一种基于Pauli分解和SVM的全极化SAR监督分类算法

全极化SAR影像准确分类的一个重要前提是充分提取反映地物实际物理性质的特征。然而现有的全极化SAR特征提取算法和分类算法众多,却均存在各种各样的问题。无论极化特征提取方法还是分类算法,都会影响最终的分类精度。针对此问题,在多次实验的基础上,提出一种综合Pauli极化特征分解和SVM的分类策略,简称为Pauli-SVM算法。首先通过经典的Pauli分解法提取全极化SAR影像的奇次散射、偶次散射、体散射等极化特征,并将这些信息组合成一个特征向量,然后引入高精度的SVM分类算法,选择训练样本后对全极化SAR影像进行监督分类。在江苏溧水和南京横溪镇两个研究区,以ALOS卫星的PALSAR影像为研究数据,进行监督Wishart分类算法、Freeman特征提取法结合SVM的分类算法、Yamaguchi特征提取法结合SVM的分类算法、Pauli-SVM算法的分类对比实验。结果表明,新提出的Pauli-SVM算法可以有效的提高分类的准确性。     

一种基于多尺度分解的多传感器图像融合方法

给出了一种基于多尺度分解(易操纵金字塔分解)的多传感器图像融合算法．该算法把来自不同传感器的图像分解成不同尺度、不同方向(不止3个)的子带系列；使用基于相似性量测的规则融合各相应子带图像；再进行反变换，获得融合后的图像．实验结果表明该方法有较好的融合效果．     

基于加权投票集成的极化SAR图像分类方法

提出了一种新的基于加权投票准则集成的极化合成孔径雷达系统(PolSAR)图像分类方法.该方法采用加权投票集成的方法根据不同个体的学习结果进行合,并从而提高极化SAR图像的分类精度.首先,输入极化图像数据并获得所需要的特征作为特征集.再从图像的每一类中选取多组像素点组成多个训练样本子集;然后,基于不同的样本子集训练学习得到不同的分类器,并对像素点进行分类得到预测标记,再由这些预测标记计算得出相应的加权系数;最后,通过加权系数将预测标记合并起来得到最终的极化SAR分类结果.实验结果证明,所提出的算法在AIRSAR和Radarsat-2数据上取得了很好的分类结果.     

一种基于Pauli分解和支持向量机的全极化合成孔径雷达监督分类算法

全极化合成孔径雷达(SAR)影像准确分类的一个重要前提是充分提取反映地物实际物理性质的特征。然而现有的全极化SAR特征提取算法和分类算法众多,却均存在各种各样的问题。无论极化特征提取方法还是分类算法,都会影响最终的分类精度。针对此问题,在多次实验的基础上,提出一种综合Pauli极化特征分解和支持向量机(SVM)的分类策略,简称为Pauli-SVM算法。首先通过经典的Pauli分解法提取全极化SAR影像的奇次散射、偶次散射、体散射等极化特征;并将这些信息组合成一个特征向量,然后引入高精度的SVM分类算法,选择训练样本后对全极化SAR影像进行监督分类。在江苏溧水和南京横溪镇两个研究区,以ALOS卫星的PALSAR影像为研究数据,进行监督Wishart分类算法、Freeman特征提取法结合SVM的分类算法、Yamaguchi特征提取法结合SVM的分类算法、Pauli-SVM算法的分类对比实验。结果表明,新提出的PauliSVM算法可以有效地提高分类的准确性。     

一种基于特征值分解的极化SAR相干斑抑制方法

对于极化SAR图像,可以利用其同极化和交叉极化图像的相关性来进行降斑处理。本文介绍的极化SAR相干斑抑制方法将参数空间划分为正交的两个子空间——信号子空间和噪声子空间,通过保留信号子空间,相干斑被抑制,极化信息被保留。实验结果表明此方法可以有效的抑制相干斑,并且保留了极化信息。     

基于目标分解的面向对象决策树PolSAR影像分类

为了解决极化合成孔径雷达(Polarization Synthetic Aperture Radar,PolSAR)影像单一分类方法不能充分利用其中的丰富信息问题,结合目标分解理论、面向对象思想和C5.0决策树算法,对PolSAR影像进行多种方式的极化分解,提取包含地物散射机理信息的各种极化参数,并将提取的参数分割为对象,最后,采用C5.0决策树算法进行分类.采用RADARSAT-2全极化SAR数据进行实验,并将分类结果与经典的分类方法进行了对比,证明了本文提出方法的有效性.该成果将在PolSAR影像分类中发挥更大的作用.     

高分辨率极化SAR影像KummerU分布非监督分类方法

针对高分辨率极化SAR数据特征分布不再符合同质区域假设,进而导致基于统计分布的极化SAR影像非监督分类方法精度下降的问题,将具有广泛适用性的KummerU分布嵌入粒子群寻优聚类算法,提出了新的极化SAR影像非监督分类算法(PSO-KummerU方法):首先基于极化SAR统计特征对数据进行初分类,然后采用极化SAR统计特征与粒子群优化算法进一步进行聚类中心求解,分类准则部分采用KummerU距离改进代替传统的Wishart距离度量准则;采用3种非监督分类方法(H/α-Wishart、PSO-Wishart、PSO-KummerU方法)进行分类对比实验.实验结果表明:基于KummerU分布的PSO-KummerU方法与采用Wishart距离的聚类方法相比,目视效果明显改进,整体分类精度提高14%以上.     

Cameron分解法在极化SAR图像分析中的应用

利用Cameron分解法对极化SAR图像进行分析,将目标的极化散射矩阵与8类具有特定散射机理的典型散射体匹配,根据匹配角度提出了一种分类算法,从而对地物目标进行分类;实验结果表明,该分类算法对于分类地物目标,进而分析其散射机理是十分有效的。     

一种基于MRF的快速图像修复算法

基于马尔可夫随机场(MRF)的图像修复算法,在纹理和结构区域均能获得较好的修复效果.然而,基于MRF对图像进行修复,各节点存在大量近似的候选块.传统基于MRF修复算法需要对各节点的近似候选块进行多次重复计算,执行效率低、计算量较大.为克服这一缺点,在马尔可夫随机场框架下,提出了一种快速图像修复算法.在初次迭代前,首先对破损图像进行预处理,采用自适应样本块修复算法,对高斯金字塔顶层的低分辨率图像进行快速的"预修复",以粗略估计破损区域中MRF内部节点的初始值,加快后续相邻节点间的消息传递及收敛速度.其次,以"预修复"结果中的初始信息为约束条件,提出了改进的置信度计算方法.同时,将初始置信度最高的候选块设为节点的第一候选块,根据预设的相似度判别阈值,并利用破损块源区域的纹理复杂程度,对MRF节点的候选块进行筛选,以避免同一个节点具有大量相似的候选块,提高节点的交互运算效率.最后利用MRF进行迭代计算,获得各节点的最优匹配块,实现图像的自动修复.实验仿真结果表明:与传统基于MRF修复算法相比,改进后算法的平均运算时间减少了75%以上,可以获得更高的峰值信噪比(PSNR),修复效果也更为理想;...     

基于模型微调与AM Softmax的极化SAR图像分类

针对极化SAR图像分类中卷积神经网络（CNN）方法训练时间长、收敛速度慢,原始Softmax函数无法对极化SAR图像的类内差异有效应对的问题,提出一种基于模型微调与加性边际Softmax（AM-Softmax）的极化SAR图像分类方法。该方法通过预训练网络的整体微调,来改进CNN模型的效率和分类准确率,然后以AM-Softmax替代Softmax,以解决SAR图像中类内变化较大的问题,进一步提升分类精度。实验表明该方法具有快收敛的优势并且能够较好解决极化SAR图像类内差异较大的问题,模型的分类总体精度达到96%以上。     

基于极化SAR的城市建筑物提取

城市建筑物信息与人类的生存息息相关,建筑物信息的提取在很多社会领域和科学领域都有着非常重要的意义。全极化SAR影像比单极化SAR影像所包含的信息量丰富的多,为了保证建筑物提取精度,本文利用全极化SAR影像提取城市建筑物信息。将经典的H/α/A-Wishart分类方法引入建筑物提取的研究中,不仅快捷简便,且能保证提取精度。选择一景极化SAR影像进行实验,由于实验数据自身的质量以及研究区域建筑物分布问题都对建筑物提取造成困难,尽管如此,利用该方法仍然保证了一定的建筑物提取精度。     

基于图像多尺度分解的前景提取

为了弥补纹理对传统GrabCut提取结果的负面影响,本文分析了图像边缘和颜色分布的尺度特性,结合图像多尺度分解和GrabCut,提出了基于图像多尺度分解的前景提取模型.首先,该模型运用全变分对图像进行多尺度分解得到一系列平滑图像,该分解保护了图像边缘并平滑了纹理,压缩了图像区域颜色的分布范围;其次,将给定平滑图像前景颜色分布表示为高斯混合模型,并运用直方图形状分析方法优化了高斯混合模型的高斯函数个数,弥补了传统固定高斯函数个数的负面影响;最后,根据不同平滑图像的分割结果设计了迭代终止条件,使得从适当的分解尺度中提取前景.与传统前景提取算法相比较,该模型降低了纹理对前景提取的负面影响,其测评分数高于传统算法.     

极化目标分解在目标分类中的应用

极化目标分解是从极化SAR数据中提取目标特征的重要方法,可以将其概括为两大类:基于S inc lair矩阵的相干目标分解和基于Mueller矩阵、相干矩阵、协方差矩阵的部分相干目标分解.利用相干目标分解中的基于Pau li矩阵分解法、Krogager分解法和Cam eron分解法,对实测极化SAR数据进行分类实验,结果表明极化目标分解对于从极化SAR数据中提取目标特征,进而对其进行分类是可行和有效的.     

一种基于MRF的自适应块效应去除算法

基于块离散余弦变换的主要缺点是在低比特率时,其恢复图像的块边界上会出现明显可见的方块效应．为了提高重构图像的质量,文中提出一种基于马尔可夫随机场(MRF)的自适应块效应去除算法．根据人类视觉系统对块效应有掩盖性的特点,引进一个块效应可见度函数,然后根据块效应可见度函数以及边缘信息自适应调整势函数．实验结果表明,该算法既能有效地去除块效应又能保护边缘信息,同时具有运行时间短的优点．     

SAR图像的多尺度建模与分割

根据合成孔径雷达图像的成像机理,基于遗传算法,提出了SAR图像的期望最大建模方法和多尺度无监督分类方法。利用最小长度准则能够有效地确定SAR图像分类数,且集遗传算法和EM算法的优点于一身,使得算法能够取得全局最优结果。试验结果表明:该分割方法是可行的,与其它方法相比,分割质量有明显改进。     

基于MRF与纹理特征的图像深度信息估计

提出了一种基于马尔科夫随机场(MRF)模型与多尺度纹理特征的单幅图像深度信息估计方法,该方法采用了Laws滤波器分别对图像的边缘、梯度、点进行滤波,捕捉二维场景图像中不同尺度的纹理能量以获得深度信息的特征.并根据纹理特征在不同尺度范围的不同值,计算出纹理线索与场景深度间的概率关系,在此基础上,构建MRF概率模型.MRF模型通过分析邻域系统和设计迭代准则很好地描述了纹理特征与场景深度之间的关系,最后通过迭代算法获得二维场景图像的深度信息.实验结果表明,该方法对场景深度信息的提取具有较好的效果,对于二维场景图像的场景结构、空间布局的约束较少,算法鲁棒性好.     

基于干涉极化SAR数据的森林树高反演

将C1oude极化干涉散射模型和ESPRIT算法结合来降低森林参数反演的运算量.利用ESPRIT算法对Cloude模型中的散射相位中心进行估计,再将估计得到的散射相位中心代入Cloude模型,从而得到树木高度等参数.采用中国天山地区SIR-C/X-SAR L波段全极化干涉数据对森林地区植被树高进行了反演实验.实验表明,与直接采用Cloude的极化干涉模型进行反演相比,在反演精度不变的情况下,运算时间仅是单独使用Cloude模型的1%～2%.     

小波多尺度分解的图像数据压缩方法

提出了一种利用小波多尺度分解和高效的ＪＰＥＧ压缩技术相结合压缩图像数据的新方法。实验结果表明利用该方法对图像进行压缩可以去除人的视觉系统不敏感的图像冗余信号，达到了高压缩比和较好的图像恢复视觉效果。     

多尺度边缘检测与图像分割的马尔可夫随机场模型

利用小波变换模极大值检测图像的多尺度边缘信息，根据这些信息和改进的马尔可夫随机场模型对低信噪比图像进行Ｂａｙｅｓ分割，结果表明，和一般松驰算法相比这种方法改善了图像分割的质量。     

基于能量谱函数相关系数的极化SAR数据滤波方法研究

有效的极化SAR相干斑滤波器需要在抑制噪声的同时避免图像细节信息的模糊。然而固定大小窗口的滤波器很难做到两方面都好的效果。由于极化总功率(Span)图像可以有效地反映地物极化散射特征的变化,提出根据Span图像局部能量谱函数的相关系数值自适应地选择窗口大小,能够在均质地区选择较大窗口而在异质地区选择较小窗口,再利用方向窗选择像素进行最小均方误差(MMSE)滤波。实验结果表明,该方法能在滤除噪声的同时,有效地保持对地物细节的分辨能力,为极化SAR数据的后期处理和应用打下基础。