1 河南大学计算机与信息工程学院, 河南 开封 475004
2 河南省智能技术与应用工程技术研究中心, 河南 开封 475004
3 河南省大数据分析与处理重点实验室, 河南 开封 475004
冬小麦是中国主要的粮食作物之一, 准确及时地获取冬小麦物候信息是冬小麦长势监测和产量预估的必要条件。星载合成孔径雷达(SAR)是一种微波遥感设备, 具有全天时、全天候的优势, 可实现对周期性农作物物候期大范围监测。基于时间序列 Sentinel-1A SAR数据, 提出一种星载双极化 SAR冬小麦物候期识别方法。该方法基于特征值分解和极化散射分析技术, 提取不同物候期冬小麦的后向散射系数、极化熵、主导散射角等参数, 实现冬小麦物候期识别。实验结果表明, 物候期识别总体精确度达到 79%。该方法在冬小麦生长监测方面具有实用推广价值。
星载 SAR图像 冬小麦 极化分解 物候期 时间序列 spaceborne SAR images winter wheat polarization decomposition phenological period time series 太赫兹科学与电子信息学报
2023, 21(2): 242
光学 精密工程
2022, 30(14): 1738
1 中国科学院 长春光学精密机械与物理研究所，吉林长春30033
2 驻长春地区第一军事代表室，吉林长春1300
针对可见光和SAR遥感图像存在非线性辐射差异和几何差异，加之SAR的斑点噪声，使得可见光和SAR图像配准十分困难的问题。本文提出了一种基于改进相位一致性的可见光和SAR图像配准方法。首先，分别计算相位一致性的最大矩和最小矩，将二者叠加，利用Harris算子在叠加图上提取特征点，得到稳定的角点和边缘点作为待匹配的特征点；接着，分别构建相位一致性的方向图和基于多尺度融合的最大幅值索引图，借助于（Histogram of Oriented Gradients， HOG）模板，利用相位一致性方向对基于多尺度融合的最大幅值索引图进行投票，建立一种新颖的局部特征描述符；最后，利用欧式距离作为特征向量的度量，计算最近邻比率实现特征匹配，采用快速采样一致性算法剔除误匹配点。在四组图像数据上的实验结果表明，本算法相比于基于梯度的OS-SIFT算法具有更多的正确匹配点对和更高的匹配精度，正确匹配点数分别提高了11，8，15和11对，均方根误分别提升了57.5%，57.9%，23.5%和58%。
可见光和SAR图像 辐射差异 图像配准 相位一致性 optical and SAR images radiation difference image registration phase congruency
配准速度和精度是SAR图像配准效果的两个重要评价指标。SIFT算法是图像特征提取和描述的经典算法, SIFT特征具有尺度和旋转不变性, 但SIFT算法的128维描述子在图像配准时会极大影响配准速度。为提高图像配准速度, 首先提取图像SIFT特征点, 然后用ORB算法定义特征点主方向的方法, 赋予特征点主方向, 最后结合特征点邻域图像块的矩特征, 形成8维描述子, 对图像中的SIFT特征点进行描述, 实现SAR图像配准。实验结果表明, 本文方法在保持SAR图像配准精度的前提下, 极大程度地提高了配准速度。
SAR图像 图像配准 SIFT算法 矩特征 SAR images image registration SIFT algorithm moment feature
中南民族大学 智能无线通信湖北省重点实验室，武汉 430074
提出了一种非同态滤波框架下的小波域SAR 图像相干斑抑制算法。将小波域中的后向散射信号和斑点噪声分别建模为正态逆高斯分布、高斯分布，在贝叶斯最大后验准则下推导出信号估计的表达式；为了提高模型参数的估计精度，引入多尺度局部变差系数作为异质性测度，并提出用对数正态分布对该测度进行拟合；基于异质性测度的统计分布特点，本文对小波子带中的系数进行分类，用累积量的估计方法计算每一类小波系数的模型参数。实验结果表明，与传统的同态滤波框架下的同类算法，以及与未采用分类技术的非同态滤波同类算法相比较，本文算法在主、客观性能评价上均有一定的优势，取得了较好的去斑效果。本文提出的基于异质性测度对小波系数分类的思想为SAR 图像去斑算法的研究提供了一种新的途径。
SAR 图像去斑 正态逆高斯分布 异质性测度 分类 SAR images despeckleing Normal inverse Gaussian distributiom heterogeneity measure classification
1 中国科学技术大学电子工程与信息科学系, 合肥 230027
2 上海理工大学上海汉堡国际工程学院, 上海 200093
3 弗吉尼亚理工大学电子与计算机工程系, 弗吉尼亚, 美国
本文提出了一种应用于 SAR图像目标识别的动态字典学习算法, 该算法通过在字典学习过程中自动删除和增加字典条目来调整字典表示性能与尺寸。删除操作是在删除代价的约束下针对相关度高或利用率低的字典条目进行, 而增加操作是在增加代价的约束下针对信号表示的残留误差的主分量进行, 通过交替执行删除和增加操作来不断优化字典, 使其表示能力达到最佳。在 MSTAR数据集上的实验验证了算法性能, 并给出了相应的参数调整建议。从实验结果和分析可看出, 该算法具有识别率高、算法稳定等特点。
稀疏表达 K-SVD算法 动态字典学习 SAR图像分类 自动目标识别 sparse representation K-SVD algorithm dynamic dictionary learning SAR images classification automatic target recognition
针对 SAR图像的目标自动分割问题, 在分析非下采样轮廓波变换和脉冲耦合神经网络的基础上, 提出了一种基于非下采样轮廓波域特征图和 PCNN的 SAR图像目标分割算法。对 SAR图像经过 NSCT分解后的高、低频图像分别运用不同方式进行处理。对低频图用 PCNN进行分割以获取目标所在的区域, 对高频子带构造了特征图, 对特征图利用 PCNN进行分割以获取目标的精细结构。利用 MSTAR数据进行了仿真实验, 并与基于模糊 C均值的分割算法、基于马尔可夫随机场的分割算法进行了对比。实验结果表明, 所提出算法对 SAR图像目标的分割结果更为准确, 同时较其它算法具有更强的抗噪性能, 是一种有效可行的 SAR目标分割算法。
SAR图像目标分割 非下采样轮廓波变换 脉冲耦合神经网络 MSTAR图像 target segmentation for SAR images nonsubsampled contourlet transform pulse coupled neural networks MSTAR images
1 中国科学院空间信息处理与应用系统技术重点实验室, 北京 100190
2 中国科学院电子学研究所, 北京 100190
3 中国科学院研究生院, 北京 100049
提出了一种利用高分辨率SAR图像进行建筑物提取和三维重构的方法.首先, 分析了高分辨率SAR图像建筑物产生的电磁散射的类型, 给出了不同类型散射区域的后向散射计算方法, 并在此基础上给出了一种利用建筑物三维CAD模型进行SAR建筑物特征区域图像仿真的方法; 其次, 给出了利用建筑物的二次散射结构确定建筑物底部轮廓位置和方向的方法, 并提出了一种基于分布密度函数差异的仿真图像迭代匹配方法, 进行建筑物高度的反演.仿真SAR图像后向散射系数用来划分建筑物不同的散射区域, 通过计算特征区域之间的分布密度函数差异, 以取得最大匹配度值的仿真图像对应的检验高度作为建筑物的反演高度;最后, 选用了两幅不同屋顶类型的实际机载高分辨率SAR图像进行建筑物提取和三维重构实验, 试验结果较为理想, 验证了所提方法的可行性和有效性.
高分辨率SAR图像 建筑物电磁散射 SAR图像仿真 三维重构 high-resolution SAR images electromagnetic backscattering of building SAR image simulation 3-D reconstruction
西安电子科技大学 智能感知与图像理解教育部重点实验室，陕西 西安710071
传统的基于进化聚类方法在处理变化检测时耗时过长，在搜索最优聚类中心过程中容易陷入局部最优，对于SAR图像的变化检测存在边缘定位不够准确的缺点，提出了基于量子免疫克隆聚类的SAR图像变化检测方法.把图像的灰度值作为输入信息，通过量子比特定义聚类中心，通过量子免疫克隆算法来搜索最优聚类中心，从而得到更佳的全局阈值，最后根据阈值得到变化检测结果.实验结果表明,与K&I阈值法相比，可以得到更佳的全局阈值；与遗传聚类算法相比，可以快速、有效地搜索到更优聚类中心，准确定位边缘，提高变化检测精度.
变化检测 SAR图像 聚类 量子免疫克隆算法 change detection SAR images clustering quantum-inspired immune clonal algorithm
西安电子科技大学 智能感知与图像理解教育部重点实验室和智能信息处理研究所, 陕西 西安 710071
给出了一种无监督SAR图像变化检测算法, 它不需要分布假设, 而是通过联合灰度直方图的分布特性进行判别.算法利用自适应边缘检测提取训练数据, 通过Fisher分类器对联合直方图进行判别分析, 得到不同小波层待检测点隶属度, 并根据邻域关系以及上下文进行融合, 得到最终检测结果.对真实SAR图像进行检测, 得到了较好的检测结果.
SAR图像 变化检测 Fisher分类器 小波变换 SAR images change detection Fisher classifier wavelet transform
