共查询到20条相似文献，搜索用时 140 毫秒
1.
SAR图像复合分布船只检测模型 总被引：1，自引：0，他引：1
提出了一种基于复合参数分布的SAR图像船只检测模型。模型使用Pearson分布系统模拟SAR图像海洋背景散射分布, Pearson分布系统由4种参数分布组成, 包括Pearson I分布(g)、Ⅲ分布、Ⅳ分布(反g)和Ⅵ分布。模型采用基于β平面的分布选择器确定采用哪种分布来拟合SAR图像海面后向散射分布, 同时利用4种分布, 结合CFAR技术, 建立CFAR方程, 通过解算方程得到检测阈值, 利用阈值进行SAR图像船只检测。通过图像试验验证表明, 该模型检测效果良好, 具有一定的实用价值。 相似文献
2.
3.
轻量化SAR目标检测方法对快速检测SAR影像中的地物目标具有重要意义。针对轻量化检测方法精度不高的问题,设计了一种通道剪枝与知识蒸馏相结合的轻量化SAR目标检测方法。该方法通过对复杂网络中批归一化层的缩放因子γ进行稀疏化训练,判别对应特征通道的重要程度,进而裁剪次要通道,并在微调训练后将其作为教师网络,构造知识蒸馏框架指导轻量模型训练,提高轻量模型的检测精度。采用YOLOv5-6.1算法搭建了检测框架,并在重组的MSAR和SSDD多类目标数据集上进行了训练和检测试验,结果表明该方法能够在保持模型体积仅3.73 MB的轻量化条件下,提升SAR目标检测精度,验证了本文方法的有效性。 相似文献
4.
针对Contourlet的多尺度、局部化、方向性和各向异性等优点,结合隐马尔科夫树(hidden Markov tree,HMT)模型和D-S(Dempster-Shafer)证据理论,提出一种新的SAR图像分割算法。该算法首先将隐马尔科夫树模型推广到Contourlet域,在多尺度HMT上采用D-S证据融合理论有效地融合Contourlet系数的持续性和聚集性,最后导出融合后的最大后验多尺度分割公式。本文算法对实测SAR图像进行分割试验,试验结果表明:与小波域上的HMT-MRF(Markovrandom field,MRF)融合分割及Contourlet域上HMT和MRF分割算法相比,本文算法在抑制斑点噪声的同时,可有效地提高SAR图像的分割精度。 相似文献
5.
《国土资源遥感》2017,(4)
高空间分辨率(简称"高分")SAR图像具有高维非线性特点,以高维空间蕴含的低维流形描述SAR图像,会更有利于目标识别。将流形学习应用到高维SAR目标识别的特征表达中,提出一种新的高分SAR图像建筑区提取方法。首先,对高分SAR图像进行预处理;然后,采用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取8种纹理特征,与灰度图像共同构建SAR图像的高维特征集;利用自适应邻域选择的邻域保持嵌入(adaptive neighborhood selection neighborhoods preserving embedding,ANSNPE)算法对高维特征集进行特征提取,提取出新的特征;最后,通过阈值分割及后处理提取建筑区,并进行精度评价。选择Terra SAR-X数据进行实验研究,结果表明,ANSNPE算法能够从高分SAR图像中有效提取建筑区,并具有较强的泛化能力;通过训练数据获得的投影矩阵可直接应用到新样本中,建筑区提取精度达85%以上。 相似文献
6.
SAR图像海岸线检测的区域距离正则化几何主动轮廓模型 总被引：2，自引：0，他引：2
合成孔径雷达(SAR)卫星遥感图像可以极大地提高全国海岸线覆盖频率,然而受到海洋波浪所引起的随机海水表面粗糙度的影响,海岸目标与海水背景边界易混淆不清,因此本文提出了基于区域距离正则化几何主动轮廓模型(RDRGAC),引入距离正则项,解决重复初始化水平集函数为符号距离函数的问题,提高了算法收敛速度。此外,将区域面积项系数与SAR图像等效视数(ENL)建立非线性拟合关系,实现RDRGAC模型根据不同SAR遥感图像的自适应调整,改善海岸线自动提取精度。通过河北省北戴河和大连市金州湾SAR数据海岸线提取对比试验,验证了所提方法的有效性。 相似文献
7.
一种新的SAR图像船只检测方法 总被引：7，自引：1，他引：7
提出一种新的基于恒虚警率(CFARConstantFalseAlarmRate)技术,确定SAR图像中检测船只整体阈值的方法。该方法采用高斯分布(正态分布)作为SAR图像灰度的概率密度函数,由CFAR技术直接导出用于检测船只整体阈值的计算公式,用记数滤波器滤波去除虚警。该算法避免了复杂公式迭代和求解形状参数计算过程,也避免了用二分法寻找阈值的循环解算过程,提高了检测速度。使用XSAR和ERSSAR图像对该算法进行检验,并与其它算法进行比较,结果显示所提出的算法在检测精度和检测速度上都有明显的改进。 相似文献
8.
提出一种基于乘积模型的统计模型,称为混合Gamma拖尾Rayleigh分布模型。在该模型中,利用拖尾Rayleigh分布对相干斑进行建模,使模型可以精确地拟合高分辨率合成孔径雷达SAR图像相干斑的尖峰和拖尾的特征;同时引入混合Gamma分布对高分辨SAR图像雷达散射截面积(radar cross section,RCS)复杂起伏特性进行表征。基于Mellin变换,推导出混合Gamma拖尾Rayleigh分布对数累计量参数估计公式,提高了参数估计精度,从而实现了对高分辨率合成孔径雷达SAR图像的精确建模。最后通过真实SAR图像对本文提出的模型与已有模型进行比较。试验结果表明,本文提出的模型能够对不同的高分辨率合成孔径雷达SAR图像进行统计建模,并且具有较高的拟合精度。 相似文献
9.
基于Voronoi几何划分和EM/MPM算法的多视SAR图像分割 总被引：1，自引：0，他引：1
基于区域和统计的SAR分割方法,提出一种结合Voronoi划分技术、最大期望值EM(Expectation Maximization)和最大边缘概率MPM(Maximization of the Posterior Marginal)算法的多视SAR图像分割方法。首先利用Voronoi划分将图像域划分成不同的子区域,而每个子区域可以被看成待分割同质区域的一个组成部分,并假设每个子区域内的像素满足同一独立的Gamma分布,从而建立多视SAR图像模型,并在贝叶斯理论架构下建立图像分割模型,然后结合EM/MPM算法进行图像分割和模型参数估计。该方法将基于像元的马尔可夫随机场(Markov Random Field,MRF)模型扩展到基于区域的MRF模型,并且能同时有效地获取模型参数估计和基于区域的SAR图像最优分割。采用本文算法,分别对RADARSAT-Ⅰ/ⅡSAR强度图像和合成SAR强度图像进行了分割实验,定性和定量的测试结果验证了本文方法的有效性、可靠性和准确性。 相似文献
10.
针对基于位置指纹的Wi-Fi室内定位方法定位精度低的问题,本文提出了一种融合卷积神经网络(CNN)和胶囊网络(CapsNet)的Wi-Fi室内定位算法模型,记为CNN-CapsNet。首先将采集的RSSI时间序列信息,生成位置指纹图像数据集;然后通过由卷积层和池化层构成的CNN初级特征提取器,完成定位图像到初级特征图的转换;最后将初级特征图输入到CapsNet中,获得最终的分类结果。试验结果表明,在不同的向量维度,迭代次数等参数下,该模型的准确率高达99.99%,损失函数值低至0.009 91,优于其他的传统定位方法。 相似文献
11.
由于SAR影像具有乘性相干斑噪声,某些对光学影像有较好检测性能的边缘检测算子,对于SAR影像并不适用,因此本文提出了一种将改进后的Ratio算子与Canny算子相组合的新方法。首先采用多种客观评价指标,得出经典方法中的Lee滤波能有效去除噪声,且最大限度保留了梯度信息,适用于边缘检测;然后对边缘检测具有恒虚警特性的Ratio算子进行改进,改进后的算子更利于影像归一化处理;最后利用改进后的Ratio算子与Canny算子组合成新方法。试验结果证明,组合后的新方法显著提高了边缘检测正确率和定位精度,改善了边缘连续性,具有一定的有效性和实用性。 相似文献
12.
遥感影像目标的尺度特征卷积神经网络识别法 总被引：1，自引：1，他引：0
高分辨率遥感影像的目标检测与识别，是高分对地观测系统中影像信息自动提取及分析理解的重要内容。针对传统影像目标检测与识别算法中人工设计特征稳健性与普适性差的问题，本文提出基于高分辨率遥感影像目标尺度特征的卷积神经网络检测与识别方法。首先通过统计遥感影像目标的尺度范围，获得卷积神经网络训练与测试过程中目标感兴趣区域合适的尺度大小。然后根据目标感兴趣区域合适的尺度，提出基于高分辨率遥感影像目标尺度特征的卷积神经网络检测与识别架构。通过WHU-RSone数据集对本文卷积神经网络架构与Faster-RCNN架构对比测试验证。试验结果表明，本文架构ZF模型和本文架构VGG-16模型的mean average precision （mAP）分别比Faster-RCNN ZF模型和Faster-RCNN VGG-16模型提高8.17%和8.31%，本文卷积神经网络架构可获得良好的影像目标检测与识别效果。 相似文献
13.
结合距离-多普勒模型，推导了SAR（synthetic aperture radar）影像定向中像点坐标粗差对误差方程的影响，分析了像点坐标粗差探测的必要性和难点；依据粗差的拟准检定法，针对SAR影像定向中的像点坐标粗差检定问题，设计了具体的解算流程和策略，首次将粗差的拟准检定法运用到机载SAR影像定向中。并分别利用模拟和实测数据进行了系统性的实验，结果表明，该方法不仅能够准确探测出多个粗差的位置，而且能够估计出粗差的大小。与SAR影像定向通常采用的最小二乘方法相比，该方法能够明显提高SAR影像定向参数的解算精度以及后续的立体定位精度，对于修复受粗差影响的SAR影像数据具有重要意义。 相似文献
14.
雷达视线受施工机械等的间断遮挡导致部分影像产生相位奇异值，从而造成解缠错误及误差传递，简单的相关影像处理难以识别受遮挡影像。本文提出了改进的基于小波变换的信号奇异性检测方法，通过对地基SAR PS点时序相位特征进行分析，将遮挡影像识别转化为粗差探测问题；由PS点相位序列与影像位置关系，根据测区PS点相位序列的奇异点集合得到受遮挡影像集；最后将受遮挡影像剔除后得到的地基SAR监测结果与精密全站仪、水准与游标卡尺数据进行对比分析。结果表明：本文提出的方法用于受遮挡影像的识别是可行的，解决了地基SAR在实际工程应用中可能存在的影像遮挡带来的测量数据含有粗差的问题，提高了监测区域伪影像检测的效率与准确性。 相似文献
15.
提出将标准时频变换(normal time-frequency transform,NTFT)与卷积神经网络(convolutional neural networks,CNN)结合,尝试实现地震信号的自动准确识别。单纯利用神经网络方法识别地震通常需要人工方式判别收集地震信号样本,对受到噪声污染的信号进行相关预处理操作。采用NTFT+CNN模型无需预处理去噪,更具有实用性。从中国云南省盈江地区3个台站连续两周的地震记录中截取19 884个地震事件和17 ?640 ?个噪声数据作为样本,分别利用CNN模型与NTFT+CNN模型进行3台站与单台站地震信号识别实验。在3台站实验中,CNN模型的地震信号识别准确率为93.10%,NTFT+CNN模型的地震信号识别准确率提升至97.80%,引入NTFT使得识别错误率降低了3倍,表明NTFT+CNN模型可更为有效地识别信噪比低的地震信号。与此同时,CNN模型的训练次数为29,而NTFT+CNN模型训练18次即可达到上述识别准确率,说明NTFT+CNN模型收敛快速且稳定。在单台站实验中,对比考察3种典型噪声情况下的模型表现,进一步验证了NTFT对噪声-地震信号的识别作用与模型结果的正确性。并将NTFT+CNN模型应用于识别美国南加州地震台网公开的地震-脉冲噪声数据,相对于CNN模型,NTFT+CNN模型在识别准确率、收敛速度与所需训练样本数量方面均表现出明显的优势。NTFT为基于神经网络结构的地震信号自动识别提供了新的有效途径。 相似文献
16.
SAR图像对地定位的严密共线方程模型 总被引：3，自引：0，他引：3
SAR图像对地定位是解决SAR遥感信息在哪里的根本问题,它是遥感应用和处理的重要步骤。作者在分析现有几种SAR图像对地定位模型的基础上,根据SAR成像的严格几何关系导出SAR图像对地定位的严密共线方程模型。首先根据斜距图像的近地点斜距和远地点斜距推导中心投影等效焦距的计算公式,然后详细推导并给出斜距图像转化成严密中心投影图像时涉及的图像改化公式,最后根据实际星载SAR图像定位的精度对比,证明严密共线方程模型是可行的,而且其定位精度要明显优于传统的近似共线方程模型。 相似文献
17.
基于U型卷积神经网络的航空影像建筑物检测 总被引：3，自引：2，他引：1
经典的卷积神经网络结构在前向传播过程中分辨率不断下降,导致仅采用末层特征时难以实现建筑物边缘的精确分割,进而限制目标检测精度。针对该问题,提出一种基于U型卷积网络的建筑物检测方法。首先借鉴在图像分割领域中性能出色的神经网络模型U-Net的建模思想,采用对称式的网络结构融合深度网络中的高维和低维特征以恢复高保真边界;其次考虑到经典U-Net对位于特征金字塔顶层的模型参数优化程度相对不足,通过在顶层和底层两个不同尺度输出预测结果进行双重约束,进一步提升了建筑物检测精度。在覆盖范围达30 km2、建筑物目标28 000余个的航空影像数据集上的试验结果表明,本文方法的检测结果在IoU和Kappa两项关键评价指标的均值上分别达到83.7%和89.5%,优于经典U-Net模型,显著优于经典全卷积网络模型和基于人工设计特征的AdaBoost模型。 相似文献
18.
针对SAR灰度影像信息不丰富,不利于解译识别的问题,提出了一种基于Roberts梯度与HIS色彩空间的SAR图像伪彩色编码算法。首先,计算SAR图像的梯度图像,并确定梯度阈值T;然后,比较像素梯度与阈值的大小,大于阈值的像素按照Roberts梯度方法编码,否则按照基于HIS色彩空间方法编码;最后,对两种编码结果进行合成,得到最终伪彩色SAR图像。利用TerraSAR-X影像数据进行了实验验证,结果表明:本文研究的方法均能达到很好的伪彩色编码效果。 相似文献
19.
使用ERS-1/2干涉测量SAR数据生成DEM 总被引：12，自引：2，他引：12
干涉合成孔径雷达（ＩＮＳＡＲ）数据已被证明能生产精确的数据高程模型（ＤＥＭ），我们已开发了从单视ＳＡＲ复影像数据自动生成数字高程模型的新软件，基于ＳＡＲ多视强度影像的最小二乘曩像匹配被用于复影像对的配准，达到很高的配准精度（０．０１～０．０５像元精度）。一种新的计算目标点３维坐标（Ｘ，Ｙ，Ｚ）的方程还被提出，卫星轨道，姿态和基线参数以及相位常数被纳入在方程中并被表示了时间的线性函数，利用至少６个地面控制点能够同时估算这些参数，本文还给出了意大利埃特地区ＥＲＳ－１／２ＳＡＲ数据处理结果。 相似文献
20.
改进的ELU卷积神经网络在SAR图像舰船检测中的应用 总被引：1，自引：0，他引：1
随着航天技术的发展,我国SAR载荷的探测体系呈现多种类、多分辨率的发展趋势。传统的检测识别方法很难适应多分辨率、多种类的SAR图像数据,从而需要寻求一种能从多分辨率的图像数据中提取有效特征的方法。智能化发展非常迅速,本文基于SAR图像的特点,提出了改进的ELU激活函数卷积神经网络的方法,建立了结合ELU激活函数和二次代价函数的深度学习模型。同时,在训练样本中建立样本特征与所在分类中心的距离函数,用模糊支持向量机（FSVM）对提取的特征进行了分类。试验结果表明,本文方法提高了SAR图像舰船检测的抗噪性,并且检测率达到了98.6%。 相似文献