基于CSI-MD的地面动目标聚焦成像技术

对于合成孔径雷达(SAR)图像,地面静止场景中同时存在运动目标;由于其运动参数未知,动目标在SAR图像上呈现方位向偏移和散焦;而在高分辨条件下,运动目标更可能会存在跨距离单元徙动现象,从而影响运动目标的聚焦成像。文中结合多通道合成孔径雷达-地面动目标显示技术,提出了基于杂波抑制干涉(CSI)和子视图相关法(MD)的动目标聚焦成像技术。该方法结合多通道SAR图像信息,在CSI抑制杂波后进行动目标检测,根据动目标散焦范围挑出包含动目标的区域;然后,用MD算法估计动目标所在距离单元的方位调频率,重新设计方位匹配滤波函数,对该区域内散焦的运动目标聚焦成像。仿真数据和实测数据的处理结果均证明了该方法能较好地实现动目标的聚焦成像。     

基于SAR实测数据的舰船成像研究

该文基于机载SAR实测数据,对舰船目标成像进行了研究。SAR成像是针对静止目标,舰船目标表现在SAR图像上是散焦的。基于舰船目标的非合作性,可采用ISAR的方法对其进行成像处理,以得到高分辨的舰船图像。该文介绍了如何从SAR实测数据中提取出舰船目标的回波数据,并讨论了对舰船成像比较有效的ISAR运动补偿方法。最后给出了多艘典型舰船的清晰成像结果。该文提供了机载雷达SAR模式工作时对舰船成像的有效处理方法。     

一种舰船目标SAR图像的仿真方案

对舰船目标的合成孔径雷达（SAR）图像（复值）进行再处理,可以对舰船目标进行更精细的成像及轨道计算。开发这些算法需要大量的测试图像。但是由于实验条件的限制,这些图像的数目非常有限,因而研究舰船目标的SAR图像仿真就显得十分必要。提出了对舰船目标的SAR图像进行仿真的一种方案。首先通过仿真舰船目标的SAR成像过程以得到舰船目标的SAR图像,接着根据海杂波SAR图像的统计特性对海杂波的SAR图像进行仿真,最后将两者叠加以获得海面舰船目标的SAR图像。仿真结果显示了该方案的有效性。     

基于子孔径分解的SAR动目标检测方法

 运动目标在合成孔径雷达SAR(Synthetic Aperture Radar)图像中的成像会出现模糊,散焦等现象,并且会在方位向出现明显的偏移,这些会导致运动目标的目标杂波比TCR(Target-to-clutter Ratio)降低.本文在子孔径分解技术的基础上提出一种从单通道SAR单视复图像SLC(Single Look Complex)中检测动目标的方法,该方法通过子孔径图像之间的相减操作来抑制杂波,从而提高TCR.通过对机载CV-580数据和星载Envisat ASAR 数据进行测试,证明了该方法的有效性.     

宽幅SAR海上大型运动舰船目标数据集构建及识别性能分析

以TopSAR和ScanSAR成像模式为代表的宽幅合成孔径雷达(SAR)可以实现更大范围的海洋场景观测。但实现宽测绘带的同时降低了成像分辨率,因此宽幅SAR图像中的舰船目标缺乏清晰的结构特征,给大范围海上舰船目标识别带来了极大的挑战。同时,由于缺乏海上运动航母、两栖舰等大型关键目标的宽幅SAR样本数据,使得海上运动大型关键舰船目标识别更加困难。针对该问题,该文构建了宽幅SAR海上大型运动舰船目标数据集,共包含2291个大型舰船目标样本,类别划分为大型军事舰船,长度为≥250 m的大型民用舰船和长度为150～250 m的大型民用舰船。其构建过程为:首先,通过先验知识辅助获取港口区域大型军事舰船目标样本;其次,利用属性信息对OpenSARShip数据集进行长度筛选获取大型民用舰船目标样本;最后,在样本的距离-多普勒域添加二次相位误差进行运动仿真来模拟海上运动舰船目标的成像结果。此外,该文使用经典识别算法和深度学习方法对构建的数据集与运动仿真处理后的数据进行了识别性能分析,结果表明在低分辨率情况下采用SAR图像复数信息可以在一定程度上提高算法的识别率;并且运动舰船目标的散焦问题对识别准确率具有较大影响。      

一种改善SAR对舰船目标成像质量的新方法研究

常规合成孔径雷达(SAR)成像技术适用于静止场景目标成像,在对海上舰船等运动目标成像时,由于目标存在自身转动分量,使得积累时间内回波多普勒频率不为常数,导致常规成像处理后,目标出现散焦、分辨力下降的现象.通过分析存在平动、转动分量目标回波的多普勒频率特征,可以把SAR对舰船目标成像问题转化为稀疏信号表示问题,利用信号重构回波散射系数实现二维成像.将基于贝叶斯学习的稀疏信号表示用在SAR对舰船目标成像上,采用该方法处理实测数据可获得较清晰的目标像,通过与传统方法的比较验证了该方法的有效性.     

SAR图像中运动目标重聚焦改进的最小熵方法

合成孔径雷达(Synthetic Aperture Radar,SAR)利用回波多普勒(Doppler)频移生成高分辨率的SAR图像。高速运动的目标产生额外的多普勒频移,在SAR图像上会呈现出带有拖曳尾迹的散焦图像。最小熵方法是一种无参数的优化方法。该文以图像的信息熵为目标函数,对最小熵方法的优化算法进行了改进,加快该方法对于目标重聚焦的实现速度。该文中用模拟的飞行目标散焦图像进行最小熵优化实现重聚焦,为在SAR图像中快速识别模糊散焦的运动目标提供了一种应用方法。     

一种SAR图像舰船目标快速检测方法

基于SAR图像的舰船目标自动检测是海洋监视应用的重要方面,但随着SAR成像能力和图像分辨率的提高,传统的CFAR检测方法已不能满足舰船目标自动检测的要求。针对中高分辨率SAR图像中舰船目标自动检测问题,提出一种基于像素筛选G0分布的SAR图像舰船目标快速检测方法,该方法首先根据像素灰度值出现频率选取阈值对杂波像素进行筛选,然后通过抽样定理对图像进行降分辨率处理,最后再在经过像素筛选的降分辨率图像中实现基于G0分布的自适应CFAR检测。NASA/JPL AIR-SAR实测数据的实验结果表明,该方法不仅能有效减少中高分辨率SAR图像舰船目标自动检测的虚警,而且能显著提高检测效率。     

基于分数阶傅里叶变换的运动舰船聚焦算法

为解决合成孔径雷达(SAR)图像中运动舰船目标产生的散焦现象,结合对比度最大算法和分数阶傅里叶变换(FRFT)算法,提出了一种改进的对比度分数阶傅里叶变换(CFRFT)自聚焦算法.该算法利用分数阶傅里叶变换对已成像SAR图像进行时频域分析,根据旋转角分别利用参数模型和非参数模型对二阶相位误差和高阶相位误差进行补偿,和传统的相位梯度(PGA)法相比,图像分辨率和旁瓣比提升显著,可以更有效地补偿SAR中舰船运动产生的相位误差.对不同舰船和尾迹SAR图像实验表明,算法对二阶以上的相位误差具有较好的补偿效果,误差估计准确性高,适用范围广,解决了SAR运动舰船的散焦问题,提高了海洋舰船监测的准确性.     

基于压缩感知的双通道SAR地面运动目标检测方法研究

针对目前双通道SAR地面运动目标检测(GMTI)方法采样数据量过大的问题,该文提出一种基于压缩感知的双通道SAR运动目标检测方法。该方法首先沿方位向进行随机稀疏采样得到双通道原始回波数据,然后通过匹配滤波方法实现距离向聚焦,并利用压缩感知技术实现方位聚焦,最后运用传统相位中心偏置天线(DPCA)技术进行杂波抑制。通过公式推导从理论上分析了该算法利用双通道方位稀疏采样数据实现杂波抑制的可行性,同时详细分析了运动参数对目标成像的影响。仿真与实测数据实验表明该算法在方位向欠采样情况下仍具有良好的杂波抑制性能。     

SAR图像舰船目标检测的Gamma流形方法

目前基于统计特征的合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标检测方法,易受成像条件稳定性的影响而误差较大。针对这一问题,本文提出了一种基于Gamma流形的SAR图像舰船目标检测算法。通过Gamma分布族构建SAR图像二维统计流形,构造黎曼度量,借助切向量长度实现对SAR图像的显著性表示。最后利用分类算法,实现SAR图像舰船目标的检测过程。实验结果表明,该方法不仅能有效地检测出SAR图像感兴趣目标区域,而且对海杂波具有较好的鲁棒性。     

一种改进的SAR反投影图像相位梯度自聚焦方法

反投影(BP) 算法是一类经典的合成孔径雷达(SAR)成像处理方法。BP在已知航迹条件下可以实现数据的高精度聚焦。但是,BP重建图像中,运动误差导致的目标散焦通常沿着不同的方向存在,残留距离徙动不能严格限制在一个距离分辨率单元内,运动补偿困难。文中提出了一种修正投影栅格的子带宽相位梯度自聚焦(PGA)处理方案。其中,基于数据采集平面的非均匀栅格重建图像,完全去除了目标散焦方向的空变特性。然后,对子带宽分解的反投影数据进行PGA运动补偿并拼接得到全分辨率图像。最后,点目标仿真验证了该方法的有效性。     

机载雷达对多舰船目标的成像方法研究

机载雷达对江面（或海面）上的多舰船目标成像时,由于各个目标的运动特性不同,因此难以对各个目标同时成像。针对这一问题,提出了一种机载雷达对多舰船目标的SAR／ISAR混合成像方法。该方法首先对原始数据进行SAR成像处理,接着从SAR图像中提取、复原单个目标的回波信息,然后对单个目标进行ISAR成像。最后,用实测数据验证了该方法的有效性。     

基于DPCA-FrFT的机载三通道SAR-GMTI及成像方法

针对慢速运动目标在时域和频域上都落入主杂波区不易被检测的特点,提出一种三通道条件下机载合成孔径雷达地面动目标检测(SAR-GMTI)方法。采用相位中心偏置天线技术(DPCA)对消杂波,利用分数阶傅里叶变换(Fr FT)估计剩余的动目标参数,再构造方位压缩参考函数对场景成像。该方法充分利用三通道的信息余度,发挥DPCA稳健的杂波对消能力和Fr FT的良好能量聚焦性能,能够实现对包括径向加速度等在内的目标参数精确估计。实验仿真结果验证了本方法的有效性。     

二维匹配滤波实现多角度SAR成像

 多角度SAR图像能够更全面描述目标不同角度下的特征信息,对目标识别具有重要意义.实现多角度SAR成像需要解决两个问题,一是在多角度测量模式下,传统成像算法的远场条件不能满足,成像散焦严重;二是空间采样不连续使得基于傅里叶变换的成像算法产生很高的旁瓣.本文利用二维匹配滤波函数的聚焦功能实现多角度SAR成像.通过调整成像参考点位置构造二维匹配函数,然后将测量数据用匹配函数进行滤波.与传统SAR成像算法相比,本文提出的多角度SAR成像算法突破了空间采样必须均匀和连续的束缚,更具有普适性.实验结果表明本文算法不仅能够实现多角度SAR成像,提高成像分辨率,而且多角度SAR图像能够描述目标散射特征的空间变化.     

三孔径INSAR动目标检测和成像

本文研究了三孔径干涉合成孔径雷达地面动目标检测和成像处理技术,即应用三通道杂波抑制干涉对消地杂波后进行了地面目标检测,确定动目标的真实方位和径向地速并聚集成像处理。     

基于灰度相关性的SAR图像联合CFAR舰船检测算法

分析了中高分辨率SAR海洋图像的目标和海杂波特点,利用了SAR海洋图像中舰船目标的灰度相关性、形状特性以及舰船目标与背景杂波的信杂比特性,提出了一种基于灰度相关性的联合CFAR舰船检测算法。算法综合利用了舰船目标内部相邻像素间的灰度强相关性和舰船目标和海杂波的信杂比,建立了海杂波区域内相邻像素间灰度值的二维对数正态分布来实现联合CFAR检测。该算法能够改善斑点噪声和背景局部不均匀对检测带来的虚警,检测效果相比于传统检测算法更加优越。     

基于样本加权的三通道SAR-GMTI机载 数据处理及性能分析

 针对机载三通道雷达系统的杂波抑制问题,提出基于样本加权估计杂波相关矩阵的三通道联合动目标检测方法.基于广义内积值对像素矢量样本加权,三通道联合杂波抑制后检测出动目标位置,局部两两干涉实现动目标重定位和测速,最后进行了性能分析.所提方法无需设置样本选取门限,对图像配准精度仅要求在1个像素以内,样本加权后改善因子提高明显;3幅图像联合处理的性能优于2幅图像处理.机载实测数据处理结果验证了方法的有效性和稳健性.     

基于DPCA和多分辨分析的SAR微弱运动目标检测

图像域偏移相位中心天线(DPCA)方法可显著抑制双孔径合成孔径雷达(SAR)的静止杂波,但对消处理后的剩余杂波和噪声仍可严重影响微弱目标检测性能。该文提出采用二维多分辨分析在DPCA处理后图像域进一步抑制干扰,显著改善了SAR微弱运动目标的检测性能。数值仿真验证了新方法对杂波和噪声二种干扰成分的抑制性能。     

基于精细分割的SAR图像舰船目标几何结构特征提取

随着高分辨率星载合成孔径雷达（synthetic aperture radar,SAR）系统的研制和使用,利用SAR图像实现快速准确的舰船目标识别分类成为了海上目标侦察监视的重要手段.文中针对SAR舰船目标切片图像,提出一种基于精细分割的SAR图像舰船目标几何结构特征提取方法.首先,采用基于Radon变换的分割方法将舰船目标和成像干扰区域进行分离,对分离出的舰船目标切片进行阈值分割处理,并利用形态学手段处理分割图像,减小旁瓣影响,准确提取目标主区域;然后基于椭圆形状约束进行目标区域的细化分割,解决分割区域"毛刺"现象和区域断裂现象,得到舰船目标的最佳图像分割区域;最后,通过逼近目标区域获得其对应的最小外接矩形（minimum enclosing rectangle,MER）,进而实现目标区域几何结构特征的精确提取.通过对获取的高分三号卫星SAR图像数据进行仿真实验,证明了本文方法提取舰船目标几何结构特征的高准确性和强稳定性,对海上舰船目标的识别与分类具有重要意义.