彭祥龙[1]2003年在《基于马尔可夫随机场的SAR图像复原和分割》文中研究说明合成孔径雷达（SAR）能够对各种目标以很高的分辨率成像，而且几乎不受任何天气的影响，其应用愈来愈广泛。然而由于SAR系统的相干成像原理，相干斑大大影响了通用图像处理工具的处理效果。本课题的工作是SAR图像处理的一个子模块，包括两个内容：（1）图像复原、增强、边缘提取和分割四个方面的算法研究，重点是图像复原和分割。（2）用VC++实现上述算法。马尔可夫随机场能够很好地描述空间连续性，用适当的邻域系统，能对图像的结构特征建模；结合优化算法—模拟退火，可以获得满意的图像复原效果。将图像处理的另一个重要研究领域—数学形态学的方法，引入SAR图像处理。用流域变换作初始分割；用高斯马尔可夫随机场描述区域，并进行区域聚合，能够得到好的分割效果。本研究工作在国内首次将马尔可夫随机场、模拟退火以及流域变换等算法，联合用于SAR图像处理，并实现工程应用。而且，提出一个鉴别图像结构特征检测法，简单有效；图像复原算法方面，将J. Schou的方法,从极化SAR图像推广到一般SAR图像；分割算法方面，对梯度图像进行截尾修正，以减少初始分割区域数；用测地膨胀的方法，实现梯度图像的测地腐蚀重构。此外，还提出一个新的SAR数据量化显示方法。
赵磊[2]2009年在《基于改进型马尔可夫随机场的SAR图像分割新方法》文中研究表明本文研究了基于改进型马尔可夫随机场(MRF)模型的合成孔径雷达(SAR)图像分割新方法。MRF在SAR图像分割中有着广泛的应用,而SAR图像分割是SAR图像后处理的重要环节,因而对后续SAR图像识别的研究具有一定的实际意义。通过在传统的MRF的势能函数中引入图像邻域中各个像素的强度信息以及像素之间的距离信息,把特征场的强度信息和标记场的距离信息有效地结合,使得新的势能函数充分的利用SAR图像中空间上下文信息,从而得到了更好的分割效果。同时又引入了边缘惩罚项,使得边缘定位效果好,分割图像更加精确。因此本文给出了融合边缘信息的MRF的SAR图像分割新算法。实验结果表明,本文给出的方法在误分率以及边缘定位上较传统上使用条件迭代(ICM)以及模拟退火(SA)优化方法的MRF分割更具优势。将Gaussian-Hermite矩的不同阶矩作为SAR图像特征,利用自动获取阈值的方法进行初始化。然后,引入一个基于两成分权重参数的能量函数,有效地达到分割时区域标签成分和特征建模成分间的恰当平衡,利用最大后验概率(MAP)得到最终的分割结果。本文又提出了一种Gaussian-Hermite矩融合MRF的SAR图像无监督分割新方法。实验结果表明,本文方法不仅有效地抑制了斑点噪声,而且极大地减少了误分率,提高了分割精度。
彭祥龙, 张扬[3]2003年在《马尔可夫随机场在SAR图像处理中的应用》文中提出马尔可夫随机场 (MRF)可以很好地描述空间连续性 ,选择适当的邻域系统 ,能对图像的结构特征建模。利用以能量函数表示的联合概率分布 ,可以使用优化算法进行参数估计。高斯MRF能够准确、简洁地表示图像的纹理 ,而且具有线性特性 ,计算方便。本文回顾了在SAR图像处理中使用的MRF模型 ,详细说明了其中 2种在图像复原及分割中的应用。
孔莹莹, 周建江, 张焱[4]2010年在《基于Gibbs-Markov随机场与连通聚类的SAR图像恢复》文中研究表明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相关性,得到了更好的分割效果。仿真实验说明本文方法是有效的。
董刚刚[5]2012年在《基于马尔可夫随机场模型的SAR图像分割技术研究》文中提出分割是合成孔径雷达（Synthetic Aperture Radar，SAR）图像自动解译重要的预处理之一，分割质量的优劣直接影响后续目标解译的性能。目前，寻求精度高、分割结果与原始图像吻合好的图像分割方法是一个热点问题。基于马尔可夫随机场（Markov Random Field，MRF）模型的图像分割算法因其充分利用图像的上下文信息而受到广泛关注，但是该类算法存在计算量大、易陷入局部最优等缺陷。针对这一现状，本文就基于MRF模型的SAR图像分割，进行了深入的研究，论文主要工作包括以下几个方面：(1)综合考虑MRF模型与SAR图像的杂波统计模型，借助EM算法(ExpectationMaximization)实现统计分布参数的软估计和图像标记的软决策，从SAR目标切片图像的背景杂波中提出目标、阴影等感兴趣区域(Region of Interests，ROI)，为自动目标识别奠定基础。(2)针对经典的PM非线性扩散方程效率不高、方程的解不唯一等问题，在不降低算法去斑性能的前提下通过简化扩散系数减小计算量，并提出了新的扩散方程抑制相干斑的方法，详细推导它的数值实现。(3)对经典的MRF标记模型基团势函数进行了改进，使用图像局部统计量加权基团势能，合理地利用图像空间信息，提高边缘像素的分割正确率。(4)将Dempster-Shafer（DS）证据理论引入MRF模型，定义了一种基于图像局部统计量的基本概率赋值，进行证据描述，提出了Markov邻域内的证据合并方法，进行像素级证据融合，根据合并后的证据进行标记的联合决策，改善图像分割质量。
张蕴灵[6]2017年在《基于单幅高分辨率星载SAR影像的交通灾害信息提取方法研究》文中研究表明遥感技术在突发性地质灾害的灾后应急救援中发挥着越来越重要的作用,然而,由于灾害发生区域在灾后常伴随有云雾、阴雨等天气,极大的影响了光学遥感影像发挥的作用。SAR影像具有穿透云层的特性,能够不受天气影响,对受灾区域进行观测。随着SAR影像分辨率不断提高,使得对于关键的交通灾害对象,类似于桥梁、机场、滑坡、堰塞湖、倒塌建筑区域等重要的交通相关受灾地物的监测成为可能,监测结果可为交通应急指挥部门等单位的辅助决策。近年,基于SAR影像对灾后信息提取成为研究的热点,其中大多基于震前震后影像,然而从实际应用角度出发,震前震后影像获取困难,提高针对单幅高分辨率SAR影像的交通灾害信息的提取水平,对于提升整个交通行业的灾后应急处置能力,有着重要的影响、价值和意义。本文针对实际应用中遇到的若干问题,将灾害监测目标根据几何特征(点、线、面)分成几类,利用TerraSAR和高分3号卫星数据,开展以下灾害目标信息提取工作:(1)针对SAR图像相干斑噪声严重的问题,研究一种自适应的SAR图像相干斑噪声抑制方法,基于支持向量回归(SVR)的非线性拟合,在图像的对数域中分析支持向量回归误差与噪声类型参数之间的关联性,使噪声抑制模型能够根据每幅图像自身不同的噪声分布进行滤波。(2)针对目前SAR图像分类算法中经常出现的“分类结果整体最优与局部最优”无法同时满足的难点,研究支持向量机(SVM)在灰度共生矩阵和Gabor滤波两种纹理特征空间下的SAR影像分类,再引入RGAC模型,获得能够兼顾全局最优与局部精度的SAR图像分类方法。(3)针对交通灾害信息提取的应用需求及目前灾后应急工作中存在的困难,以2阶段RGAC模型影像分类算法为基础,结合不同地物几何、结构特点,开展枢纽节点类(包括桥梁、机场)、面状区域类(包括滑坡体、堰塞湖、倒塌建筑区)两大类目标的信息提取和分析工作,并对提取结果进行验证与精度评估。本文创新点总结如下:(1)在降噪阶段,提出一种能够根据SAR图像中相干斑噪声分布变化进行自适应调整的滤波算法。(2)图像分类阶段,提出一种改进的2阶段RGAC模型。通过引入机器视觉领域的RGAC模型,针对SAR影像改善其模型的初值与分类器,提高SAR图像的分类精度,尤其是分类边界上的提取精度。(3)特征提取阶段,结合SAR图像的散射特征、待提取目标的几何特征以及改进后的RGAC分类算法,在单幅高分辨率星载SAR图像中展开了多个具有重要实际应用价值的目标提取,取得了较好的提取结果。(4)数据源方面,除了使用TerraSAR卫星数据,还用到了高分3号卫星数据。
宫左晓东[7]2012年在《基于马尔可夫随机场的图像恢复和增强》文中认为图像信息,以其所具有的信息量大、方便于直接进行应用分析等特点,越来越多的被应用于军事、工业等多个领域当中。而在实际应用当中,由于设备、天气、自然条件等因素的影响,导致所直接获取的图像信息往往会受到噪声、模糊等失真情况的干扰,继而影响到对采集到的图像信息进一步的分析以及应用,因此,如何对直接获得的图像信息进行处理就成为了一个具有现实意义的课题。从技术上讲,对拍摄图像进行清晰化处理主要分为以下两个步骤：图像恢复和图像增强。图像处理技术经过多年的发展,到21世纪的今天,对图像进行恢复和增强的手段已经有了许多成熟的传统技术,其中包括滤波恢复、小波增强等。而马尔可夫随机场理论是上世纪70年代继马尔可夫性质被人们所普遍研究后所提出的,而经过近年来研究及应用,马尔可夫随机场已经被广泛应用于图像分割、图像去噪方向,而在图像增强中的应用仍不成熟,因此本文主要的目标就是将马尔可夫随机场应用于图像恢复与增强方面,进而对其方法进行一定的改进。在本文中,首先对马尔可夫随机场(MRF)理论及模型进行了介绍,随即对如何求解MRF模型进行了详细的分析。在此理论基础上,本文将MRF应用于图像恢复方面,提出了改进基于GMRF模型的图像恢复算法,并且将此算法分别与传统算法、模拟退火算法进行比较,得出该算法比传统算法有更好的性能,比基于MRF的模拟退火算法具有更好的收敛效果。然后本文将MRF模型应用于图像增强方面,提出了基于DAMRF模型的图像增强算法,通过实验,可以看出该算法比传统算法具有更好的边缘增强的效果。而传统算法会使得噪声及模糊效果得到增强使得图像效果变差,本文算法不会使得噪声得到增强而影响图像整体效果。从得到结果可以看出本文算法比传统算法具有更好的视觉以及测试效果,但是在对比度以及细节增强方面仍有改进空间,最后对全文进行总结以及对马尔可夫随机场的发展前景进行展望。
邱大伟[8]2016年在《基于稀疏表示的图像超分辨率重建算法研究》文中进行了进一步梳理二十一世纪是信息化的时代,多媒体技术的广泛应用和数码设备的大范围普及是这个时代的特点之一,数字图像的获取、存储和转发是这个特点中不可或缺的一部分。但在实际应用中,由于受到图像采集设备等硬件设备、环境干扰和运动模糊等条件的限制,获取图像的清晰度达不到预期的效果。因此,有必要开发图像重建算法对实际中获取的低分辨率图像进行分辨率加强,这将对多媒体技术的发展具有重要意义。在众多的重建算法中,稀疏表示的超分辨率重建算法因为其独特的优势而备受关注,该算法是以信号稀疏表示理论作为指导思想,对于输入的单幅低分辨率图像,图像上的任何一个图像块都能利用事先训练好的低分辨率字典计算得到稀疏表示系数,然后利用高、低分辨率字典计算得到的稀疏表示系数的一致性原则,利用高分辨率字典得到高分辨率重建图像。本文以此为基础进行研究,对算法中存在的问题进行改进。首先,提出对图像特征提取过程的改进策略:改进一阶、二阶滤波算子,图像经过特征提取后计算出的稀疏表示系数的适用性增强,能够有效剔除无用信息,本文改进特征提取算子后得到图像的高频细节更加细腻,通过Matlab仿真验证,改进特征提取算子得到的复原图像的PSNR值较原始稀疏表示算法的复原结果提高0.1025 dB。其次,提出对重建算法初始估计的改进策略,本文考虑到图像边缘的方向性,采用边缘方向插值对图像进行初始插值放大,边缘方向插值充分利用高、低分辨率图像的几何对偶性,通过比较PSNR值,较原始算法提高0.2825 dB。再次,提出对原始算法重建过程中搜索窗口的改进策略,原始算法对图像四周像素并未进行稀疏复原算法处理,而采用的是双叁次插值,本文算法对图像四周边缘分别使用图像块为4×6、3×8、2×12、1×24的四个字典依次遍历一遍,保证所有像素点进行稀疏复原时像素点遍历的均衡性,实验结果表明,PSNR值较原始算法能够提高0.1830 dB。然后,对迭代反投影算法迭代结束标志的改进,为了有效控制其收敛性,本文采用相对误差作为迭代结束的标志,此改进策略较原始算法能够得到较好的收敛结果。最后,将本文改进算法应用到实际拍摄到的模糊车牌的复原上,重建结果表明能够复原出模糊车牌的号码。
佚名[9]2010年在《自动化技术、计算机技术》文中指出TP11 2010021966离散网络化群体系统一致性H∞控制/李向舜,方华京(华中科技大学控制科学与工程系)//应用科学学报.―2009,27(5).―525～531.针对网络化群体的一致性问题给出了状态反馈H∞控制器存在的条件。通过状态分解将系统状态进行适当的分解,在此基础上结合线性矩阵不等
倪翠, 关泽群, 王斌, 朱素娟[10]2011年在《对马尔可夫随机场特征级图像融合的改进》文中进行了进一步梳理提出了一种基于MAP的Markov随机场的图像融合方法。将感兴趣区特征的均值与方差作为马尔可夫随机场的概率参数,选取合适的模型,根据优化算法快速求得MAP解,完成图像初始标记过程,根据最大后验概率模型,对图像进行特征层融合。通过两组遥感图像的实验,证明MAP-MRF模型在遥感图像特征层融合中,具有较目前常用方法更好的效果。
参考文献：
[1]. 基于马尔可夫随机场的SAR图像复原和分割[D]. 彭祥龙. 电子科技大学. 2003
[2]. 基于改进型马尔可夫随机场的SAR图像分割新方法[D]. 赵磊. 西安电子科技大学. 2009
[3]. 马尔可夫随机场在SAR图像处理中的应用[J]. 彭祥龙, 张扬. 电讯技术. 2003
[4]. 基于Gibbs-Markov随机场与连通聚类的SAR图像恢复[J]. 孔莹莹, 周建江, 张焱. 航空学报. 2010
[5]. 基于马尔可夫随机场模型的SAR图像分割技术研究[D]. 董刚刚. 国防科学技术大学. 2012
[6]. 基于单幅高分辨率星载SAR影像的交通灾害信息提取方法研究[D]. 张蕴灵. 中国科学院大学(中国科学院遥感与数字地球研究所). 2017
[7]. 基于马尔可夫随机场的图像恢复和增强[D]. 宫左晓东. 武汉理工大学. 2012
[8]. 基于稀疏表示的图像超分辨率重建算法研究[D]. 邱大伟. 太原理工大学. 2016
[9]. 自动化技术、计算机技术[J]. 佚名. 中国无线电电子学文摘. 2010
[10]. 对马尔可夫随机场特征级图像融合的改进[J]. 倪翠, 关泽群, 王斌, 朱素娟. 计算机工程与应用. 2011
标签：武器工业与军事技术论文; 电信技术论文; 马尔可夫论文; 图像复原论文; sar论文; 图像分割论文; 特征提取论文; 图像融合论文; 马尔可夫模型论文; 随机算法论文; 图像分辨率论文; 边缘提取论文; 图像噪声论文; 算法论文;