极化SAR影像边缘检测综述

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (22): 1-5.

极化SAR影像边缘检测综述

邓少平1，2，张继贤2，李平湘1

1.武汉大学测绘遥感信息工程国家重点实验室，武汉 430079
2.中国测绘科学研究院，北京 100830

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-08-01 发布日期:2011-08-01

Review of edge detection from polarimetric SAR imagery

DENG Shaoping1，2，ZHANG Jixian2，LI Pingxiang1

1.State Key Lab for Information Engineering in Surveying，Mapping & Remote Sensing，Wuhan University，Wuhan 430079，China
2.Chinese Academy of Surveying and Mapping，Beijing 100830，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-08-01 Published:2011-08-01

摘要/Abstract

摘要： 极化合成孔径雷达（SAR）图像包含目标丰富的散射信息，在边缘检测中具有重大的潜力。对极化SAR影像边缘检测问题进行了系统的研究，从单极化SAR出发，分析了极化SAR边缘检测问题，对已有的方法进行了分类总结，重点介绍了极化SAR边缘检测的最新进展，指出了当前存在的问题，对极化SAR边缘检测的发展趋势进行了展望。

关键词: 图像, 雷达, 合成孔径雷达（SAR）, 极化SAR, 边缘检测, 恒虚警率（CFAR）

Abstract: Polarimetric SAR images include plenty of scattering mechanism information of targets，which are of important potential in edge detection.In this review，edge detection for polarimetric SAR images is studied systematically，the issues are analyzed which are in edge detection of SAR images along with single polarized images，the existing detectors are classified，the newest progress in polarimetric SAR edge detection is introduced and problems are pointed.In the end，conclusions are made and the possible future work is explained.

Key words: imagery, radar, Synthetic Aperture Radar（SAR）, polarimetric SAR, edge detection, Constant False Alarm Rate（CFAR）

邓少平1，2，张继贤2，李平湘1. 极化SAR影像边缘检测综述[J]. 计算机工程与应用, 2011, 47(22): 1-5.

DENG Shaoping1，2，ZHANG Jixian2，LI Pingxiang1. Review of edge detection from polarimetric SAR imagery[J]. Computer Engineering and Applications, 2011, 47(22): 1-5.

[1]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[2]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[3]	朱鉴，刘培钰，陈炳丰，蔡瑞初. 结合相似块匹配与最小值滤波的图像去雨[J]. 计算机工程与应用, 2021, 57(9): 191-198.
[4]	麻哲旭，杨峰，乔旭. 铁路路基病害智能检测方法[J]. 计算机工程与应用, 2021, 57(9): 272-278.
[5]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[6]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[7]	闫晓燊，高强，朱思萌，奚学程，赵万生. 亮度不均匀低质量图像中压印字符分割方法[J]. 计算机工程与应用, 2021, 57(8): 185-191.
[8]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[9]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[10]	张韩钰，吴志昊，徐勇，陈斌. 增强卷积神经网络的人脸篡改检测方法[J]. 计算机工程与应用, 2021, 57(8): 220-224.
[11]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[12]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[13]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[14]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[15]	李健，孙大松，张备伟. 结合双编码器与对抗训练的图像修复[J]. 计算机工程与应用, 2021, 57(7): 192-197.