高级搜索

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

高分辨率SAR图像机动目标纹理特征提取与分析

李禹 刘军 计科峰 粟毅

李禹, 刘军, 计科峰, 粟毅. 高分辨率SAR图像机动目标纹理特征提取与分析[J]. 电子与信息学报, 2008, 30(12): 2809-2812. doi: 10.3724/SP.J.1146.2007.01059
引用本文: 李禹, 刘军, 计科峰, 粟毅. 高分辨率SAR图像机动目标纹理特征提取与分析[J]. 电子与信息学报, 2008, 30(12): 2809-2812. doi: 10.3724/SP.J.1146.2007.01059
Li Yu, Liu Jun, Ji Ke-Feng, Su Yi. Texture Feature Extraction and Analyses for Mobile Targets in High-Resolution SAR Imagery[J]. Journal of Electronics and Information Technology, 2008, 30(12): 2809-2812. doi: 10.3724/SP.J.1146.2007.01059
Citation: Li Yu, Liu Jun, Ji Ke-Feng, Su Yi. Texture Feature Extraction and Analyses for Mobile Targets in High-Resolution SAR Imagery[J]. Journal of Electronics and Information Technology, 2008, 30(12): 2809-2812. doi: 10.3724/SP.J.1146.2007.01059

高分辨率SAR图像机动目标纹理特征提取与分析

doi: 10.3724/SP.J.1146.2007.01059

Texture Feature Extraction and Analyses for Mobile Targets in High-Resolution SAR Imagery

  • 摘要: 该文基于高频区目标散射中心理论分析了高分辨率SAR图像机动目标和自然地物后向散射特性的差异,探讨了两类目标纹理现象产生的机理,并在此基础上,分别基于局部统计量和分形模型提取机动目标的纹理特征,给出了鉴别特征优选方法。文中利用MSTAR的车辆目标实测数据检验了该文计算的纹理特征,给出纹理特征优选结果以及各纹理特征鉴别的性能,结果表明该文提取的纹理特征具有较好的鉴别性能,能消除大部分自然地物产生的虚警。
  • [1] Oliver C and Quegan S. Understanding Synthetic ApertureRadar Images. Boston, London, Artech House, 1998:277-296. [2] Lee C P and Randolph L M. Attributed scattering centersfor SAR ATR[J].IEEE Trans. on Image Processing.1997,6(1):79-91 [3] Gan Du and Tat Soon Yeo. A novel lacunarity estimationmethod applied to SAR image segmentation[J].IEEE Trans.on Geoscience and Remote Sensing.2002, 40(12):2687-2691 [4] Kreithen D E, Halversen S D, and Owirka G J.Discriminating targets from clutter. Lincoln LaboratoryJournal, 1993, 6(1): 25-52. [5] Novak L M, Halversen S D, and Owirka G J, et al.. Effectsof polarization and resolution on SAR ATR[J].IEEE Trans.on Aerospace and Electronic Systems.1997, 33(1):102-116 [6] Zhang Cui, Zou Tao, and Wang Zhengzhi. A targetdiscrimination algorithm for high resolution SAR imagery.IEEE Proceeding of International Conference on Robotics,Intelligent Systems and Signal Processing, Changsha,China, 2003: 863-867. [7] Myint Soe Win and Lam Nina. A study of lacunarity-basedtexture analysis approaches to improve urban imageclassification[J].Computers, Environment and Urban Systems.2005, 29(5):501-523 [8] Dong P. Test of a new lacunarity estimation method forimage texture analysis. International Journal of RemoteSensing, 2000, 21(17): 3369-3373.
  • 加载中
计量
  • 文章访问数:  3200
  • HTML全文浏览量:  42
  • PDF下载量:  1119
  • 被引次数: 0
出版历程
  • 收稿日期:  2007-06-29
  • 修回日期:  2007-12-31
  • 刊出日期:  2008-12-19

目录

    /

    返回文章
    返回

    官方微信,欢迎关注