CN106485673A - 一种对海面sar图像的滤波方法 - Google Patents
一种对海面sar图像的滤波方法 Download PDFInfo
- Publication number
- CN106485673A CN106485673A CN201610831216.1A CN201610831216A CN106485673A CN 106485673 A CN106485673 A CN 106485673A CN 201610831216 A CN201610831216 A CN 201610831216A CN 106485673 A CN106485673 A CN 106485673A
- Authority
- CN
- China
- Prior art keywords
- meet condition
- image
- condition
- filter field
- meet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000000877 morphologic effect Effects 0.000 claims abstract description 5
- 235000013399 edible fruits Nutrition 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000003709 image segmentation Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 abstract description 5
- 238000005260 corrosion Methods 0.000 abstract description 5
- 239000003305 oil spill Substances 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 5
- 230000001427 coherent effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种对海面SAR图像的滤波方法,结合最大类间方差法和形态学滤波方法对海洋溢油的图像进行滤波;具体讲,通过最大类间方差法得到图像的二值图,再对二值图分别进行两次膨胀和两次腐蚀;利用腐蚀后二值图灰度值减去膨胀后图像的灰度值得到包含边界的局部区域二值图;最后,局部区域和原图像灰度进行内积,就可以把原图像进行简化,只剩下包含了溢油与疑似溢油边界的滤波区域,最后再通过滤波模板对滤波区域进行滤波。
Description
技术领域
本发明属于SAR图像处理技术领域,更为具体地讲,涉及一种对海面SAR图像的滤波方法。
背景技术
SAR相干斑抑制技术的研究一直是SAR成像处理与图像分析中的一个重要课题。相干斑是SAR图像本身固有的一种确定性的干涉现象,是由于地面分辨单元总是比雷达波的波长大的多,因此地面每个分辨单元可以看作由多个散射点组成。这些散射点到雷达接收机的距离不同,产生的回波相干叠加。由于每个散射中心的回波相位是随机的,因此总的回波信号的幅度和相位都是随机变化的。所以,一片本来比较均匀的地面区域,在SAR图像中却出现了灰度的剧烈变化,有的分辨单元呈亮点,有的分辨单元呈暗点。尽管相干斑是确定性的,其中还包含着所观测地物的一定信息,但是由于受到复杂的背景环境、不同极化方式、成像过程等因素的影响,特别是分辨率的因素,使得SAR图像中的相干斑呈现出较大差异,使得图像不能有效的反映地物的散射特性,严重影响了图像的质量。
目前,国内外SAR图像滤波器研究还缺乏针对特定环境、目标的滤波器设计研究,如针对海洋环境、沙漠环境、草原环境、冰雪环境、森林环境等比较单一背景下特定的滤波器设计。对于上述背景,在SAR图像有着不同的散射特性,相同目标在这些不同的环境背景下也将呈现出不同的散射特性,研究并掌握这些变化将对我们滤波器的设计有很大帮助。
海洋表面微波散射信号十分微弱,而且受SAR图像自身相干斑噪声影响,对海上溢油识别造成了很大的影响。目前的滤波器还没有针对特定环境,如海面环境而设计的特殊滤波器。海面微波散射信号微弱,采用均值、中值、Lee等滤波器反而会使图像的边缘模糊化,对溢油识别增加难度。而目前常用的小波滤波器对海面这种一致性较好的图像噪声抑制效果不是很理想。所以有必要研究针对海洋背景下,目标为溢油与疑似溢油时的特殊滤波器。由于溢油在海面上的微波散射信号微弱,导致溢油区域边界模糊,因此在滤波器设计时应较好的保留SAR图像边界信息。
发明内容
本发明的目的在于克服现有技术的不足,提供一种对海面SAR图像的滤波方法,以实现高精度滤波。。
为实现上述发明目的,本发明一种对海面SAR图像的滤波方法,其特征在于,包括以下步骤:
(1)、图像预处理
提取海面SAR图像,并处理成灰度图,得到原始灰度图像;
(2)、图像分割
通过最大类间方差法对原始灰度图像进行二值分割,得到二值图;
(3)、提取滤波区域
利用形态学滤波对二值图分别进行两次膨胀和两次腐蚀,再利用两次膨胀后的二值图的灰度值减去对应坐标下两次腐蚀后的二值图的灰度值,得到由滤波区域组成的二值图,最后,将滤波区域组成的二值图与原始灰度图像的对应像素点的灰度值进行内积,得到滤波区域;
(4)、对滤波区域进行滤波
(4.1)、利用3x3模板对滤波区域进行初次滤波;
设3x3模板的中心像素点m为目标像素点,3x3模板表示为
如果点m为滤波区域的边界像素点时,则点m的灰度值保持不变;
如果点m不为滤波区域的边界像素点时,3x3模板中各像素点的灰度值满足:
满足条件1:则m1=(a1+a2)/2;
或满足条件2:则m2=(b1+b2)/2;
或满足条件3:则m3=(c1+c2)/2;
或满足条件4:则m4=(d1+d2)/2;
或满足条件5:则m5=(a1+a2)/2;
或满足条件6:则m6=(b1+b2)/2;
或满足条件7:则m7=(c1+c2)/2;
或满足条件8:则m8=(d1+d2)/2;
其中,k和n为常数,且满足k<n;
最终,点m的灰度值为同时满足上述条件所有mi(i=1,2,…,8)之和的平均值,即其中,h1为满足上述条件的个数;
(4.2)、利用5x5的模板对初次滤波后的滤波区域进行第二次滤波;
设5x5模板的中心像素点m为目标像素点,5x5模板表示为:
如果点m与滤波区域的边界像素点的距离小于等于3个像素点,则点m的灰度值保持不变;
如果点m与滤波区域的边界距离大于3个像素点时,则5x5模板中各像素点的灰度值满足:
满足条件1:则m1=a2=(a1+a22)/2;
或满足条件2:则m2=b2=(b1+b22)/2;
或满足条件3:则m3=c2=(c1+c22)/2;
或满足条件4:则m4=d2=(d1+d22)/2;
或满足条件5:则m5=a1=(a11+a2)/2;
或满足条件6:则m6=b1=(b11+b2)/2;
或满足条件7:则m7=c1=(c11+c2)/2;
或满足条件8:则m8=d1=(d11+d2)/2;
或满足条件9:则m9=a2=(a1+a22)/2;
或满足条件10:则m10=b2=(b1+b22)/2;
或满足条件11:则m11=c2=(c1+c22)/2;
或满足条件12:则m12=d2=(d1+d22)/2;
或满足条件13:则m13=a1=(a11+a2)/2;
或满足条件14:则m14=b1=(b11+b2)/2;
或满足条件15:则m15=c1=(c11+c2)/2;
或满足条件16:则m16=d1=(d11+d2)/2;
其中,k和n为常数,且满足k<n;
最终,点m的灰度值为同时满足上述条件所有mj(j=1,2,…,16)之和的平均值,即其中,h2为满足上述条件的个数。
本发明的发明目的是这样实现的:
本发明一种对海面SAR图像的滤波方法,结合最大类间方差法和形态学滤波方法对海洋溢油的图像进行滤波;具体讲,通过最大类间方差法得到图像的二值图,再对二值图分别进行两次膨胀和两次腐蚀;利用腐蚀后二值图灰度值减去膨胀后图像的灰度值得到包含边界的局部区域二值图;最后,局部区域和原图像灰度进行内积,就可以把原图像进行简化,只剩下包含了溢油与疑似溢油边界的滤波区域,最后再通过滤波模板对滤波区域进行滤波。
同时,本发明一种对海面SAR图像的滤波方法还具有以下有益效果:
(1)、本发明根据海面的散射特性与溢油疑似溢油在海面背景下的散射特性来设计滤波器,再用设计好的3x3和5x5的滤波模板对滤波区域进行滤波,这样对图像噪声有效抑制,且简单易行;
(2)、采用区域分割将SAR图像分为含边界区域和不含边界区域,由于含边界区面积相对较小,而且含有真实边缘,因此提高滤波的针对性,提高了图像滤波后的边缘保持度。
附图说明
图1是本发明一种对海面SAR图像的滤波方法具体实施流程图;
图2是待处理原始图像;
图3是二维灰度直方图底座区域划分示意图;
图4是对图2进行最大类间方差法分割得到的二值图;
图5是对图3进行2次腐蚀后的图像;
图6是对图3进行2次膨胀后的图像;
图7是用腐蚀后图像上每个点灰度值减去膨胀后图像上对应点灰度值得到的局部二值图;
图8是利用局部二值图上每个点灰度值与原始图像上对应点灰度值进行相乘后得到的局部分割图;
图9是对局部分割图进行滤波后的图像。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
实施例
为了方便描述,先对具体实施方式中出现的相关专业术语进行说明:
SAR(Synthetic Aperture Radar):合成孔径雷达;
图1是本发明一种对海面SAR图像的滤波方法具体实施流程图。
在本实施例中,如图1所示,本发明一种对海面SAR图像的滤波方法,包括以下步骤:
S1、图像预处理
提取海面SAR图像,并处理成灰度图,得到原始灰度图像;在本实施例中,通过搭载C波段传感器的高分辨率商用雷达卫星RADARSAT-2获取的高分辨率SAR图像,主要对SAR图像进行辐射定标、地理编码以及滤波,即对图像进行辐射校正将像元与地物散射特性相联系起来;进行几何校正处理图像的几何畸变;进行滤波消除想干斑点噪声;得到如图2所示的待处理原始SAR图像。
S2、图像分割
通过最大类间方差法对原始灰度图像进行二值分割,得到二值图;
在本实施例中,采用最大类间方差法对原始灰度图像进行图像分割,将SAR图像中与后向散射系数相关的原始灰度值映射到0到255的整数范围内,建立二维灰度直方图,根据阈值将底座(灰度与邻域均值形成的二维平面)划分为4个区域。(s,t)为二维阈值,结合海面溢油SAR图像的特点,将灰度值小于s且邻域均值小于t的像素点归于目标;灰度值大于s且邻域均值大于t的像素点归于背景;其他情形归于噪声。
为了适应图像分割算法的需求,首先需要将SAR图像中与后向散射系数相关的原始灰度值映射到0到255的整数范围内,映射关系:
其中,Aij为原图中(i,j)处像素点的灰度值,Bij为该像素点映射到0~255时的灰度值,Amin和Amax分别为原图所有像素点中的最小、最大灰度值,round()为四舍五入取整符号。
传统的灰度直方图以灰度值为指标对各级像素点进行统计记数,在此基础上,增加像素点的n*n邻域(n一般取值3、5、7等)内的灰度均值作为新的一维,建立二维灰度直方图。二维灰度直方图底座(灰度与邻域均值形成的二维平面)上的数据分布绝大部分集中在其对角线附近。可根据阈值将底座划分为4个区域,如图3所示,其中,(s,t)为二维阈值,结合海面溢油SAR图像的特点,将灰度值小于s且邻域均值小于t的像素点归于目标;灰度值大于s且邻域均值大于t的像素点归于背景;其他情形归于噪声。这种划分将使二维灰度直方图上的绝大部分非0数据分布于目标和背景两大区域。
如果在一幅像素点总数为N的图像中,灰度值为i同时3*3邻域内均值为j的像素点个数为nij,那么这一类像素点出现的概率为:
pij=nij/N
当阈值为(s,t)时,目标区域和背景区域发生的概率分别为:
其中,pij为整幅SAR图像中灰度值为i同时邻域均值为j的像素点所占比例,下角标a代表目标区域、b代表背景区域。那么两区域对应的均值分别为:
图像的均值为:
由此可得,类间方差为:
d(s,t)=ωa[(μai-μi)2+(μaj-μj)2]+ωb[(μbi-μi)2+(μbj-μj)2]
使s和t的值分别遍历1到254,最优阈值(S,T)使d(S,T)在所有的d(s,t)中取得最大值,从而根据该最优阈值对SAR图像进行分割,得到图4所示的二值图。
S3、提取滤波区域
利用形态学滤波对二值图分别进行两次膨胀和两次腐蚀,目的是将图像进行放大和缩小。再利用两次膨胀后的二值图的灰度值减去对应坐标下两次腐蚀后的二值图的灰度值,得到由滤波区域二值图,使得需要滤波的区域面积大大减小。最后,将滤波区域二值图与原始灰度图像的对应像素点的灰度值进行内积,得到滤波区域;其中,对图4进行2次腐蚀后得到如图5所示的图像;对图4进行2次膨胀后得到如图6所示的图像;对图5上每个点灰度值减去图6上对应点灰度值得到图7所示的局部二值图;利用图7上每个点灰度值与原始图像上对应点灰度值进行相乘后得到如图8所示的局部分割图;
S4、对滤波区域进行滤波
S4.1、利用3x3模板对滤波区域进行初次滤波;
设3x3模板的中心像素点m为目标像素点,3x3模板表示为
如果点m为滤波区域的边界像素点时,则点m的灰度值保持不变;
如果点m不为滤波区域的边界像素点时,3x3模板中各像素点的灰度值满足:
满足条件1:则m1=(a1+a2)/2;
或满足条件2:则m2=(b1+b2)/2;
或满足条件3:则m3=(c1+c2)/2;
或满足条件4:则m4=(d1+d2)/2;
或满足条件5:则m5=(a1+a2)/2;
或满足条件6:则m6=(b1+b2)/2;
或满足条件7:则m7=(c1+c2)/2;
或满足条件8:则m8=(d1+d2)/2;
其中,k和n为常数,且满足k<n;
最终,点m的灰度值为同时满足上述条件所有mi(i=1,2,…,8)之和的平均值,即其中,h1为满足上述条件的个数;
S4.2、利用5x5的模板对初次滤波后的滤波区域进行第二次滤波;
设5x5模板的中心像素点m为目标像素点,5x5模板表示为:
如果点m与滤波区域的边界像素点的距离小于等于3个像素点,则点m的灰度值保持不变;
如果点m与滤波区域的边界距离大于3个像素点时,则5x5模板中各像素点的灰度值满足:
满足条件1:则m1=a2=(a1+a22)/2;
或满足条件2:则m2=b2=(b1+b22)/2;
或满足条件3:则m3=c2=(c1+c22)/2;
或满足条件4:则m4=d2=(d1+d22)/2;
或满足条件5:则m5=a1=(a11+a2)/2;
或满足条件6:则m6=b1=(b11+b2)/2;
或满足条件7:则m7=c1=(c11+c2)/2;
或满足条件8:则m8=d1=(d11+d2)/2;
或满足条件9:则m9=a2=(a1+a22)/2;
或满足条件10:则m10=b2=(b1+b22)/2;
或满足条件11:则m11=c2=(c1+c22)/2;
或满足条件12:则m12=d2=(d1+d22)/2;
或满足条件13:则m13=a1=(a11+a2)/2;
或满足条件14:则m14=b1=(b11+b2)/2;
或满足条件15:则m15=c1=(c11+c2)/2;
或满足条件16:则m16=d1=(d11+d2)/2;
其中,k和n为常数,且满足k<n;
最终,点m的灰度值为同时满足上述条件所有mj(j=1,2,…,16)之和的平均值,即其中,h2为满足上述条件的个数。
通过上述处理后,得到图9所示的滤波图像。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (1)
1.一种对海面SAR图像的滤波方法,其特征在于,包括以下步骤:
(1)、图像预处理
提取海面SAR图像,并处理成灰度图,得到原始灰度图像;
(2)、图像分割
通过最大类间方差法对原始灰度图像进行二值分割,得到二值图;
(3)、提取滤波区域
利用形态学滤波对二值图分别进行两次膨胀和两次腐蚀,再利用两次膨胀后的二值图的灰度值减去对应坐标下两次腐蚀后的二值图的灰度值,得到由滤波区域组成的二值图,最后后,将滤波区域组成的二值图与原始灰度图像的对应像素点的灰度值进行内积,得到滤波区域;
(4)、对滤波区域进行滤波
(4.1)、利用3x3模板对滤波区域进行初次滤波;
设3x3模板的中心像素点m为目标像素点,3x3模板表示为
如果点m为滤波区域的边界像素点时,则点m的灰度值保持不变;
如果点m不为滤波区域的边界像素点时,3x3模板中各像素点的灰度值满足:
满足条件1:则m1=(a1+a2)/2;
或满足条件2:则m2=(b1+b2)/2;
或满足条件3:则m3=(c1+c2)/2;
或满足条件4:则m4=(d1+d2)/2;
或满足条件5:则m5=(a1+a2)/2;
或满足条件6:则m6=(b1+b2)/2;
或满足条件7:则m7=(c1+c2)/2;
或满足条件8:则m8=(d1+d2)/2;
其中,k和n为常数,且满足k<n;
最终,点m的灰度值为同时满足上述条件所有mi(i=1,2,…,8)之和的平均值,即其中,h1为满足上述条件的个数;
(4.2)、利用5x5的模板对初次滤波后的滤波区域进行第一次滤波;
设5x5模板的中心像素点m为目标像素点,5x5模板表示为:
如果点m与滤波区域的边界像素点的距离小于等于3个像素点,则点m的灰度值保持不变;
如果点m与滤波区域的边界距离大于3个像素点时,则5x5模板中各像素点的灰度值满足:
满足条件1:则m1=a2=(a1+a22)/2;
或满足条件2:则m2=b2=(b1+b22)/2;
或满足条件3:则m3=c2=(c1+c22)/2;
或满足条件4:则m4=d2=(d1+d22)/2;
或满足条件5:则m5=a1=(a11+a2)/2;
或满足条件6:则m6=b1=(b11+b2)/2;
或满足条件7:则m7=c1=(c11+c2)/2;
或满足条件8:则m8=d1=(d11+d2)/2;
或满足条件9:则m9=a2=(a1+a22)/2;
或满足条件10:则m10=b2=(b1+b22)/2;
或满足条件11:则m11=c2=(c1+c22)/2;
或满足条件12:则m12=d2=(d1+d22)/2;
或满足条件13:则m13=a1=(a11+a2)/2;
或满足条件14:则m14=b1=(b11+b2)/2;
或满足条件15:则m15=c1=(c11+c2)/2;
或满足条件16:则m16=d1=(d11+d2)/2;
其中,k和n为常数,且满足k<n;
最终,点m的灰度值为同时满足上述条件所有mj(j=1,2,…,16)之和的平均值,即其中,h2为满足上述条件的个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610831216.1A CN106485673B (zh) | 2016-09-19 | 2016-09-19 | 一种对海面sar图像的滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610831216.1A CN106485673B (zh) | 2016-09-19 | 2016-09-19 | 一种对海面sar图像的滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106485673A true CN106485673A (zh) | 2017-03-08 |
CN106485673B CN106485673B (zh) | 2018-12-18 |
Family
ID=58267344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610831216.1A Expired - Fee Related CN106485673B (zh) | 2016-09-19 | 2016-09-19 | 一种对海面sar图像的滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106485673B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107230194A (zh) * | 2017-06-28 | 2017-10-03 | 佛山科学技术学院 | 一种基于对象点集的平滑滤波方法 |
CN107644414A (zh) * | 2017-08-27 | 2018-01-30 | 南京理工大学 | 一种基于恒定统计和拉东变换的海面尾迹检测方法 |
CN109002168A (zh) * | 2018-08-08 | 2018-12-14 | 尹彦勇 | 一种图片信息转化方法及*** |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113555737B (zh) * | 2021-09-17 | 2021-12-17 | 长沙泰科阳微电子有限公司 | 一种sar图像检测方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778627A (zh) * | 2014-01-02 | 2014-05-07 | 北京理工大学 | 一种基于sar图像的海域溢油检测方法 |
CN103824084A (zh) * | 2014-03-12 | 2014-05-28 | 西安电子科技大学 | 基于sdit和svm的极化sar图像分类方法 |
CN104331706A (zh) * | 2014-10-29 | 2015-02-04 | 西安电子科技大学 | 基于rbm和svm的极化sar图像分类 |
US20150356350A1 (en) * | 2014-06-05 | 2015-12-10 | Mohamad Mustafa Awad | unsupervised non-parametric multi-component image segmentation method |
CN105513085A (zh) * | 2016-01-13 | 2016-04-20 | 合肥工业大学 | 采用srgb-rmrf的sar海冰图像分割方法 |
-
2016
- 2016-09-19 CN CN201610831216.1A patent/CN106485673B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778627A (zh) * | 2014-01-02 | 2014-05-07 | 北京理工大学 | 一种基于sar图像的海域溢油检测方法 |
CN103824084A (zh) * | 2014-03-12 | 2014-05-28 | 西安电子科技大学 | 基于sdit和svm的极化sar图像分类方法 |
US20150356350A1 (en) * | 2014-06-05 | 2015-12-10 | Mohamad Mustafa Awad | unsupervised non-parametric multi-component image segmentation method |
CN104331706A (zh) * | 2014-10-29 | 2015-02-04 | 西安电子科技大学 | 基于rbm和svm的极化sar图像分类 |
CN105513085A (zh) * | 2016-01-13 | 2016-04-20 | 合肥工业大学 | 采用srgb-rmrf的sar海冰图像分割方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107230194A (zh) * | 2017-06-28 | 2017-10-03 | 佛山科学技术学院 | 一种基于对象点集的平滑滤波方法 |
CN107644414A (zh) * | 2017-08-27 | 2018-01-30 | 南京理工大学 | 一种基于恒定统计和拉东变换的海面尾迹检测方法 |
CN109002168A (zh) * | 2018-08-08 | 2018-12-14 | 尹彦勇 | 一种图片信息转化方法及*** |
CN109002168B (zh) * | 2018-08-08 | 2021-02-19 | 尹彦勇 | 一种图片信息转化方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN106485673B (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102254319B (zh) | 一种多层次分割的遥感影像变化检测方法 | |
CN108805835B (zh) | 基于截断统计特征的sar图像双边滤波方法 | |
Liu et al. | Iterative infrared ship target segmentation based on multiple features | |
CN106022288A (zh) | 基于sar图像的海洋溢油信息识别与提取方法 | |
CN101661611B (zh) | 基于贝叶斯非局部均值滤波器的实现方法 | |
CN107301661A (zh) | 基于边缘点特征的高分辨率遥感图像配准方法 | |
CN103473764B (zh) | 一种遥感影像目标变化检测方法 | |
CN106485673B (zh) | 一种对海面sar图像的滤波方法 | |
CN101727662A (zh) | Sar图像非局部均值去斑方法 | |
CN101833753A (zh) | 基于改进贝叶斯非局部均值滤波器的sar图像去斑方法 | |
CN113077514B (zh) | 一种sar图像船只弱尾迹增强与检测方法 | |
Nair et al. | Fuzzy logic-based automatic contrast enhancement of satellite images of ocean | |
CN107862271A (zh) | 一种舰船目标的检测方法 | |
Lazuardi et al. | Remote sensing for coral reef and seagrass cover mapping to support coastal management of small islands | |
CN103955934A (zh) | 一种结合图像显著性区域分割的图像模糊检测算法 | |
Aghababaee et al. | Contextual PolSAR image classification using fractal dimension and support vector machines | |
Vukadinov et al. | An algorithm for coastline extraction from satellite imagery | |
Zehtabian et al. | Adaptive restoration of multispectral datasets used for SVM classification | |
Zhang et al. | A novel saliency-driven oil tank detection method for synthetic aperture radar images | |
Liu et al. | An image impulsive noise denoising method based on salp swarm algorithm | |
Ikhwan et al. | Implementation of Modified Median Filtering Algorithm for Salt & Pepper Noise Reduction on Image | |
Sun et al. | Infrared small targets detection based on MRF model | |
Guo et al. | A threshold segmentation method for non-uniform illumination image based on brightness equalization | |
Hashim et al. | An approach for correcting inhomogeneous atmospheric effects in remote sensing images | |
Zulkifle et al. | Integrated NIR-HE based SPOT-5 image enhancement method for features preservation and edge detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181218 Termination date: 20210919 |