一种SAR与可见光图像压缩感知融合增强方法

针对机载多传感器成像战场态势感知的问题，提出了一种合成孔径雷达(Synthetic Aperture Radar，SAR)与可见光图像压缩感知融合增强方法。该方法首先对SAR与可见光图像分别进行压缩感知测量，得到压缩测量值，然后通过基于局部权值的融合方法实现对压缩测量值的融合，再利用有序度最优分割法提取SAR图像的强散射目标，最后对融合测量值重建得到初步融合图像，初步融合图像通过目标对比度增强得到最终融合图像。对多组图像进行了仿真分析，视觉及数值结果表明该方法能显著增强融合图像的目标对比度，提升了图像纹理清晰度，较大程度降低了图像融合过程中的数据计算量。     

SAR与可见光图像融合中小波基选择的研究

在基于小波变换的SAR(合成孔径雷达)图像与可见光图像融合算法中,小波基的选择是关键之一.在分析SAR图像特性的基础上,深入研究了小波基的紧支集、消失矩和正交性等对融合结果的影响.并结合融合实验进行分析,综合考虑图像信息量、地物纹理和光谱信息等因素,总结出了根据不同的融合目的选择小波基的方法,为实际应用中小波基的选择提供了参考.     

基于Curvelet变换的SAR与可见光图像融合研究

提出了一种基于Curvelet变换的合成孔径雷达(SAR)与可见光图像融合方法,设计了一种有效抑制噪声并充分保留源图像重要特征的融合规则。采用偏差指数、相关系数及等效视数指标对融合效果进行评价。实验证明,该方法明显优于基于小波和Ridgelet变换的融合方法。     

一种可见光与毫米波辐射图像的融合方法

研究了波段相差极大的可见光和毫米波传感器图像的融合算法,提出利用小波变换将基于可见光的模拟毫米波辐射图像与实测毫米波辐射图像的相关信息进行融合,合成的图像可用来地图匹配制导以及辅助提高战场决策的正确率。仿真结果表明：融合图像包含了更多的互补信息,提高了实测图像质量。     

基于特征融合的可见光与红外图像目标检测

为提升目标检测任务在复杂环境下的识别效果,提出了一种基于特征融合的红外与可见光目标检测方法。该方法首先采用并列的卷积神经网络分别提取红外和可见光特征信息,并利用通道和空间注意力机制提升有效特征的权重;其次,为充分利用红外和可见光特征进行信息互补,设计了特征自适应融合结构,以自主学习方式将红外与可见光特征以最优方式加权融合;最后,针对不同尺度目标,通过交替采样方式充分融合深层和浅层特征,保障各维度目标检测效果。通过实验表明,所提方法可以充分利用并融合不同模式、尺度的目标特征信息,实现目标准确识别及定位。同时,在实际电网设备检测中,该方法也体现出较优的鲁棒性和泛化性。     

SAR图像目标综合检测方法

基于SAR(合成孔径雷达)图像杂波结构,结合小波变换和自适应维纳滤波提出了一种新的抑制SAR图像相干斑噪声方法,该方法能够较好保留杂波边缘和点目标.分析了抑制SAR图像相干斑噪声后的多分布特性,研究了相应的SAR目标检测,提出了一种新的SAR图像目标检测方法及其实现.实际SAR图像测试结果表明了本文方法的有效性.     

一种改进的SAR图像边缘检测方法

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,但使用传统的计算梯度方向的方法却无法正确确定边缘点的方向。针对ROEWA算子存在的问题,该文根据Gabor滤波器具有的优秀的方向选择性这一性质,提出利用Gabor滤波器确定边缘方向的方法,完善了ROEWA边缘检测方法。实验结果证明,改进的ROEWA算子检测边缘及边缘方向的性能很好。     

基于腐蚀和膨胀运算的SAR图像桥梁目标检测方法

本文提出了一种新的SAR图像桥梁检测方法。首先采用单阈值法通过二值化处理分割出河流的主轮廓。在此基础上,对二值图像进行腐蚀和膨胀运算后与河流轮廓图像异或,通过去除边界线检测出桥梁的位置,并在桥梁位置处设置窗口分割出桥梁区域。最后,以Sandia实验室高分辨率SAR图像为样本进行仿真实验,实验结果证明了本文方法的有效性。     

基于红外与可见光图像的目标检测算法

针对现有基于可见光的目标检测算法存在的不足,提出了一种红外和可见光图像融合的目标检测方法。该方法将深度可分离卷积与残差结构相结合,构建并列的高效率特征提取网络,分别提取红外和可见光图像目标信息;同时,引入自适应特征融合模块以自主学习的方式融合两支路对应尺度的特征,使两类图像信息互补;最后,利用特征金字塔结构将深层特征逐层与浅层融合,提升网络对不同尺度目标的检测精度。实验结果表明,所提网络能够充分融合红外和可见光图像中的有效信息,并在保障精度与效率的前提下实现目标识别与定位;同时,在实际变电站设备检测场景中,该网络也体现出较好的鲁棒性和泛化能力,可以高效完成检测任务。     

一种新的可见光图像融合方法

本文探讨了可见光多聚焦图像的融合问题。在运用电路与系统理论分析了多聚焦图像成像机理的基础上，提出了一种基于小波变换的融合算法，实验结果表明，该方法可有效综合多聚焦图像，从而获得场景内所有物体都清晰的图像。     

SAR图像目标的融合检测方法

该文提出了一种利用扩展分形特征和局部对比度特征进行融合的SAR图像目标检测方法。分析了扩展分形特征的尺度敏感性及其在不同目标杂波模型下的二阶统计特性,分析表明扩展分形特征在目标检测中存在负值效应,即在正确检测出目标的同时把一些与目标具有相似形状而灰度值较低的区域也检测出来。而CFAR检测方法只利用了目标的局部对比度信息,不存在负值效应,但在强杂波环境中的检测结果存在很高的虚警。两种方法的融合可以滤除大量杂波虚警而保持目标。实测数据的融合检测结果证明了该方法的有效性。     

基于决策级融合的多波段SAR目标检测方法

为了提高SAR图像目标检测性能,提出了一种目标检测方法。该方法首先利用智能索引变量恒虚警和二次检测对多波段SAR图像进行目标检测,然后利用Neym an-Pearson准则对检测结果进行决策级融合,在保证融合前后虚警概率一致的前提下,可大幅度提高检测概率。给出了应用该方法的具体步骤,并通过实际数据证明了该方法的有效性。     

基于特征融合的图像目标显著性检测方法

为了凸显图像中的感兴趣目标,提出了基于特征融合的图像目标显著性检测方法。首先通过提取可见光图像不同尺度空间的不同特征,利用区域协方差理论融合尺度空间之间串接的不同特征,然后结合全局核密度估计体现图像的全局显著性,实现局部和全局特征融合的图像目标显著性检测。仿真结果表明,无论主观评价,还是客观指标,新方法均优于当前流行的图像显著性检测方法。     

基于目标检测的SAR图像匹配算法

该文提出一种基于目标检测的SAR图像匹配算法。针对SAR图像的特点,该算法先检测SAR图像的强散射目标,接着计算各强散射目标的质心,对主、辅图像的质心点集合进行Delaunay三角剖分,以三角剖分后的对应相似三角形的质心、内心、外心为匹配点进行匹配,最后用ERS-I,ERS-II卫星的SAR图像进行实验,通过与相干系数法进行比较,实验结果证实了方法的有效性。     

基于卷积神经网络的SAR图像目标检测算法

该文研究了训练样本不足的情况下利用卷积神经网络(Convolutional Neural Network, CNN)对合成孔径雷达(SAR)图像实现目标检测的问题。利用已有的完备数据集来辅助场景复杂且训练样本不足的数据集进行检测。首先用已有的完备数据集训练得到CNN分类模型,用于对候选区域提取网络和目标检测网络做参数初始化;然后利用完备数据集对训练数据集做扩充;最后通过四步训练法得到候选区域提取模型和目标检测模型。实测数据的实验结果证明,所提方法在SAR图像目标检测中可以获得较好的检测效果。     

基于纹理特征和数学形态学的SAR图像目标检测方法

SAR图像目标检测是SAR图像解译的基础。针对含有目标的SAR图像,利用垂直方向的边缘纹理检测方法对预处理后的图像进行垂直边缘检测,再运用数学形态学中的腐蚀运算和膨胀运算对垂直方向边缘图进行虚警滤除处理,从而得到感兴趣的目标检测区域。详细地给出了SAR图像目标检测步骤,并将本方法与其他方法的检测结果进行了比较,实验结果表明,在均匀杂波背景与非均匀杂波背景下,该方法能够快速有效地实现SAR图像目标检测。     

基于有序数据可变索引的SAR图像目标检测方法

该文提出了一种基于有序数据可变索引(Ordered Data Variability Index, ODVI)的SAR图像目标恒虚警检测算法,该算法首先对待测像素的参考窗进行基于ODVI的自适应筛选处理(Automatic Censoring, AC),以去除窗内的强杂波和干扰像素,并以窗内保留的均匀像素对背景的统计特性进行建模,估计其概率密度函数的参量,同时构建双参数恒虚警检测(CFAR)的检验统计量,计算检测的自适应阈值,实现检测的判决。论文给出了该算法的检测性能曲线,并利用实测的X波段SAR图像进行实验验证,与其它检测方法进行比较,结果显示该文算法具有较好的检测性能和较低的虚警概率。     

空间目标双基地雷达ISAR成像技术研究

随着技术的发展,机载SAR的作用距离越来越远。由于地球曲率的存在,使用相对位置方法对SAR图像进行定位,会使定位结果产生误差,因此提出了一种新的相对位置定位方法,该方法适用于机载SAR作用距离过大,地球曲率的影响不能忽略的情况。并且给出了斜视成像过程中不同的方位压缩方式对SAR图像定位产生的影响。最后在仿真和实飞试验中对该方法进行了验证。验证结果表明,新的定位方法具有定位精度高、易于编程实现、实时性好的特点。     

一种新的极化SAR图像目标CFAR检测方法

该文提出了一种新的极化SAR图像目标CFAR检测算法。首先,在乘积模型框架下,引入具有均匀度变化下广泛杂波区域建模能力的逆Gamma分布,推导出了极化匹配滤波(PMF)检测量的分布模型P-G0分布。进而,利用基于Mellin变换的对数累积量导出了P-G0分布的参数估计器,保证了PMF检测量的精确建模。最后,推导出P-G0分布的CFAR检测阈值求解公式,以此设计了新的CFAR检测算法。利用RADARSAT-2极化SAR数据的实验结果表明了P-G0分布对不同均匀度的地物都具有良好的拟合性能,所提检测算法能够实现均匀度变化较大环境下目标的准确、自动检测。