基于种子点增长的SAR图像海岸线自动提取算法

SAR图像中斑点噪声的存在使得很难利用简单的阈值分割技术对其进行海岸线提取,而很多基于复杂数学模型的提取算法又常常由于较慢的检测速度限制了它们的应用.本文基于种子点增长的思想,给出了一种快速的海岸线自动提取算法.首先该算法利用像素值统计信息自动定位一个初始种子点区域,并计算初始均值M与初始阈值T.然后基于不断更新的M和T进行海域点增长.增长结束后,对得到的连通海域进行轮廓边界跟踪从而确定出具体的海岸线位置.将其应用于真实的SAR图像,证明了该算法的有效性和实时性.

基于MSP-ROA边缘检测的SAR图像分割

该文以卡通模型为SAR图像分割的理论依据,提出了一种基于MSP-ROA边缘检测的SAR图像分割算法,算法中对边缘检测的结果做种子生长、标注和区域填充,并根据相似性准则对填充的初始分割结果进行相邻区域的合并处理,最终得到同质性和连通性都较好的SAR图像分割结果;文中给出了SAR图像分割处理的性能评估指标,并用实测的SAR图像数据验证了上述算法,最后给出了与其它分割方法比较的结果。

基于种子点增长的SAR图像海岸线提取算法

合成孔径雷达SAR(Synthetic Apenure Radar)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。国内外针对海岸线检测提出了不少方法,但是这些方法都有一个很大的缺点:速度慢。为此提出了一种快速SAR图像海岸线提取算法。该算法基于种子点增长的思想,从一个选定的初始种子点出发,计算出所有连通的海洋区域点,从而可以确定出海岸线位置。将该算法应用于真实的SAR图像进行实验,证明了该算法的有效性。

SAR影像海岸线提取方法对比及效果评价

利用合成孔径雷达(SAR)影像提取海岸线是当前遥感研究的热点之一,近年来基于边缘检测法、区域生长法、阈值分割法、水平集法、面向对象分类法、支持向量机分类法等系列SAR影像海岸线提取研究各自取得了一定的进展,但至今尚无对上述典型方法的全面研究与综合对比分析。为此,该文以基岩海岸、淤泥质海岸等2种常见类型海岸线的提取进行了实验,并提出一种海岸线提取精度定量评价的新指标——偏移误差,基于该指标定性定量对比分析了不同算法的优劣及适用性。实验表明,对基岩岸线,面向对象的分类法最优,边缘检测最劣;对淤泥质岸线,水平集最优,区域生长法最劣。

基于边缘检测的SAR图像自适应区域分割

受相干斑噪声影响,合成孔径雷达(Synthetic Aperture Radar,SAR)图像成像质量低,目标判读困难。针对传统方法对SAR图像分割存在噪声敏感、细节缺失、过度分割等问题,提出一种基于边缘检测的SAR图像自适应区域分割方法。首先引入双边滤波构建级联滤波器,对SAR图像进行保边抑噪;然后建立基于纹理复杂度的阈值估算模型,实现阈值自适应目标SAR图像边缘检测;最后提出基于边缘特征的自适应区域生长分割方法,较好解决了传统区域生长算法对SAR图像分割时出现的过度生长和过度分割之间的矛盾问题。该方法综合利用了SAR图像二维熵、边缘灰度信息、区域灰度信息,实现了对单极化目标SAR图像的自动分割。实验表明,相较于其他传统分割方法,该方法保边抑噪能力更强,目标细节检测更准确,较好解决了SAR图像过分割问题。

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。

一种基于视觉显著性的SAR图像弱目标检测算法

针对传统的恒虚警率(CFAR)算法应用于SAR图像弱目标检测存在虚警率高的问题,提出一种基于改进型Itti视觉显著性模型的新算法。该算法首先获取SAR图像的局部方差特征图、亮度频率特征图和全局对比度特征图,然后将特征图经高斯模糊和归一化后,将其非线性融合生成原始SAR图像尺度的显著图,最后从显著图中提取视觉显著性区域作为最终的检测结果。仿真结果表明,通过和改进型CFAR、相干CFAR和二维Otsu检测三种算法的检测性能对比,该算法在检测准确率和时间复杂度上均具有良好的性能。

基于MSP-ROA边缘检测和区域合并的图像组合分割方法

提出一种基于MSP-ROA边缘检测和区域合并的图像组合分割算法,算法中对边缘检测的结果做种子生长、标注和区域填充,并根据相似性准则对填充的初始分割结果进行相邻区域的合并处理,最终得到同质性和连通性都较好的图像分割结果。

基于红外图像识别的电气设备温升检测

为了更好地利用红外热成像技术对电气设备故障进行识别和诊断的问题,提出了一种基于红外图像特征和种子区域生长法的设备温升检测方法。采用邻域平均法减少了红外图像的噪声干扰,提取出了红外图像RGB空间中的红色分量图及绿色分量图,应用种子区域生长法分别对两分量图进行了分割,先通过寻找局部最高温点划分区域,再计算各区域内形态学梯度筛选出有故障的高温点,并将该点所在区域作为种子区域从而实现种子区域的自动选取,将像素点4个方向上的最大梯度及像素点与种子点的灰度差作为种子生长的判定条件,用交集的方法将分割后的红色分量图和绿色分量图融合,提取出了设备温升过高区域。实验及研究结果表明,该方法能确定高温升区域,且轮廓清晰,为电气设备温升故障诊断提供依据。

基于渗流和区域生长联合分析的红外图像裂缝病害检测方法

裂缝病害是影响混凝土结构耐久性的重要因素之一,然而在复杂服役环境下,既有裂缝视觉检测方法难以保证算法的鲁棒性和高效性。基于此,文章提出一种基于渗流和区域生长联合分析的裂缝病害检测模型。首先,为了抑制不均匀光照和背景杂波的干扰,文章选用红外热图像作为裂缝病害感知源。针对红外裂缝图像数据,提出大津阈值分割和边缘检测相结合的裂缝区域种子点提取方法,提高裂缝病害检测效率。基于选取的种子点区域,展开裂缝病害渗流与区域生长联合分析,在保证裂缝检测精度的前提下,进一步提升裂缝病害检测速度。利用红外热成像仪对现场混凝土结构进行裂缝图像采集,实验结果表明,相比于既有裂缝视觉检测方法,文章算法在裂缝病害检测精度和效率两方面均取得了较为满意的结果。