一种基于时频分解的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。     

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。     

基于块稀疏贝叶斯模型的ISAR成像方法

传统ISAR稀疏成像主要针对独立散射点散射系数的重构问题,然而实际情况下目标散射点之间并不是独立存在的,而是以区域或块的形式存在,在该情形下利用常用的稀疏重构算法并不能完全地刻画块状目标的真实结构,因此该文考虑采用块稀疏重构算法进行目标散射系数重建。基于块稀疏贝叶斯模型和变分推理的重构方法(VBGS),包含了稀疏贝叶斯学习(SBL)方法中参数学习的优点,其利用分层的先验分布来表征未知信号的稀疏块状信息,因而相对于现有的恢复算法能够更好地重建块稀疏信号。该方法基于变分贝叶斯推理原理,根据观测量能自动地估计信号未知参数,而无需人工参数设置。针对稀疏块状目标,该文结合压缩感知(CS)理论将VBGS方法用于ISAR成像,仿真实验成像结果表明该方法优于传统的成像结果,适合于具有块状结构的ISAR目标成像。     

基于子孔径参数估计的双基地ISAR图像融合方法研究

双基地逆合成孔径雷达(Bistatic ISAR)能够同时获取两个视角下的目标雷达回波,将分别所成的图像进行融合处理可以获得质量更高的ISAR图像以提供更丰富的目标信息,但由双基地角带来的目标像尺寸形状不一致等问题将造成融合困难。该文针对转台模型目标,提出一种基于子孔径参数估计的双基地ISAR图像融合方法,利用孤立强散射点在不同子孔径下的多普勒差值估计出目标的转动角速度和半双基地角,再将不同视角下的数据映射到同一个坐标平面中进行融合处理,得到效果更好的图像,最后利用仿真实验结果验证了该方法的有效性。     

基于调频率微调的ISAR抗干扰技术研究

逆合成孔径雷达的欺骗式干扰技术日趋成熟,而ISAR抗干扰技术则研究不足。在分析了ISAR有源欺骗式干扰的工作原理基础上,提出了基于线性调频信号调频率微调的ISAR抗干扰方法,使虚假目标回波的增益在Dechirp处理时因调频率失配而被抑制。但在该体制下调频率变化导致信号带宽变化,从而距离分辨率改变,为此提出先进行距离像插值再做ISAR成像。针对距离向插值导致的方位向多普勒模糊问题,采用了多普勒域平均处理提高了ISAR成像质量,以利于目标识别。利用仿真数据对该方法进行了验证,结果证明了该方法的有效性。      

一种基于CFAR检测和密度聚类的ISAR图像预处理方法

目标逆合成孔径雷达(ISAR)像通常受各种噪声的影响,这些噪声使ISAR图像质量下降,严重影响了后续的特征提取和目标识别应用。提高图像质量,减少噪声的干扰成为ISAR目标识别应用中的重要步骤。提出了一种基于恒虚警检测和密度聚类的方法抑制ISAR像的斑点干扰和横条纹干扰,在保证干扰抑制效果的同时相比于传统方法可以更有效地保留目标中的细节信息。提取了图像面积、长度、多普勒扩展作为ISAR识别特征矢量,外场实测数据实验表明,提出的预处理方法有效地抑制了图像中的干扰成分,保留了更多图像细节,有效地提高ISAR识别特征的稳定性。     

基于ISAR像的空间目标姿态变化判别方法

空间目标姿态变化判别对于空间攻防作战时密切掌握敌方目标意图具有重要意义。文中研究了基于逆合成孔径雷达(ISAR)像的空间目标姿态变化判别方法,即判断空间目标处于姿态稳定状态还是姿态变化状态。首先,推导了基于ISAR像进行目标姿态变化判别的基本原理;然后,基于图像处理和图像匹配技术提出了ISAR像旋转角度提取方法和目标姿态变化判别方法;最后,利用雷达实测数据验证了文中方法的有效性。     

空间自旋运动目标的ISAR成像研究

逆合成孔径雷达(ISAR)是空间目标探测的重要途径.文中对空间自旋运动目标的ISAR成像进行讨论.根据目标自旋运动规律,建立和分析了ISAR回波信号模型,重点分析自旋目标的成像机理,研究了自旋对目标ISAR成像的影响.基于ISAR成像的原理,建立了计算目标ISAR投影像的方法.仿真实验验证了ISAR投影像计算方法的有效性和自旋对ISAR成像影响分析的正确性.该投影像算法也适用于空中目标成像的讨论.     

基于trace特征的ISAR像空间目标识别

论文提出了一种基于trace特征的逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）像空间目标识别算法.首先将ISAR像进行分割与归一化处理,利用Canny边缘检测、Hough变换方法提取空间目标ISAR像最长轴,确保所提特征具有旋转不变性;然后仅对最长轴所在局部区域进行Trace变换生成空间目标ISAR像的局部trace矩阵,使得所提trace特征满足低维要求;再将trace矩阵每一列向量进行移位对准操作以消除ISAR像平移对识别带来的影响并将其作为空间目标识别的特征向量;最后在特征空间内以最小欧氏距离作为不相似度,采用集成分类器AdaBoost.M2-KNN完成了5类空间目标的分类识别.通过5类空间目标的ISAR数据对该方法进行目标识别验证,并与现有的几种ISAR像特征提取方法进行了对比.结果表明论文所提算法可行有效,可以明显地提高识别率.     

基于贝叶斯压缩感知的ISAR自聚焦成像

针对ISAR自聚焦成像,该文提出一种基于贝叶斯压缩感知的高分辨率成像算法。首先利用目标图像的稀疏特性构建级联形式的稀疏先验模型,同时将相位误差建模为均匀分布模型;然后基于最大后验准则,依据贝叶斯压缩感知理论交替迭代求解目标图像和相位误差。与传统稀疏方法相比,所提算法进一步利用了目标图像的联合稀疏信息,将ISAR CS成像转化为MMV联合稀疏优化问题的求解,可以有效改善自聚焦的精度以及成像质量。仿真结果验证了该算法的有效性。