基于主导边界Radon变换的SAR目标方位角估计方法

针对仅利用主导边界估计带来的目标垂直与水平方位的模糊问题,提出一种基于主导边界Radon变换的合成孔径雷达(SAR)图像目标方位角估计方法。该方法基于分割图像中目标主导边界长度的判别准则进行解模糊,同时引入目标主导边界Radon变换的估计算法,解决了传统主导边界算法中长、短主导边界不易分离的问题。MSTAR实测数据的实验结果表明提出的算法具有良好的精确度和适应性。     

SAR图像目标方位角联合估计方法研究

为了精确估计任意角度的目标方位角,融合主导边界法与峰值拟合法,提出一种SAR目标方位角的联合估计方法。通过计算投影比以及目标区域同外接矩形面积之比,初步判断目标是否位于水平或垂直方位附近,自适应选择相应的估计算法进行处理。移动与静止目标获取与识别(MSTAR)公共数据库实测数据的仿真结果表明,该方法估计误差较小,可获得较高的估计准确度。方位角联合估计方法有利于增强目标方位角估计的适应性,提高目标分类和识别的效率。     

一种基于目标主导边界的方位角估计算法

方位角估计是进行目标识别的重要步骤.本文首先介绍了一种基于CFAR的目标图像分割算法,并讨论了目标区域的抽取问题,然后提出了一种快速有效的方位角估计算法.该算法首先线性拟合目标的距离向主导边界,若直线倾角落在近水平的某个范围内,则拟合方位向主导边界.从拟合直线的倾角可以得到目标方位角.该算法能够检测并去掉主导边界上的毛刺,对分割误差具有一定的鲁棒性.用MSTAR公开数本库中的10类目标进行实验,结果表明该算法具有较高的估计精度.     

基于目标特征的SAR图像车辆目标的方位角联合估计*

针对SAR图像地面车辆目标方位角估计精度不高的问题,尤其是0度和180度估计误差大的问题,提出了一种地面SAR图像目标方位角联合估计方法。首先,分析了地面车辆目标在不同角度的成像特点和典型目标方位角估计方法的优缺点,然后,通过判断当前目标成像所具有的特点,利用目标阴影特征与目标轮廓特征,并结合目标主轴提取方法和Hough变换方法对SAR图像目标方位角进行联合估计,最后利用MSTAR目标切片数据对该方法进行了验证实验,绝对误差在5º范围内的准确估计率都在89%以上,目标误差均值都在4º以内。实验结果表明该算法的方位角估计精度比较高,算法是有效性的和可行的。     

融合压缩感知和SVM的SAR变形目标识别算法

为降低合成孔 径雷达(Synthetic aperture radar, SAR)图像目标识别中目标方位角的影响,并提高对SAR变形目标的识别率,本文提出了一种基于压缩感知和支持向量机决策级融合的目标识别算法。该算法首先基于稀疏表征理论将SAR目标识别问题描述为压缩感知的稀疏信号恢复问题,然后基于稀疏系数分别进行目标类别判别与方位角估计。对样本进行姿态校正后,利用支持向量机分别对经过姿态校正和未经姿态校正的样本进行目标分类。最后采用投票表决法对3种算法的分类结果进行决策级融合。实验结果表明,基于压缩感知结果进行目标方位角估计有效,且随着训练样本数的增加,提出的决策级融合算法提高了SAR变形目标的识别率。     

基于特征提取的SAR图像滤波算法

针对SAR图像所包含的地物目标比较复杂的特点,提出一种新的SAR图像滤波算法.该算法利用Contourlet变换能保持边界.结合特征提取可以获得区域目标点特征的特点,利用自适应阈值的方法对SAR图像进行滤波.与传统Lee滤波和保持边缘特征滤波算法进行比较,实验表明新的算法不仅提高了图像的质量.其量化指标也得到了提高.作为该算法的应用.利用变换域内低频图像和子带图像的融合规则对L和C两个波段的SAR图像进行去噪融合,可以看出该算法的去噪效果.     

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。     

结合边缘和区域的活动轮廓模型SAR图像目标轮廓提取

目的 目标轮廓表征了目标形状,可用于目标方位角估计、自动目标识别等,因此提取合成孔径雷达（SAR）图像中的目标轮廓受到了人们的广泛关注。受SAR图像乘性噪声的影响,传统的目标轮廓提取方法应用在SAR图像时失效。针对这一问题,提出一种将基于边缘的活动轮廓模型和基于区域的活动轮廓模型相结合的活动轮廓模型。方法 以真实SAR图像为基础,分析了向量场卷积（VFC）活动轮廓模型以及区域竞争（RC）活动轮廓模型各自的特点和优势,发现这两个模型存在一定的互补性,因此将这两个模型进行了结合,得到了一种新的SAR图像目标轮廓提取方法。结果 基于真实SAR图像的实验结果表明,本文方法能较好地应对SAR图像信噪比较低、目标边缘模糊等特点,能准确地获得SAR图像目标轮廓。结论 本文方法可用于执行实际的SAR图像轮廓提取任务,为后续的SAR图像自动识别和特征级图像融合等任务提供了较为优良的输入信息。     

基于四传感器方阵的地震动目标方位角估计

针对地震动目标定位中的信号传播速度不确定性问题,提出了基于到达时间差的四传感器方阵目标方位角估计方法.从理论上推导出四传感器方阵下的目标方位角估计带边界及其最大带宽值,证明了信号传播速度与目标方位角估计之间的弱相关性.根据仿真计算深入探讨了信号传播速度和时延测量误差对目标方位角估计精度的影响.外场实验结果证明：这一方法的地震动目标方位角平均估计误差小于采用三轴地震动传感器的方法,具有一定的实用价值.     

综合边界和纹理信息的合成孔径雷达图像目标分割

目的 针对传统Grab Cut算法需要人工交互操作,无法实现合成孔径雷达（SAR）图像的自动分割,且方式单一（仅利用边界或纹理信息中的一种）的问题,提出一种综合利用边界和纹理信息的改进Grab Cut算法,实现对SAR图像目标的自动分割。方法 首先将其他格式的彩色或灰度SAR图像转化为24 bit的位图,采用图形理论对整幅SAR图像建模,根据最大流算法找到描述图的能量函数最小的割集,从而分割出目标区域;然后采用中值滤波抑制相干噪声;最后通过邻域生长算法滤除图像斑点和小目标的干扰,从而达到目标边界的连接,实现自动对SAR图像中的目标进行分割。结果 在64位Window 7环境下采用MATLAB R2014处理平台,对楼房、车库、大树、汽车群等4幅分辨率不同的SAR图像进行目标分割实验,特征目标被自动分割出来,耗时分别为1.69 s、1.58 s、1.84 s和3.09 s,相比Mean-shift和Otsu算法,平均计算效率分别提升150%和3%,并且图像中的背景杂波、目标阴影和干扰小目标均被有效去除。结论 综合利用边界和纹理信息能够有效抑制相干噪声,去除图像斑点和小目标的干扰,从而达到目标边界的连接,实现对SAR图像目标的自动分割。实验结果表明,本文算法可以满足工程化应用要求,自适应性强,分割精度高,且具有较好的鲁棒性。     

星载SAR影像上船舶方位向模糊去除算法

目的 掌握海上船舶分布状态对于海上交通流分析和通航安全管理具有重要作用。遥感技术,特别是星载合成孔径雷达(SAR)技术的发展,为大范围海上船舶检测提供了有效的手段,但受SAR成像机制影响,海上船舶目标在星载SAR影像上通常存在着不同程度的方位向模糊噪声,这些噪声易被误判为船舶,导致船舶识别中虚警率提高。方法 本文简述了方位向模糊噪声的产生原因,提出了一种新的星载SAR影像上船舶方位向模糊去除算法,该算法的核心是构建目标方位向角度一致性、方位向位置偏移距离和方位向模糊能量衰减3个判别规则,对潜在SAR影像亮斑目标进行逐层筛选,实现船舶真实目标和方位向模糊目标的判别。结果 选取中国渤海海域和黄海海域的30 m分辨率的Radarsat-2数据进行案例分析,并与船舶自动识别系统(AIS)实测数据进行比对校验,结果表明,传统的双参数恒虚警率(CFAR)算法和基于K分布的CFAR等算法对于船舶难以剔除方位向模糊,容易造成虚警,而本文算法对实验影像的船舶方位向模糊去除准确率优于95.8%,能够有效剔除船舶方位向模糊。结论 该算法为星载SAR影像上船舶方位向模糊去除提供了新的手段,有助于提高SAR影像上船舶目标检测的准确性。     

An improved motion compensation method for high resolution UAV SAR imaging

The polynomial and sinusoidal motion errors always exist in the unmanned aero vehicle （UAV） SAR due to the small size and low velocity of the platform, causing serious spectrum compressing/stretching and significant spectral replicas of the azimuth signal. The motion errors induce serious blurring of the SAR image and ＂ghost targets＂, and can hardly be precisely estimated by the conventional motion compensation （MOCO） method. In this paper, an improved MOCO method is proposed to estimate and eliminate the motion errors in the high resolution UAV SAR without high precision inertial navigation system （INS） data. The time domain range walk correction （RWC） operation in the coarse phase error estimation process of the proposed MOCO method is the key operation that ensures the estimation accuracy of the whole MOCO method. Finally, the validity of the improved MOCO method is verified by computer simulations and real UAV SAR data processing.     

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。     

基于深度置信网络的目标识别方法

针对合成孔径雷达图像预处理鲁棒性不足、特征提取及利用不充分等问题,提出了一种基于深度置信网络的合成孔径雷达(SAR)图像目标自动识别算法。首先提出一种基于双树复小波变换（DT-CWT）的非局部均值图像降斑算法,并结合目标方位角估计实现对原始数据鲁棒的预处理;最后,引入多层深度置信网络提取针对合成孔径雷达目标的深度抽象视觉信息作为特征并完成识别任务。采用3类运动与静止目标的获取与识别(MSTAR)实测数据进行的仿真实验结果表明,所提算法具有较高鲁棒性和识别率。     

利用四参数Chirplet分解方法估计SAR多普勒调频斜率

提出了基于一个距离门信号的四参数Chirplet分解方法，估计合成孔径雷达(SAR)回波的多普勒调频斜率。距离压缩后的回波数据，每个距离门的信号都是由一系列的Chirp分量组成的。利用四参数Chirplet分解方法，能够检测出这一信号中的一个或几个Chirp分量，估算出多普勒调频斜率，其结果被应用于合成孔径雷达成像的方位压缩处理。仿真及真实回波数据的计算表明，无论在精度还是运算时间上，其结果都优于目前已有的实时估计方法。     

基于Laplacian正则化最小二乘的半监督SAR目标识别

提出了一种基于核主成分分析(kernel principal component analysis,简称KPCA)和拉普拉斯正则化最小二乘(Laplacian regularized least squares,简称LapRLS)的合成孔径雷达(synthetic aperture radar,简称SAR)目标识别方法.KPCA特征提取方法不仅能够提取目标主要特征,而且有效地降低了特征维数.Laplacian正则化最小二乘分类是一种半监督学习方法,将训练集样本作为有标识样本,测试集样本作为无标识样本,在学习过程中将测试集样本包含进来以获得更高的识别率.在MSTAR实测SAR地面目标数据上进行实验,结果表明,该方法具有较高的识别率,并对目标角度间隔具有鲁棒性.与模板匹配法、支撑矢量机以及正则化最小二乘监督学习方法相比,具有更高的SAR目标识别正确率.此外,还通过实验分析了不同情况下有标识样本数目对目标识别性能的影响.     

Vibration target detection and vibration parameters estimation based on the DPCA technique in dual-channel SAR

This paper proposes a new method based on the displaced phase center antenna(DPCA) technique for the detection and parameters estimation of vibration target in dual-channel synthetic aperture radar(SAR).The echo model of vibration target is established in dual-channel SAR according to the equivalent phase center principle.By accumulating the DPCA signal amplitude in the azimuth direction,we realize the vibration target detection in clutter and noise background.Through the analysis of DPCA signal amplitude and phase characteristics of vibration target,we then convert the vibration parameters estimation to estimation of a signal with the form of absolute value of a sine function,and the converting conditions is also given.Accordingly,an algorithm combining the Fourier transform with least squares is proposed for estimation.The simulation results show that the algorithm can estimate each vibration parameter precisely at a low signal-to-noise ratio.