SAR图像处理与目标识别

１ ０ ５ ４ 清 华 大 学 学 报 （ 自 然 科 学 版） （ ） ２ ０ １ １， ５ １ ８ 征提取后 ， 送入分类器进行测试 ， 输出分类结果 。 原图像大 小 为 ５ 均值１ １ ２×５ １ ２ 像 素， ０． ８ ２，方 差７ ５． ３ ０，动态范围 ６ ４． ０ ７，等效视数 １． ５ ６，辐射分 辨率 ２． 目 标 分 割 后， 虽然目标的重心相对于原 ５ ６； 但 经 过 分 类 实 验， 始 ＭＳ ＴＡＲ 切片 中 心 有 所 偏 移 ， 图像中 ３ 类 ６ 个目 标 均 能 实 现 正 确 检 测 和 识 别 ， 充 分证实了本文方法的有效性 。 为了进一步测试算法在强噪声下的鲁棒性， 向 图像相 原始图像中加入 相 干 斑 噪 声 。 加 入 噪 声 后 ， 关参数 如 下 ：均 值 １ ０． ８ ３，方 差 ８ ５． ０ ４，动 态 范 围 ６ ５． ３ １，等 效 视 数 １． ３ ８，辐 射 分 辨 率 ２． ６ ７，峰 值 信 噪比 ３ 重 心 计 算， 目标 ８． ３ ８。 采用相同的目 标 检 测 、 ） ，分类结果显示 ， 图６ 图像中的 ６ 个目标 切片获取 （ 仍能正确检测和识 别 ， 进一步

１ ０ ５ ４ 清 华 大 学 学 报 （ 自 然 科 学 版） （ ） ２ ０ １ １， ５ １ ８ 征提取后 ， 送入分类器进行测试 ， 输出分类结果 。 原图像大 小 为 ５ 均值１ １ ２×５ １ ２ 像 素， ０． ８ ２，方 差７ ５． ３ ０，动态范围 ６ ４． ０ ７，等效视数 １． ５ ６，辐射分 辨率 ２． 目 标 分 割 后， 虽然目标的重心相对于原 ５ ６； 但 经 过 分 类 实 验， 始 ＭＳ ＴＡＲ 切片 中 心 有 所 偏 移 ， 图像中 ３ 类 ６ 个目 标 均 能 实 现 正 确 检 测 和 识 别 ， 充 分证实了本文方法的有效性 。 为了进一步测试算法在强噪声下的鲁棒性， 向 图像相 原始图像中加入 相 干 斑 噪 声 。 加 入 噪 声 后 ， 关参数 如 下 ：均 值 １ ０． ８ ３，方 差 ８ ５． ０ ４，动 态 范 围 ６ ５． ３ １，等 效 视 数 １． ３ ８，辐 射 分 辨 率 ２． ６ ７，峰 值 信 噪比 ３ 重 心 计 算， 目标 ８． ３ ８。 采用相同的目 标 检 测 、 ） ，分类结果显示 ， 图６ 图像中的 ６ 个目标 切片获取 （ 仍能正确检测和识 别 ， 进一步

SAR图像处理

班级：

学号： 姓名：

一：SAR图像概述：

SAR是一种可成像的雷达，它所用的雷达波段大约是300MHz到30GHz。比如一般用的波段是1~10GHz的合成孔径雷达，大气对这种波段的影响不大。也就是说如果天上有一个合成孔径雷达卫星，白天黑夜、大气的云雾雨雪等天气变化对雷达看到的结果影响甚微，可忽略不计。所以合成孔径雷达是一种全天时、全天候的雷达，它所成的图像就是SAR图像了。 SAR图像的场景和照相机拍出来的场景类似，只不过波段不同看到的事物也不一样。SAR都是斜视的，而光学的可以垂直照射。

二 SAR图像成像原理

雷达是通过发射微波，接收地面目标反射的回波来获得信息的一种主动微波遥感，而且主要采用侧视雷达。侧视雷达的工作原理是把天线安装在飞行器的侧面，在垂直于航线的一侧或两侧发射雷达波束，这个波束在航向上很窄，在距离向上很宽，覆盖了地面上一个很窄的条带，随着飞行器向前移动，不断地发射这样的波束，并接收相应的地面窄带上各种地物的回波信号。这样，雷达波束在目标区域上扫过，获得该地区的连续带状。平行于飞行航线的方向称为方位向，垂直于航线

题 目 基于质心追踪算法的低分辨率视野运动研究 关 键 词 二值化 膨胀和腐蚀 8邻域搜索 质心追踪 链码标记

摘 要

本文针对低分辨率下视野运动方向识别的问题进行了研究。在合理假设条件下，对图像进行预处理，将图像像素点坐标化，采用膨胀和腐蚀算法、质心追踪算法，建立了物体形态提取、参考形态区域质心追踪等模型，解决了题目中的问题。

首先，利用Matlab读取视频，将其以某一时间间隔进行单帧处理；任意读取相邻时刻的2帧图像，将其灰度化；然后对灰度图像进行增强和二值化处理，得出二值化图像，然后利用8邻域搜索法，去除图像孔洞；再采用膨胀和腐蚀算法，建立物体形态提取模型，提出去图像中所有的物体形态区域,同时标记所有形态区域；接着将像素点坐标化，计算所有形态区域的灰度质心位置、面积和周长；设定阀值，筛选出参考形态区域集合，建立图像形态区域匹配模型，将前后两帧图像特征进行对比，求出最佳参考形态区域；最后计算运动前后形态区域的质心坐标差，进而判断质心运动方向，反推出了视野区的运动方向。

随机拍摄一段短视频验证模型，以0.02s为时间间隔提取图像，在图像序列中随机选取两张图像，代入模型，程序在0.5s内判断出视

SAR图像sarscape详细处理过程

来自

SAR系统可以通过多种方式获得图像，如单通道或双通道模式（如HH、HH / HV或VV / VH)、干涉 (单轨或多轨)模式、极化模式(HH,HV,VH,VV)、干涉及极化组合采集模式，不同的获取模式对应了不同的处理方法，可分为以下四种：

? ? ? ?

ENVI-IDL技术殿堂的博客

雷达强度图像处理

雷达干涉测量（InSAR/DInSAR） 极化雷达处理（PolSAR） 极化雷达干涉测量（PoIInSAR）

本文介绍的是雷达强度图像的处理。 1 处理流程

如下图是利用SARscape雷达图像基本处理工具，基于不同雷达数据情况，执行雷达图像处理和应用的流程图。

单雷达图像处理与应用流程图

单一传感器，单一模式，多时相雷达图像处理与应用流程图

单/多传感器，多模式，多时相雷达图像处理与应用流程图

2 处理流程关键技术 下面介绍流程中相关技术。 (1) 聚焦处理

对雷达系统的RAW数据中每个点的反射绿利用经过优化的调焦算法实现数据快速聚焦处理，直接输出单视复数产品数据（SLC数据）。 (2) 多视处理

为了得到最高空间分辨率的SAR图像，SAR信号处理器使用完整的合成孔径和所有

东北大学硕士学位论文车辆运动图像的处理与识别

姓名：赵双双申请学位级别：硕士专业：车辆工程指导教师：宋桂秋

20040201

东北大学硕士学位论文

车辆运动图像的处理及识别

摘要

运动目标的检测与跟踪是应用视觉研究领域的一个重要课题。在现实生活中，大量的有意义的视觉信息包含在运动之中。尽管人类视觉既能看见运动又能看见静止的物体，但是在许多场合，比如说交通流量的监测、重要场所的保安、航空和军用飞行器的制导、汽车的自动驾驶或辅助驾驶等，我们往往对运动的物体更感兴趣。因此研究只对运动目标敏感的检测与跟踪系统是很有意义的。

本论文先对图像进行预处理，采用的ＬＵＭ滤波，它借助控制参数可

在噪声平滑化与保存图像细节之间得到一个良好的平衡，在车辆运动图

像处理中显示了很好的效果。还有小波包滤波，它在处理的过程中对低频部分和高频部分同时进行细分，处理的效果也很好。

本论文在边缘检测部分采用了ＣａｎｎＹ算子对车辆运动图像进行处理，因此可以完好的保存图像的边缘，并克服了其它算子在滤波后边缘的方向信息被丢失或边界一般较宽或对噪声敏感等缺陷。

本论文在研究车辆运动图像识别的过程中，根据交通目标移动的特

点引入了基于目标矩特征的识别方法，此组不变矩不受平移、旋转及大

小比例改变的影响，所以将其

1

訇出

虹膜图像处理与识别技术研究St y rs i age pr ud on ii m oce i g ss n and r ecognii ton

齐霁，孙光民Ql iSUN Gu n . n . J a g mi (北京工业大学电子信息与控制工程学院，北京 1 0 2 0 2) 0摘要：虹膜作为重要的身份鉴别特征，具有唯一性、稳定性、可采集性、非侵犯性等优点。据统计

目前虹膜识别的错误率在各种生物特征识别技术中是最低的。本文主要是通过对虹膜图像的预处理，纹理特征提取，编码及匹配达到对虹膜所有者的身份进行验证的目的。虹膜图像的预处理采用基于灰度差以及基于H u h o S变换的边界提取方法实现；然后用Ga o滤波器对虹膜 br图像进行纹理分析，提取图像的平均绝对偏差作为特征向量；最后用加权欧氏距离 ( D wE )对虹膜图像进行身份验证。此外，本文还使用B神经网络的方法对虹膜图像的特征进行分类 P识别。实验结果表明，这两种识别方法均达到了不错的识别效果。

关键词：虹膜识别；C n y a n算子；H u h o g变换；G b r a o"滤波中图分类号：T 3 1 P 9文献标识码：A 文章编号：1 0 - 14 21 )

1. 判断题（在题目后面的括号中填入T或F，分别代表正确或错误）。

(1) 灰度直方图是灰度级的函数，描述的是图像中具有该灰度级像素的个数，其纵坐标是灰度级，横坐标是该灰度出现的频率。（ F ）

(2) 中值滤波是一种线性滤波，它在实际应用中需要图像的统计特性。（ F ）

(3) 图像经频域变换后其特点是变换结果能量分布向高频成分方向集中，图像上的边缘、线条等信息在低频成分上得到反映。（ F ） (4) 观察直方图可以看出不适合的数字化。（ T ）

2. 单选题（每题只有一个选项是正确的） (1) 锐化（高通）滤波器的作用：A

A 能减弱或削除傅立叶空间的低频分量，但不影响高频分量。 B 能减弱或削除傅立叶空间的高频分量，但不影响低频分量。 C 对傅立叶空间的低、高频分量均有减弱或削除作用。 D 对傅立叶空间的低、高频分量均有增强作用。 (2) 下列说法不正确的是 C

A 点运算是对一副图像的灰度级进行变换。

B 线性点运算仅能拉伸或压缩直方图，以及使之左移或右移。 C 点运算可以改变图形内的空间关系。

D 点运算以预定的方式改变一幅图像的灰度直方图。 (3) 在所有颜色模型中，最常用于彩色图像的是： D

A GM

智能小车目标识别跟踪系统的实现

２００４年９月重庆大学学报

ＪｏｕｍａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉ哆

ｓｅｐ．２００４Ｖ０１．２７

Ｎｏ．９

第２７卷第９期

文章编号：１０００—５８２Ｘ（２００４）０９一００４５—０４

智能小车目标识别跟踪系统的实现’

蒙建波，虞建静，管金库

（重庆大学工业自动化仪表研究所，重庆４０００３０）

摘要：对目标识另Ｉ】与跟踪技术进行了分析，在此基础上结合智能小车目标跟踪系统的开发，详细讨论了特定目标跟踪系统的具体实现方法、数字图像处理在目标识别中的应用以及小车智能控制的软、硬件设计。该系统通过配置在智能小车上的摄像头，采用数字图像处理技术对特定目标进行识另１３，在目标运动过程中，通过单片机接收计算机发出的命令控制智能小车跟踪目标，在没有人为干预的情况下，能够自主运行，稳定地跟踪目标。该设计为生长机器智能系统提供了一个研究平台。

关键词：目标识剐与跟踪；智能控制；数字图像处理中图分类号：ＴＰ

２３

文献标识码：Ａ

是利用数字图像处理技术。通过数字图像处理技术可以对原始图像进行各种运算，例如二值化、图像格式转化、轮廓跟踪、边缘提取、数字滤波等。这些成熟的技术为目标识别提供了理论和实践基础，因此，图像识别技术在目标识别系统中应用最为广

1. 判断题（在题目后面的括号中填入T或F，分别代表正确或错误）。

(1) 灰度直方图是灰度级的函数，描述的是图像中具有该灰度级像素的个数，其纵坐标是灰度级，横坐标是该灰度出现的频率。（ F ）

(2) 中值滤波是一种线性滤波，它在实际应用中需要图像的统计特性。（ F ）

(3) 图像经频域变换后其特点是变换结果能量分布向高频成分方向集中，图像上的边缘、线条等信息在低频成分上得到反映。（ F ） (4) 观察直方图可以看出不适合的数字化。（ T ）

2. 单选题（每题只有一个选项是正确的） (1) 锐化（高通）滤波器的作用：A

A 能减弱或削除傅立叶空间的低频分量，但不影响高频分量。 B 能减弱或削除傅立叶空间的高频分量，但不影响低频分量。 C 对傅立叶空间的低、高频分量均有减弱或削除作用。 D 对傅立叶空间的低、高频分量均有增强作用。 (2) 下列说法不正确的是 C

A 点运算是对一副图像的灰度级进行变换。

B 线性点运算仅能拉伸或压缩直方图，以及使之左移或右移。 C 点运算可以改变图形内的空间关系。

D 点运算以预定的方式改变一幅图像的灰度直方图。 (3) 在所有颜色模型中，最常用于彩色图像的是： D

A GM