFT算法。该方法首先通过ROEWA和OTSU算法分别检测图像的边缘区域和阴影区域,再与SIFT算法相融合检测特征点、寻找匹配点并计算变换矩阵实现图像配准。与原算法相比,该方法消除了DoG算子的边缘响应和阴影的影响,使提取到的特征点更加精确,可提高正确匹配率,增强算法的稳定性,并提升图像配准的精度。

SAR图像主干道路自动提取算法研究

针对道路在高分辨率SAR图像中所具有的影像特征,提出了一种基于平行线对检测的高分辨率SAR图像主干道路自动提取算法。该算法以提出的新的平行线定义为核心,结合Marr视觉理论,使用自下而上的控制策略,对高分辨率SAR图像依次进行低层次的边缘检测(基于ROEWA算子)、中层次的道路特征结构化(平行线对检测)以及高层次的道路识别(路段生长、连接及去除伪道路),并在实验中给出了相应的算法演示结果图。实验结果表明,该算法能够准确有效地提取和定位高分辨率SAR图像中的主干道路。

基于非线性SIFT框架SAR图像匹配

针对基于尺度不变特征变换(SIFT)的图像匹配算法性能受到SAR图像中严重斑点噪声而性能降低的问题,提出了一种改进的非线性尺度构建的SIFT算法,主要改进在于:在尺度空间构建阶段,该算法通过将滚动引导滤波器嵌入到尺度空间构造的过程中来生成多尺度图像金字塔,在去除斑噪的同时并保持边缘的方面表现出了较其他尺度空间构建算法更好的效果;在特征检测阶段,提出了一种使用ROEWA算子和Harris-Laplace检测算子相结合的特征点检测算法,有效地抑制SAR图像中的虚假特征点,并准确地提取具有高位置精度和低误差率的不变特征点。3种不同类型的仿真和真实SAR图像对该算法进行了检验,并与其他2种基于SIFT的方法相比较,实验结果表明,该算法在匹配精度和内联点比率方面可以实现更好的性能。

复杂场景下的SAR图像水域边缘特征提取

合成孔径雷达(SAR)图像中的水域具有极高的遥感应用及地理应用价值;针对SAR图像固有的相干斑以及复杂场景下SAR图像水域边缘检测算法受到建筑物等人造地物强散射点干扰造成虚假边缘的问题,提出了复杂场景下SAR图像水域边缘特征提取方法;该方法通过构建SAR图像的二维灰度直方图对SAR图像进行预处理,一定程度抑制了相干斑噪声对边缘检测的影响,并在分析SAR图像中建筑物等人造地物与水域散射特性差异基础上利用二维灰度直方图对SAR图像进行分割,抑制强散射点;通过实验验证,该方法有效抑制了相干斑以及建筑物等人造地物强散射点的干扰,实现了复杂场景下的SAR图像水域边缘特征自动提取。

改进指数加权平均比率与小波变换结合的遥感图像海陆分离

海陆分离一直是光学遥感图像舰船检测中最重要的一部分,目前大多数的海陆分离算法都是依靠先验信息或是利用灰度特征对图像进行处理,造成分割效果不明显,大量的孤立区域无法处理;而且会造成误分割,不利于后续处理。针对上述问题,提出一种基于改进指数加权平均比率(ROEWA)算子与小波变换结合的海陆分离方法。首先利用ROEWA算子对原始图像进行边缘检测得到边缘的强度,再利用非极值抑制和双阈值算法定位边缘,然后采用小波变换对叠加后的图像进行二次边缘提取,提取边缘的方向,最后对边缘检测后的图像进行区域生长,进而得到最终的海陆分离图像。实验结果表明,算法与常用的海陆分离算法相比,检测效率和精度都比较高;且鲁棒性好,有利于后续舰船检测的处理。

基于增强指数加权均值比的SAR图像边缘检测算法

研究学者们认为指数加权均值比(ROEWA)算子存在无法计算SAR图像边缘方向的缺陷。为此,进行了一些通过方向滤波器为ROEWA算法施加方向的工作。该文对ROEWA算法进行了深入的探讨和分析,通过对ROEWA算法卷积过程的进一步推导,获得了ROEWA算法像素级的观测公式。根据推导结果,提出了一种增强的ROEWA(EROEWA)边缘检测算法。首先,利用新的卷积策略将ROEWA的公式项解耦,获得了4个方向的指数加权均值;然后把SAR图像旋转45°,再利用新的卷积策略获取额外的4个方向的指数加权均值;最后,将8个方向的指数加权均值表示成8个矢量,通过矢量合成求出边缘强度和边缘方向。实验结果表明,提出的EROEWA算法不仅具有优秀的边缘方向计算能力,与ROEWA算法相比,边缘强度的提取也有显著的增强效果。

一种由粗到精的光学与SAR遥感图像配准算法

由于光学遥感图像和SAR图像具有明显的非线性强度差异,且SAR图像存在斑点噪声,使得其配准存在较大难度。为此,本文结合基于特征和基于区域图像配准方法的优点,并组合为混合模型,提出一种由粗到精的自动配准算法。以光学遥感图像和SAR图像分别为参考图像和待配准图像,先以基于特征点的SAR-SIFT完成粗配准,再以基于区域的ROEWA-HOG完成精配准。①采用SAR-SIFT算法进行特征点检测和特征匹配来计算图像的仿射变换模型,以消除参考图像和待配准图像之间明显的旋转、尺度和平移差异,至此完成图像粗配准;②在此基础上利用分块Harris角点检测在参考图像上获得特征点,并根据特征点确定待配准图像上的同名点搜索区域;③计算图像的ROEWA梯度,构造以特征点为中心的模板区域内的HOG特征向量,以SSD作为相似性测度搜索待配准图像上的同名点,完成高精度的图像配准;④进行图像配准实验,对配准结果进行目视检查和精度评估。经过多组光学与SAR图像配准实验,验证本文算法能够结合基于特征和基于区域的图像配准方法的优点,较好地抵抗光学与SAR图像之间的非线性强度、旋转、尺度、平移差异和SAR图像的噪声影响,并逐步提高配准精度,最终配准精度达到1个像素左右,实现了光学与SAR图像的高精度自动配准,能够满足光学与SAR图像后续综合应用。