- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于形态学监督PCA-Net的不平衡学习自动SAR图像变化检测
摘要： 由于未变化类与变化类之间存在不平衡性，变化检测是一项极具挑战性的任务。此外，传统对数比生成的差异图易受斑点噪声影响，这将降低检测精度。本文提出一种基于主成分分析网络（PCA-Net）的不平衡学习变化检测方法，通过设计监督式PCA-Net直接从给定的多时相合成孔径雷达（SAR）图像中获取鲁棒特征，而非依赖差异图。为解决变化类与未变化类的不平衡问题，我们提出形态学监督学习方法，利用两类边界附近像素的知识来指导网络训练。最终提出的PCA-Net可通过含参考图的数据集进行训练，并应用于新数据集，在实际变化检测项目中具有显著实用性。我们在五组多时相SAR图像上验证了该方法，实验结果表明：借助边界训练样本的知识，所学特征能有效提升变化检测效果，使本方法优于随机抽样训练的监督方法。
关键词： 变化检测、不平衡学习、合成孔径雷达（SAR）图像、主成分分析网络（PCA-Net）
更新于2025-09-23 15:23:52
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 一种用于SAR目标构型识别的快速稀疏表示方法
摘要： 本文针对基于稀疏表示（SR）的识别算法实时实现问题，提出一种快速稀疏表示（FSR）算法以提高合成孔径雷达（SAR）目标构型识别的效率?？悸堑絊AR目标图像在小范围方位角内具有惯性方差特性，对每个构型的训练样本进行平均处理。FSR算法不采用SR中全部训练样本构建字典，而是利用平均样本构建字典。小规模字典加速了所提算法的运行速度。
关键词： 稀疏表示（SR）、合成孔径雷达（SAR）图像、目标构型识别
更新于2025-09-23 15:22:29
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 通过结合稀疏图与局部保持投影实现SAR目标构型识别
摘要： 合成孔径雷达（SAR）目标构型识别是一项具有挑战性的任务，其关键在于实现有效的特征提取。本文提出一种结合稀疏图与局部保持投影（LPP）优势的算法来实现SAR目标构型识别。该算法利用稀疏表示（SR）的优势构建亲和矩阵，从而实现对数据集的有效结构保持。此外，通过引入对角加载技术有效解决了LPP中的矩阵奇异问题?；谠硕途仓鼓勘昊袢∮胧侗穑∕STAR）数据库的实验结果验证了所提算法的有效性与优越性。
关键词： 合成孔径雷达（SAR）图像、稀疏表示（SR）、局部保持投影（LPP）、目标构型识别
更新于2025-09-23 15:21:21
-
[智能系统与计算进展] 智能计算技术最新研究成果 第709卷（第五届ICACNI 2017会议录，第3卷）|| 基于图像处理的海洋溢油检测与分析——降低提取复杂度的方法
摘要： 海洋中发生的溢油事故难以检测，需要采用精密手段获取并分析图像。本章通过分析高分辨率相机拍摄的彩色图像与合成孔径雷达（SAR）图像，获得若干有效成果以降低溢油提取的复杂度。利用图像处理技术对溢油图像进行识别与检测。此外，若溢油呈斑块状分散分布，算法将通过k均值聚类将其划分为小斑块与大斑块，从而能基于尺寸或强度更简易地提取这些斑块。
关键词： 图像处理，合成孔径雷达（SAR）图像，机器学习，K均值聚类
更新于2025-09-23 15:21:01