顾及极化特征的SAR与光学影像融合与分类EI北大核心CSCD

全极化合成孔径雷达(SAR)具有丰富的极化信息,对地物识别具有显著优势,提出了一种顾及极化特征的SAR与中分光学影像融合的方法,对全极化SAR影像进行极化目标分解,采用改进的色度、饱和度、明度(HSV)变换方法融合极化特征波段与中分光学影像,并基于面向对象的方法对融合影像进行地物分类。结果表明,该融合方法优于传统单极化SAR与中分光学影像的HSV融合方法,能够有效利用全极化SAR的极化纹理信息。面向对象分类方法能够降低SAR对融合影像的斑点噪声影响,地物总体分类精度优于高分光学影像,且对于极化信息敏感的地物,其分类精度明显优于高分光学影像。     

顾及极化特征的SAR与光学影像融合与分类

全极化合成孔径雷达(SAR)具有丰富的极化信息,对地物识别具有显著优势,提出了一种顾及极化特征的SAR与中分光学影像融合的方法,对全极化SAR影像进行极化目标分解,采用改进的色度、饱和度、明度(HSV)变换方法融合极化特征波段与中分光学影像,并基于面向对象的方法对融合影像进行地物分类。结果表明,该融合方法优于传统单极化SAR与中分光学影像的HSV融合方法,能够有效利用全极化SAR的极化纹理信息。面向对象分类方法能够降低SAR对融合影像的斑点噪声影响,地物总体分类精度优于高分光学影像,且对于极化信息敏感的地物,其分类精度明显优于高分光学影像。     

小波变换和模糊聚类的SAR图像斑点噪声去除

合成孔径雷达SAR图像的相干成像特性,不可避免的形成特有的相干斑点噪声,严重影响图像的地物信息提取和分类,需要进行去噪预处理。针对SAR图像斑点噪声的特点,针对SAR图像斑点噪声的特点,对图像进行小波变换分解,提出模糊聚类和软阈值收缩去噪的方法,利用模糊C均值聚类将小波系数分成包含信号能量和只包含斑点噪声能量两大类,对前一类小波系数进行软阈值降噪处理,而对后一类小波系数直接置零。实验结果的目视效果和评价指标均表明,小波模糊聚类和软阈值收缩有效地去除了SAR图像斑点噪声,图像视觉效果清晰,较好地保持地物目标的边缘等图像细节信息,去噪效果优于小波软阈值收缩。     

光谱谐波分析的新型HAC非监督分类器

高光谱影像分类是识别影像信息的重要途径之一,研究其算法对地物识别、动态变化监测和专题信息提取等方面具有重要意义。非监督分类由于其具有无须先验知识的特点,被广泛应用于高光谱影像分类。结合谐波分析理论提出一种新的高光谱影像非监督分类算法,即谐波分析分类器(harmonic analysis classifier,HAC)。首先,该算法统计第一谐波分量并绘制其直方图,根据波峰数目及位置确定初始地物类别和聚类中心像元。然后将待分类像元光谱的波形信息映射到谐波分解次数、振幅和相位的特征空间中,利用同类地物在特征空间中表现聚集性这一特征,根据最小距离原则对待分类像元进行归类。最后,计算聚类中心像元间的欧式距离,通过设置距离阈值完成类间合并,从而达到高光谱影像分类的目的。提取两种地物类别的光谱曲线,经谐波分析后得到谐波分解次数、振幅和相位量,并分析其在特征空间中的分布情况验证了HAC算法的正确性。同时将HAC算法应用到EO-1卫星的Hyperion高光谱影像得到其分类结果,通过对比K-MEANS,ISODATA和HAC算法的高光谱影像分类结果,证实HAC算法作为一种非监督分类方法在高光谱影像分类方面具有较好的应用性。     

基于邻域分割的空谱联合稀疏表示高光谱图像分类技术研究

传统的高光谱遥感影像分类算法侧重于光谱信息的应用。随着高光谱遥感影像的空间分辨率的增加,高光谱影像中相同类别的地物在空间分布上呈现聚类特性,将空间特性有效地应用于高光谱遥感影像分类算法对分类精度的提升非常关键。但是,高光谱影像的高分辨率提供空间聚类特性的同时,在不同地物边缘处表现出的差异性更加明显,若不对空间邻域像素进行甄选,直接将邻域光谱信息引入,设计空谱联合稀疏表示进行图像分割,则分类误差较大,收敛速度大大降低。将光谱角引入空谱联合稀疏表示图像分类理论中,提出了一种基于邻域分割的空谱联合稀疏表示分类算法。该算法利用光谱角计算相邻像素的空间相似度,剥离相似度较低的邻域像素,将相似度高的邻域像素定义为同类地物,引入空谱联合稀疏表示模型中,采用子联合空间追踪算子和联合正交匹配追踪算子对其优化求解,以最小重构误差为准则进行分类。选取AVIRIS及ROSIS典型光谱影像数据进行实验仿真,从中可以看出,随着光谱角分割阈值的提高,复杂的高光谱影像分类精度和平滑区域的高光谱影像分类精度均逐步提高,表明邻域分割在空谱联合稀疏表示分类中的必要性。     

基于监督稀疏流形嵌入的高光谱遥感影像分类

稀疏流形聚类和嵌入算法通过仿射空间中的稀疏表示获得稀疏系数,并能由稀疏系数自适应地选取来自同一流形的数据点.但稀疏流形聚类和嵌入算法没有直接的投影矩阵,且为非监督学习方法.针对稀疏流形聚类和嵌入算法算法的不足,提出一种新的监督稀疏流形嵌入算法.该方法首先在仿射空间中采用稀疏优化法得到稀疏系数,然后根据稀疏系数构建相似权值,并在权值中嵌入样本类别信息,增加同类数据间的聚集性,并在低维嵌入空间中保持这种相似性不变,提取鉴别特征来提升分类性能.实验结果表明:该文方法不仅能保持数据的稀疏特性,而且通过利用样本数据的类别信息使同类数据在低维空间尽可能聚集,提取鉴别特征,进而改善高光谱影像的地物分类效果.     

SAR影像极化特征的混合高斯模型与分类

针对高分辨率极化合成孔径雷达(SAR)影像中极化特征呈现尖峰拖尾等复杂多样的统计特点,采用混合高斯模型(GMM)对极化特征进行建模,提出了一种约束距离的混合多元高斯分布的参数估计算法。该参数估计算法在贪婪期望最大算法框架下设计约束距离函数,自动估计混合分量的个数和模型参数,进而在贝叶斯框架下实现极化SAR影像的地物分类。对Radarsat-2旧金山等地区三组影像数据的分类结果表明:相比于经典的分类算法,所提GMM分类算法的总体精度提高了7%～10%,且对样本数目的依赖性更小,在城区和耕地区域等异质区域可以得到精度更高的分类结果。     

群聚球形粒子极化散射的T矩阵数值模拟

对于不小于波长或可与波长相比的大粒子集合性的相干散射,要求严格求解多次散射的Maxwel方程。作者利用多个粒子多次散射的严格的T矩阵公式,发展了数值模似算法,求出非均匀群聚分布的球形粒子相干极化散射在全方位上的数值结果,研究了群聚粒子相干极化散射的特征表现,并与双球粒子散射的实验结果作了很好的比较。     

利用高光谱数据进行地物识别分类研究

分析了传统统计分类方法在高光谱影像地物分类中的弊端,提出并详细讨论了基于端元的监督分类技术.利用端元监督分类技术对LASIS高光谱影像进行分类,同时应用IsoData非监督分类技术即自动迭代聚类对高光谱影像进行分类.分析比较了两种分类结果,表明基于端元的监督分类技术更能满足对地物识别分类的需要.     

基于单景遥感影像的去云处理研究

去云处理是遥感图像处理以及大气纠正的重要步骤。常规的去云处理算法会随云的覆盖类型的不同而不同,如同态滤波或时间平均法,这些算法在去除云对影像影响的同时,往往会伴随地物信息的丢失。提出了基于单景遥感影像的去云处理算法———基于遥感影像分类结果及云检测结果的去云处理算法,目的是去除影像中云的散射影响,恢复地物的光谱信息。算法是针对局部有云的单景Landsat7 ETM+影像进行的。根据Landsat7 ETM+波段4,5,7对影像进行聚类分析,确定不同地物的覆盖类型;利用波段1,2,3及波段6划分出影像中的无云区以及不同覆盖厚度的云层;按照相同地物覆盖类型对非云区与不同云区进行平均反射率匹配,以达到去云的效果。结果表明,经过去云处理的影像,在分类运算中能够明显地提高分类精度,能够很好地恢复地物的光谱信息。     

动态光散射实验中散射光偏振状态的研究

颗粒散射光的偏振状态对提高动态光散射实验系统空间相干性和测量结果正确性有着重要影响,因此研究散射光的偏振状态具有重要现实意义的。本文利用米散射理论分析了入射光与散射光偏振状态之间的关系,在此基础上揭示了在动态光散射中使用垂直偏振光作为入射光的理论依据,并在实验中验证了上述理论的正确性。     

基于非负矩阵分解的次声信号分类方法*

在中国科学院声学所大气次声波观察网实地采集的,爆炸、地震、闪电、再入四类次声事件105组阵列数据集的基础上,提出应用非负矩阵分解的特征提取方法,对次声信号的计算机自动分类方法进行了研究。针对特征设计过程复杂的问题,本方法使用非负矩阵分解自动挖掘目标信号的隐含结构作为特征。将此特征作为支持向量机和卷积神经网络输入进行分类,以提高特征设计的效率与分类的识别准确率。研究结果指出,在测试集上的平均识别准确率达到了83.13%, 相对于传统方法,简化了特征设计过程,并取得更好的分类结果。     

烟雾环境下的偏振差成像方法

基于激光主动成像的烟雾环境下的目标探测具有重要研究意义,有效抑制光的散射作用是提高烟雾环境下成像质量的关键。根据光的偏振理论,仿真分析了光子单次散射的偏振特性与散射角的变化关系,并利用蒙特卡罗方法模拟了光在烟雾环境中传输的偏振特性,提出了利用偏振差法来抑制光散射作用,最后进行了简单的成像实验。结果表明,光在烟雾中传输时散射光主要由小角度散射光构成,仍然保留了初始激光的部分偏振特性,相比于直接灰度成像,偏振差法能够有效滤除小角度散射光的影响,增强成像目标的细节信息和图像的对比度。     

Speckle polarization diagnostics of scattering media using partially coherent radiation

The paper discusses a method for probing a randomly inhomogeneous medium using partially coherent radiation and polarization filtering of the radiation scattered by the medium. The method is based on the analysis of the contrast of speckle-modulated images of the object under study as a function of the coherence length of the probe radiation. A theoretical justification of the method is given as applied to systems of discrete scatterers with the subsequent modification of the results obtained for continuously distributed scattering systems. The results of experimental testing of the developed method for scattering media characterized by nondiffusion conditions of propagation of the probe radiation are presented and compared with the results of the theoretical analysis.     

基于多重散射强度和偏振特征的舰船尾流气泡激光探测方法

研究多重散射效应对舰船尾流气泡群光散射强度和偏振特征的影响是舰船光尾流探测以及新型光自导鱼雷研究的基础. 基于矢量Monte Carlo方法建立了舰船尾流气泡群激光后向探测仿真模型, 重点研究了尾流气泡群的多重散射机理,分析了多重散射效应、尾流气泡群密度对回波信号强度和偏振特征的影响规律. 基于粒子碰撞重要性抽样的基本思想, 在传统能量接收方法的基础上, 提出了回波光子偏振贡献接收方法和回波信号偏振信息统计方法, 解决了小视场系统光子返回概率低无法形成回波能量的难题. 构建了模拟尾流气泡群激光散射强度和偏振探测实验平台, 从实验的角度验证了模拟结果的准确性. 实验和模拟结果的一致性表明, 利用回波强度、偏振信息可表征气泡群距离、密度信息, 从而可对舰船尾流特别是低密度尾流进行高精度的探测和辨识. 关键词： Monte Carlo 偏振 多重散射 气泡     

Target detection beneath foliage using polarimetric synthetic aperture radar interferometry

Abstract

In this paper, we demonstrate how the new technology of polarimetric synthetic aperture radar (SAR) interferometry can be used to enhance the detection of targets hidden beneath foliage. The key idea is to note that for random volume scattering, the interferometric coherence is invariant to changes in wave polarization. On the other hand, in the presence of a target the coherence changes with polarization. We show that under general symmetry constraints this change is linear in the complex coherence plane. These observations can be used to devise a filter to suppress the returns from foliage clutter while maintaining the signal from hidden targets. We illustrate the algorithm by applying it to coherent L-band SAR simulations of corner reflectors hidden in a forest. The simulations are performed using a voxel-based vector wave propagation and scattering code coupled to detailed structural models of tree architecture. In this way, the spatial statistics and radar signal fluctuations closely match those observed for natural terrain. We demonstrate significant improvements in the detection of hidden targets, which suggests that this technology has great potential for future foliage penetration (FOPEN) applications.     

基于图像检索的大豆食心虫虫害高光谱检测

为减轻虫害对大豆的影响,首先使用相应的高光谱仪器进行样本采集,样本分为4类：包括带有微小虫卵的,带有幼虫的,有啃食痕迹的和完全正常的大豆各20颗;然后提出了一种基于三维图像检索(3D-R-D,3D Resnet18 DCH)的大豆食心虫的高光谱检测方法。该方法从视频检索的应用中得到启发,考虑到视频不同帧之间和高光谱不同层之间存在类比关系,使用了在大规模视频检索数据集下训练而成的分类模型,将它作为预训练3D卷积模型进行训练。和已知的文献方法相同,使用公开的光谱数据集进行正式训练和微调,从而得到能进行特征提取的3D卷积网络,用图像检索来实现间接分类,通过利用样本之间的特征距离,实现在全新类别上的分类。为能适应任务,将模型最后的分类层变成了图像检索常用的hash层,从而得到了代表特征的二进制码。该方法不但完成了对不同情况下大豆种类的检测,还解决了训练时样本不足的问题。为探寻一种好的相似度匹配损失函数,对比了多种较新的方法,最后发现使用融入柯西分布的损失函数,实验效果最佳,最终模型的分类精度达86%±1.00%,和在大豆食心虫检测上最新的小样本方法对比,3D-R-D方法提高了3.5%左右的精度,表明该方法是有效的,它也为结合高光谱检测相关研究提供了一种全新思路。     

Target detection beneath foliage using polarimetric synthetic aperture radar interferometry

In this paper, we demonstrate how the new technology of polarimetric synthetic aperture radar (SAR) interferometry can be used to enhance the detection of targets hidden beneath foliage. The key idea is to note that for random volume scattering, the interferometric coherence is invariant to changes in wave polarization. On the other hand, in the presence of a target the coherence changes with polarization. We show that under general symmetry constraints this change is linear in the complex coherence plane. These observations can be used to devise a filter to suppress the returns from foliage clutter while maintaining the signal from hidden targets. We illustrate the algorithm by applying it to coherent L-band SAR simulations of corner reflectors hidden in a forest. The simulations are performed using a voxel-based vector wave propagation and scattering code coupled to detailed structural models of tree architecture. In this way, the spatial statistics and radar signal fluctuations closely match those observed for natural terrain. We demonstrate significant improvements in the detection of hidden targets, which suggests that this technology has great potential for future foliage penetration (FOPEN) applications.     

TCVQ-SVM algorithm for narrowband spectrum sensing

Spectrum sensing is viewed as the basic and crucial technology for cognitive radio. To improve the accuracy of spectrum sensing in low signal to noise ratio (SNR), this paper presents an efficient TCVQ-SVM method based on machine learning for narrowband spectrum sensing. Firstly, trace of covariance matrix and variance of quadratic covariance matrix (TCVQ) is extracted as feature vectors and combined as training samples of spectrum sensing. Then, the classification model can be achieved by training samples based on support vector machine (SVM), which can avoid setting threshold and adjusting classification hyperplane by its self-learning ability. Lastly, the result of spectrum sensing can be obtained. By utilizing trace and variance as input features of SVM, the algorithm can make full use of the eigenvalue difference and structure characteristic of the received signal, and at the same time, achieve good performance in low SNR. Theoretical analysis reveals that the proposed method has low computational complexity. Simulation results and experiments on the hardware platform illustrate that the proposed algorithm is effective and robust.