逆合成孔径雷达图象的旁瓣清除技术

本文基于逆合成孔径雷达的原理,提出了新的图象旁瓣清除方法,设计了新的门限判别准则,并成功实现了模型飞机的成像。     

星载简缩极化SAR船舶目标检测技术研究

作为一种新兴的星载极化SAR系统,星载简缩极化（Compact Polarimetric）SAR能同时获取目标较丰富的极化信息和实现大幅宽观测,在海洋观测领域具有先天的优势。该文针对星载简缩极化SAR海上船舶目标检测应用,首先简要介绍了星载简缩极化SAR系统基本模式及发展,其次综述了典型的星载简缩极化SAR信息处理方法,在此基础上,重点分析比较了目前常用的星载简缩极化SAR船舶目标检测方法的特点,然后给出了作者研究小组在星载简缩极化SAR船舶目标检测方面的部分研究结果,最后分析展望了进一步研究方向。      

SAR图像组合降斑算法

SAR图像存在较强的相干斑点噪声,严重的影响了地物信息的提取与SAR图像的应用效果,作者在研究分析斑点噪声产生机理以及统计特性的基础上,提出了一种组合降斑重构算法,该算法与降斑重构性能优异的模拟退火算法降斑重构性能相当,但极大的减少了计算代价;与许多其它SAR降斑算法相比,组合降斑重构算法具有很好的降斑以及场景结构保持性能,并有较好的实用性.     

SAR图像组合分割算法

由于存在乘性斑点噪声的影响,给SAR图像分割造成很大困难,本文研究利用最大似然区域增长分割算法,提出区域增长前引入自适应边缘检测,图像分割性能获得较大提高.介绍了我们研究的分割性能优异的模拟退火分割算法,提出了分割性能接近模拟退火并且在SAR图像分割中比较实用的模拟退火和最大似然混合分割算法,并给出了这些分割算法的分割性能比较,以及在实际分割SAR图像时应当如何选择分割算法.     

SAR图像的自动分割方法研究

由于存在相干斑噪声的影响,给SAR图像分割造成很大的困难,该文提出了一种SAR图像的自动分割方法。首先在特征提取阶段,通过计算小波能量提取纹理信息,用邻域统计量提取灰度信息,用保边缘平均灰度提取边缘信息,以确保边缘准确。然后提出一种改进的完全无监督的聚类算法进行图像分割,该算法可以自动确定分割的类型数目。由于该方法充分考虑了SAR图像的纹理、灰度和边缘信息,因而极大地提高了其最终分割性能。实验结果证明了该方法的有效性。     

星载多极化合成孔径雷达波位设计研究

星载合成孔径雷达的波位设计是影响系统性能的重要部分,需要综合考虑距离模糊、方位模糊、噪声等效雷达截面等限制条件.文中对星载多极化合成孔径雷达时分工作方式的波位设计中涉及的问题进行了数学建模与分析,给出了详细的波位设计方法和流程,并对雷达卫星2全极化标准条带模式进行了实验仿真.仿真结果验证了该方法的有效性.     

一种改进的极化 SAR 自适应非负特征值分解

自适应非负特征值分解(ANNED)存在两个局限性,一是利用非负特征值分解(NNED)的搜索解法计算体散射功率,需要反复计算特征值,计算代价较高;二是 ANNED 的余项协方差矩阵可能存在负特征值,从而造成分解结果是无意义的.针对这两个局限性,该文提出了一种改进的 ANNED,首先通过计算 NNED 中余项协方差矩阵主子式的零点提出 NNED 的快速解法,该方法在用于提取 ANNED 的体散射功率时不需要反复计算特征值,从而提高了计算速度;其次该快速解法用于调整 ANNED 的散射功率以此解决余项协方差矩阵存在负特征值的问题;实验表明,改进的 ANNED 能明显增强城区的二面角散射功率,减少城区的体散射功率,并有助于提高分类精度.     

极化合成孔径雷达极化层次和系统工作方式

极化合成孔径雷达的极化层次和系统工作方式是极化合成孔径雷达总体设计的关键技术之一。该文讨论了极化合成孔径雷达的极化层次,含单极化、双极化、全极化和简缩极化合成孔径雷达,较深入地分析了极化合成孔径雷达系统的工作方式,包括极化时间分割、极化频率分割、极化编码和方位向极化空间分割等方式。      

合成孔径雷达中的二维自动增益控制

该文给出一种合成孔径雷达接收机自动增益控制(AGC)的方法,该方法对合成孔径雷达信号 进行二维平均,既保持了信号的原有特性,又提高了接收机的动态范围。与传统的自动增益控制方法相比,它能更好地消除短时间内的干扰以及保留合成孔径雷达图像中的对比度。该文在对二维AGC工作方式及时间参数选择进行阐述之后,给出了二维AGC的计算机仿真结果以及雷达实际使用AGC后获得的图像。     

合成孔径雷达干扰技术研究综述

合成孔径雷达(SAR)是一种全天候、全天时、具备高分辨率的成像设备,被广泛应用于对敌侦察,为战场决策提供及时可靠的情报支持。如何压制和扰乱SAR设备的成像侦察,实现对高价值目标和要地的有效防护,已成为当前电子对抗领域的研究热难点之一。该文探讨了SAR干扰的技术进展和发展趋势,首先详细梳理了SAR干扰技术的发展脉络,然后结合仿真实验对比分析了典型SAR干扰样式的优缺点,最后总结了现有SAR干扰技术存在的不足,并指出其未来发展趋势,可为专家学者提供一定的参考。      

全极化合成孔径雷达(SAR)高度信息检测技术

从全极化合成孔径雷达(SAR)二维图像数据中,经过极化综合计,利用快速搜索算法计算每一个图像像素的极化椭圆方向角ψ、△ψ,从而提取雷达方位向的地势倾斜度信息,形成极化SAR三维图像.本文在极化合成孔径雷达(SAR)三维成像快速搜索算法的基础上,提出由Stokes矢量推导的极化椭圆方向角解模糊算法,并利用美国NASA1994年SIR-C采集的真实全极化合成孔径(SAR)二维图像数据,经计算机处理得到了极化合成孔径(SAR)三维成像结果.     

极化合成孔径雷达图像目标定向角

定向角是极化合成孔径雷达(SAR)图像目标的一个重要参数,出于不同应用背景,定向角有多种定义方法。对8种不同定向角定义方法进行了比较,分析了其内在联系。得出Huynen方法和Schuler方法物理意义一致,前者适用于单视极化SAR数据,后者适用于多视情况。杨健方法、Cameron方法、Krogager方法和徐丰方法是等价的,适用于单视数据;Lee方法和安文韬方法等价,适用于多视数据。     

基于深度卷积神经网络和条件随机场模型的PolSAR图像地物分类方法

近年来,极化合成孔径雷达(PolSAR)图像地物分类得到了深入研究。传统的PolSAR图像地物分类方法采用的特征往往需要针对具体问题进行设计,特征表征性不强。因此,该文提出一种基于卷积神经网络(CNN)和条件随机场(CRF)模型的PolSAR图像地物分类方法。利用预训练好的实现图像分类任务的卷积神经网络模型(VGG-Net-16)提取表征能力更强的图像特征,再通过CRF模型对多特征及上下文信息的有效利用来实现图像的地物分类。实验结果表明,与3种利用传统经典特征的方法相比,该方法能够提取更有效的特征,取得了更高的总体分类精度和Kappa系数。      

基于Otsu和模糊核聚类算法的极化SAR图像分类

随着极化技术的发展,越来越多的高分辨率SAR图像出现,对其分类成为一个耗时的工作。针对该问题,提出了基于Otsu和模糊核聚类算法的极化SAR图像分类。将SAR图像分类分为两步,第一步借助Otsu法进行粗略分割,将图像转化为若干个区域;第二步利用模糊核聚类算法将第一步剩下的像素进一步分类。实验结果表明,该算法既可保持较高的分类精确度,又可保证较快的计算速度。     

无人机载毫米波合成孔径雷达技术

本文主要介绍了无人机毫米波成像雷达与微波雷达相比具有的技术特点，较详细地讨论了无人机毫米波成像的关键技术及实现方法。     

合成孔径雷达极化成像解译识别技术的进展与展望

极化合成孔径雷达(SAR)能够获取目标的全极化信息,在对地观测、灾害评估、侦察监视等民用和军用领域得到广泛应用。国内主要高校、中科院、工业部门和用户单位在该领域开展了卓有成效的工作,取得一大批标志性研究成果。该文简要综述了极化SAR成像解译识别领域的主要研究进展。在解译层面,主要介绍了极化目标分解和极化旋转域解译等理论方法的研究进展。在应用层面,结合研究团队的工作,探讨了上述理论方法在舰船检测、地物分类和建筑物损毁评估等领域的应用成效。最后,对极化SAR目标解译识别技术的研究进行了展望。      

复杂场景下的极化SAR图像机场跑道检测

提出一种基于极化分解分类与结构特征相结合的复杂场景全极化SAR图像机场跑道检测方法。首先利用先验信息粗选图像中各类样本目标进行H/α分解提取图像中各类训练样本,然后根据极化SAR图像的统计特性,利用贝叶斯分类器对图像进行分类,提取图像中机场跑道疑似区域,再结合机场跑道的五种结构特征用二叉树法进行判别,最终确定机场跑道区域。利用美国UAVSAR系统采集的多组全极化实测数据对算法进行实验,结果表明,该算法能够有效地检测出跑道,且检测的跑道结构完整,轮廓清晰,虚警率低。      

一种合成孔径雷达图像特征提取与目标识别的新方法

该文提出了一种利用小波域主成分分析和支持向量机进行的合成孔径雷达图像特征提取与目标识别的新方法。该方法对图像小波分解后提取低频子带图像的主成分分量作为目标的特征,利用支持向量机进行分类完成目标识别。实验结果表明,该方法可以明显提高目标的正确识别率,是一种有效的合成孔径雷达图像特征提取和目标识别方法。     

Data-Level Fusion of Multilook Inverse Synthetic Aperture Radar Images

Although techniques for resolution enhancement in single-aspect radar imaging have made rapid progress in recent years, it does not necessarily imply that such enhanced images will improve target identification or recognition. However, when multiple looks of the same target from different aspects are obtained, the available knowledge increases, allowing more useful target information to be extracted. Physics-based image fusion techniques can be developed by processing the raw data collected from multiple inverse synthetic aperture radar sensors, even if these individual images are at different resolutions. We derive an appropriate data fusion rule to generate a composite image containing enhanced target shape characteristics for improved target recognition. The rule maps multiple data sets collected by multiple radars with different system parameters on to the same spatial-frequency space. The composite image can be reconstructed using the inverse 2-D Fourier transform over the separated multiple integration areas. An algorithm called the Matrix Fourier Transform is proposed to realize such a complicated integral. This algorithm can be regarded as an exact interpolation such that there is no information loss caused by data fusion. The rotation centers need to be carefully selected to properly register the multiple images before performing the fusion. A comparison of the image attribute rating curve between the fused image and the spatially averaged images quantifies the improvement in the detected target features. The technique shows considerable improvement over a simple spatial averaging algorithm and thereby enhances target recognition.     

复杂SAR场景中机场跑道的提取

本文提出了一种从大幅SAR场景图像中提取机场跑道的方法。跑道是机场的最明显的特征,在图像上可抽象为相隔一定距离,具有一定长度的平行线对。算法首先检测图像边缘,然后连接成线段,从中搜索平行线对,最后进行验证。算法的特点在于连接线段时,通过将图像域中的线段转化成极坐标中的点,将线段连接问题转化为点的聚类问题,并利用贝叶斯估计原理构造相似性测度准则函数,利用区域生长聚类方法将断裂的但属于同一条直线的点聚集起来。实验结果表明,该算法能够从大幅SAR图像中提取机场跑道,具有重要的实际应用价值。