基于局部重要性采样的SAR图像纹理特征提取方法

作     者：何楚 尹莎 许连玉 廖紫纤 

作者机构：武汉大学电子信息学院信号处理实验室武汉430079 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2014年第40卷第2期

页      面：316-326页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：国家重点基础研究发展计划(973计划)(2013CB733404) 国家自然科学基金(41371342 61331016) 中国博士后基金 测绘遥感信息工程国家重点实验室专项科研经费资助~~ 

主　　题：纹理特征 合成孔径雷达 局部二进编码 重要性采样 

摘      要：合成孔径雷达(Synthetic aperture radar,SAR)图像因为相干斑现象和目标响应的空间变化呈现出一种纹理特性,局部二进编码等局部图像特征在光学纹理描述中获得较好的结果,但光学纹理特征在描述SAR图像纹理特性中因为相干成像特性往往失效.本文在前期工作纹理特征框架的基础上,提出了一种局部重要性采样二进编码的SAR图像纹理特征(Feature extraction based on local important sampling binary,LISBF)描述方法:首先,利用样本图像对局部采样位置进行随机自适应采样,基于重要性采样(Important sample,IS)方法输出递归学习位置结果;然后,利用学习出的纹理重要采样点对进行二进特征编码;最后,通过映射和统计生成描述算子.该特征较固定位置采样能够获取更大范围信息,同时能通过采样避免特征维数的急剧增大;通过自适应学习重要性关键点较随机采样更容易捕捉纹理固有信息;较好地适应了SAR图像极低信噪比和斑点现象的纹理.本文将该特征用于真实图像和标准纹理库的分类研究,实验结果证明了该特征的有效性.