简缩极化SAR模式下极化方向角的估计

利用简缩极化SAR模式下得到的散射向量对极化方向角的估计进行了推导。通过对圆极化形式的分析,将其用于简缩极化模式下的散射向量,利用简缩极化散射数据得到极化方向角的估计值。同时采用实测数据进行实验验证该方法,探讨了简缩极化模式下极化方向角估计的可行性和应用价值。     

一种SAR目标属性特征提取算法

针对散射中心重叠的情况,利用散射中心空域及其散射机理的稀疏特性,提出一种基于全极化属性散射中心模型的合成孔径雷达目标属性特征提取算法.根据散射中心空域与散射机理的稀疏特性,对目标的极化分解系数矩阵分别施加行稀疏约束与矩阵稀疏约束.由于极化散射机理字典包含未知参数,在此采用坐标轮回下降法分别估计极化分解系数矩阵与极化散射机理字典,同时提取属性散射中心及其极化特征等属性特征.基于电磁计算数据的实验结果,验证了该算法能够利用极化信息提取散射中心的属性特征.     

计算二维海面极化电磁散射的新方法

在基尔霍夫散射面元矩阵的基础上研究了一种计算二维模拟海面电磁极化散射的新方法,采用海面高度起伏矩阵以及x和y方向海面斜率矩阵描述二维海面,利用基尔霍夫近似推导出笛卡尔坐标系下椭圆极化入射时海面的散射场,得到了全极化雷达散射模型．仿真了不同条件下分形海面模型的全极化雷达后向散射截面及极化特征图,数值结果符合海面散射规律．由于该方法是对二维海面模型进行离散化分析,因此适用于多种海面模型．     

基于核函数的多极化HRRP识别

针对多极化雷达高分辨距离像(HRRP)识别中数据量大、分布复杂和识别算法复杂的问题,提出了基于核函数的识别方法.该方法首先定义了两种基于多极化HRRP的核函数,然后将其分别应用到核主分量分析(KPCA)中降维和提取特征,最后采用最近邻(1NN)分类器和支持矢量机(SVM)分类器对目标进行分类.该方法可以在不丢失极化信息的情况下,将多极化HRRP作为一个整体进行识别,降低了识别算法的复杂度.多极化HRRP数据的仿真实验结果显示,该方法的识别率比单极化HRRP提高7%～10%;与其他多极化HRRP识别方法相比,该方法不仅降低了提取特征的维数,而且还提高了识别性能.     

用极化理论分析锥体的后向散射场

在一致性几何绕射理论基础上，采用等效电流的方法给出了有限锥体在完全极化平面波照射下后向散射场的散射极化矩表示式。通过能量散射矩阵得出最佳散射的极化条件。由米勒矩阵分析了相差的密度函数，并得各自相应的数值结果。     

采用联合相似度谱聚类集成的极化SAR分类

为了降低谱聚类算法尺度参数对分类结果的影响,避免Nystrm逼近导致的分类结果不稳定,提出了一种基于谱聚类集成的极化合成孔径雷达(SAR)地物分类方法.首先,利用像素间的空间关系和极化信息,将基于相干矩阵Wishart距离的相似性测度和基于极化特征矢量欧氏距离的相似性测度相结合,引入马尔可夫随机场势函数,构造谱聚类的相似性矩阵;然后,采用基于Nystrm逼近的谱聚类实现极化SAR数据的单次谱分类;最后,采用集成策略完成对极化SAR图像的地物分类.实验结果表明,该算法提高了分类精度,区域一致性保持较好,且分类结果稳定.     

一种保持散射特性的极化SAR图像滤波方法

提出一种能够保持散射特性的极化滤波方法.首先,对图像的极化散射特性进行提取,得到不同散射特性的类别并进行标识;其次,按照不同类别的标识,采用自适应滑动窗口处理,提取与中心像素散射特性相同的像素点进行滤波参数估计;最后,利用得到的滤波参数对实测数据进行滤波处理.通过验证比较,表明该方法不仅有效地抑制了相干斑,同时对极化散射特性有很好的保持能力.     

分解子空间自适应核函数综合支持向量机算法

针对单一整体核函数相对于高维原始空间特征局部分布缺乏自适应性,导致特征利用效率低、分类性能下降明显的问题,提出分解子空间自适应核函数综合支持向量机解决思路.首先将原始空间的高维特征分成一系列有意义的低维子空间;然后针对不同子空间选择不同的核函数和核参数,根据子空间SVM分类性能进行置信度加权;最后,综合所有有效子空间形成的综合核矩阵构造综合支持向量机.由于不同输入子空间构造的核函数具有更大灵活性,综合核矩阵较好利用了高效子空间特征的分类能力.实验结果表明,该方法能够较好地改进高维模式识别的性能,是一种值得实际应用推广的方法.     

利用宽带回波的目标微动参数提取方法

高速目标平动补偿是弹道目标微动特征信息提取中一个较难解决的问题.利用弹道导弹宽带回波信号,提出了一种基于散射中心极化散射特性的非相干宽带回波对齐方法,通过极化相似性参数实现散射点中心对齐,并利用目标散射中心的高分辨一维距离像走动提取瞬时微动参数,对目标的尺寸和微动参数进行估计.仿真结果表明,该方法可以有效地在较低信噪比下实现包络对齐与微动参数提取,为后续工程化应用奠定了理论基础.     

基于极化功率比与极化熵的目标分类方法

雷达极化是一种有力的信息增强技术,可以提供丰富的目标信息。文章推导了极化散射矩阵的相干矩阵特征值与极化功率比和极化熵之间的关系,利用极化测量得到的雷达后向散射系数将极化功率比和极化熵联系到一起,并将此种联系在极化SAR图像地物目标分类中的应用做了分析。     

基于KPCA的多频极化SAR图像信息压缩和噪声抑制

多频极化SAR图像不同的波段和极化方向上存在着冗余信息和相干斑噪声。为此,提出了一种基于核主分量分析(KPCA)的多频率多极化SAR图像信息压缩和抑噪方法。KPCA通过利用"核技巧",对线性PCA进行了非线性的推广。对NASA/JPL 3个波段的多极化SAR图像实验结果表明,相对于线性PCA,KPCA具有更好的信息提取、压缩和噪声抑制作用。     

Supervised polarimetric SAR classification method based on Fisher linear discriminant

A supervised polarimetric SAR land cover classification method was proposed based on the Fisher linear discriminant.The feature parameters used in this classification method could be selected flexibly according to land covers to be classified.Polarimetric and texture feature parameters extracted from co-registered multifrequency and multi-temporal polarimetric SAR data could be combined together for classification use,without consideration of the dimension difference of each feature parameter and the joint probability density function of those parameters.Experimental result with AGRSAR L/C-band full polarimetric SAR data showed that a total classification accuracy of 94.33% was achieved by combining the polarimetric with texture feature parameters extracted from L/C dual band SAR data,demonstrating the effectiveness of this method.     

基于ICA的极化SAR图像相干斑抑制

根据极化SAR图像的特点,针对传统空域滤波方法总存在降低相干斑与有效保持边缘纹理信息这一对矛盾,探讨了基于独立分量分析的极化SAR图像相干斑抑制技术,研究了两种基于ICA的极化SAR图像相干斑抑制方法,并分析了其优缺点及应用条件。实验结果表明:基于独立分量分析的方法能有效降低相干斑噪声,较好地保留边缘纹理信息,是一种有效的相干斑抑制方法。     

基于H／A／α-Wishart分类的极化SAR图像船只检测

虽然目标分解已经是极化SAR图像进行船只检测的重要方法,但是在相干矩阵分解得到的不同参数下并不能将船只和海洋等背景准确的完全区分,不同的参数反映了目标的不同散射特性。因此,该文提出了一种基于H/A/α分解的Wishart非监督分类的极化SAR图像船只检测的方法。实验结果表明,该方法能够有效地检测出目标船只,并能有效地减少虚警。     

一种改进的高分辨极化SAR相干斑抑制算法

SDAN-FP算法在高分辨极化SAR相干斑抑制方面具有潜在的应用前景,但是该算法的同质区域选择方案未考虑地物极化散射特性。为提高同质区域选择的准确性,首先用及时更新功率后的SDAN方案对每一个待估像素自适应地选择同质区域;然后引入主散射机理判别机制进一步优化同质区域;最后估计得到极化相干矩阵,从而实现了更为有效的高分辨极化SAR图像相干斑抑制。基于仿真和实测极化SAR数据的相干斑抑制实验验证了文章算法的有效性。     

POLSAR image classification via high-probability selection and adaptive MRF

It is difficult to obtain the accurate boundaries and the smooth regions for polarimetric SAR image classification. In order to solve this problem, a novel classification scheme is proposed that combines the Wishart-based high-probabilistic support vector machine (SVM) and adaptive markov random fields(MRF). First, a Wishart classifier is applied with the probabilistic SVM, according to high-probalistic selection, an initial pixel-based classification result is obtained. Then by combining this result with other edge detection methods, it can access the accurate boundaries. Second, adaptive MRF is proposed based on the edge of the image to further revise the previous classification. In this way, smooth regions are obtained and accurate boundaries are maintained simultaneously. Experimental results show that the proposed method improves the classification performance and that details of the image are preserved.     

空间感知矩阵学习的极化SAR图像分类

为了解决最小二乘支撑矢量机无法高效地对大规模数据进行分类的问题,提出了一种空间感知矩阵学习的极化合成孔径雷达图像分类方法．感知矩阵由测量矩阵和字典的乘积构成,根据压缩感知理论,构造了空间感知矩阵．为了减小优化问题的规模,首先设计了与数据耦合的判别式测量矩阵;考虑到数据的极化信息和空间信息,构造了空间威沙特字典,减少了相干斑噪声对分类结果的影响;最后,提出了基于空间感知矩阵学习的分类器,获得了紧凑而又简洁的模型表示．真实极化合成孔径雷达数据的分类结果表明,这种分类器具有更高的分类准确率和更好的空间一致性．     

A New Radar Target Recognition Method Based on Polarimetric Processing and Neural Learning

0INTRODUCTIONBecauseanone-dimensionalrangeprofileobtainedbyawidebandMMWradarcanbeusedtodescribegeometricstructurecharacteristicsoftargetSbeingillLirninated.UnlikearathercomplicatedISARimop,itcanhealsoregainedasthetarget"fingerprintS".Thus,itholdsmuehpromiseandhasattractedpeople'sattentionstousehighresolutionrangeprofilestoclassifythetarget['--'].ButtherangeprofileisafunctionoftargetattitudeanglesIthuseachtargetclassmustberepresentedbyalaalnumberofangle-indexedsubclassestohandletinknow…     

贝叶斯集成框架下的极化SAR图像分类

对于极化合成孔径雷达(SAR)图像,由于雷达角度和地物形状导致属于同一类的数据可能存在较大的差异性.针对此问题提出了一种基于贝叶斯集成框架的极化SAR图像分类方法.该算法采用贝叶斯集成,通过学习不同个体而获得的分类面来改善极化SAR图像分类性能.首先,输入极化SAR图像,并获得其对应的极化SAR数据及特征.从图像的每一类中任意选择像素点作为图像分类的原始训练样本,并对其进行随机划分获得不同的样本子集.然后,基于获得的样本子集构造对应极化SAR图像的贝叶斯集成框架.最后,通过构造的贝叶斯集成框架对极化SAR图像进行分类.特别在构造贝叶斯集成框架中采用支撑矢量机作为基本的分类器算法.实验结果表明,所提出的算法相比经典的极化SAR分类方法和单个SVM的极化SAR分类方法获得更好的分类性能.