太赫兹干涉成像是一种基于频谱域的成像方法, 通过对目标场景的频谱域信息采样重构目标图像, 避免了逐像素扫描, 所需的探测阵元数目少, 在图像获取速率和成像分辨率上具有发展潜力。研究了太赫兹干涉成像原理及其实现方法, 分析了成像分辨率和有效视场问题。通过仿真实验分析了目标场景中存在噪声对成像质量的影响, 表明干涉成像对目标噪声较为敏感。对安检应用场景的反射成像模式进行了分析, 证明了原理系统的适用性。仿真结果所得结论可为太赫兹干涉成像系统设计和实际应用提供理论依据和技术支持。

太赫兹干涉成像原理简单, 需要的探测单元少, 数据获取效率高, 在太赫兹成像应用中有很大发展潜力。研究了太赫兹干涉成像的原理, 并设计了用于仿真成像的原理性方案。通过仿真实验分析了成像频率、圆周阵列半径、阵元数目对成像质量的影响以及成像系统的频率带宽。结果表明: 在其他条件不变的情况下, 成像频率越高, 可有效成像要求的阵列半径越小; 增加阵元数目可提高成像质量, 但增加到一定数量后, 提高不明显; 均匀圆形阵列的有效成像带宽较宽。仿真结果所得到的结论为太赫兹干涉成像系统设计和实际应用提供了理论依据和技术支持。

针对SAR图像目标的精确分割问题,利用非下采样轮廓波变换(NSCT)和Gabor滤波器分别提取图像特征,然后采用脉冲耦合神经网络(PCNN)对目标区域进行增强,提出了一种分割算法.分别对图像进行NSCT分解和Gabor滤波,对NSCT域的高、低频子带系数构造一个特征图,对Gabor滤波的不同尺度构造对应的特征图,对所获取的各个特征图用PCNN进行目标增强,最后对增强的特征图进行合理合并与分割.利用MSTAR SAR数据库中各种干扰强度下的图像进行了实验,结果表明,相比于模糊C均值、马尔可夫随机场等常见的分割算法,所提出的算法分割结果更为准确,同时受噪声干扰更小.

传统的像素级变化检测对辐射校正及阈值选择要求较高，因而在实际应用中受到诸多限制。在分析多尺度分割的基础上，提出了一种目标级的变化检测方法。分别利用粗、细尺度对各时相遥感图像的融合图像进行面向对象分割，以获取不同尺寸的目标区域，构造目标的特征进行向量分析得到差异图，并定义变化信息的强度，再利用多值逻辑理论将粗、细尺度下的检测结果进行决策级融合。实验结果表明，与传统的像素级检测方法相比，该方法受辐射差异影响小，检测精度更高，且检测结果对变化强度的衡量准确，能对应于有一定物理意义的目标变化。

为实现 MSTAR图像无监督分割，并提高分割精度和计算效率，提出了一种基于 Gabor滤波增强的自适应阈值分割算法。首先利用多尺度、多方向的 Gabor滤波器组对待分割图像进行滤波处理，抑制目标、阴影和背景区域内部的斑噪起伏，同时增强区域间的差异性；在此基础上，通过对增强图像统计特性的分析，给出了灰度阈值计算形式，实现了 MSTAR图像的自适应分割。实验结果表明，本文算法对不同斑噪强度的 MSTAR图像均具有良好的处理效果，在分割精度、计算效率等方面优于传统的 OTSU，以及 FCM、MRF等分割方法。

针对 SAR图像的目标自动分割问题, 在分析非下采样轮廓波变换和脉冲耦合神经网络的基础上, 提出了一种基于非下采样轮廓波域特征图和 PCNN的 SAR图像目标分割算法。对 SAR图像经过 NSCT分解后的高、低频图像分别运用不同方式进行处理。对低频图用 PCNN进行分割以获取目标所在的区域, 对高频子带构造了特征图, 对特征图利用 PCNN进行分割以获取目标的精细结构。利用 MSTAR数据进行了仿真实验, 并与基于模糊 C均值的分割算法、基于马尔可夫随机场的分割算法进行了对比。实验结果表明, 所提出算法对 SAR图像目标的分割结果更为准确, 同时较其它算法具有更强的抗噪性能, 是一种有效可行的 SAR目标分割算法。

针对基于点特征的遥感图像自动配准算法中存在特征点分布不均匀的问题, 提出了一种基于 SIFT(尺度不变特征变换 )、Harris-Laplace(多尺度角点 )、MSER(最大稳定极值区域 )特征提取算法的多特征遥感影像配准方法。通过多特征与二次匹配, 极大的提高了匹配点数目；通过基于距离的筛选, 保证匹配点分布均匀合理；通过局部互信息精校正, 使匹配点精度更高, 最终达到高质量 (空间分布均衡, 匹配精度高 )自动配准目的。

针对目标监测分析中的SAR图像分割问题，构造了一种基于马尔可夫随机场(MRF)模型和形态学运算的处理方法。首先利用SAR图像邻域空间上的马尔可夫性以及像素灰度的高斯分布模型，以较少的迭代次数实现了SAR图像的初分割; 然后通过形态学运算进行处理，抑制干扰性分割，同时填充目标区域内部空洞，改善分割效果。实验结果显示，该方法可以较好地实现SAR图像目标区域的分割，且处理效率较高，利于实现SAR图像的快速有效分割。

针对TerraSAR-X图像中的斑点噪声抑制问题,分析了噪声的基本数学模型,并考察了经典处理方法,进而结合Kuan滤波的基本思想,给出了一种改进型梯度倒数加权(GIW)滤波算法,利用邻域像素和中心像素的灰度梯度倒数及其邻域统计信息构造滤波加权模板,然后通过卷积操作实现斑点噪声的抑制。对TerraSAR-X图像处理的结果表明该算法原理简单,实现方便,可有效抑制图像中的斑点噪声,同时具有优良的边缘细节保持能力,非常适合边缘提取、目标检测等后续处理。

合成孔径雷达(SAR)图像的斑点噪声使图像的解译能力明显降低,影响了SAR图像的应用,去除图像斑点噪声是SAR图像处理及应用的前提.去除的方法在图像域有很多,在频率域,也有基于FFT变换和小波变换的许多方法.文中根据沙漠地区的SAR图像的特点,对基于图像域和频率域的几种滤波方法进行了比较,提出了一种基于小波包变换的SAR图像斑点噪声去除方法,结果表明该方法既去除了斑点噪声,又保持了边缘特征信息.