基于自适应分块马尔可夫随机场(MRF)模型的SAR图像变化检测研究

现有的合成孔径雷达(SAR)图像变化检测算法仅仅考虑图像的单一像素信息,未考虑图像像素间的空间依赖关系,检测结果易受图像噪声的影响,检测精度较低。将马尔可夫随机场模型引入到SAR图像变化检测算法中,极大地提高了检测精度,但是算法计算量很大,效率极低。基于分块马尔可夫随机场模型的SAR图像变化检测算法极大地提高了检测效率,但是检测过程中采用固定尺寸的图像分块方法,未考虑图像的局部细节特征,检测效果不是很理想。首先根据图像局部细节特征将图像划分成尺寸变化的子图像块,然后利用基于马尔可夫随机场模型的SAR图像变化检测算法实现变化检测。实验结果表明,提出的算法既保持了很高的检测精度,又极大地提高了检测效率。     

基于小波域MRF模型的SAR图像分割

针对存在严重斑点噪声的合成孔径雷达(SAR)图像的分割问题,提出了一种基于小波域马尔科夫随机场(MRF)模型的算法.该算法综合利用了隐含马尔科夫树的相关邻域信息和图像的多分辨率描述的信息,将期望最大化用于先验概率分布参数的估计,采用最大后验准则来进行图像的分割.通过对SAR图像的分割实验表明,该算法可有效去除斑点噪声的影响,并能在准确分割目标的同时保留目标的细节信息.     

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.     

基于广义高斯模型的多时相SAR图像变化检测

基于广义高斯模型和Kittler-Illingworth(KI)准则获取SAR比值差异图像的最佳分割阈值,实现多时相SAR图像的非监督变化检测.以徐州市云龙湖畔同一地区2个时相的SAR图像为例进行了试验研究.试验结果表明:与其它的变化检测方法相比,所采用的变化检测算法能更有效地从多时相SAR图像中提取变化信息.     

基于二阶灰度统计特征的SAR图像变化检测

为了探讨斑点噪声对SAR(Synthetic Aperture Radar)图像变化检测的影响,深入研究了SAR图像的二阶灰度统计特性,提出了一种基于二阶灰度统计特性的SAR图像变化检测算法,并针对斑点噪声,进行了比较变化检测实验.实验结果表明,该变化检测算法是可行、有效的,且不受斑点噪声的影响.     

一种SAR图像分割新方法

合成孔径雷达（SAR）图像中固有的相干斑噪声,严重影响了图像分割算法性能。为了改善SAR图像分割质量,本文提出了一种联合PM扩散模型和各向异性MRF模型的图像分割方法。首先对传统PM扩散模型的扩散系数进行简化和近似,限制模型的解的唯一;然后使用改进后的模型对原始SAR图像进行非线性扩散,在抑制噪声的同时保持图像结构细节;继而,通过在标记场势能函数中引入观测数据灰度信息,将经典的基团势能改进为基于灰度加权的各向异性势能,提高边缘像素和图像奇异点的分割准确率。实验表明,本文算法的分割结果区域连通性更好,边缘轮廓分割更精细。     

基于Canny算子的机械零件图像分块自适应边缘检测

针对自动生产线上的机械零件图像几何特征,提出一种基于Canny算子的分块自适应边缘检测方法.主要包括基于鼠标框选的图像不均匀分块和基于Otsu算法的检测阈值自适应生成等.实验表明,该法有较强的抑制噪声能力,检测准确,是一种有效的机械零件图像边缘检测方法.     

基于多层分块自适应压缩感知的图像编解码方法

压缩感知中,测量矩阵对图像进行单一采样率的压缩采样。传统的测量矩阵虽然能够获得比较好的重构效果,但因采样数目较多,故而资源耗费也较多。为了解决上述问题,提出了多层分块自适应编码算法(multi-layered block adaptive coding algorithm,MLBA)以及多层分块自适应压缩感知编解码方法(multi-layered block adaptive compressed sensing codec method,MLBACS)。MLBACS编解码方法基于MLBA编码算法,能够根据图像局部结构进行不同层数和大小的分块,并自适应分配采样率。仿真结果表明,在同等重构性能的前提下,相对于单一采样率下的压缩感知,MLBACS编解码方法能够不同程度地降低重构图像所需的采样数目。     

融合多尺度深度特征的SAR图像变化检测

针对合成孔径雷达(synthetic aperture radar, SAR)图像变化检测中单一尺度图像特征无法有效表达细节信息的问题,文章提出了一种融合多尺度深度特征的无监督SAR图像变化检测方法。首先,利用平稳小波变换(stationary wavelet transform, SWT)将差异图分解为多个高、低频分量,并将这些分量独立重构成不同尺度下的差异图;然后,利用模糊C均值(fuzzy C-means, FCM)对差异图进行预分类,依据预分类的结果从差异图中选取可靠的训练样本;最后,利用卷积神经网络(convolutional neural network, CNN)学习并融合各尺度的差异图特征,实现变化区域和未变化区域的分类。实验结果表明该方法不仅明显改善了边界等细节的保持能力,而且有效提高了检测精度和抗噪性能。     

基于GMM和MRF的自适应阴影检测

运动目标阴影在很大程度上会影响运动目标跟踪、行为识别的正确性和有效性.为此,文中提出了一种基于混合高斯模型和马尔科夫随机场的自适应阴影检测方法.该方法首先对混合高斯模型进行改进,使其可以自适应调整参数学习率以消除浅阴影;然后采用马尔科夫随机场综合邻域的空间依赖性信息进行精确的阴影检测.为了提高基于马尔科夫随机场的阴影检...     

Automatic analysis of change detection of multi-temporal ERS-2 SAR images by using two-threshold EM and MRF algorithms

To automatically detect and analyze the surface change in the urban area from multi-temporal SAR images, an algorithm of two-threshold expectation maximum (EM) and Markov random field (MRF) is developed. Difference of the SAR images demonstrates variation of backscattering caused by the surface change all over the image pixels. Two thresholds are obtained by the EM iterative process and categorized to three classes: enhanced scattering, reduced scattering and unchanged regimes. Initializing from the EM result, the iterated conditional modes (ICM) algorithm of the MRF is then used to analyze the detection of contexture change in the urban area. As an example, two images of the ERS-2 SAR in 1996 and 2002 over the Shanghai City are studied.     

平移不变自适应块阈值图像去噪算法

为有效抑制图像阈值去噪产生的伪吉布斯现象,提出了平移不变自适应块阈值图像去噪算法(ABTTI).即,首先在小波域中将小波系数分成子块,然后利用块平移不变性、块阈值自适应性,并采用本文提出的基于子块能量的自适应阈值方法计算分块阈值.利用3种经典测试图像,与软阈值、块阈值等算法进行对比,结果证明ABTTI算法不仅具有好的去伪影性能,而且可以获得更高的峰值信噪比和计算效率.     

基于非负矩阵分解和极限学习机分类的合成孔径雷达图像变化检测

两时相合成孔径雷达(synthetic aperture radar, SAR)图像变化检测中,差异图的噪声残留将会对变化检测的精度产生较大的影响,传统增量学习模式的检测方法直接对差异图像素样本进行聚类获得伪标签,但没有考虑差异图噪声残留的影响,故检测精度很难提升。考虑对差异图的邻域空间信息采用非负矩阵分解的方式进行特征降维提取,进而根据提取的特征进行聚类可获得高可靠的伪标签,然后基于这些样本伪标签和对应的两时相SAR图像邻域块特征向量构成样本集,利用极限学习机学习其非线性变化关系并最终完成分类,获得变化检测二值图。实验表明,该方法能有效地抑制差异图中的噪声残留影响,提升检测精度,对斑点噪声影响变化检测精度具有较高的鲁棒性。     

基于自适应混合高斯模型的前景目标检测

在计算机视觉研究中,从视频序列中提取出前景目标是关键步骤之一。而混合高斯背景模型是前景目标检测的一种常用算法。针对传统混合高斯建模过程中分别对每个像素建立固定个数的高斯模型和相同的学习率这一缺陷,本文先对视频帧进行了分块处理,然后自适应的对每个像素块采取不同的高斯分布个数和学习率,并且在建模过程的不同时间段采用不同的学习率,最后对检测结果在空域上进行数学形态学的处理。实验结果表明,与传统检测方法相比,该方法能够更加准确和快速地检测出前景目标。     

基于小波变换的SAR图像自适应子带编码算法

为降低大数据量SAR图像对传输带宽和存储空间的要求,必须对SAR图像进行高效压缩.基于小波变换的传统SAR图像压缩方法只对低频子带进行分解处理,造成SAR图像处于中高频子带的重要纹理信息丢失.针对上述问题,提出一种基于小波变换的自适应SAR图像压缩算法.首先对图像进行小波软阈值消噪预处理,然后依据能量指标,进行子带重要性判定,对认定为重要的子带进行深一层次分解,分解完成后对所有子带进行恒定比特率条件下的最小误差量化,实现对图像的自适应压缩.仿真实验表明:该算法能很好地保护SAR图像的高频细节,提高了信噪比.     

基于自适应背景模型的实时人体检测

提出了基于动态信息窗口的自适应背景模型，在此基础上建立人体检测的有效算法。通过实验表明，该方法能够适应变化的背景，具有较强的鲁棒性和较好的实时性。     

基于主动轮廓模型的合成孔径雷达图像分割方法

针对合成孔径雷达(synthetic aperture radar,SAR)图像中的乘性相干斑噪声影响分割效果的问题,提出了一种基于主动轮廓模型的分割方法。该方法将改进的细节保持各向异性扩散(IDPAD)滤波和SBGFRLS模型相融合,构造了一个边迭代演化边抑噪的改进的演化微分方程。在每一次迭代演化中,先借助改进的演化微分方程演化水平集函数,然后利用高斯滤波器正则化水平集函数,最后通过检查水平集函数的收敛性判定分割是否完成。实验结果表明,与经典的分割方法相比,本文方法在保护边缘的同时减少了乘性相干斑噪声对SAR图像分割的影响,减少了误检轮廓,且对初始轮廓不敏感。     

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。