基于改进MRF的高分辨率SAR图像中建筑物轮廓提取算法

本文提出了一种基于改进马尔科夫随机场模型(MRF)的高分辨率SAR图像建筑物轮廓提取的方法.该方法首先引入了自适应的权重系数来改善邻域系统对先验能量项的影响,从而使分类结果更加准确.其次,利用Fisher分布来描述观测图像每一类的边缘分布,并且估计Fisher分布的参数;然后,根据改进的MRF对图像进行分类;最后,利用面向对象的方法,利用建筑物的形状特性及空间关系来提取建筑物.实验结果表明该方法可以较好地提取出建筑物的轮廓.

一种基于改进的AdaBoost的SAR图像分类方法

合成孔径雷达(SAR)图像由于受到相干斑点噪声的影响,使得其高精度的分类算法研究受到极大的挑战.为了提高SAR图像分类的性能,本文根据SAR图像的成像机理和统计特性,通过灰度共生矩阵特征的提取,结合纠错编码,构造了一种SAR图像分类的Ada Boost改进算法.实验结果表明,该算法得到较好的分类结果,分类精度得到了显著的提高.

基于总体最小二乘法的亚像素月球坑边缘优化提取算法

本文提出了一种基于总体最小二乘法求解多项式的亚像素边缘检测方法.实验证明其效果要好于最小二乘法,但是该方法容易陷入局部最优解.基于此,利用模拟退火算法的优点来求取该多项式,从而求得月坑边缘.

基于显著性主动学习的SAR图像分类

SAR图像分类是实现SAR图像理解和解译的关键步骤,本文将显著性检测、主动学习和支持向量机分类技术相结合,提出基于显著性主动学习的SAR图像分类算法.该算法首先将基于卷积和下采样得到不同尺度的SAR图像;然后对各尺度SAR图像进行显著性检测,分为显著性区域与非显著性区域,最后对区域内像素提取特征,并由基于支持向量机的主动学习方法进行分类.实验结果表明:本文提出的方法极大提高了支持向量机分类的精度和效率.