基于属性散射信息的随机梯度最小方差追踪SAR超分辨重建算法

无论军事还是民用合成孔径雷达（SAR）应用领域,对实现目标更高分辨、更精细描述的期望和需求都十分迫切。在稀疏表示框架下,构建了基于属性散射中心模型（ASC）部件级局部散射模型的SAR重建观测模型;提出一种基于信号域的散射中心属性参数空间分类策略,并联合频域外推,提出一种基于随机梯度最小方差追踪的部件级超分辨SAR重建算法。该算法最终的超分辨SAR图像由FFT获得,提高了算法效率;并且该算法实现了在重建超分辨SAR图像的同时获取高精度的目标散射中心属性级特征。仿真合成数据和电磁计算数据验证了算法的超分辨能力,并利用ASC属性的克拉美罗界对算法属性估计性能进行了评估。     

一种子像素精度SAR图像目标峰值提取方法

SAR图像目标峰值是SAR图像目标识别的重要特征 ,它本质对应于目标散射中心 ,目标峰值提取是SAR图像目标识别的一个重要步骤。基于峰值SAR图像目标识别系统要求目标峰值提取方法应具有快速、高精度的特点。现有的SAR图像目标峰值提取方法精度较低 ,其对目标峰值位置的估计精度只能达到像素级。为了提高SAR图像目标峰值提取精度 ,该文在分析SAR图像峰值模型基础上 ,提出了一种子像素精度SAR图像目标峰值提取方法 ,并通过仿真实验 ,分析了该方法对目标峰值位置、幅度的估计性能 ,结果表明在SNR =2 0dB的情况下 ,该方法对目标峰值位置估计的标准偏差 <0 .1个像素 ,峰值幅度估计的标准偏差小于 0 .0 5 H(这里H表示目标峰值的真实幅度 ) ,文中还给出了该方法对实测MSTARSAR图像的目标峰值提取结果。     

建筑物目标高分辨率SAR图像模拟方法

随着TerraSAR-X,Cosmo-SkyMed和Radarsat-2等高分辨率合成孔径雷达(SAR)卫星系统的升空,星载SAR图像空间分辨率达到了米级。在这些高空间分辨率SAR图像中,单个建筑物结构的散射特征能够得到明显的展现,推动了SAR在城市监测中的应用。而城市环境的复杂性给SAR图像的解译和应用带来了巨大的挑战,由于SAR图像模拟有助于图像的解译和应用,因此城市目标高分辨率SAR图像模拟成为一个研究热点。提出了一种基于射线追踪法的图像模拟方法,它能够模拟城市目标SAR图像上叠掩、阴影和多次散射等主要特征,非常有利于SAR图像的解译。该模拟方法首先构建虚拟SAR传感器,发射电磁波射线与场景中三维模型相互作用,并接收回波信号成像,电磁波的传播以及与场景的多次散射在整个过程中都能够被追踪。为了评价该模拟方法的有效性,首先通过模拟平顶屋、尖顶屋模型的SAR图像,然后选择国家体育馆和大场景小区三维模型作为输入,将生成的模拟图像与真实TerraSAR-X聚束模式图像进行比较。结果表明:该模拟器能够模拟城市目标的散射特征并应用于图像的理解和变化检测。     

基于高亮特征匹配的双视向SAR图像建筑物高度提取

由于城区场景的复杂性和SAR成像几何畸变的影响,基于单幅SAR图像的建筑物高度提取常常存在很大困难。针对这一问题,利用建筑物目标SAR成像形成的叠掩、二次散射、较强单次散射等散射机制对应的高亮特征非常典型,并且对方向性敏感的特点,提出了一种基于双视向SAR图像高亮特征与几何模型匹配的建筑物高度提取方法。首先分析了建筑物目标的SAR图像散射特征及对雷达视向的敏感性,然后构造了建筑物目标在双视向SAR图像上高亮特征几何模型,然后基于灰度均值、灰度概率分布、边界信息定义匹配函数,并利用多种群遗传算法进行优化求解,最终得到建筑物目标的高度信息。基于模拟和机载SAR图像的试验表明该方法的建筑物高度平均反演误差小于1m,可以有效提高建筑物高度反演的精度。     

基于高亮模型匹配的SAR建筑物高度反演方法

针对高分辨率SAR图像中的建筑物高度提取问题,提出了一种基于高亮模型匹配的建筑物高度反演方法。通过对建筑物的成像特征进行分析构建出高亮特征模型,建立模型与SAR图像之间的匹配度函数,运用多种群遗传算法对匹配度函数进行优化搜索出最优的高度参数。基于模拟和实测SAR图像的实验结果表明该算法可以用于SAR图像建筑物高度反演,并具有较高的反演精度。     

基于GA的SAR图像中主干道路提取

从高分辨率合成孔径雷达(SAR)图像中提取道路及其他线性特征已成为目前遥感图像信息提取研究的热点。由于高分辨率SAR图像中，目标背景复杂，同时由于受相干斑噪声的影响，因此很难直接从原始图像数据中提取道路特征。为了能够从背景复杂，受斑点噪声干扰的高分辨率SAR图像中准确提取道路，提出了一种利用遗传算法提取主干道路的方法。该方法利用模糊C均值聚类法对滤波后的SAR图像进行无监督聚类，首先将图像分为林地、建筑物、道路等基本类，并将道路类像素从图像中分离出来，使问题得到简化；然后根据道路类像素的隶属度和道路像素灰度值的均匀特性来建立具体的道路模型；最后利用遗传算法搜索全局最优道路。实验结果表明，该方法可以很好地从SAR图像中提取各种主干道路。     

一种新的高分辨率SAR图像道路提取算法

针对高分辨率SAR图像中道路目标难以有效提取的问题,提出一种新的高分辨率SAR图像道路提取算法,它结合了参数化内核图割和数学形态学算法。利用参数化内核图割对高分辨率SAR图像中的道路目标进行初级分割,用数学形态学填充空洞,平滑道路边缘;基于道路的几何特征,使用矩阵度、改进的长宽比、复杂度等因子去除虚警;针对处理过程中出现的道路断裂情况,利用数学形态学提取道路目标的中心线,同时根据线段邻近性、方向一致性准则对其断裂部分进行连接,用数学形态学还原道路宽度,得到道路提取结果。实验结果表明该算法不用进行SAR图像预处理,也可以有效抑制相干斑噪声,并且能准确、较为完整地提取道路目标。     

基于区域生长的SAR图像目标检测方法研究

基于区域生长算法和SAR图像相干斑的特点,提出了一种有效的SAR图像目标提取方法。该方法结合SAR图像的目标特征,分析了区域生长的关键问题（种子点的选取和相似性生长准则）并提出相应的决策,给出了实现SAR图像中目标的提取步骤。仿真结果表明该方法具有较强的抗噪性能和应用潜力。     

城市目标高分辨率SAR遥感监测技术研究进展

高空间分辨率SAR卫星为城市监测提供了宝贵数据源。在高分辨率SAR图像上,目标的多维特征得以体现,可以大大提高对城市目标的识别能力。但由于城市目标的复杂性、密集建筑物间电磁波的多次散射,以及SAR成像固有的几何畸变与噪声的影响,使得城市目标在高分辨率SAR图像上的特征更为复杂。围绕城市目标电磁散射特性与SAR成像机理、城市目标精细结构提取与三维重建等内容,介绍了国内外相关的研究进展,指出了该领域未来的研究方向。     

高分辨TerraSAR-X 图像舰船目标几何参数提取方法

准确提取SAR图像舰船目标几何参数是实现舰船分类的基础。由于SAR特有的成像机理, SAR图像旁瓣效应和方位模糊严重影响了舰船目标的几何参数估计,为此提出一种基于迭代线性回归的舰船几何参数提取方法。首先通过线性回归提取目标的主轴方位;然后利用循环迭代剔除远离主轴的虚假目标像素;最后用实测SAR数据进行了验证。实验结果表明,该算法对高分辨率的SAR舰船目标切片具有较好的参数估计效果。     

基于多尺度Markov模型的SAR图像上下文融合分割方法

在多尺度Markov模型的基础上,提出了一种新的用于SAR图像无监督分割的上下文融合分割方法。该方法充分考虑了SAR图像分布的统计特性,用基于混合Rayleigh分布的多尺度Markov模型对待分割图像建模,并直接根据待分割图像用迭代条件估计算法来训练模型的参数。然后以上下文向量的形式提出了四种不同的上下文模型,并用这四种上下文模型分别对待分割图像的多尺度图像信息进行自上而下的融合,最终得到四种不同的分割结果。实验表明,该方法进一步提高了SAR图像分割结果的精度。     

Feature selection and weighted SVM classifier-based ship detection in PolSAR imagery

Target decomposition is an important method for ship detection in polarimetric synthetic aperture radar (SAR) imagery. Parameters such as the polarization entropy and alpha angle deduced from the coherency matrix eigenvalue decomposition capture the differences between the target and background from different views separately. However, under the conditions of a relatively high resolution and a rough sea, the contrast between ship and sea reduces in the aforementioned space. Based on the analyses of target decomposition theory and the target’s scattering mechanism, multi-polarization parameters can be used to characterize different scattering behaviours of the ship target and sea clutter. Moreover, each parameter has its own diverse significance in the practical detection problem. This article proposes a feature selection and weighted support vector machine (FSWSVM) classifier-based algorithm to detect ships in polarimetric SAR (PolSAR) imagery. First, the method constructs a feature vector that consists of multi-polarization parameters. Then, different polarization parameters are refined and weighted according to their significance in the support vector machine (SVM) classifier. Finally, ships are classified from the sea background and other false alarms by the classifier. The validation results on National Aeronautics and Space Administration/Jet Propulsion Laboratory (NASA/JPL) airborne synthetic aperture radar (AIRSAR) and Radarsat-2 quad polarimetric data illustrate that the method detects ship targets more precisely and reduces false alarms effectively.     

GPU支持的SAR影像几何校正大规模并行处理

目的几何校正(又称地理编码)是合成孔径雷达(SAR)影像处理流程中重要的一个步骤,具有一定的计算复杂度,需要用到几何定位模型。本文针对星载SAR影像,采用有理多项式系数(RPC)定位模型,提出了图形处理器(GPU)支持的几何校正大规模并行处理方法。方法该方法充分利用GPU计算资源强大及几何校正过程中每个像素处理步骤一致的特点,每次导入大量像素至GPU,为每个像素分配一个线程,每个线程执行有理函数计算、投影变换、插值采样等计算复杂度高的步骤,通过优化配置dim Grid和dim Block参数,提升GPU的并行性能。该方法通过分块处理实现SAR影像大幅面处理,且可适用于多个不同分块大小。结果实验结果显示其计算加速比为38 44,为全面客观地分析GPU并行处理的特点,还计算了整体加速比,通过多个实验分析影响整体加速性能的因素,提出大块读写提高I/O性能的优化方法。结论该方法形式简洁,通用性好,可适用于几乎所有的星载SAR影像、不同的影像幅面;且加速性能明显。     

基于特征的遥感影像数据融合方法

基于小波的多分辨率分析理论提出了一种新的遥感影像数据融合方法。它利用区域方差最大和一致性准 则对不同尺度下的子带数据进行融合，采用加权运算对相应基带数据进行复合E文中给出了黑白航空影像与TM 影像、SAR影像的融合结果E通过与基于像素平均的融合方法比较，证明了本方法具有良好的鲁棒性和自适应能 力E     

SAR图像舰船目标检测的信息几何方法

目的 舰船目标检测是合成孔径雷达（SAR）图像在海事监测领域中的一项重要应用。由于海面微波散射的复杂性,SAR图像中海杂波分布具有非均匀性、非平稳性等特点,传统的基于恒虚警率（CFAR）的SAR图像舰船检测算法难以适应复杂多变的海杂波环境,无法实现实时有效的智能检测任务。鉴于此,本文提出了基于信息几何的SAR图像船舰目标检测方法,旨在分析统计流形及其在参数空间中的几何结构,探讨信息几何在SAR图像目标检测应用中的切入点,从新的角度提升该应用领域的理论与技术水平。方法 首先,运用威布尔分布族对SAR图像中的海杂波进行统计建模,利用最大似然方法估计SAR图像局部邻域像素的分布参数,并将不同参数下的统计分布作为威布尔流形上的不同点;其次,融合高斯分布的费歇耳度量来构造威布尔流形空间中概率分布之间的测度,实现目标与背景区域的差异性表征;最后,利用最大类间方差法,实现SAR图像舰船目标检测。结果 实验和分析表明,相比于传统的基于恒虚警率的检测算法,信息几何方法可以有效地区分舰船目标和海杂波背景,降低虚警率,实现舰船目标显著性表示与检测。结论 由于舰船目标的复杂后向散射特性,如何有效地表征这一差异,是统计类检测算法的关键所在。本文依据信息几何理论,将概率分布族的参数空间视为微分流形,在参数流形上构造合适的黎曼度量,对SAR图像中各像素局部邻域进行测度表征,可以显著性表示目标与背景杂波之间的统计差异,实现舰船目标检测。     

A novel ship classification approach for high resolution SAR images based on the BDA-KELM classification model

Ship classification based on synthetic aperture radar (SAR) images is a crucial component in maritime surveillance. In this article, the feature selection and the classifier design, as two key essential factors for traditional ship classification, are jointed together, and a novel ship classification model combining kernel extreme learning machine (KELM) and dragonfly algorithm in binary space (BDA), named BDA-KELM, is proposed which conducts the automatic feature selection and searches for optimal parameter sets (including the kernel parameter and the penalty factor) for classifier at the same time. Finally, a series of ship classification experiments are carried out based on high resolution TerraSAR-X SAR imagery. Other four widely used classification models, namely k-Nearest Neighbour (k-NN), Bayes, Back Propagation neural network (BP neural network), Support Vector Machine (SVM), are also tested on the same dataset. The experimental results shows that the proposed model can achieve a better classification performance than these four widely used models with an classification accuracy as high as 97% and encouraging results of other three multi-class classification evaluation metrics.     

Forest canopy height and carbon estimation at Monks Wood National Nature Reserve, UK, using dual-wavelength SAR interferometry

Forest canopy height is a critical parameter in better quantifying the terrestrial carbon cycle. It can be used to estimate aboveground biomass and carbon pools stored in the vegetation, and predict timber yield for forest management. Polarimetric SAR interferometry (PolInSAR) uses polarimetric separation of scattering phase centers derived from interferometry to estimate canopy height. A limitation of PolInSAR is that it relies on sufficient scattering phase center separation at each pixel to be able to derive accurate forest canopy height estimates. The effect of wavelength-dependent penetration depth into the canopy is known to be strong, and could potentially lead to a better height separation than relying on polarization combinations at one wavelength alone. Here we present a new method for canopy height mapping using dual-wavelength SAR interferometry (InSAR) at X- and L-band. The method is based on the scattering phase center separation at different wavelengths. It involves the generation of a smoothed interpolated terrain elevation model underneath the forest canopy from repeat-pass L-band InSAR data. The terrain model is then used to remove the terrain component from the single-pass X-band interferometric surface height to estimate forest canopy height. The ability of L-band to map terrain height under vegetation relies on sufficient spatial heterogeneity of the density of scattering elements that scatter L-band electromagnetic waves within each resolution cell. The method is demonstrated with airborne X-band VV polarized single-pass and L-band HH polarized repeat-pass SAR interferometry using data acquired by the E-SAR sensor over Monks Wood National Nature Reserve, UK. This is one of the first radar studies of a semi-natural deciduous woodland that exhibits considerable spatial heterogeneity of vegetation type and density. The canopy height model is validated using airborne imaging LIDAR data acquired by the Environment Agency. The rmse of the LIDAR canopy height estimates compared to theodolite data is 2.15 m (relative error 17.6%). The rmse of the dual-wavelength InSAR-derived canopy height model compared to LIDAR is 3.49 m (relative error 28.5%). From the canopy height maps carbon pools are estimated using allometric equations. The results are compared to a field survey of carbon pools and rmse values are presented. The dual-wavelength InSAR method could potentially be delivered from a spaceborne constellation similar to the TerraSAR system.     

贝叶斯框架下基于曲波特征加权的SAR影像分割

为了探究各特征在SAR影像分割中的作用规律,提出一种贝叶斯框架下基于曲波特征加权的SAR影像分割方法.首先,利用曲波变换提取像素的多尺度光谱特征,构成像素特征矢量,为了探究提取的多尺度光谱特征在SAR影像分割中的作用规律,赋予该矢量中的每个特征分量不同的贡献权重,并利用上述特征和贡献权重定义特征加权影像;然后,划分影像域,并在贝叶斯框架下构建基于曲波特征加权的SAR影像分割模型;同时利用马尔可夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)算法和最大期望值(expectation maximization, EM)算法实现影像分割和权重估计;最后,利用所提出方法和4种对比方法对SAR影像进行分割实验,通过其定性及定量评价结果验证所提出方法不仅能够自适应地确定特征在影像分割的作用,还能有效提高SAR影像分割精度,表明所提出方法在SAR影像多特征分割中的优势.