利用边界链编码和HMM进行SAR图像阴影建模和分类

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用边界链编码和HMM进行SAR图像阴影建模和分类

杨露菁, 王德石, 李煜

文章导航 > 武汉大学学报 ● 信息科学版 > 2010 > 35(2): 215-218

杨露菁, 王德石, 李煜. 利用边界链编码和HMM进行SAR图像阴影建模和分类[J]. 武汉大学学报 ● 信息科学版, 2010, 35(2): 215-218.

引用本文:

杨露菁, 王德石, 李煜. 利用边界链编码和HMM进行SAR图像阴影建模和分类[J]. 武汉大学学报 ● 信息科学版, 2010, 35(2): 215-218.

YANG Lujing, WANG Deshi, LI Yu. A SAR Image Shadow Modeling and Classification Method Based on HMM and Chain Code[J]. Geomatics and Information Science of Wuhan University, 2010, 35(2): 215-218.

Citation:

YANG Lujing, WANG Deshi, LI Yu. A SAR Image Shadow Modeling and Classification Method Based on HMM and Chain Code[J]. Geomatics and Information Science of Wuhan University, 2010, 35(2): 215-218.

利用边界链编码和HMM进行SAR图像阴影建模和分类

¹海军工程大学电子工程学院,武汉市解放大道717号430033

基金项目: 国防预研基金资助项目(10103060103)；国家863计划资助项目(2007AA01Z309)

作者简介:
杨露菁,副教授,博士生,主要研究方向为信息融合和目标识别。

中图分类号: P237.3

A SAR Image Shadow Modeling and Classification Method Based on HMM and Chain Code

¹Naval University of Engineering,717 Jiefang Road,Wuhan 430033,China

Funds: 国防预研基金资助项目(10103060103)；国家863计划资助项目(2007AA01Z309)

摘要: 针对利用合成孔径雷达图像中的阴影信息进行目标识别的问题,提出了一种边界链编码和隐马尔可夫模型(HMM)相结合的合成孔径雷达图像目标识别方法。该方法利用链编码技术来描述SAR图像阴影边界的形状,可以很好地反映形状的特性,且计算上很有效;利用HMM统计建模方法对阴影边界的链编码进行建模和分类,从而实现SAR图像的自动目标识别。使用MSTAR数据库中的SAR图像数据对该方法进行了验证和分析,分类结果证明只利用阴影信息进行分类的可行性,且该方法可以有效地实现SAR图像的目标识别。
- SAR图像 /
- 目标识别 /
- 阴影建模 /
- 隐马尔可夫模型
Abstract: The utility of target shadows for automatic target recognition(ATR) in synthetic aperture radar(SAR) imagery is investigated.A method for synthetic aperture radar images target recognition using hidden Markov models and chain code is presented.Shadow shape of SAR image is described by chain code which flects shape characteristic well and computes effectively.The chain codes of target shadow are utilized for hidden Markov modeling.Targets are classified using HMM statistical model.Image samples of targets in MSTAR database are used to verify the method.The results show that the proposed method can enhance the target recognition rate evidently and is an effective method for synthetic aperture radar images target recognition.
- SAR image /
- target recognition /
- shadow modeling /
- hidden Markov model

[1]	沙宗尧, 王安, 汪辛夷. 利用道路网眼实现路网的增量式更新 . 武汉大学学报 ● 信息科学版, 2019, 44(8): 1107-1114. doi: 10.13203/j.whugis20170185
[2]	张晗, 倪维平, 严卫东, 边辉, 吴俊政, 李莎, 金骁. 利用分形和多尺度分析的中低分辨率SAR图像变化检测 . 武汉大学学报 ● 信息科学版, 2016, 41(5): 642-648. doi: 10.13203/j.whugis20140375
[3]	刘伟, 陈建宏, 曾阳帆, 赵拥军. 利用先验约束的SAR图像港口检测与鉴别 . 武汉大学学报 ● 信息科学版, 2016, 41(10): 1319-1325. doi: 10.13203/j.whugis20140794
[4]	郭际明, 黄长军, 喻小东, 陈元洪. 一种改进的二维经验模态分解SAR图像噪声抑制方法 . 武汉大学学报 ● 信息科学版, 2013, 38(12): 1445-1450.
[5]	杨露菁, 郝威, 王德石. 基于静态模型的多视角SAR图像目标识别方法 . 武汉大学学报 ● 信息科学版, 2012, 37(1): 26-30.
[6]	刘梦玲, 陈嘉宇, 孙洪. Joint Boost特征选择的SAR信息可视化技术研究 . 武汉大学学报 ● 信息科学版, 2012, 37(10): 1240-1243.
[7]	刘爱平, 刘忠, 付琨, 尤红建. 一种有效的高分辨率SAR目标特征提取与识别方法 . 武汉大学学报 ● 信息科学版, 2010, 35(8): 946-950.
[8]	杨露菁, 王德石, 李煜. 利用非线性各向异性扩散和EM的SAR图像分割技术 . 武汉大学学报 ● 信息科学版, 2009, 34(7): 805-808.
[9]	张震, 任远, 平西建, 康吉全. 基于图像质量评价量和隐马尔科夫模型的图像拼接检测 . 武汉大学学报 ● 信息科学版, 2008, 33(10): 1030-1033.
[10]	张浩, 蔡晋辉, 周泽魁. DS证据理论在SAR图像边缘检测中的应用 . 武汉大学学报 ● 信息科学版, 2008, 33(1): 105-108.
[11]	余瑞星, 朱冰, 张科, 吕梅柏. 基于小波的ICM不变特征在图像匹配识别中的应用 . 武汉大学学报 ● 信息科学版, 2008, 33(12): 1225-1228.
[12]	张静, 王国宏, 林雪原. 一种基于正则化方法的SAR图像边缘检测算法 . 武汉大学学报 ● 信息科学版, 2007, 32(10): 864-867.
[13]	王文波, 费浦生, 羿旭明, 张建国. 基于提升格式小波包变换的SAR图像去噪 . 武汉大学学报 ● 信息科学版, 2007, 32(7): 585-588.
[14]	汪闽, 骆剑承, 明冬萍. 高分辨率遥感影像上基于形状特征的船舶提取 . 武汉大学学报 ● 信息科学版, 2005, 30(8): 685-688.
[15]	尤红建, 丁赤彪, 向茂生. 机载高分辨率SAR图像直接对地定位原理及精度分析 . 武汉大学学报 ● 信息科学版, 2005, 30(8): 712-715.
[16]	曹永锋, 孙洪, 杨文, 徐新. 基于MPM准则的无监督SAR图像分割 . 武汉大学学报 ● 信息科学版, 2004, 29(9): 812-815,821.
[17]	潘励, 郑宏, 张祖勋, 张剑清. 集成高度和彩色纹理特征的影像目标模糊聚类识别方法 . 武汉大学学报 ● 信息科学版, 2004, 29(4): 311-314.
[18]	余农, 吴常泳. 基于形态学理论的自动目标识别技术——自适应BP学习算法 . 武汉大学学报 ● 信息科学版, 2003, 28(2): 219-223.
[19]	文贡坚, 李德仁, 叶芬. 从卫星遥感全色图像中自动提取城市目标 . 武汉大学学报 ● 信息科学版, 2003, 28(2): 212-218.
[20]	巫兆聪, 方圣辉. 基于分形理论的SAR图像边缘检测 . 武汉大学学报 ● 信息科学版, 2000, 25(4): 334-337.

WeChat

点击查看大图

计量

文章访问数: 843
HTML全文浏览量: 29
PDF下载量: 292
被引次数: 0

利用边界链编码和HMM进行SAR图像阴影建模和分类

¹海军工程大学电子工程学院,武汉市解放大道717号430033

基金项目: 国防预研基金资助项目(10103060103)；国家863计划资助项目(2007AA01Z309)

作者简介:
杨露菁,副教授,博士生,主要研究方向为信息融合和目标识别。

收稿日期: 2009-12-16
修回日期: 2009-12-16
刊出日期: 2010-02-05

中图分类号: P237.3

关键词:

隐马尔可夫模型

摘要: 针对利用合成孔径雷达图像中的阴影信息进行目标识别的问题,提出了一种边界链编码和隐马尔可夫模型(HMM)相结合的合成孔径雷达图像目标识别方法。该方法利用链编码技术来描述SAR图像阴影边界的形状,可以很好地反映形状的特性,且计算上很有效;利用HMM统计建模方法对阴影边界的链编码进行建模和分类,从而实现SAR图像的自动目标识别。使用MSTAR数据库中的SAR图像数据对该方法进行了验证和分析,分类结果证明只利用阴影信息进行分类的可行性,且该方法可以有效地实现SAR图像的目标识别。

English Abstract

杨露菁, 王德石, 李煜. 利用边界链编码和HMM进行SAR图像阴影建模和分类[J]. 武汉大学学报 ● 信息科学版, 2010, 35(2): 215-218.

引用本文:

杨露菁, 王德石, 李煜. 利用边界链编码和HMM进行SAR图像阴影建模和分类[J]. 武汉大学学报 ● 信息科学版, 2010, 35(2): 215-218.

YANG Lujing, WANG Deshi, LI Yu. A SAR Image Shadow Modeling and Classification Method Based on HMM and Chain Code[J]. Geomatics and Information Science of Wuhan University, 2010, 35(2): 215-218.

Citation:

YANG Lujing, WANG Deshi, LI Yu. A SAR Image Shadow Modeling and Classification Method Based on HMM and Chain Code[J]. Geomatics and Information Science of Wuhan University, 2010, 35(2): 215-218.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码