项目名称: 全极化SAR遥感图像中相干斑滤波机理及方法研究

项目编号: No.41501362

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 天文学、地球科学

项目作者: 孙盛

作者单位: 广东工业大学

项目金额: 20万元

中文摘要: 相干斑滤波一直是全极化SAR遥感图像预处理的难点。传统方法大多仅能提高某一方面的滤波性能,并未统筹考虑空域细节信息和极化属性的保持,这将严重降低后期极化分解、分类、目标识别等处理算法的精度。本课题的主要工作包括:(1)通过分析相干斑滤波的内在机理,基于极化叉属性完成确定性的点散射目标的分离,提出对四分量模型的改进方案,并将其应用于分布式散射目标像素的初分类;(2)改进了非线性各向异性扩散滤波模型,在经过初分类的同质像素集合上完成迭代式的相干斑滤波。本课题的研究结果能够极大的提高全极化SAR遥感图像后期处理算法的精度,对于机载和星载平台下全极化SAR遥感图像的分析及应用具有重要的理论意义和实用价值。

中文关键词: 雷达遥感;图像增强;偏振遥感;相干斑滤波

英文摘要: Speckle filtering is always the difficulty of fully polarimetric SAR imagery processing. Most classic methods, which have not taken into full account the spatial and polarimetric properties, can only enhance the one aspect of performance. Thus the accuracy of decomposition and classification yield by these methods will decrease heavily. The primary mission of this proposal can be divided into two aspects. Firstly, the mechanism for speckle filtering will be examined firstly in this proposal. Then, the polarization fork will be used to discriminate point targets pixels. After a thorough survey about the current methods, a revised four-component decomposition method will be developed, which will be used to classify the homogeneous pixels into several category. Secondly, the nonlinear anisotropic diffusion model will be improved for the filtering of PolSAR imagery. This filtering procedure is an iterative processing schema, which objects are the homogeneous pixels exported in the last step. By the aid of this research program, the accuracy of decomposition and classification applied to fully polarimetric SAR imagery will increase. The research results will be beneficial to the analysis and application of remote-sensing images by airborne and spaceborne PolSAR system.

英文关键词: radar remote sensing;image enhancement;polarized remote sensing;speckle filtering

成为VIP会员查看完整内容
1

相关内容

基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
专知会员服务
26+阅读 · 2021年8月24日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
121+阅读 · 2021年4月29日
专知会员服务
69+阅读 · 2021年3月23日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
专知会员服务
77+阅读 · 2020年12月6日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
图像分割在医学影像中的应用
极市平台
2+阅读 · 2022年2月16日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
基于深度学习的小目标检测方法综述
专知
1+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
编辑推荐 | 红外弱小目标检测算法综述
中国图象图形学报
21+阅读 · 2020年10月12日
最全综述 | 图像目标检测
计算机视觉life
31+阅读 · 2019年6月24日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
SAR成像原理及图像鉴赏
无人机
21+阅读 · 2017年8月14日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
14+阅读 · 2021年3月10日
Arxiv
23+阅读 · 2018年10月1日
小贴士
相关VIP内容
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
专知会员服务
26+阅读 · 2021年8月24日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
121+阅读 · 2021年4月29日
专知会员服务
69+阅读 · 2021年3月23日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
专知会员服务
77+阅读 · 2020年12月6日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
图像分割在医学影像中的应用
极市平台
2+阅读 · 2022年2月16日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
基于深度学习的小目标检测方法综述
专知
1+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
编辑推荐 | 红外弱小目标检测算法综述
中国图象图形学报
21+阅读 · 2020年10月12日
最全综述 | 图像目标检测
计算机视觉life
31+阅读 · 2019年6月24日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
SAR成像原理及图像鉴赏
无人机
21+阅读 · 2017年8月14日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员