一种基于时域分解的ISAR图像理解与处理方法

逆合成孔径雷达(ISAR)图像的自动理解是应用其进行自动目标识别(ATR)的基础。文中提出一种基于改进的自适应高斯表示(AGR)的ISAR图像理解与处理方法。该方法对目标ISAR图像中点散射与非点散射效应并存的现象给以有效的参数化的描述,进而消除非点散射在图像中造成的模糊展布,并提取到可用于目标识别的成像目标散射中心特征。基于飞机目标实测数据的实验验证了该方法的有效性。     

一种基于波程差补偿的InISAR图像配准方法

逆合成孔径雷达(ISAR)图像配准是干涉逆合成孔径雷达(InISAR)成像领域一个关键的课题,可以实现同一散射点在不同ISAR图像中的对齐,以便于后续的ISAR图像干涉处理。该文分析了ISAR图像失配准的原因,即散射点到不同天线之间的波程差,并据此提出一种基于波程差补偿的方法来实现不同天线ISAR图像之间的精确配准。首先通过调频傅里叶变换估计目标相对于雷达的转速;进一步根据波程差与目标转动角速度的关系构建补偿相位消除散射点到不同天线间的波程差,并通过2维傅里叶变换获得配准之后的ISAR图像。最后利用干涉处理获得目标真实的3维结构。该文方法可以在回波域通过波程差补偿实现ISAR图像配准,配准之后的各散射点在图像中的位置相同;而经过相关法配准之后的ISAR图像中的各散射点之间有一个像素单元的错位,即该方法的配准效果更精确。此外,基于相关法的图像配准方法耗时达到万秒级,而基于该方法的ISAR图像配准时间仅为秒级,即该方法计算效率更高。最终的InISAR 3维成像结果中,该方法的散射点坐标重构误差为0.3034,而基于相关法的成像结果的误差(45.8529)远大于此。因此,基于所提出方法的InISAR 3维成像结果精度更高。      

基于和差波束的三维ISAR成像技术

针对大带宽、高分辨的雷达信号,同一距离单元多个散射点复数叠加,导致传统基于一维距离像比幅测角的三维成像方法效果较差。提出了一种基于逆合成孔径雷达(ISAR)成像的三维成像方法,根据同一距离单元内多个散射点多普勒的不同,利用ISAR成像方法对多个散射点进行分离,在图像配准的前提下对和差信号ISAR像素点进行比幅法测角,最后,剔除角闪烁点及误差较大的散射点,对图像进行重构及合成得到三维ISAR像,同时完成目标定标。实测点目标及飞机目标的处理结果表明了本文方法较传统方法成像质量有较大改善,验证了方法的有效性及可行性。     

基于并行PO/EEC的ISAR回波生成与成像仿真

为了满足基于模板的逆合成孔径雷达（ISAR）目标识别对海量高分辨模板图像的工程需求,提出了一种基于并行电磁散射特性计算技术的ISAR图像信号级仿真方法。首先,以OpenMP技术为基础采用并行物理光学和等效边缘电磁流对目标的电磁散射特性进行快速计算;其次,以步进频率波形为雷达发射波形结合目标的电磁散射特性生成了宽带雷达回波数据;最后,对使用距离多普勒算法对仿真回波数据进行处理生成ISAR像,并与点阵模型成像结果进行了对比分析。实现了对ISAR图像的信号级快速仿真,对ISAR系统设计与验证、ISAR图像解译和目标识别以及ISAR成像处理等具有重要意义。     

幅度和相位估计的ISAR超分辨成像方法

传统距离多普勒(Range Doppler, RD)成像方法分辨率取决于发射信号的带宽和信号在方位向积累的多普勒带宽。超分辨成像可以在给定带宽条件下,获得比RD方法更优的分辨率。给出一种基于幅度和相位估计(Amplitude and Phase Estimation, APES)的逆合成孔径雷达(Inverse Synthetic Aperture Radar, ISAR)超分辨成像方法,该方法根据回波数据构造自适应滤波器对目标散射点进行重建,仿真和实测ISAR数据成像结果验证了基于APES的ISAR超分辨成像算法的有效性。相比其他超分辨成像方法,该方法重建的散射点幅度更为精确,副瓣更低,图像对比度和图像信噪比增加,整体成像效果较佳。     

基于雷达散射特性的高分辨率SAR图像自动目标识别

高分辨率SAR的迅速发展为自动目标识别提供了可能,为了克服存储海量模板带来的计算复杂性,发展基于模型的目标识别现已成为新的国际研究热点.先由目标的真实三维模型依据电磁波散射理论计算雷达散射截面(RCS),利用宽带合成孔径技术得出目标散射特性的空间分辨率图像,进而基于模拟图像实现目标的CFAR检测.最后利用我国机载高分辨率SAR图像对该方法进行实验,验证了本文提出的基于雷达散射特性目标识别的有效性.     

雷达目标三维特征的提取与识别研究

以逆合成孔径雷达(ISAR)成像技术和计算机视觉理论为基础，提出了一套新的从动态目标ISAR成像序列中提取目标散射点三维结构信息，以此作为目标特征的识别方法。这一研究方法包含了4个重要环节：动态目标的ISAR像序列的获得；“散射点像元”质心的检测、跟踪和匹配；基于光流分析的目标散射点三维结构特征的提取；目标三维特征的识别。由于经过了时间和空间上信息的积累，目标的散射点的三维结构特征具有稳定和直观的特点。作为一种新的目标识别的依据是很有效的，且只需要较少的训练样本就可以获得较高的识别率。     

基于GAN的ISAR图像语义分割方法

逆合成孔径雷达（ISAR）成像技术能够对空间目标进行远距离成像,刻画目标的外形、结构和尺寸等信息。ISAR图像语义分割能够获取目标的感兴趣区域,是ISAR图像解译的重要技术支撑,具有非常重要的研究价值。由于ISAR图像表征性较差,图像中散射点的不连续和强散射点存在的旁瓣效应使得人工精准标注十分困难,基于交叉熵损失的传统深度学习语义分割方法在语义标注不精准情况下无法保证分割性能的稳健。针对这一问题,提出了一种基于生成对抗网络（GAN）的ISAR图像语义分割方法,采用对抗学习思想学习ISAR图像分布到其语义分割图像分布的映射关系,同时通过构建分割图像的局部信息和全局信息来保证语义分割的精度。基于仿真卫星目标ISAR图像数据集的实验结果证明,本文方法能够取得较好的语义分割结果,且在语义标注不够精准的情况下模型更稳健。     

基于外场测试数据的机动目标ISAR数据产生方法

机动目标成像识别是ISAR领域研究的热点,通常用散射点模型仿真数据来研究机动目标成像.提出了基于外场测试数据的插值变采样机动目标数据产生方法,以匀加速运动模型为例,给出机动目标慢时间插值信号产生模型和傅里叶变换插值变采样算法,利用该方法可产生不同机动参数要求的机动目标ISAR数据.以仿真信号和外场实验数据插值处理为例对该方法进行了验证,给出了原始数据和插值数据的ISAR成像结果.该方法对研究非合作机动目标ISAR成像有很好的应用前景.     

基于ISAR像序列的目标三维重构

提出了一种把矩阵分解应用于雷达目标的逆合成孔径雷达成像(ISAR)三维重构的方法。通过对目标运动场景建模,将目标的ISAR成像过程化,推导出图像序列中散射点二维位置坐标与原目标三维坐标的投影矩阵关系,利用正交投影下的矩阵分解基本方法,从观测矩阵中分解出原目标散射点的三维位置矩阵,进而实现目标的三维位置重构,仿真结果验证了该方法的有效性。