海面SAR时域回波信号可视化仿真计算

利用计算机来模拟合成孔径雷达回波信号是雷达系统仿真中重要的一部分。借助雷达目标的高频电磁散射特性,运用图形电磁计算方法,开发了可快速、有效地获取合成孔径雷达回波信号的方法,可为合成孔径雷达成像提供原始的雷达回波数据。以起浪海面为目标实例,利用海浪频谱构建海面的几何模型,针对此海面模型,运用高频散射机理,实时可视化地计算其电磁波回波场强以及模拟出时域回波信号。利用条带式合成孔径雷达成像方法,通过该回波信号仿真出海浪面的合成孔径图像,验证了该方法有效性。     

分型海面对极化电磁波散射的影响

海面粗糙度对电磁波极化信号有显著影响。应用分型二维海面模型模拟了海面的起伏形态,再通过极化散射矩阵﹑斯托克斯矩阵以及极化电磁波散射理论,对大量的散射海面进行模拟研究后得出,电磁波的角偏移只与受照射的雷达入射角相关,与海面的粗糙度及主浪波长均无关,进一步分析得出电磁波的偏心率仅在主浪波长改变的时刻改变。     

基于改进三分量模型的全极化SAR图像分类

基于改进三分量散射模型提出一种全极化合成孔径雷达（SAR）图像非监督分类方法。运用改进三分量分解模型解决体散射过高估计和负功率像素问题,提出类别重估步骤解决Wishart迭代聚类使聚类中心发生迁移的问题。首先对极化相干矩阵进行去定向操作,将各个像素的定向角旋转为0°;然后利用改进三分量分解模型将目标分解为平面散射、二次散射和体散射3种成分;接着利用3种散射功率计算功率散射熵,根据散射熵和3种散射成分的功率进行初步分类,利用Wishart迭代聚类优化分类结果;最后对Wishart聚类的结果进行类别重估,实现极化SAR图像的非监督分类。结果表明,本文算法的物理意义明确,分类结果易与实际地物相结合,测试区域的总体分类精度为98.6%,Kappa系数为0.973。     

极化比模型比较和选择的研究

极化比模型是使用HH极化SAR图像反演海面风场的关键问题.深入研究了现有的极化比模型,对其进行了比较分析.利用实测极化比,对各种极化比模型的性能,进行了统计评估.提出了不同入射角时、不同风速时极化比模型的最佳选择,其结论对实际应用具有指导意义.     

基于栅格化模型的SAR图像仿真方法研究

SAR图像仿真的研究对于SAR图像目标识别与解译研究具有重要意义。提出了一种基于栅格化模型生成回波的SAR图像仿真方法:将目标的三维模型映射到栅格平面中,运用射线跟踪原理,获取目标几何信息计算回波并成像处理获得仿真图像。该方法与传统方法相比,射线跟踪的计算复杂度不依赖于原始模型面元数目,提高了计算速度,同时,可以通过调节栅格化采样率实现不同的仿真精度,满足不同的应用需求。实验结果表明,通过该方法获得的仿真图像与真实图像匹配度高,该方法可以有效辅助SAR图像目标解译工作。     

基于相干矩阵的SAR极化对比增强研究

针对SAR极化对比增强问题,本文在传统的Lagrange乘子法的基础上,提出了一种基于极化相干矩阵(T矩阵)的新方法,并通过SAR数据实验,验证了其有效性和优越性.本文方法基于Pauli极化基,使极化匹配矢量元素对应于Pauli基元素所代表的地物散射机理,其元素模值大小反应了散射特性的强弱.实验结果表明,此方法可获得更优的极化匹配矢量、极化对比度及其极化对比增强图像效果.     

基于GPU的多模式SAR实时成像算法研究

合成孔径雷达（SAR）成像处理需要较大的计算量,在基于中央处理器（CPU ）平台开发的SAR成像系统上处理一般需要消耗很长时间,无法满足实时成像的要求。借助于计算统一设备架构（CUDA ）编程模型,基于图形处理器（GPU ）提出了一种适用于多模式SAR的实时成像方案。该方案通过数据分段处理技术解决了计算设备GPU显存容量不足的问题;通过分析成像处理任务的并行度,利用异步执行流处理技术减少数据处理对数据交互的等待时间;通过优化GPU内存访问机制并使用特殊函数单元（SFU ）减少计算时钟周期。同时,该方案能够支持多GPU设备的并行处理,充分利用了GPU设备的计算资源。在NVIDIA GT 740M和INTEL Q6600上的实验结果表明,该方案与传统的基于CPU的单线程SAR成像技术相比,有了近150倍的速度提升,大大提高了SAR成像处理的计算效率,具有很好的工程应用前景。     

改进的分形海面及其上方目标复合散射研究

采用改进的分形模型来模拟实际的粗糙海面,应用矩量法研究了一维改进的分形海面及其上方矩形截面导体柱复合电磁散射特征,得到了复合散射系数随散射角的变化曲线,讨论了海面风速、矩形截面柱尺寸、矩形截面柱中心高度以及入射波频率对复合散射系数的影响.结果表明海面风速对复合散射系数的影响明显,而矩形截面柱尺寸、矩形截面柱中心高度、入射波频率对复合散射系数的影响较小.     

海面与上方目标复合电磁散射的矩量法研究

采用Monte Carlo方法模拟了一维PM谱海面.运用矩量法研究了一维PM谱海面及其上方二维矩形截面导体柱的复合电磁散射特性,并将计算结果与FDTD结果进行了比对,验证了该算法的正确性。数值计算得到了复合散射系数随散射角的变化曲线,讨论了海面风速、矩形截面柱尺寸和倾角、矩形截面柱中心距离粗糙面的高度对复合散射系数的影响。结果表明,矩形截面柱参数对非镜向复合散射散射系数影响显著,而对镜向散射系数较小。     

SAR海面风场反演研究

本文对SAR(合成孔径雷达)海面风场反演进行了研究.首先介绍了SAR反演海面风场的物理机制,然后阐述了由雷达后向散射截面反演海面风场的模式函数,随后对最具代表性的CMOD4经验模式函数进行了仿真,得到了海面雷达后向散射系数在不同海面风速、风向、雷达入射角和极化条件下的变化关系.结果表明:海面雷达后向散射截面在不同程度上依赖于风速、风向、入射角和极化方式,这对将CMOD4模式实际应用于SAR海面风场反演有很大的指导作用.     

基于插值处理的散射介质中偏振成像实验研究

针对散射介质中光学成像质量受散射效应干扰的问题,基于Jaffe 成像模型,实验研究了基于插值处理的偏振成像降 噪方法,实现目标信号与后向散射噪声的有效分离。首先,利用退偏振特性建立信息插值处理与信号提取模型;其次,搭建偏 振成像实验光路结构进行验证,以脂肪乳溶液模拟散射环境,在偏振激光照明条件下获取散射场景的相互正交的偏振探测通 道图像;最后,对所获取偏振图像进行插值处理并利用信噪比参数评价其可靠性。实验结果表明,当脂肪乳溶液浓度依次为 0.1%、0.2%、0.3%与0.4%时,基于插值处理的偏振成像方法所对应图像的信噪比依次为112.5、9.165、13.82与11.88,能 够有效地抑制后向散射噪声对光学成像过程的影响。     

基于轻小型飞机的微型全极化SAR飞行试验研究

根据微型全极化SAR飞行试验取得的最新研究进展,简要介绍微型SAR载荷的技术指标和飞行平台的系统组成。在此基础上,重点介绍了微型SAR全极化飞行试验的航线规划、数据处理和成像结果。成像结果表明微型SAR全极化4个通道的地物目标清晰,聚焦效果和成像质量良好,分辨率经定标试验优于0.3 m。通过飞行试验验证了基于轻小型飞机的微型SAR系统的全极化遥感观测、数据获取和成像处理能力,达到了系统设计的预期目标,为基于微型SAR的全极化遥感观测在各个行业的应用奠定了坚实的基础。     

一种基于序列SAR图像的海浪对消方法

在高分辨率SAR海洋图像中,海浪是图像中最明显的纹理特征。当需要对海面上非海浪信息进行检测或者反演时,需要克服图像中的海浪杂波干扰。本文提出了一种海浪对消方法,它利用序列SAR图像间海浪条纹的差异与海浪的振动特性对海浪纹理进行抑制,不仅利用了图像的几何信息还利用了时变信息,能够选择性地抑制SAR图像中的海浪纹理,同时很好地保留海面上其他信息。本文还利用真实的机载SAR数据对算法进行了有效性验证。实验结果表明,该方法能够有效地抑制图像中的海浪纹理,同时很好地保留图像中的非海浪目标信息,比传统的仅利用空间信息的滤波方法效果更好。     

机载SAR海面舰船成像多普勒参数估计

本文详细分析舰船运动对SAR成像的影响,对运动引起的二次相位误差应用分块对比度最优自聚焦算法进行补偿;对运动引起的一次相位误差利用估计多普勒中心频率的方法进行估计;文中提出的多普勒中心频率估计方法在图像域进行,给出该方法严格的公式证明和算法流程。最后对实际机载SAR海面数据进行处理和分析,结果验证了该方法的有效性。     

基于FDTD的粗糙地面宽带前向电磁散射研究

采用指数型分布粗糙面模拟实际的粗糙地面,运用FDTD方法研究了超宽带高斯脉冲电磁波入射粗糙地面时的宽带前向电磁散射问题;通过数值计算得到前向散射系数随频率的变化曲线,并与时谐场源激励下的结果进行了对比;分析了不同的粗糙地面高度起伏相关长度、均方根高度,土壤湿度和入射角下前向散射系数随频率的变化关系,得到了指数型分布粗糙地面的宽带前向电磁散射特性。数值计算结果表明各参数的变化对前向电磁散射系数的影响比较明显,入射波不同极化方式下的前向散射系数也有显著变化。     

基于大气散射模型的偏振图像去雾算法

雾是1种常见的天气现象,由于大气中的水汽等对太阳光的散射作用会造成拍摄图像的对比度降低.在大气散射物理模型的基础上,提出1种可以轻松去除图像雾霾的方法.该算法首先利用偏振成像系统获取最好状态下和最差状态下的2幅图像,然后通过边缘检测和最佳正态分布搜索算法对天空区域进行分割,从而估算大气光强度和大气传递系数,最终实现图像...     

基于偏振信息图像增强的多目标检测

偏振是光的重要特性之一,偏振成像技术能够获取场景中目标的强度信息和偏振信息,偏振信息能够反映出目标物体表面的材质特征。本文针对雾霾天气状况下道路场景中常见目标识别结果的准确性要求,提出了两种基于偏振信息的图像增强方案。首先经过多次采集实验,经过数据清洗、图像标注构建偏振数据集,共4 649张图像和31 877个标签。针对雾霾轻度污染的场景,通过区域自动生长算法分割出偏振强度图像中的天空区域,根据天空区域的偏振度和偏振角信息以及大气物理散射模型反演出目标反射光,从而实现图像去雾。针对雾霾重度污染的场景,使用小波变换的方式对图像进行增强,利用偏振度图像来增强强度图像中的目标轮廓。使用图像灰度方差和图像信息熵作为图像质量评价指标,使用YOLO v5s深度学习网络进行目标检测。实验结果表明,雾霾轻度污染的情况下,图像质量和目标检测准确性均有所提升,图像信息熵提升了3.36%,灰度方差提升了40.27%,目标检测mAP达到了76.40%,提升了12.69%;雾霾重度污染的情况下,目标检测mAP提升约1.69%。