基于正则模型的SAR图像自适应目标特征增强方法

研究SAR图像特征增强的自适应阈值选取方法.本文采用一种新的度量函教表示SAR图像的稀疏先验,建立正则化模型,证明了不动点迭代求解的收敛性.然后将SAR相位历史数据转化为复数据,得到复数域正则解的解析表示式.该方法不需要迭代,简化了求解过程,并且将正则化参数的确定归结为阈值的选择问题.最后基于广义交叉检验准则实现了阈值的自适应选取.实验中采用目标杂波比来衡量处理效果,实验结果说明本文方法能快速有效地实现SAR图像特征增强.     

基于改进正则化方法的SAR图像区域特征提取

合成孔径雷达(SAR)图像上的各种噪声削弱了目标、阴影等感兴趣区域(region of interest,ROI)的细节特征,影响了后续的目标检测、分类和识别等应用。传统的正则化方法能够增强SAR图像的目标特征,但是运算量过大,实时性不好。提出一种改进的正则化方法,有效地提高了SAR图像区域特征提取的速度和精度。理论上证明,降质算子的优化可以使运算量由O(M3N3)降到O(MN),同时保留了区域特征增强的能力。利用MSTAR数据库中实测的SAR图像进行算法验证,实验结果表明该方法能够大幅度提高目标杂波比,有效抑制感兴趣区域内的噪声,从而更精确地把目标和阴影等区域从背景杂波中提取出来。     

基于l_k范数正则化的SAR复图像快速自适应去噪方法

文中从参数估计角度研究基于l_k范数正则化的SAR复图像域快速自适应去噪方法。首先利用凸半二次正则化思想建立去噪模型与病态逆问题之间的联系,并依据迭代表达式进行参数估计方差与有偏CRB的比较,从而分析得到现有参数选择方法理论上的不足。然后对模型求解迭代表达式进行分析,得到包含正则化参数的模型解。继而应用最小化均方误差与单调有界数列原理,得到正则参数的选择方法与模型解的解析表达式,避免了求解的迭代过程,可以快速、自适应地实现去噪处理,并从理论上分析得到计算量减少的具体数值。最后研究了去噪模型对点目标分辨率的影响,建立了正则参数与分辨率的关系。仿真与实测SAR图像去噪结果验证了结论的正确性与方法的有效性。     

SAR图像数据稀疏性分析及在特征增强中的应用

利用合成孔径雷达(SAR)图像中目标的后向散射特性和目标散射中心的理论,分析了SAR图像数据稀疏性的成因。指出SAR图像的稀疏性与典型散射体的后向散射特性、成像区域目标强散射中心的稀疏性和成像区域的粗糙度等因素有关。根据视觉稀疏表示机制,比较了SAR图像与光学图像稀疏特征在视觉上的差异。然后,分析了稀疏约束在SAR图像分辨率增强中的应用方法。最后,用仿真和实测SAR图像数据验证了稀疏性在特征增强中的作用。     

在多尺度Contourlet域中的SAR图像正则化超分辨

针对SAR图像超分辨重构问题,建立了基于多尺度Contourlet域的正则化模型。在选取正则化参数时,提出一种自适应确定方法,该方法无需知道噪声大小和图像的先验知识,提高了确定正则化参数的准确性;求解模型时用FR共轭梯度法来改善算法的收敛性。将该算法分别与空域中正则化算法和小波域中正则化算法进行了比较,仿真实验结果表明,该算法较好地再现了各种边缘信息,其重构结果均优于其他两种方法。     

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。     

SAR图像自动目标识别系统研究与设计*

研究了SAR图像自动目标识别系统。通过分析国际上先进的SAR自动目标识别系统的组成、算法实现、流程设计和所得到的结果,设计出SAR自动目标识别系统结构和识别流程图。系统结构主要由SAR图像特性库、特征库和模型库组成。识别流程在系统结构的基础上,分为检测、辨识和分类三步。最后给出了SAR图像自动目标识别系统的主要评价原则。     

一种基于正则化方法的准最佳图像复原技术

提出一种基于正则化方法的高效图像复原技术.正则化残量的能量越小,则恢复效果越好,基于此,利用小波变换定性地分析如何选取正则化算子,利用随机理论得到正则化残量的能量期望值,通过最小化这个期望模型确定正则化参数,从而得到正则化图像.定性分析表明,在通常情况下应选取低阻高通的正则化算子.实验结果表明,该恢复技术比传统方法的恢复性能要好,恢复效果接近最佳且性能稳定.     

高分辨率SAR图像目标属性散射中心特征提取方法

目标属性散射中心模型是基于物理光学和几何绕射理论解的散射中心模型,该模型中提供了可供目标识别的属性散射中心特征。为了能从高分辨率SAR图像中获得这些特征,讨论了目标属性散射中心模型,研究了从高分辨率SAR图像中提取目标属性散射中心特征参数的方法。该方法是一种基于图像域的参数估计方法,它通过图像分割、模型类别选择、参数初值选择和参数优化4个步骤,得到单个散射中心的7个参数。循环进行上面的步骤,就可以从SAR图像中提取出目标所有的散射中心特征。仿真结果验证了该算法的有效性。     

基于改进粗糙集理论的SAR图像目标增强

图像增强在提高SAR图像舰船目标检测精度方面具有十分重要的意义。由于传统算法不能很好地对SAR图像进行目标增强，提出了基于改进粗糙集理论和引力场强度的目标增强算法。通过借鉴引力场相关理论知识，将粗糙集条件属性集中的梯度属性改进为引力场强度属性，从而实现对原图像的目标增强。与其他算法进行了实验比较，结果表明提出的改进算法相比于其他算法更适用于SAR图像特性，能更好地对舰船目标像素进行针对性增强，具备一定的工程应用价值。