【CN110020614A】基于全局拟合的活动轮廓SAR图像河流提取方法【专利】
基于多模型融合的SAR图像目标轮廓提取方法
关键词 ： 合成孔径雷达 ； 目标 轮 廓提 取 ； 活 轮 廓 模 型 ； 多模 型 融 合 ； Ｇ Ｏ分 布
中 图 分 类 号 ：Ｔ Ｐ ７ ５ １ ． １ 文 献 标 识 码 ：Ａ 文 章 编 号 ：０ ２ ５ ８ — ７ ９ ９ ８ ｆ ２ ０ １ ３ ） ０ ９ — ０ ０ ８ ５ — ０ ４
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｓ ａ ｍｅ ｔ ｈ ｏ ｄ ｏ ｆ ｔ ａ ｒ ｇ ｅ ｔ ｃ ｏ ｎ ｔ ｏ ｕ ｒ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｂ ａ ｓ ｅ ｄ ｏ ｎ ａ ｃ ｔ ｉ ｖ ｅ ｃ ｏ ｎ ｔ ｏ ｕ ｒ ｍｏ ｄ ｅ ｌ ａ ｎ ｄ ｍｕ ｌ ｔ ｉ —ｍｏ ｄ ｅ ｌ ｆ ｕ ｓ ｉ ｏ ｎ． Ｏｎ ｔ ｈ ｅ ｂ ａ ｓ ｉ ｓ ｏ ｆ Ｂ ａ ｌ ｌ ｏ ｏ ｎ ｍｏ ｄ ｅ ｌ ，ａ ｎ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ ａ ｃ ｔ ｉ ｖ ｅ ｃ ｏ ｎ ｔ ｏ ｕ ｒ ｍｏ ｄ ｅ ｌ ，ｗ ｅ ｉ ｎ ｃ ｏ ｒ ｐ ｏ ｒ ａ ｔ ｅ Ｇ Ｏ ｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ａ ｌ ｄ ｉ ｓ ｔ ｉｂ ｒ ｕ ｔ ｉ ｏ ｎ ，ｒ ｅ ｇ ｉ ｏ ｎ ａ ｌ ｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ｓ ｂ ａ ｓ ｅ ｄ
基于 多模型 融合 的 Ｓ Ａ Ｒ图像 目标 轮廓提取 方法
王 沛 ，周 鑫 ，王 从 庆 ，叶 永 强 （ 南 京 航 空 航 天 大 学 自动 化 学 院 ， 江 苏 南京 ２ １ ０ ０ １ ６ ）
摘 要 ：提 出 一种 基 于 参 数 活 动 轮 廓 模 型 的 多模 型 融 合 的 合 成 孔 径 雷 达 Ｓ Ａ Ｒ（ Ｓ ｙ ｎ ｔ ｈ ｅ ｔ ｉ ｃ Ａ ｐ ｅ ｒ ｔ ｕ ｒ ｅ Ｒ ａ ｄ ａ ｒ ） 图像 目标 轮 廓 提 取 方 法 ， 即在 活 动轮 廓 模 型 Ｂ ａ ｌ ｌ ｏ ｏ ｎ中 引入 新 兴 统计 分 布模 型 Ｇ Ｏ分 布 、 基于区 域 的 统 计 活 动轮 廓 模 型和 多边 缘检 测 算 子模 型 ， 获得 了一 种 新 的 目标 轮 廓提 取 方 法 。基 于 Ｍ Ｓ Ｔ Ａ Ｒ项 目的真 实 Ｓ Ａ Ｒ 图像 的 实验 结 果表 明 ， 本 文 所提 出的 方 法 能 准 确 地 获 得 Ｓ Ａ Ｒ 图像 目标 轮 廓 ， 可 用 于执 行 实际的 Ｓ ＡＲ 图 像 轮 廓 提 取 任 务 ， 为后 续 的 Ｓ ＡＲ 图像 自动 识 别 和 特 征 级 图像 融 合 等 任 务 提 供 了较 为
sar水体提取算法
sar水体提取算法
1. 目视解译法：通过人工观察和分析SAR图像，确定水体的位置和范围。
这种方法需要专业的知识和经验，但在某些情况下可能是唯一可行的方法。
2. 阈值自动提取法：设定一个阈值，低于该阈值的像素被认为是水体，这种方法简单易行，但需要根据具体情况选择合适的阈值。
3. 基于区域的提取法：根据图像灰度特征分布的匀称性，将1维倒数灰度熵的阈值选取公式扩展到2维，然后在求解2维最佳阈值时，将其化简为求解两个1维最佳阈值，最终利用分解的2维倒数灰度熵法分割出SAR图像中的河流区域。
4. 基于边缘的提取法：利用图像的边缘信息来提取水体，这种方法可以有效地排除干扰，但需要对图像进行预处理以提取边缘。
这些算法都有其适用的场景和限制，实际应用中需要根据具体情况选择合适的算法。
一种高分辨率SAR图像河流边界自动提取方法
一种高分辨率SAR图像河流边界自动提取方法
魏丹;赵新强
【期刊名称】《计算机应用与软件》
【年(卷),期】2015(032)011
【摘要】针对经典阚值分割方法在高分辨率合成孔径雷达SAR(Synthetic Aperture Radar)河流边界提取中存在很高的噪声斑点和在高山区域SAR图像存在大面积的阴影的问题,提出一种新颖的基于高分辨率SAR强度图像的河流边界自动提取方法.该方法核心在于结合河流的局部连接特性和基于变化水平集框架中的区域活动轮廓模型(ACM),以区分河流区域和背景.实验结果证实了该方法的有效性和稳健性.
【总页数】4页(P213-216)
【作者】魏丹;赵新强
【作者单位】河南大学计算机与信息工程学院河南开封475004;河南大学软件学院河南开封475001
【正文语种】中文
【中图分类】TP751.1
【相关文献】
1.一种新的高分辨率SAR图像目标自动鉴别方法 [J], 李禹;王世晞;计科峰;粟毅
2.一种自动的高分辨率遥感影像道路提取方法 [J], 刘如意;宋建锋;权义宁;许鹏飞;雪晴;杨云;苗启广
3.一种SAR图像海洋涡旋形状自动描绘及信息提取方法 [J], 郑平;种劲松;王宇航
4.一种高分辨率遥感图像道路自动提取方法 [J], 魏清;艾玲梅;叶雪娜
5.一种面向对象结合变差函数的高分辨率遥感影像茶种植区自动提取方法 [J], 张世超;王常颖;李劲华;张志梅
因版权原因，仅展示原文概要，查看原文内容请购买。
【CN110097524A】基于融合卷积神经网络的SAR图像目标检测方法【专利】
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910327007.7(22)申请日 2019.04.22(71)申请人 西安电子科技大学地址 710071 陕西省西安市雁塔区太白南路2号(72)发明人 李亚超 吕雅丽 全英汇 王亦倩 武春风 徐钢锋 (74)专利代理机构 陕西电子工业专利中心61205代理人 田文英 王品华(51)Int.Cl.G06T 5/30(2006.01)G06T 5/50(2006.01)G06T 7/11(2017.01)G06T 3/60(2006.01)G06T 5/00(2006.01)G06T 7/136(2017.01)G06K 9/62(2006.01)G06N 3/04(2006.01)(54)发明名称基于融合卷积神经网络的SAR图像目标检测方法(57)摘要本发明公开了一种基于融合卷积神经网络的SAR图像目标检测方法，主要解决现有技术中SAR图像中地面机动目标检测率低鲁棒性差的问题。
本发明的具体步骤如下：(1)构建卷积神经网络；(2)生成训练集；(3)利用形态学操作对图像进行预处理；(4)利用分水岭算法生成电磁散射特征图；(5)训练卷积神经网络；(6)生成融合卷积神经网络；(7)训练融合卷积神经网络；(8)生成测试集；(9)对测试集进行目标检测。
本发明具有提高机动目标检测率和场景适用能力，对不同方位、不同角度及在背景噪声的情况下的目标检测也有很好的鲁棒性的优点。
权利要求书3页 说明书7页 附图1页CN 110097524 A 2019.08.06C N 110097524A权 利 要 求 书1/3页CN 110097524 A1.一种基于融合卷积神经网络的SAR图像目标检测方法，其特征在于，利用分水岭算法生成电磁散射特征图，将训练好的SAR图像目标检测网络与电磁散射特征检测网络进行融合生成融合卷积神经网络来对SAR图像进行目标检测；该方法的步骤包括如下：(1)构建卷积神经网络：(1a)搭建一个16层的卷积神经网络；(1b)设置卷积神经网络的参数；(2)生成训练集：(2a)从SAR图像数据集中选取至少1000幅含有陆地上机动目标的SAR图像组成训练集；(2b)对训练集中的每幅图像依次进行平移、翻转操作，得到扩充后的训练集；(3)利用形态学操作对图像进行预处理：(3a)从扩充后的训练集中选取一个未选过的图像；(3b)用3*3大小1个像素的步长，对所选图像进行滑窗操作，得到多个3*3的像素块；(3c)使用sobel算子，对每个3*3像素块进行滤波，得到所选图像的梯度幅值图像；(3d)用2*2大小1个像素的步长，对所选图像进行滑窗操作，得到多个2*2的像素块；(3e)对每个2*2像素块依次进行形态学腐蚀操作→形态学重建操作→形态学膨胀操作→形态学重建操作→最大类间方差法otsu分割操作，得到所选图像中目标的二值图像；(3f)判断是否选完扩充后的训练集中所有图像，若是，则执行步骤(4)；否则，执行步骤(3a)；(4)利用分水岭算法生成电磁散射特征图：(4a)从所有的目标的二值图像中选取一个未选过的图像；(4b)用所选图像中每个像素点与其周围的非零灰度值像素点之间的最近距离，替换该像素点的灰度值，对替换灰度值后的图像进行分水岭变换操作，得到分水岭脊线标记；(4c)用所选二值图像，对该图像在扩充后的训练集中对应的图像以及对应的梯度幅值图像分别进行滤波，得到滤波后的目标图像及滤波后的目标梯度幅值图像；(4d)用4*4大小1个像素的步长，对滤波后的目标图像进行滑窗操作，得到多个4*4的像素块；(4e)对每个4*4像素块依次进行取局部极大像素值操作和去除小连通域操作，得到目标部件级的前景标记；(4f)将目标部件级的前景标记与分水岭脊线标记，在滤波后的目标梯度幅值图像中分别标记为全局最小灰度值和全局最大灰度值，得到标记图像；(4g)对标记图像进行分水岭变换操作，得到电磁散射特征图；(4h)判断是否选完所有的目标的二值图像，若是，则执行步骤(4i)；否则，执行步骤(4a)；(4i)对每幅电磁散射特征图依次进行平移、翻转操作，得到扩充后的电磁散射特征训练集；(5)训练卷积神经网络：(5a)从光学图像数据集中选取至少1000幅含有不同陆地上机动目标的光学图像，组成预训练数据集；(5b)将预训练数据集输入到卷积神经网络中进行训练，得到预训练后的网络；2。
基于全局活动轮廓模型的SAR图像分割方法
基于全局活动轮廓模型的SAR图像分割方法贺志国;陆军;匡纲要【期刊名称】《自然科学进展》【年(卷),期】2009(019)003【摘要】图像分割是SAR图像处理的一个基础问题,也是影响SAR图像自动解译性能的关键步骤之一.由于斑点噪声的存在,SAR图像分割一直是一个公认的难题.针对这一难题,文中基于短程活动轮廓模型和统计活动轮廓模型,提出了一种具有全局极小值解的新活动轮廓模型,并详细地给出了该模型的理论求解方法、数值近似方案以及基于该模型的分割算法.该模型的新颖之处在于:(1)同时结合边缘信息和区域信息定位目标边界,更有利于实现图像的精确分割;(2)基于SAR图像边缘检测算子的边缘信息项,有利于将活动轮廓线吸引到真实的图像边界;(3)基于G0分布的区域统计信息项,可提高模型对SAR图像数据的拟合能力;(4)基于总变分对偶公式的全局快速求解算法,显著地增强了模型的实用性.针对仿真图像以及MSTAR,ERS,Radarsat和NASA/JPL AIRSAR等实测数据的实验结果表明,基于新模型的图像分割算法具有分割边界定位准确、分割区域内部均匀、运行高效、无需后续处理、对参数设置不敏感和对初始条件鲁棒等优点.【总页数】17页(P344-360)【作者】贺志国;陆军;匡纲要【作者单位】国防科技大学电子科学与工程学院信息工程系,长沙,410073;国防科技大学电子科学与工程学院信息工程系,长沙,410073;国防科技大学电子科学与工程学院信息工程系,长沙,410073【正文语种】中文【中图分类】TP3【相关文献】1.基于集成活动轮廓模型的SAR图像分割方法 [J], 彭锐晖;王向伟;吕永胜2.基于全局和局部相关熵活动轮廓模型的超声图像分割算法 [J], Khumdoung Netsai;邱天爽3.基于全局和区域可伸缩拟合局部熵活动轮廓模型的超声图像分割 [J], 宋省伟;宗静静;邱天爽;张晓博4.基于融合局部信息的全局划分活动轮廓模型在图像分割中的研究 [J], 熊点华;唐利明5.基于融合局部信息的全局划分活动轮廓模型在图像分割中的研究 [J], 熊点华;唐利明因版权原因，仅展示原文概要，查看原文内容请购买。
基于DEM的SAR图像洪水水体的提取
基于DEM的SAR图像洪水水体的提取杨存建;魏一鸣;王思远;周其林【期刊名称】《自然灾害学报》【年(卷),期】2002(11)3【摘要】星载雷达遥感已广泛应用于洪水灾害的监测和评估中。
但是由于其阴影与水体严重混淆 ,使得从雷达图像中提取洪水水体较为困难。
为此 ,本文探讨了在地形数据的支持下 ,实现星载SAR图像洪水水体半自动提取的方法。
主要包括以下几步 :首先 ,对雷达图像进行滤波处理 ,并将其与地形数据匹配 ,从雷达图像中提取出初步的洪水水体范围 ;其次 ,利用地形数据生成DEM ,并根据雷达图像的成像参数和DEM生成相应的模拟雷达图像 ;最后 ,利用模拟雷达图像上的阴影 ,剔除被误提为洪水水体的阴影,从而实现洪水水体的准确提取。
研究表明,该方法能有效地、半自动地将星载雷达图像上的洪水水体提取出来 ;同时 ,该方法可以用于多种星载多模式的雷达图像的洪水水体的识别提取 ,尤其对含山区的大范围洪水水体的半自动提取 ,更为适用。
【总页数】5页(P121-125)【关键词】DEM;洪水水体范围提取;模拟雷达图像;星载雷达图像;数字高程模型;SAR图像;地形数据【作者】杨存建;魏一鸣;王思远;周其林【作者单位】四川师范大学遥感与GIS应用研究中心,四川成都610066;中国科学院科技政策与管理科学研究所,北京100080;中国科学院遥感应用研究所,北京100101;四川省遂宁市林业局,四川遂宁629000【正文语种】中文【中图分类】TV122;TP79【相关文献】1.基于DEM的星载SAR图像模拟以及用于图像精校正 [J], 尤红建;丁赤飚;吴一戎2.基于DEM和图像仿真的单幅SAR图像无控制定位 [J], 张红敏;靳国旺;徐青;邓磊3.基于像元级SAR图像时间序列相似性分析的水体提取 [J], 王亚飞;程亮;李满春;陈伟;陈小雨;谌颂4.圆迹SAR子孔径图像序列联合相关DEM提取方法 [J], 张金强;索志勇;李真芳;保铮5.星载全方位SAR联合图像配准和DEM提取方法 [J], 张金强;秦强;宫俊;刘伟;苏皎阳因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910211362.8
(22)申请日 2019.03.20
(71)申请人 南京航空航天大学
地址 210016 江苏省南京市秦淮区御道街
29号
(72)发明人 韩斌 吴一全
(74)专利代理机构 南京苏高专利商标事务所
(普通合伙) 32204
代理人 柏尚春
(51)Int.Cl.
G06K 9/00(2006.01)
G06K 9/46(2006.01)
(54)发明名称
基于全局拟合的活动轮廓SAR图像河流提取
方法
(57)摘要
本发明公开了一种基于全局拟合的活动轮
廓SAR图像河流提取方法，所述方法基于加权全
局拟合图像和Log函数，首先构建新的全局拟合
图像，以降低模型的复杂程度；然后在新的全局
拟合图像中，引入曲线内外区域像素灰度的类内
方差作为曲线内外区域拟合中心的权值，自适应
地调节其比例系数；接着利用上述加权全局拟合
图像和Log函数建立模型的能量泛函；最后将模
型中的Dirac函数替换为边缘指示函数，加速曲
线运动到目标边缘。
本发明能有效降低SAR图像
中干扰区域对河流区域提取的影响，实现河流区
域的快速、
准确提取。
权利要求书2页 说明书5页 附图6页CN 110020614 A 2019.07.16
C N 110020614
A
1.一种基于全局拟合的活动轮廓SAR图像河流提取方法，其特征在于：所述方法基于全局拟合图像和Log函数，并对全局模型进行加权，包括以下步骤：
(1)根据目标区域和背景区域的拟合中心以及二分段函数，构建新的全局拟合图像，以降低全局模型的复杂程度；
(2)计算目标区域和背景区域像素灰度的类内方差来加权目标区域和背景区域的拟合中心，自适应地调节其在曲线演化进程中的比例，建立加权全局拟合图像；
(3)基于加权全局拟合图像和Log函数构建新的全局模型能量泛函；
(4)在模型演化方程中引入边缘指示函数，加速曲线逼近目标的边缘，包括在模型中引入长度正则项和能量惩罚项以提高模型的稳定性。
2.根据权利要求1所述的一种基于全局拟合的活动轮廓SAR图像河流提取方法，其特征在于：所述步骤(1)中新的全局拟合图像的表达式为：
I NGFI (x)＝0.5·c 1+0.5·c 2
其中，I NGFI 表示新的全局拟合图像，c 1和c 2分别表示目标区域和背景区域的拟合中心，
计算表达式如下：
其中，I(x)表示图像中的像素值。
3.根据权利要求1所述的一种基于全局拟合的活动轮廓SAR图像河流提取方法，其特征在于：
所述步骤(2)中的曲线内外区域像素灰度的类内方差通过下式计算：
其中，Ω1和Ω2分别表示目标区域和背景区域，d 1和d 2分别表示目标区域和背景区域像素灰度的类内方差，N 1和N 2分别表示目标区域和背景区域内像素的数目；d 1和d 2表示加权目标区域和背景区域的拟合中心得到加权全局拟合图像，其表达式为：
I WNGFI (x)＝d 1·0.5·c 1+d 2·0.5·c 2
其中，I WNGFI 表示加权全局拟合图像。
4.根据权利要求1所述的一种基于全局拟合的活动轮廓SAR图像河流提取方法，其特征在于：
步骤(3)中所述模型能量泛函的计算表达式如下：其中，是Heaviside函数，可通过下式计算：
权 利 要 求 书1/2页2CN 110020614 A。