几何模型约束的SAR图像建筑物提取

利用高分辨率SAR图像进行建筑物提取的常规方法是首先利用二次散射特征线确定建筑物边界, 然后利用叠掩、阴影等散射特征来提取建筑物高度.当建筑物目标走向与星载SAR方位向夹角较大时, 其二次散射特征不明显, 常规重建方法不能取得理想结果.针对这类建筑物目标, 在分析SAR图像上的散射特征为平行四边形条带的基础上, 提出一种基于几何模型约束的建筑物自动提取与三维重建方法.将该方法应用于TerraSAR-X聚束模式图像, 并对提取结果进行了分析和评价, 表明该方法能够有效提取建筑物目标及其三维信息.     

一种SAR图像舰船目标旁瓣去除方法

SAR图像舰船目标的几何结构参数对于SAR图像舰船目标识别具有重要意义，然而由于实际获取的SAR图像中舰船存在旁瓣干扰，导致提取的舰船几何结构参数和真实值相距甚远。本文提出一种基于距离约束的SAR图像舰船目标旁瓣去除方法，提出方法首先基于矩技术对目标方位角进行估计；然后利用获取的方位角将目标旋转至水平方向并提取目标主轴；最后通过比较舰船两侧到主轴的最大距离和平均距离对目标图像进行迭代，实现目标旁瓣去除。基于弹载和星载SAR图像舰船目标切片数据的实验结果表明，提出的方法能够有效去除旁瓣杂波，进而有利于获取精确的舰船几何结构特征。     

高分辨率SAR图像舰船目标几何结构特征提取

随着SAR图像分辨率的提高,利用SAR图像进行舰船识别成为遥感卫星获取海洋情报的新途径。几何结构特征是对目标的直观描述,提取方法简单,成为对舰船目标进行初分类的重要依据。本文首先介绍了几种典型的几何结构特征及其计算方法,并分析了它们在舰船识别中的作用,然后介绍了一种基于方位角估计的几何结构特征提取方法:对图像进行预处理抑制旁瓣,利用矩技术估计方位角,旋转目标至水平状态,采用逐步逼近的方法获得最小外接矩形,进而提取其他几何结构特征。实验结果证明本文方法提取的几何结构特征准确度高,算法稳定性好。      

SAR图像目标峰值提取及稳定性分析

SAR图像峰值本质上对应于目标和(或)背景杂波的散射中心，本文研究了由SAR图像提取目标峰值的方法：分析了目标峰值随目标方位角和仰角的变化，结果表明，目标SAR图像峰值在一定的方位角和仰角变化范围内具有一定的“稳定性”。这说明，利用峰值特征进行SAR图像目标识别是可行的。     

利用极化方位角特征的高分辨极化SAR目标增强研究

针对高分辨极化SAR目标增强问题,提出一种利用极化方位角特征的增强方法.首先,利用圆极化法提取极化SAR图像像素点的极化方位角特征;其次,通过"方位角归零化"获得像素点在零度极化方位角下的散射矩阵值.对比归零化前、后目标及杂波区域内部像素点极化特性聚集程度的差异,阐述了利用极化方位角特征进行目标增强的原理;再次,统计获得目标及杂波区域的平均极化特性,采用非线性最优化方法实现了目标增强;最后,基于ADTS全极化SAR实测数据验证了本文方法具有优良的目标增强性能.     

一种利用方位角信息基于峰值匹配的SAR图像目标分类方法

本文研究了基于峰值匹配的SAR图像目标分类问题,给出了一种利用方位角信息基于峰值匹配的SAR图像目标分类方法.该方法先对输入待分类SAR图像进行目标峰值提取,再基于提取的峰值进行目标方位角估计,然后根据该估计及其置信区间由模板SAR图像数据库检索出方位角位于该估计及该估计+180°置信区间内的所有SAR图像,并分别提取其峰值,这样即可通过寻找待分类SAR图像与由模板库检索的模板SAR图像目标峰值间的最佳匹配,实现目标分类.和不利用方位角信息的目标分类方法相比,本文方法显然具有更高的计算效率.另外,如何快速有效的确定待分类SAR图像与每一幅模板SAR图像目标峰值间的对应关系,计算其匹配度,是基于峰值匹配SAR目标分类中的另一个关键问题,针对该问题,本文提出了一种基于匹配代价函数表搜索的SAR图像目标峰值对应关系确定方法,该方法能在得到较好分类性能的同时,有效提高分类效率.实测MSTAR SAR图像数据的分类结果验证了本文方法的有效性.     

一种利用SAR和可见光图像融合检测目标的方法

本文利用军事目标在SAR图像中具有较大的雷达散射截面,后向散射强以及在可见光图像中几何外形清晰的特点,提出一种利用SAR图像和可见光图像多维特征检测目标的方法。该方法分为图像预处理,目标检测和融合检测三部分。首先,利用基于特征匹配的方法对多传感器图像进行配准。其次,利用全局双参数恒虚警(CFAR)方法检测SAR图像中的目标,经过滤波处理后,确定感兴趣区域(Region Of Interesting,ROI)并提取目标的SAR图像特征;将ROI映射到可见光图像中,对该区域进行边缘检测、滤波、连通性分析、提取目标的可见光图像特征。最后,在特征层利用特征向量距离准则融合检测目标。实验结果表明该方法性能优于单传感器检测方法,且能有效的改进目标检测性能。      

基于线性回归的SAR目标方位角估计方法

方位角估计是合成孔径雷达(SAR)图像自动目标识别研究中的一个重要问题。一般而言,基于SAR图像的目标方位角估计方法应满足精度高、速度足够快、对目标部署条件的变化具有一定的稳健性。文中在分析现有的SAR图像目标方位角估计方法优缺点的基础上,给出了一种有效的基于线性回归的SAR图像目标方位角估计方法,并通过对大量实测MSTARSAR图像目标方位角的估计试验,详细分析了该方法对SAR图像目标方位角的估计性能。     

高分辨率SAR图像目标峰值提取及峰值稳定性分析

SAR图像自动目标识别的一个主要途径是通过目标峰值序列的匹配进行识别。该文提出了SAR图像的通用高斯峰值模型,并根据该模型设计了SAR图像目标峰值提取方法,进而利用实测目标数据分析了目标峰值对于目标方位角,雷达俯仰角以及目标结构等目标配置条件变化下的稳定性。结果表明,目标SAR图像峰值对于目标的配置条件变化具有一定的稳定性,这说明,利用峰值特征进行SAR图像目标识别是可行的。     

多方位角多基线星载SAR三维成像方法研究

传统星载合成孔径雷达(Sythetic Aperture Radar, SAR)采用多基线的方式可获取目标区域的3维图像,解决了SAR 2维图像中的叠掩问题,但仍存在因遮挡导致的信息获取不足的问题。为此,该文首次提出了多方位角多基线星载SAR 3维成像方法,其不仅解决了叠掩问题,还通过融合不同方位角下获取的3维点云减少了遮挡区域,提升了星载SAR信息获取能力。文中首先建立多方位角多基线星载SAR空间观测模型,并通过推导论证斜视多基线观测和正侧视多基线观测具有相同的数学信号模型,为直接将正侧视时的3维成像方法应用于斜视时的3维处理提供理论支撑;在此基础上,给出多方位角多基线星载SAR 3维成像方法及处理流程,其包括SAR斜视3维处理和多方位角3维点云融合两个步骤;最后,通过方位角45°下的点阵目标实验验证SAR斜视3维处理方法的有效性,并利用方位角45°和–45°下的直升机目标仿真验证多方位角3维点云融合方法的有效性。      

一种改进的图像域SAR目标散射中心特征提取方法

散射中心是SAR图像目标识别的重要特征。本文基于属性散射中心模型，在文献[6]的基础上，提出了一种改进的图像域SAR目标散射中心特征提取方法。在该方法中，通过引入参数规则化处理步骤，解决了属性散射中心特征提取方法的收敛问题，提高了属性散射中心特征参数估计的精度和效率；提出了一种能同时实现散射中心数目确定和结构判别的方法，实现了散射中心类型的可靠判别。仿真数据和MSTAR实测SAR图像数据的实验结果，验证了本文改进的图像域SAR目标散射中心特征提取方法的有效性。     

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.     

SAR复图像域上的噪声抑制和目标特征提取

基于SAR图像的稀疏先验,提出了一种基于l_k范数的复图像域正则化方法,用于SAR复图像的噪声抑制和目标特征提取.文中通过算法设计及其收敛性的研究,保证了该方法的可行性和稳健性.同时,基于正则化方法与广义岭估计的契合之处,提出了一种新的正则化参数的选取方法.理论分析和实验结果均表明,本文方法可操作性强,具有有效的噪声抑制和目标特征稀疏表示寻优功能.     

基于压缩感知的地基MIMO SAR近场层析成像研究

合成孔径雷达(Synthetic Aperture Radar,SAR)层析技术是一种通过多航迹观测,获取目标高程信息,重建目标三维结构的重要手段。目前,层析SAR成像多应用于星载与机载平台,均以远场假设为基础,即认为雷达与目标间的距离远大于目标几何尺寸,此时多航迹观测雷达对目标的视角变化很小,目标的散射特征变化很小。但是在近场构型下,多航迹观测雷达对目标的视角变化大,目标的散射特征变化大,现有基于远场假设的层析处理方法不再适用。为解决这一问题,本文研究了基于压缩感知的地基多输入多输出(Multiple Input Multiple Output, MIMO)SAR近场层析成像方法,主要包含了以下方法创新:(1)基于孤立强点定标完成通道间幅相误差补偿,提高成像质量;(2)基于散射体结构信息与闪烁强点剔除实现高精度多图配准;(3)利用解斜思想与三维空间几何关系估计高程信息。最后,本研究实现了基于Ku频段MIMO SAR的建筑物三维结构反演。      

基于多尺度注意力CNN的SAR遥感目标识别

目标识别是合成孔径雷达（Synthetic Aperture Radar,SAR）图像解译的重要步骤。鉴于卷积神经网络（Convolutional Neural Network, CNN）在自然图像分类领域表现优越,基于CNN的SAR图像目标识别方法成为了当前的研究热点。SAR图像目标的散射特征往往存在于多个尺度当中,且存在固有的噪声斑,含有冗余信息,因此,SAR图像目标智能识别成为了一项挑战。针对以上问题,本文提出一种多尺度注意力卷积神经网络,结合多尺度特征提取和注意力机制,设计了基于注意力的多尺度残差特征提取模块,实现了高精度的SAR遥感图像目标识别。该方法在MSTAR数据集10类目标识别任务中的总体准确率达到了99.84%,明显优于其他算法。在测试集加入4种型号变体后,10类目标识别任务中的总体准确率达到了99.28%,验证了该方法在复杂情况下的有效性。     

基于稀疏表示的SAR地面目标分割技术

提出了一种引入先验约束的合成孔径雷达(SAR)图像的目标分割技术,以解决强杂波背景干扰下的目标分割困难问题。不同于基于统计理论的目标检测,文中利用目标图像切片在图像域的稀疏性,通过稀疏分解的方法构建目标特征窗函数实现目标的检测,并引入目标的形状先验对目标区域进行修正;然后,利用目标阴影的空间约束对基于统计检测的阴影区域进行修正,实现目标的分割;最后,基于实测数据验证了算法的有效性。     

基于RADARSAT-2数据的SAR图像双视向几何校正方法研究

针对山区高分辨率雷达卫星Radarsat-2图像的严重几何变形,提出了一种新的双视向雷达图像几何校正方法.实验证明该方法可以有效祛除地形引起的各种几何变形,防止地形引起的后向散射系数的失真,特别是能够有效祛除叠掩和阴影的影响,而这个问题是基于单幅雷达图像的传统几何校正方法无法解决的.为合成孔径雷达(SAR)图像在山区的...     

基于Hough变换与目标主轴提取的SAR图像目标方位角估计方法

该文提出了一种基于Hough变换与目标主轴提取的SAR图像目标方位角估计方法。针对传统基于Hough变换估计方法的不足,在估计过程中引入目标的主轴信息指导方位角的估计。利用基于马尔可夫随机场(MRF)的图像分割提取准确的目标成像轮廓。在此基础上,基于Hough变换检测目标轮廓的直边,基于轮廓特征点检测获得目标主轴的大致方向,结合Hough变换检测结果与目标主轴信息获得最终的方位角估计。实验结果验证了该文方法的有效性。     

SIFT在高分辨率SAR图像自动配准中的性能分析

合成孔径雷达(SAR)图像的自动配准长期以来都未能很好的解决,特别是高分辨率SAR图像其配准的关键是稳健的特征提取与特征匹配算法。在光学图像配准中,最常用的特征点提取算法是Harris算子,而近年来SIFT(尺度不变特性变换)算法也因其优越的性能成为当前比较流行的算法。探讨了Harris和SIFT特征提取算法在高分辨SAR图像自动配准中的应用,并选取4对有代表性的SAR图像进行了配准实验,对2种特征提取算法的运行时间、所提取匹配点对的正确率以及特征点的提取精度进行了比较。通过定性及定量分析,在同轨获取的高分辨率SAR图像配准中,SIFT均能实现精确配准,其适用性及精度均优于Harris。