共查询到20条相似文献，搜索用时 959 毫秒
1.
为检测和区分极化遥感SAR图像中的非平稳目标,讨论了极化SAR图像中两种非平稳目标的检测和区分方法。用极大似然比对固定朝向非平稳目标进行检测,用变化系数对周期表面非平稳目标进行检测。仿真结果表明,两种方法分别能把两种非平稳目标检测出来。 相似文献
2.
SAR系统不确定性可视化表达及其应用 总被引：3，自引：0，他引：3
SAR在成像过程中由于受到外界环境干扰和机载本身的不稳定等不确定因素的影响 ,直接影响 SAR图像的使用。因此 ,对这些不确定因素分析是十分重要的。目前 ,对于 SAR不确定性研究主要是基于统计方法 ,但这种方法不便于揭示 SAR不确定性产生的机理 ,以及不确定性可视化表达。本文首先从机理的角度讨论了 SAR成像系统误差传递函数 ,在确定了 SAR系统误差传递函数之后 ,着重讨论了在误差传递函数基础上利用虚拟现实技术和系统仿真技术进行 SAR成像系统不确定可视化研究 ,最后给出可视化表达的应用实例。 相似文献
3.
利用遥感成像技术获取地面水体信息对水资源调查、自然灾害评估、流域规划和生态环境监测等具有重要意义,其中SAR成像作为大范围地面监测的可靠数据源,拥有全天时、全天候、广覆盖等光学遥感系统所不具有的优点,在水体提取中得到了广泛的应用。但由于受SAR图像相干斑噪声的影响,现有水体提取方法难以迅速、精确提取SAR图像中复杂精细的自然水体结构。为此,提出一种结合改进的降斑各向异性扩散和最大类间方差的SAR图像水体提取方法。首先,利用降斑各向异性扩散滤波SAR图像,在迭代滤波过程中通过计算图像间平均结构相似度自适应控制迭代过程,使其同时保持精细边缘和纹理结构;然后,以类间方差最大为准则,自适应确定阈值,实现滤波结果图像二值化分割。在二值化分割结果中,搜索具有相同像元值且位置相邻的前景像元点组成的连通区域,使每个单独的连通区域形成一个被标识的块,通过获取这些块的几何参数来消除图像的误分割,精确划定真实的水体区域,以实现SAR图像水体提取。为了验证提出方法的准确性,将本文方法提取的水体边界与人工绘制的水体边界叠加,结果表明二者可较好吻合。同时,从视觉、提取精度和运行时间对本文方法与目前常用3种SAR图像水体提取算法的结果进行比较分析,其中本文方法的运行时间满足实时应用的要求,提取结果的边界在2个像元评级区重叠度均达到80%,明显优于其他方法且本文方法提取结果在边界及细节信息等视觉方面也更加显著。对结果的定性及定量评价表明本文方法的优越性。 相似文献
4.
SAR图像数据量的激增,迫切要求一种自动的内波检测技术来代替传统的人工解译.基于此,本文提出一种基于平稳小波变换(SWT)的SAR图像内波检测方法,利用SWT对SAR内波图像进行分析处理,计算SWT系数的小波梯度信息,通过模极大值搜索方法进行内波边缘特征提取.最后通过南中国海东沙群岛观测的多幅SAR图像进行实验与分析,实验结果证明平稳小波变换对于SAR内波检测是有效的. 相似文献
5.
由于光学遥感图像和SAR图像具有明显的非线性强度差异,且SAR图像存在斑点噪声,使得其配准存在较大难度。为此,本文结合基于特征和基于区域图像配准方法的优点,并组合为混合模型,提出一种由粗到精的自动配准算法。以光学遥感图像和SAR图像分别为参考图像和待配准图像,先以基于特征点的SAR-SIFT完成粗配准,再以基于区域的ROEWA-HOG完成精配准。① 采用SAR-SIFT算法进行特征点检测和特征匹配来计算图像的仿射变换模型,以消除参考图像和待配准图像之间明显的旋转、尺度和平移差异,至此完成图像粗配准;② 在此基础上利用分块Harris角点检测在参考图像上获得特征点,并根据特征点确定待配准图像上的同名点搜索区域;③ 计算图像的ROEWA梯度,构造以特征点为中心的模板区域内的HOG特征向量,以SSD作为相似性测度搜索待配准图像上的同名点,完成高精度的图像配准;④ 进行图像配准实验,对配准结果进行目视检查和精度评估。经过多组光学与SAR图像配准实验,验证本文算法能够结合基于特征和基于区域的图像配准方法的优点,较好地抵抗光学与SAR图像之间的非线性强度、旋转、尺度、平移差异和SAR图像的噪声影响,并逐步提高配准精度,最终配准精度达到1个像素左右,实现了光学与SAR图像的高精度自动配准,能够满足光学与SAR图像后续综合应用。 相似文献
6.
基于RCNN的无人机巡检图像电力小部件识别研究 总被引：1，自引：0，他引：1
随着无人机（UAV)在电力巡线作业中的应用推广,对无人机巡检图像的信息挖掘或目标识别需求也越来越强烈。传统的电力部件识别流程常使用经典的机器学习算法,如支持向量机（SVM）、随机森林或adaboost,结合梯度、颜色或纹理等浅层特征来对电力部件进行识别,难以充分利用无人机巡检图像的信息,并且难以达到较高的准确率。卷积神经网络（CNN）在目标识别中表现优异,在很多目标识别场景之中成为首选算法。基于区域的卷积神经网络（RCNN）通过使用CNN从图像中提取可能含有目标的区域来检测并识别目标,但是计算复杂,难以满足识别海量电力巡检图片的需求。Fast R-CNN和Faster R-CNN利用CNN网络提取图像特征,后接一个区域提议层,优化了提取可能含有目标区域的方式并改进识别目标的分类器,使目标的检测和识别几乎实时。本文详细描述了Faster R-CNN算法流程,并在无人机电力线巡检图像部件检测中使用,然后分别对DPM、SPPnet和Faster R-CNN识别方法进行了对比分析,利用实际采集的电力小部件巡检数据构建的数据集对3种方法进行测试验证,并讨论了不同参数对识别结果的影响。实验结果表明,基于深度学习的识别方法实现电力小部件的识别是可行的,而且利用Faster R-CNN进行多种类别的电力小部件识别定位可以达到每张近80 ms的识别速度和92.7%的准确率。 相似文献
7.
基于BP神经网络的智能入侵检测系统 总被引：14，自引：0，他引：14
介绍了BP神经网络的基本知识，设计了基于BP神经网络的智能入侵检测系统。并提出了根据不同的网络协议使用不同神经网络的思想，指出了每个神经网络需要的网络数据，并阐述了训练和测试神经网络的方法。 相似文献
8.
将ICA（Independence Component Analysis）消噪原理应用于合成孔径雷达抗噪声干扰技术中,用噪声信号和受到干扰的SAR回波数据作为扩展的虚拟观测信号,对扩展的多维加噪观测信号进行分离, 得到源雷达回波信号, 从而实现噪声的有效消除.通过对条带式SAR点目标成像进行仿真试验, 结果表明这种消噪方法在消除SAR噪声干扰中是有效的. 相似文献
9.
基于视频的交通流参数智能检测系统研究 总被引：2，自引：0，他引：2
实现了一种利用计算机视觉和图像处理的方法来检测车流的智能检测系统。首先利用输入的图像序列完成自适应的背景重建,通过目标分割和特征提取实现目标检测和运动跟踪,然后提出将HSV颜色空间特征应用于车辆目标匹配的方法和一种新的快速非均匀量化算法,用于跟踪发生融合的目标,最后对各交通流参数进行计算和统计,并对系统实现过程中出现的问题进行分析和总结。 相似文献
10.
针对SAR海洋图像中船舶航行尾迹的检测难点,以及传统Radon变换过程存在量化噪声问题,提出了一种迹空间投影方法对海洋SAR图像进行特征提取。首先对SAR图像做迹空间投影变换,提出一种加窗泛函对投影数据进行积分以提取出原图像中小尺度尾迹特征,然后进行峰值检测以确定尾迹位置,最后通过实验验证了算法的有效性。 相似文献
11.
The maritime administrative department employs synthetic aperture radar(SAR)satellite remote sensing technology to obtain evidence of illegal discharge of ships.If the ship is discharged during navigation,it forms a long dark wake on the SAR image due to the suppression of the Bragg wave by the oil film.This study investigates key techniques for rapid detection of long ship wakes,thereby providing law enforcement agencies with candidate ships for possible discharge.This paper presents a rapid long ship wake detection method that uses satellite imaging parameters and the axial direction of the ship in images to determine the potential detection area of the wake.Then,the threshold of long ship wake detection is determined using statistical analysis,the area is binarized,and isolated points are removed using a morphological filter operator.The method was tested with ENVISAT Synthetic Aperture Radar and GF-3 SAR data,and results showed that the method was effective,and the overall accuracy of the decision reaches 71%.We present two innovations;one is a method that draws a Doppler shift curve,and uses the SAR imaging parameters to determine the detection area of the long wake to achieve rapid detection and reduce the image detection area.The other is where a classical linear fitting method is used to quickly and accurately determine whether the detected dark area is a long ship wake and realizes the twisted long ship wake detection caused by the sea surface flow field,which is otherwise difficult to detect by the traditional Radon and Hough transform methods.This method has good suppression performance for the dark spot false alarm formed by low speed wind region or upward flow.The method is developed for maritime ship monitoring system and will promote the operational application of maritime ship monitoring system. 相似文献
12.
Ocean internal waves appear as irregular bright and dark stripes on synthetic aperture radar(SAR) remote sensing images. Ocean internal waves detection in SAR images consequently constituted a difficult and popular research topic. In this paper, ocean internal waves are detected in SAR images by employing the faster regions with convolutional neural network features(Faster R-CNN) framework; for this purpose, 888 internal wave samples are utilized to train the convolutional network and identify internal waves. The experimental results demonstrate a 94.78% recognition rate for internal waves, and the average detection speed is 0.22 s/image. In addition, the detection results of internal wave samples under dif ferent conditions are analyzed. This paper lays a foundation for detecting ocean internal waves using convolutional neural networks. 相似文献
13.
基于DEM的SAR影像几何定位参数校正方法 总被引：1，自引：0，他引：1
针对大范围无地面控制的SAR影像几何纠正,利用在一定时间和空间范围内SAR系统几何定位参数误差具有一定稳定性的特点,提出基于DEM的几何定位参数校正方法。该方法首先基于DEM进行影像模拟生成模拟SAR影像;然后在模拟SAR影像上提取特征点,针对特征点将模拟SAR影像和原始SAR影像进行匹配,得到特征点在原始SAR影像上的同名特征点,再结合DEM进行模拟影像间接定位获取特征点的地理坐标,以此作为几何定位参数校正的参考点;进而根据严密SAR几何构像模型构建几何定位参数校正模型,解算几何定位参数校正值;最后,利用几何参数校正值改正区域内其他SAR影像几何定位参数,提高区域内SAR影像几何定位精度。以高分三号影像进行试验,使用本文方法获取一景影像的几何定位参数校正值,对同一轨道内的和不同轨道的其他SAR影像进行参数校正,并对参数校正前后的几何定位精度进行评价。结果显示,同一轨道内的影像定位精度由66.0 m提高到9.7 m,不同轨道的影像定位精度由65.0 m提高到13.5 m,表明本文方法能够显著提高SAR影像几何定位精度。 相似文献
14.
在复杂地表环境下的多云多雨地区,基于合成孔径雷达（SAR）图像提取水体时容易受到其它地物如水田、山体阴影等干扰,传统的灰度阈值法和SVM法未能考虑水体与其它地物在纹理和地形上的差异,因此水体提取结果精度较差。研究首先用Refined Lee滤波对SAR图像进行预处理;其后通过DEM建模和坡度计算提取地形特征,通过计算图像灰度共生矩阵以提取纹理特征（包括均匀性、角二阶矩和熵）,并结合SAR图像极化信息以及SDWI指数形成针对水体提取的特征空间,通过融合地形特征和图像纹理特征发展了改进SVM 分类法的水体提取模型。在使用Sentinel-1 SAR数据对所发展模型与SDWI水体指数法、传统SVM法水体提取结果进行比对后发现,改进SVM分类法提取的水体结果较好地剔除了水田和山体阴影,且提取的水体水面比传统的SVM法更加完整;该方法在总体精度、Kappa系数、漏分率和错分率指标上均优于SDWI法和传统的SVM法,总体精度达到98.06%,比SDWI法和传统的SVM法分别提高了23.24%和5.49%,有效提高了复杂环境下地表水体的提取精度。研究最后将所发展模型应用于2018年马哈韦利河流域逐月水体提取与变化分析,有效解决了山体阴影和水田误分问题。本文提出的改进SVM法可以实现复杂地表环境下大范围水体信息准确、完整提取。 相似文献
15.
Under suitable conditions of tidal current and wind, underwater topography can be detected by synthetic aperture radar (SAR)
indirectly. Underwater topography SAR imaging includes three physical processes: radar ocean surface backscattering, the modulation
of sea surface short wave spectrum by the variations in sea surface currents, and the modulation of sea surface currents by
the underwater topography. The first process is described usually by Bragg scattering theory because the incident angle of
SAR is always between 20°–70°. The second process is described by the action balance equation. The third process is described
by an ocean hydrodynamic model. Based on the SAR imaging mechanism for underwater topography, an underwater topography SAR
detection model and a simplified method for its calculation are introduced. In the detection model, a two-dimensional hydrodynamic
model — the shallow water model is used to describe the motion of tidal current. Due to the difficulty of determining the
expression of SAR backscattering cross section in which some terms can not be determined, the backscattering cross section
of SAR image used in the underwater topography SAR detection is pro-processed by the simulated SAR image of the coarse-grid
water depth to simplify the calculation. Taiwan Shoal, located at the southwest outlet of Taiwan Strait, is selected as an
evaluation area for this technique due to the occurrence of hundreds of sand waves. The underwater topography of Taiwan Shoal
was detected by two scenes of ERS-2 SAR images which were acquired on 9 January 2000 and 6 June 2004. The detection results
are compared with in situ measured water depths for three profiles. The average absolute and relative errors of the best detection
result are 2.23 m and 7.5 %, respectively. These show that the detection model and the simplified method introduced in the
paper is feasible. 相似文献
16.
提升海上态势感知能力是构建智慧海洋的重要环节。针对目前海上目标研究单源传感器存在感知盲区,多源传感器数据关联易受杂波干扰、在密集区表现不佳等问题,本文基于合成孔径雷达(SAR)和船舶自动识别系统(AIS)数据,提出一种抗干扰性强的角度最近邻数据关联方法,充分利用SAR与AIS船舶目标的空间角度关系,提高船舶目标在密集区域点迹关联的准确性。首先,对AIS数据进行时空滤波,实现数据粗关联,构建关联分析的数据候选集;然后,从时空数据的空间关系角度出发,在灰狼优化和匈牙利算法的启发下,利用点迹对特征向量矩阵进行运算,实现对多源空间数据的优化关联;最后结合数据几何关系对结果进行置信度评估。本文选取5幅SAR影像与AIS数据进行实验,并基于SAR影像数据及船舶轨迹点分布密度设计仿真实验,结果表明,本文所提出的角度最近邻数据关联方法,在密集分布情况下,关联精度为传统NN、GNN算法的3.62和4.61倍,运行时间为1.69 s,相较于NN算法仅增长1.36 s,仅占GNN运行时间的0.49%,在运行时间增长不大的情况下具有更强的抗干扰能力,在密集区域仍能取得较好的关联效果。 相似文献
17.
在综合考虑多个特征因子的线要素匹配时,根据经验知识确定各特征因子的权值会造成人为误差。针对该问题,本文提出了基于人工神经网络的多特征因子路网匹配算法,根据线要素的几何和拓扑特性选取长度、方向、形状、距离及拓扑5个特征因子的相似度作为路网匹配参考因子。首先,分别在参考图层和待匹配图层中选取样本数据组成样本对,计算样本数据的5个特征因子相似度,用样本数据的5个特征因子相似度和样本的匹配度组成学习模式对;然后,利用BP神经网络的误差反向传播机制自动学习调整各神经层之间的连接权值;最后,输入全部数据,计算参考图层的弧段和待匹配图层的弧段间的匹配度,实现综合多特征因子的路网匹配。实验结果表明,利用人工神经网络进行综合多特征因子的路网匹配可以提高匹配效率和匹配准确度。 相似文献
18.
《世界地质(英文版)》2016,(1):33-40
BP( Back Propagation) neural network and PSO( Particle Swarm Optimization) are two main heuristic optimization methods,and are usually used as nonlinear inversion methods in geophysics. The authors applied BP neural network and BP neural network optimized with PSO into the inversion of 3D density interface respectively,and a comparison was drawn to demonstrate the inversion results. To start with,a synthetic density interface model was created and we used the proceeding inversion methods to test their effectiveness. And then two methods were applied into the inversion of the depth of Moho interface. According to the results,it is clear to find that the application effect of PSO-BP is better than that of BP network. The BP network structures used in both synthetic and field data are consistent in order to obtain preferable inversion results. The applications in synthetic and field tests demonstrate that PSO-BP is a fast and effective method in the inversion of 3D density interface and the optimization effect is evident compared with BP neural network merely,and thus,this method has practical value. 相似文献
19.
针对普通神经网络的梯度消失和易陷入局部极值的问题,提出一种基于多元宇宙优化算法(multi-verse optimizer, MVO)的BP神经网络优化方法(MVO-BP),利用MVO全局寻优的特性求取BP神经网络各层之间可靠的神经元阈值与连接权,从而使神经网络预测模型具备更高的预测精度。建立基于MVO-BP算法的GNSS高程异常拟合预测模型,并采用实际工程中少量高程异常数据进行算法可行性检验。结果表明,相较于常规的BP神经网络法及多面函数法,MVO-BP法精度更高、适用性更强,可为实际工程测量中正常高的求取提供参考。 相似文献
20.
随着计算机视觉技术的发展, 通过卫星图像深度学习进行滑坡识别的研究正在逐步展开。通过引入双重注意力机制, 提出了一种基于卷积神经网络的滑坡图像识别优化算法。基于统计的2 200张滑坡图像数据集, 探讨了10种网络结构及4种注意力机制对滑坡识别结果的影响, 并通过比例为4∶1的训练集和测试集进行滑坡识别, 验证了本文方法的有效性。结果表明: ResNet结构相较于其他网络结构表现更为优秀, 就该算例而言, ResNet-101结构具有最高的召回率、精确率和F1度量。融入了双重注意力机制的卷积神经网络相较于单个神经网络而言, 滑坡识别的精确率更大, 且滑坡边界分割结果更接近于真实的滑坡边界, 其中, ResNet-101+DAN模型为最优模型。相较之下, 单个神经网络无法克服图像噪声的影响, 图像分割结果不佳。 相似文献