共查询到15条相似文献，搜索用时 500 毫秒
1.
提出一种基于主成分分析和支持向量机与线性判别分析结合算法的合成孔径雷达(synthetic aperture radar,SAR)图像目标鉴别方法. 利用主成分分析算法对SAR图像向量进行降维并提取其全局特征,对降维后的全局特征采用最小类内散度支持向量机算法进行变换,并对变换结果训练生成最佳分类器,进行分类完成目标鉴别. 实验结果表明该方法可以获得较高的分类正确率. 相似文献
2.
一种基于双树复小波变换的SAR图像边缘检测算法 总被引：2，自引：0，他引：2
提出一种新的基于双树复小波变换的SAR图像边缘检测算法. 算法在复小波子带上求取图像直方图方向梯度矩阵,并基于复小波变换的多尺度性质和方向选择性求取全局的梯度矩阵. 通过对这一矩阵阈值化实现边缘检测. 该算法能有效检测出SAR图像上的显著边缘,并对SAR图像中存在的相干斑噪声、灰度不均匀性和边缘模糊等现象具有一定的鲁棒性. 实验结果证明了该算法的有效性. 相似文献
3.
提出一种基于显著性的高海况SAR图像船舶目标检测方法Itti-SAR,该方法由显著图提取与连接性判断两个阶段组成。在显著图提取阶段,针对SAR图像特性,将改进的方向特征和一致性特征引入传统视觉注意模型,以构建适用于SAR图像的显著性模型,实现高海况SAR图像船舶目标显著图的提取。在连接性判断阶段,采用密度约束对显著区域的连接性进行判断,防止将单个目标检测为多个,从而进一步降低虚警。在多幅SAR图像上的实验结果验证该方法的有效性,与经典CFAR算法的对比实验显示出其查准率、召回率高和不依赖于先验知识的优点。 相似文献
4.
为更好地获取舰船检测的图像信息,通过对雷达图像中舰船目标与相干斑噪声的分布特点进行分析,提出1种基于非下采样变换(Nonsubsampled Contourlet Transform, NSCT)与蚁群优化(Ant Colony Optimization, ACO)算法相结合的合成孔径雷达(Synthetic Aperture Radar, SAR)图像舰船目标检测方法.该方法通过对SAR图像进行NSCT自适应阈值去噪,再应用ACO进行边缘检测,实现舰船目标的精确检测.仿真结果显示,该方法能够在复杂相干斑噪声背景中有效提取舰船目标的轮廓信息,很好地保持图像纹理和舰船结构,具有理想的抗干扰性能,保证检测结果的准确性. 相似文献
5.
分析了中高分辨率SAR海洋图像的目标和海杂波特点. 利用舰船目标的灰度相关性和形状特性与背景杂波的差异,提出了一种基于独立联合K-分布CFAR的舰船检测算法. 算法建立了海杂波的二维独立联合K-分布概率模型,通过给定的虚警率得到检测阈值以对图像进行检测. 该算法能够极大地抑制斑点噪声和背景局部不均匀对检测带来的影响,有效地降低了虚警数,检测效果得到了明显改善. 相似文献
6.
提出一种基于距离方程组的机载SAR图像立体定位方法,该方法使用同一成像区域的3幅SAR图像进行无控制点定位,首先确定目标在3幅图像中对应的同名像点,解析该像点对应的雷达平台瞬时经纬度坐标、海拔高度以及目标到雷达平台的斜距值,在地心坐标系下建立3幅图像对应同名像点的距离方程组,对非线性方程组进行求解得到同名像点基于地心坐标系的坐标值,并通过坐标转换得到目标点的经纬度坐标及海拔高度,实现三维定位。对影响定位精度的系统误差因素进行仿真分析,利用实飞的机载SAR图像进行目标定位实验,结果验证了该方法的有效性。 相似文献
7.
针对SAR图像特点,在传统SIFT算法的基础上,结合ROEWA和OTSU算法,提出一种改进的SIFT算法。该方法首先通过ROEWA和OTSU算法分别检测图像的边缘区域和阴影区域,再与SIFT算法相融合检测特征点、寻找匹配点并计算变换矩阵实现图像配准。与原算法相比,该方法消除了DoG算子的边缘响应和阴影的影响,使提取到的特征点更加精确,可提高正确匹配率,增强算法的稳定性,并提升图像配准的精度。 相似文献
8.
自适应Canny边缘检测算法 总被引：2，自引：0，他引：2
对Canny边缘检测算法的性能进行了分析和评价。针对Canny算法的缺陷,提出用自适应空间域平滑方式清除图像中的椒盐噪声;用图像灰度共生矩阵的惯性矩特征值自适应调整高斯空间系数和边缘检测阈值,实现了图像边缘的自动提取。 相似文献
9.
极化合成孔径雷达(SAR)图像的相干斑噪声降低了地物分类的准确率;联合极化SAR图像众多特征分类,过大的输入特征维度导致分类耗时长。为解决上述问题,提出一种基于超像素与LightGBM的分类算法。该算法充分利用极化SAR图像的极化特征与纹理特征,具备较强的分类能力;采用LightGBM处理大维度输入特征,能够快速得到基于像素的初级分类结果;利用SLIC生成基于超像素的极化SAR图像,并在各超像素内逐像素投票得到基于超像素的二级分类结果,抑制了相干斑的影响。利用实测极化SAR数据进行实验,分类的总体准确率超过97%,且分类耗时短。 相似文献
10.
把通常用于图像处理的CLEAN算法引入到SAR成像处理中,提出一种基于CLEAN的SAR图像旁瓣抑制方法.分析算法流程,比较点目标仿真结果和RADARSAT-1海洋稀疏目标场景成像结果,表明该方法在保证成像分辨率的同时,能够有效地抑制合成孔径雷达图像的旁瓣. 相似文献
11.
基于仿真SAR图像深度迁移学习的自动目标识别 总被引：1，自引：0，他引：1
使用深度卷积神经网络实现SAR图像的自动目标识别在训练过程中需要大量的标注数据。为解决由SAR实测数据获取成本高、标注数据量不足带来的问题,提出一种在由CReLU激活函数和批归一化改进的卷积神经网络上,使用仿真SAR图像提升最终目标识别性能的方法,把从大量仿真SAR图像学习到的有效知识迁移到实测SAR图像数据上。在训练中,先用仿真SAR图像预训练卷积神经网络,结合迁移学习的方法,有效地解决由SAR图像数据不足带来的过拟合问题。在MSTAR数据集上验证方法的有效性,识别准确率提高到99.78%,并在少量SAR图像样本数据上也取得不错的识别效果。 相似文献
12.
为满足实时地形测绘需求,从算法本质上解决运算量太大的问题,提出基于机载双天线InSAR系统的实时DEM生成算法.采用非线性ECS自配准成像算法,获取高精度配准的双通道SAR图像,省略了后续非常耗时的配准过程.对获取的双通道SAR图像,进行快速干涉滤波产生高质量干涉条纹,进而对该条纹采用基于密集残差点划分的快速相位展开算法,获得无缠绕干涉相位.对于传统非常耗时的参数定标问题,采用基于外部粗精度DEM数据的初始相位偏置实时估计算法,并结合在定标场获取的基线长度、基线倾角和绝对延迟时间等参数进行反演,实时获取DEM.通过算法实时性分析,给出硬件实现方案.实际InSAR数据处理结果验证了本算法的有效性. 相似文献
13.
提出利用合成孔径雷达简缩极化干涉数据的目标分解方法. 将全极化干涉目标分解方法扩展到简缩极化干涉数据处理,由简缩极化互相关矩阵分解出3种散射分量. 针对简缩极化数据量减少造成的方程欠定问题,利用极化度估计体散射功率,通过遍历简缩极化相干区域寻找最长轴和判断地表相位获得偶次散射相位估计,最终得到各散射分量的功率和相位中心高度的估计. 利用L波段全极化干涉仿真数据合成简缩极化数据集,验证了算法的有效性. 相似文献
14.
在实际的SAR场景中,由于载机平台运动的不规律会引入相位误差,这将导致SAR图像出现模糊,甚至不能形成图像,因此需要准确地估计和补偿相位误差.提出一种较好的SAR相位历史估计算法,在方位向应用延时自相关方法进行准确的相位估计,由此实现SAR的准确聚焦成像.该相位估计方法具有较高的计算效率,非常适合于实时SAR系统.利用对实际SAR数据的聚焦处理证明了该方法的有效性. 相似文献
15.
针对各向异性扩散方程抑制SAR图像相干斑时,需要进行多次迭代,很难用于实时处理的情况,提出一种改进算法.该算法根据图像变差系数,自适应调整中心像素与各方向扩散系数的权重,从而在均匀区域加速扩散过程,在非均匀区域保留原各向异性扩散方程的性能.利用机载SAR图像对算法性能进行验证,结果表明,算法仅需较少的迭代次数,就可以获得与常规各向异性扩散方程相干斑抑制相同的性能. 相似文献