SAR图像识别:热核特征提升仿射与形变不变性

2 下载量 165 浏览量 更新于2024-08-26 收藏 1.03MB PDF 举报
"采用热核特征的SAR图像目标识别,旨在解决SAR图像在遭受相干斑噪声干扰和地震形变后识别率降低的问题。本文提出了一种新型的仿射、形变不变特征——热核特征,并将其应用于SAR图像目标识别。首先,使用推广的核模糊C-均值聚类算法对SAR图像进行分割,以提取目标的形状信息。接下来,对目标形状执行Delaunay三角剖分,并利用余切权重法离散化Laplace-Beltrami算子,计算出每个点的热核特征。然后,通过谱距离公式计算点与点之间的热核距离,将这些距离转化为距离分布,以此表征目标形状的热核特征。最后,采用L1相似性准则对图像进行相似性比较,从而得出识别结果。实验结果显示,相比于传统的Hu不变矩方法,这种方法在处理仿射变换和形变的SAR图像时,能获得更高的识别率,证明了基于热核特征的SAR图像识别方法的有效性。" SAR(Synthetic Aperture Radar)图像是一种利用雷达技术获取的遥感图像,不受光照条件限制,能够在各种天气条件下获取地表信息。然而,SAR图像常常受到相干斑噪声的干扰,这降低了图像的对比度,使得目标识别变得困难。此外,地震等自然灾害可能导致地表变形,进一步影响SAR图像的目标识别。 为了克服这些问题,研究人员引入了热核特征。这种特征具有仿射不变性和形变不变性,即在图像经历仿射变换或形变后,其特征仍然保持不变,从而提高了识别的稳定性。热核特征的提取过程包括多步:首先,使用核模糊C-均值聚类算法,这是一种改进的图像分割方法,能更好地处理非高斯噪声和复杂背景;接着,Delaunay三角剖分将目标形状划分为三角网格,便于后续处理;然后,通过Laplace-Beltrami算子离散化并结合余切权重,计算出各点的热核特征,此算子能够捕捉到目标表面的几何信息;最后,通过谱距离和L1相似性准则,比较不同图像的热核特征,以确定它们的相似度,进而实现目标识别。 实验结果验证了热核特征在SAR图像识别中的优越性,特别是在处理形变图像时,其识别率明显优于传统的Hu不变矩方法。Hu不变矩是基于图像的矩运算,尽管对旋转、缩放等有较好的不变性,但在面对形变时表现不足。因此,热核特征提供了更为鲁棒的识别手段,尤其适用于地震后的应急响应和灾害评估等领域。 基于热核特征的SAR图像目标识别方法是一种有效且适应性强的技术,对于改善SAR图像在复杂环境下的识别性能具有重要意义。这一方法的提出,不仅丰富了SAR图像处理的理论和技术,也为未来遥感图像分析和目标识别的研究提供了新的思路。