基于方位不变性的SAR图像旋转体检测

针对复杂环境中微弱旋转体目标(如地雷等)检测的难题,提出了一种基于方位散射特征和局部对比度特征融合的检测算法。首先,对旋转体目标特性进行了分析,进而利用子孔径SAR图像提取方位散射熵作为待检测特征。对全孔径SAR图像分别进行方位不变性检测和CFAR检测,并将检测结果相融合,得到最终检测结果。算法体现了利用目标先验知识辅助检测的思路,实测数据结果表明,该方法能够有效剔除原先在全孔径图像中无法剔除的杂波,有效降低检测的虚警率。     

多角度极化SAR图像散射特征建模及其应用

本文将基于条带观测模式的极化SAR散射模型拓展至方位向多角度观测模式，基于典型极化散射类型组合提出一种非各向同性散射特征模型。该模型参数纬度多且随方位向观测变化，需要替代性方法提取多角度极化散射特征。首先，采用基于Wishart分布的统计量对非各向同性散射中心进行检测，并逐像素生成基于散射特征差异的新序列图像。其次，以新序列图像作为处理对象，提取极化似然比序列、子孔径角度序列、极化熵—似然比序列、极化散射角—似然比序列、极化各向异性度—似然比序列。最后，集成特征序列编码及支持向量基（SVM）方法进行分类。通过机载P波段极化SAR开展360°观测试验，验证了方法的有效性并揭示出在地物分类方面的应用潜力。      

基于方位不变特征的地雷检测方法

车载前视超宽带地表穿透雷达在地雷探测中遇到的困难是虚警率过高,地雷与杂波在全孔径图像中很难准确区分.为降低地雷探测过程中的虚警率,该文提出一种基于目标子孔径图像方位不变性的检测方法.该方法利用分裂发射虚拟孔径成像模型,将全孔径图像分解为左右两个子孔径图像,并根据子孔径图像中的目标一维距离剖线建立双峰特征模型.在此模型基础上提取具有方位不变性的若干特征,进而得到左右子孔径图像中目标的一致性度量,并将该一致性度量作为最终的特征向量送入鉴别器加以判别.经实测数据验证,该算法能有效剔除原先在全孔径图像中无法剔除的杂波,从而降低前视地表穿透合成孔径雷达中地雷探测的虚警率.     

单通道UWB SAR地面运动目标变化检测

工作在VHF/UHF波段的超宽带合成孔径雷达（UWBSAR）具有叶簇穿透和高分辨成像的能力。文中提出了一种适合单通道UWBSAR的地面运动目标检测方法——基于子孔径图像变化检测的运动目标检测算法。该算法利用UWBSAR的大波束角特点，在方位向选取较大时间间隔的两个子孔径生成子孔径图像，并根据运动目标在不同子孔径图像上聚焦位置的差异检测运动目标，估计运动目标速度和位置。文中给出了该方法的原理、参数选择、实现步骤，并基于UWBSAR实测数据验证了所提方法的有效性。     

针对隐藏目标检测的太赫兹波站开式全极化全息雷达成像实验

将全极化信息引入站开式全息成像系统中,设计了一种频率为0.14 GHz的全极化宽带雷达,并基于该系统完成了隐藏目标检测的太赫兹波站开式全极化全息成像实验。利用极化目标分解方法,分析了隐藏目标的低熵极化散射,研究了在不同角度照射下的平均极化散射机制。实验结果表明:在0.14 THz频段下,典型衣物材料的遮挡会改变背景杂波的散斑样式,但对强散射回波目标的极化散射影响很小;人造目标的极化散射熵较背景杂波更小;模型手枪的主要散射机理为光滑表面对应的低熵表面散射,其中套筒上的斜纹包含了低熵多次散射,这是该目标交叉极化回波的主要来源。     

快速搜索算法与极化合成孔径雷达三维成像

从全极化（hh,hv,vh,vv)合成孔径雷达（SAR）图像数据中，可提取方位向的地势倾斜度信息，形成极化SAR三维成像，该文重点研究极化SAR三维成像快速算法，提出由Stokes矢量推导的的极化椭圆方向角解模糊算法；讨论目标极化散射特性对提取地势高度信息的影响以及处理方法；并利用真实的极化SAR图象数据得到了极化三维成像结果。     

基于散射中心方位特性的大角度成像数据缩减方法

实际雷达目标散射中心有别于理想散射中心，具有复杂的方位特性，其散射幅度和位置随雷达观测角度改变而变化.文中基于不同类型散射中心的方位特性，提出了一种简单有效的大角度成像数据复杂度缩减方法.通过分析和预估各散射中心的有效观测角度范围，仅选择有效观测范围之内的散射场数据用于后续成像.该方法可以实现利用较少观测角下的散射回波数据获得与大角度成像结果相同的图像特征.数值结果证实，弹头目标的数据压缩率可达到45%以上，飞机目标的压缩率则达到80%以上.本文的研究结果对于雷达成像仿真、雷达图像解译等具有参考意义.     

基于极化特征分解的海上小目标检测算法研究

该文首次从全极化信息处理角度解决低擦地角下,海杂波中的低可观测小目标检测问题,提出了一种基于极化特征分解的海上小目标检测方法。通过对实测全极化数据分析,验证了海杂波已被阐述的极化特性。并对回波特征矩阵进行极化特征分解,对比了纯海杂波与包含目标回波时海杂波的极化特征量。据此,提出了一个新的极化特征量-联合熵间距(DBEA)。根据海杂波与小目标DBEA反映的散射机理差异,给出了小目标检测方法,得到了正确的检测结果。经过不同海况数据进行多次验证,得出该方法具有良好的检测能力和较强的鲁棒性。     

基于目标分解和加权SVM分类的极化SAR图像舰船检测

目标分解是极化SAR图像舰船检测的重要方法,但是,在较高分辨率和复杂海况条件下,由相干矩阵分解得到的极化熵参数并不能将舰船目标与海洋等背景完全区分.对极化目标分解理论和地物散射机理的研究和分析表明,极化分解的各个参数从不同角度反映了目标和背景的散射差异,对它们联合使用有助于更准确地在SAR图像中检测目标.而且,各个参数在实际的检测问题中具有不同的重要性.因此,本文构造了包含有多个极化分解参数的特征向量,并根据各分解参数重要性不同,提出一种基于目标分解和加权SVM( support vector machine)分类方法对极化SAR图像中的舰船进行检测.实验结果表明,该方法能够精确地检测舰船目标,并有效地减少虚警.     

一种稀疏孔径下大尺寸目标的ISAR成像方法

针对稀疏孔径下的大尺寸目标ISAR成像,该文提出了一种新的成像方法,该方法在距离频域进行方位向压缩,避免了散射点越距离单元徙动的影响;引入压缩感知替代FFT对稀疏孔径数据进行方位压缩,通过构造随距离频率变化的基空间,消除了距离频率和方位时间之间的耦合,同时降低了方位向的峰值旁瓣比,获得了清晰的目标图像。计算机仿真结果验证了该算法的有效性。     

基于低秩结构的宽角SAR稀疏成像

在合成孔径雷达（Synthetic Aperture Radar，SAR）成像中，当方位向合成孔径较大时，观测区域内目标的电磁特征会表现为各向异性，导致基于各向同性假设的传统SAR成像方法不再适用。为此，宽角SAR成像方法通过将宽孔径划分为多个子孔径，利用每个子孔径对应的回波数据单独成像，实现对目标雷达图像的多角度重构。由于目标的散射特性在相邻子孔径中通常不会发生较大改变，每个子孔径的强散射中心分布高度相似，使得宽角SAR的成像结果具有低秩结构，即相邻子孔径对应的目标成像结果的支撑集相近。为了使用这种相关性，将Karhunen Loeve （KL）变换引入到宽角SAR成像过程中，再利用目标强散射中心分布的稀疏特性，建立基于低秩结构的宽角SAR稀疏成像模型。采用增广拉格朗日法（Augmented Lagrangian，AL）和交替方向乘子（Alternating Direction Method of Multipliers，ADMM）对上述成像模型进行迭代求解，从而获得宽角SAR成像结果。相比于传统的宽角SAR成像方法，本文所述方法不仅能提高目标后向散射系数的重建精度，还能有效抑制旁瓣效应与信号噪声对成像质量的影响，对目标电磁特征的多角度恢复具有更好的效果。      

Orientation angle preserving a posteriori polarimetric SAR calibration

Fully polarimetric synthetic aperture radar (SAR) data analysis has found wide application for terrain classification, land-use, soil moisture, and ground cover classification. Critical to all analyses and applications is accurate calibration of the relative amplitudes of and phases between the various polarimetric channels. Here we propose an a posteriori method imposing only the weakest of constraints, scattering reciprocity, on the polarimetric data. Calibration parameters are self-consistently estimated from full 4/spl times/4 polarimetric covariance matrices. Whilst the complete set of calibration parameters is underdetermined, we give several reasonable heuristic methods to provide a complete calibration. Stronger constraints reduce the number of independent parameters and provide an overdetermined set of equations but at a cost - the loss of polarimetric fidelity when the underlying assumptions are violated. Without recourse to in situ calibration targets, the extent of the polarimetric distortion that results from polarimetric calibration remains unknown. We apply our new method to simulated data, anechoic chamber data and polarimetric SAR imagery. We also present comparisons with alternate calibration methods and different approximate solutions of the new technique.     

基于子孔径方法的机载SAR实时处理

分析了SAR成像过程中方位压缩的机理,提出了基于方位子孔径处理的机载SAR实时成像算法。该算法将方位压缩过程划分为多个方位子孔径的压缩,然后通过子孔径压缩结果的合成以完成方位压缩,整个过程基于快速傅里叶变换通过串行流水的方式实现。实录数据的成像实验表明,该算法能有效地克服实时成像中长合成孔径带来的困难,获得比较满意的成像质量。     

Speckle filtering in polarimetric SAR data based on the subspace decomposition

In this paper, a new approach to speckle filtering of synthetic aperture radar (SAR) data is presented. We define a parameter space consisting of two orthogonal subspaces-the signal subspace and the noise subspace. Then, the full polarimetric information from the signal subspace is obtained after speckle filtering. In this way, edges of different kinds of targets are preserved. The effectiveness of this method is demonstrated using the National Aeronautics and Space Administration Jet Propulsion Laboratory airborne L-band polarimetric SAR data.     

融合极化旋转域特征和超像素技术的极化SAR舰船检测

对海监视是极化SAR的重要应用,密集区域的舰船目标检测是当前面临的主要挑战之一。舰船密集区域受多目标串扰,传统的恒虚警率(CFAR)检测滑窗难以选取纯净的海杂波样本用于确定检测门限,将导致检测性能下降。针对这一问题,该文从特征提取和检测器设计两方面出发,提出一种融合极化旋转域特征和超像素技术的极化SAR舰船检测方法。在特征提取方面,雷达目标的后向散射敏感于目标姿态与雷达视线的相对几何关系,由此带来的散射多样性隐含信息可通过极化旋转域分析进行挖掘。该文利用极化相关方向图及导出的一系列极化旋转域特征,根据目标杂波比(TCR)分析,优选TCR最高的3个极化特征量用于构建目标检测器。在此基础上,该文在检测器设计方面提出了一种基于K均值聚类的杂波超像素筛选方法,有效避免了密集区域舰船目标对邻近杂波的影响,基于筛选的杂波像素点得到舰船目标CFAR检测结果。基于Radarsat-2和高分三号星载全极化SAR数据的对比实验表明,所提方法能有效实现密集区域舰船目标检测,检测品质因数达到95%。     

多角度极化SAR图像散射特征分解及SVM分类

在极化合成孔径雷达（synthetic aperture radar，SAR）图像理解和解译中，地物分类是重要的应用方向之一.为了研究多角度极化SAR图像的地物分类，文中基于极化统计特征差异性顺序，给出了多角度极化分解特征序列构建方法.首先，采用基于Wishart分布的统计量对非各向同性散射中心进行检测，并逐像素生成基于散射特征差异的新序列图像.然后，面向多种极化特征分解模型，提出通用的多角度极化特征一阶差分序列描述方法及编码方法，包括Yamaguchi四分量分解、Krogager分解以及H/A/Alpha分解，得到多维特征参数序列.最后，通过两种方法对比后最终选用支持向量机（support vector machine，SVM）方法对特征序列进行分类.通过机载P波段极化SAR开展360°观测试验，验证了该方法的有效性，并展示出在地物分类方面的应用潜力.     

基于简缩极化数据的三分量分解模型

基于部分极化波的二分理论,提出了一种针对简缩极化数据的三分量分解模型。该模型将简缩极化数据的Jones相干矩阵分解成表面散射、偶次散射和体散射三种散射机制Jones相干矩阵之和,进一步得到这三种散射机制各自的散射功率。选取德国根多夫市普拉特灵(Plattling)地区的TerraSAR-X全极化数据生成简缩极化数据,用提出的三分量分解模型对得到的简缩极化数据进行分解,并将分解结果与全极化数据的Pauli分解结果进行对比。实验结果表明:提出的简缩极化数据三分量分解模型能够很好地描述表面散射和体散射的散射行为。但是,相比全极化数据的分解结果,提出的模型高估了体散射分量,导致偶次散射分量偏小,这个问题需要进一步的研究来解决。     

Contrast Enhancement Method of POLSAR Images Based on Target Decomposition Theory

Improving the target-clutter ratio(TCR) of moving targets in synthetic aperture radar(SAR),imagery is very important for target detection and identification.In this paper,using the Cloude’s decomposition theory,an average covariance matrix can be decomposed into a summation of matrices representing three different scattering processes:the single bounce scattering,double bounce scattering,and diffuse scattering.A new idea of using the combination of the three components to enhance the contrast of an image is proposed.In order to compare with the polarimetric contrast enhancement method based on HH,HV,and VV data,ship areas of two combinatorial intensity images are detected by image binarization.Experimental results show that the method proposed in this paper provides better contrast.     

一种基于表面散射相似度的SAR图像极化增强方法

针对传统极化增强在多类目标增强和极化信息保持方面存在的不足,该文基于表面散射的相似度提出了一种新的极化增强方法.该方法根据目标表面散射的相似度,对不同散射类型的目标相干矩阵乘以不同实系数,从而增大了表面散射的目标与其它散射的目标的对比差异.同时由于该方法将表征目标的相干矩阵作为整体进行运算,因而保持了目标的极化信息.最后利用NASA SIR-C/X-SAR实测极化数据验证了该方法的有效性.     

一种新的极化滤波综合性能评估方法

极化合成孔径雷达(SAR)可以获得目标散射的相位信息,这种更加丰富的信息为极化SAR图像相干斑噪声抑制提供了更好的解决方法。通过对几种典型的极化滤波技术的算法实现,基于采样信号波形图、极化特征图和相对标准差,提出了一种新的极化滤波综合性能评估方法。对实测极化SAR数据进行实验验证,结果表明局部统计滤波在图像分辨率的保持、极化信息的保留和相干斑噪声的抑制3个方面都有很好的效果。