搜索结果: 1-15 共查到“计算机应用 SAR”相关记录54条 . 查询时间(0.062 秒)
基于加权特征融合的SAR图像目标分类方法
SAR图像 加权 特征融合 目标分类
2016/12/16
针对现有分类器对SAR图像分类正确率不高的问题,考虑到单一的特征很难完全描述SAR目标,并且单一的分类器识别率有限,提出了一种基于加权特征融合的图像分类方法,采用多种特征来描述目标,并且用多个分类器同时对目标识别。实验结果显示,提出的方法能够达到较高的分类正确率,证明了该方法的有效性。
当前极化合成孔径雷达(SAR)图像的分类研究中,极化信息的不完全利用是影响极化SAR图像分类效果的重要原因之一。故将商空间粒度合成理论引入到极化SAR图像分类中,通过建立不同的支持向量机(SVM)分类器构建不同的商空间,从多个粒度层面实现对极化信息的综合利用。首先通过不同的极化分解方法得到不同的极化特征,分别对其建立不同的支持向量机分类器进行分类;再根据粒度合成理论对这些商空间进行融合,得到更细粒...
一种SAR图像空间域自适应滤波算法
合成孔径雷达 自适应滤波 支持向量回归 小波核函数
2010/9/8
针对合成孔径雷达(SAR)图像相干斑噪声抑制问题,提出了一种基于支持向量回归(SVR)分析的空间域自适应滤波方法。将SAR图像看作连续二维函数,利用SVR方法对其进行逼近。基于图像的逼近结果描述像素关联性,并基于关联性破坏程度对噪声进行类型分析,对不同类型的噪声采取确定性的抑制算法。为了保证精度,选择小波核函数构建支持向量回归机。实验结果表明了该方法的有效性和对经典方法的改进。
在传统的马尔可夫随机场(MRF)的图像建模方法基础上利用合成孔径雷达(SAR)图像的固有特性对Gibbs-MRF模型进行改进复原SAR图像,并进一步提出用数字形态学中连通性理论进行图像分割。在SAR图像像素空间的邻域内,估计最大后验概率(MAP)时引用Gamma分布代替传统的瑞利分布恢复数据,同时利用像素强度值相关性的连通模型将目标较好地提取出来。充分利用了SAR图像的数字形态信息和像素强度之间的...
在多尺度Contourlet域中的SAR图像正则化超分辨
超分辨重构 SAR图像 正则化 Contourlet变换
2010/1/28
针对SAR图像超分辨重构问题,建立了基于多尺度Contourlet域的正则化模型。在选取正则化参数时,提出一种自适应确定方法,该方法无需知道噪声大小和图像的先验知识,提高了确定正则化参数的准确性;求解模型时用FR共轭梯度法来改善算法的收敛性。将该算法分别与空域中正则化算法和小波域中正则化算法进行了比较,仿真实验结果表明,该算法较好地再现了各种边缘信息,其重构结果均优于其他两种方法。
基于RCS曲线的SAR图像点目标变化检测
RCS曲线 SAR图像 目标变化检测 散射特性
2010/2/24
地物目标的物理结构、表面粗糙度或地物目标类型发生了变化,则其后向散射能量一 般会发生相应的变化,对应的雷达散射截面(Radar Cross Section,RCS)也会发生变化,这 将导致合成孔径雷达(Synthetic Aperture Radar, SAR)图像的亮度和色泽发生变化。提出 了一种新的基于RCS曲线特性的SAR图像目标变化检测算法。该算法不同于以往的基 于图像域的变化检测算法,从...
基于最大后验概率的SAR图像自适应超分辨率盲重建
SAR图像 超分辨率盲重建 模糊核函数辨识 最大后验概率
2010/2/24
提出了一种SAR图像自适应超分辨率(SR)盲重建算法。首先给出了一种图像退化过程中 模糊核函数的选择策略;然后基于最大后验概率提出了新的SAR图像配准与SR盲重建的框架 ;再次,针对每一幅低分辨率图像引入了重要性权值并随之给出了迭代算法的总体框架,使 得算法具有自适应性。试验表明,算法在SAR图像SR重建上取得了良好的效果,并且具 有较好的收敛性。
自适应边缘保护的SAR图像降斑算法
SAR图像 相干斑抑制 边缘保护
2010/1/13
针对以往SAR图像相干斑抑制算法中存在的难以兼顾均匀区域平滑和边缘细节保护的不足,提出一种自适应边缘保护的SAR图像降斑算法。采用方差系数、均值比值和空间相关性等信息作为滤波器权重分配因子。实验结果表明,综合运用以上3种图像的局部邻域信息,该算法在均匀区域平滑和边缘保护两方面都有较好的效果。
通过对景象匹配过程的分析,从模式识别的角度阐述了误匹配产生的原因。从避免误匹配的角度定义了双近邻度、最小距离以反映SAR景象的独特性和匹配的准确性,并结合反映地面景物稳定性的边缘密度,构建反映SAR景象适配性的分类特征向量。基于该分类特征向量,利用最小二乘支持向量机将SAR景象基准图子图划分为匹配正确的子图和匹配错误的子图,并由匹配正确的子图类构成SAR景象适配区。试验结果表明,提出的方法能够有效...
有限混合Wishart模型分类多视极化SAR图像
极化SAR 混合Wishart模型 bootstrap方法 EM算法
2009/10/23
针对多视极化SAR图像的Wishart分类器存在着先验假设分布问题,提出混合Wishart模型并进行极化SAR图像的分类。结合bootstrap方法给出了混元个数准则,采用EM算法导出了混合模型的参数估计。根据旧金山湾区域的多视极化SAR图像实例进行了分析,并由此进行分类。实验结果显示在大的匀质区域方面上采用混合Wishart模型的分类结果明显优于直接采用Wishart方法的分类结果。
可见光与SAR图像的特征级融合
边缘提取 图像匹配 图像融合
2009/10/10
针对单一传感器在光谱、空间分辨率等方面存在的局限性,通过多传感器融合技术,最大限度地获取对目标场景的信息描述。首先采用不同的边缘提取算法提取同一场景的光学图像和SAR图像,得到各自的边缘特征图,通过不变矩和轮廓矩等算法对两幅边缘特征图中的边缘进行匹配融合,得到了比单一图像边缘特征图更完整更清晰的边缘特征图。
SAR图像序列目标检测方法
SAR图像序列 混合高斯分布 最大后验概率
2009/9/4
提出一种合成孔径雷达(SAR)图像序列目标检测方法,采用最大后验概率准则完成第1帧SAR图像的目标提取,同时获得所需参数向量。在此基础上,对图像进行目标检测,利用前一帧图像的目标检测信息和参数向量,实现后一帧图像的目标检测,并对SAR图像杂波数据的参数向量进行修正。仿真实验结果说明,该方法具有良好的目标分割性能。
该文基于非下采样Contourlet变换(NSCT)和SAR图像的统计特性,提出一种SAR图像增强方法,给出一种基于非下采样塔型分解的斑点噪声方差估计算法和一种基于方向邻域模型的弱边缘增强算法。该文在不同方向子代进行斑点方差估计,利用局部方向统计信息对NSCT系数并进行强边缘、弱边缘和噪声分类并进行弱边缘的增强和噪声的抑制。实验结果表明,该方法在方向信息保留和斑点抑制上优于非下采样小波变换(NSW...
基于区域一致性和NSCT的SAR图像分割
合成孔径雷达 图像分割 区域一致性
2009/8/19
提出反映合成孔径雷达(SAR)图像区域一致性的G值图,在此基础上运用区域生长方法对图像进行粗分割。在对粗分图像进行区域合并的过程中,对于含有丰富方向和纹理信息的SAR图像,使用非下采样Contourlet变换(NSCT)进行区域特征提取,并采用一种新方法进行区域合并。仿真结果证明了SAR图像分割算法的有效性。