Please wait a minute...
img

官方微信

遥感技术与应用  2007, Vol. 22 Issue (6): 681-684    DOI: 10.11873/j.issn.1004-0323.2007.6.681
研究与应用     
水平集分割方法在合成孔径雷达图像目标识别中的应用
宦若虹1,2,杨汝良1,岳晋1,2
1. 中国科学院电子学研究所,北京100080; 2.中国科学院研究生院,北京100080
Target Recognition of Synthetic Aperture Radar Images Using Level-Set Segmentation Method
HUAN Ruo-hong1,2, YANG Ru-liang1, YUE Jin1,2
1. Institute of Electronics, Chinese Academy of Sciences, Beijing 100080,China;
2. Graduate School, Chinese Academy of Sciences, Beijing 100080,China
 全文: PDF(876 KB)  
摘要:

正确分割目标、提取目标的有效特征是合成孔径雷达图像目标识别中的一个关键问题。将水平集图像分割方法应用于合成孔径雷达图像目标识别,将目标图像中的目标区和阴影区从背景杂波中分割出来,其中目标区的形状作为目标的有效特征用于基于模板匹配的目标识别中。用MSTAR数据库中的3类目标的图像数据对该方法进行验证和分析,实验结果表明,在基于模板匹配的目标识别中,该分割方法可提取出有效的目标形状特征,实现目标的正确识别。

关键词: 水平集分割合成孔径雷达模板匹配目标识别    
Abstract:

Correct segmentation and effective feature extraction is a critical problem in target recognition of synthetic aperture radar images. In this paper, level-set method was applied in target recognition of synthetic aperture radar images. Target and shadow regions of each image were segmented from background clutter regions using level-set method. The shape of target region was used as significant feature in target recognition based on template matching. Image samples of three targets in MSTAR database are used to verify the method. The results show that using level-set segmentation and template matching can extract effective feature of target and achieve correct recognition of targets.

Key words: Level-set    Segmentation    Synthetic Aperture Radar (SAR)     Template matching         Recognition
收稿日期: 2006-12-21 出版日期: 2010-09-03
:  TN 957.52   
作者简介: 宦若虹(1979-),女,博士研究生,研究方向为合成孔径雷达图像处理、目标识别。
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  
宦若虹
杨汝良
岳晋

引用本文:

宦若虹, 杨汝良, 岳晋. 水平集分割方法在合成孔径雷达图像目标识别中的应用[J]. 遥感技术与应用, 2007, 22(6): 681-684.

HUAN Ruo-Hong, YANG Ru-Liang, YUE Jin. Target Recognition of Synthetic Aperture Radar Images Using Level-Set Segmentation Method. Remote Sensing Technology and Application, 2007, 22(6): 681-684.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2007.6.681        http://www.rsta.ac.cn/CN/Y2007/V22/I6/681

[1] Weisenseel R A, Karl W C,Castanon D A,etal. Markov Random Field Segmentation Methods for SAR Target Chips[A].Proc. SPIE[C].1999,3721:462-473.
[2] Osher S,Sethian J.Fronts Propagating with Curvature Dependent Speed:Algorithms Based on the Hamilton-Jacobi Formulations[J].Computational Physics,1988,79:12-49.
[3] Zhu F P,Tian J. Medical Image Segmentation Using Level Set and Watershed Transform[A].Proc. SPIE[C].2003,4958:294-302.
[4] Kim S. A Hybrid Level Set Approach for Efficient and Reliable Image Segmentation[A]. IEEE Conf. Signal Processing and Information Technology [C].2005,743-748.
[5] Ross T D,Worrall S W,Velten V J,etal. Standard SAR ATR Evaluation Experiments Using the MSTAR Public Release Data Set[A].Proc.SPIE[C],1998,3370:566-573.
[6] Zhang B, Zhang H, Wang C. Segmentation and Aspect Estimation in SAR Image of Target Chip[A]. Geoscience and Remote Sensing Symposium, IGARSS '05. Proceedings of IEEE International[C].2005,7(25-29):4737-4740.
[7] Nilubol C,Pham Q H. Translational and Rotational Invariant Hidden Markov Model for Automatic Target Recognition[A].Proc. SPIE[C].1998,3374:179-185.

[1] 施佩荣,陈永富,刘华,吴云华. 基于分割评价函数的多尺度分割参数的选择[J]. 遥感技术与应用, 2018, 33(4): 628-637.
[2] 王宁,陈方,于博. 基于形态学开运算的面向对象滑坡提取方法研究[J]. 遥感技术与应用, 2018, 33(3): 520-529.
[3] 程博,刘岳明,刘旭楠,王桂周,马肖肖. 基于多源特征融合的高分辨率遥感图像近海养殖区提取方法研究[J]. 遥感技术与应用, 2018, 33(2): 296-304.
[4] 闫鹏飞,明冬萍. 尺度自适应的高分辨率遥感影像分水岭分割方法[J]. 遥感技术与应用, 2018, 33(2): 321-330.
[5] 万玲,尤红建,程跃兵,卢晓军. 合成孔径雷达图像分割研究进展[J]. 遥感技术与应用, 2018, 33(1): 10-24.
[6] 熊伟,徐永力,姚力波,崔亚奇. 基于SVM的高分辨率SAR图像舰船目标检测算法[J]. 遥感技术与应用, 2018, 33(1): 119-127.
[7] 何艺,周小成,黄洪宇,许雪琴. 基于无人机遥感的亚热带森林林分株数提取[J]. 遥感技术与应用, 2018, 33(1): 168-176.
[8] 卜帆,石玉立. 机载LiDAR高差和高分影像的城市树冠提取比较[J]. 遥感技术与应用, 2017, 32(5): 875-882.
[9] 谢亚楠,周明亮,刘志坤. 合成孔径雷达反演降雨量算法的研究进展[J]. 遥感技术与应用, 2017, 32(4): 624-633.
[10] 李海英,温卫斌,王芳,付强,肖媛. 表层穿透雷达在月球与深空探测应用中的研究进展及趋势[J]. 遥感技术与应用, 2017, 32(4): 634-642.
[11] 王苏芸,孙中昶,郭华东,申维. 基于面向对象的东营市城乡建设用地信息提取[J]. 遥感技术与应用, 2017, 32(4): 780-786.
[12] 施佩荣,陈永富,刘华,吴云华,魏新,钟泽兵. 基于改进的面向对象遥感影像分类方法研究—以西藏米林县典型林区为例[J]. 遥感技术与应用, 2017, 32(3): 466-474.
[13] 姜萍,刘修国,陈启浩,邵芳芳. 利用多尺度SVM-CRF模型的极化SAR图像建筑物提取[J]. 遥感技术与应用, 2017, 32(3): 475-482.
[14] 张祥,陈报章,赵慧,汪磊. 基于时序Sentinel-1A数据的农田土壤水分变化检测分析[J]. 遥感技术与应用, 2017, 32(2): 338-345.
[15] 袁春琦,徐佳,程圆娥,陈媛媛,许康. 基于协同训练与集成学习的极化SAR图像半监督分类[J]. 遥感技术与应用, 2017, 32(2): 380-385.