基于FPGA实现的星载SAR实时成像系统研究

针对星载SAR实时成像处理的研究目前主要集中在实时成像运算器(SAR processor),而未见到实时成像系统(SAR imaging system)的研究,提出了一种CS算法的星载SAR实时成像系统的体系结构,并基于FPGA实现了原型系统,该体系结构可以自主完成星载SAR实时成像,并具有良好的可扩展性,利用模拟信号源和高速数据记录仪对原型系统验证,1个信号处理单元在50MHz工作频率下,约11s内完成16384×16384个样本的星载雷达原始数据的成像处理,用4个信号处理单元就可达到为PRF为2000Hz的星载SAR的1:1实时成像要求.     

基于SRTM DEM和Landsat TM数据的SAR图像自动地理编码

合成孔径雷达(SAR)图像特殊的斜距成像方式使得利用传统的校正方法很难校正雷达图像。常用的方法是利用DEM和SAR成像几何信息模拟的SAR图像对真实SAR图像进行校正。在区域制图中,平坦地区由于没有地形起伏特征,使得模拟SAR图像特征不明显,无法建立与真实SAR图像的配准关系。本文在研究大范围SAR图像自动化地理编码的过程中,分析讨论了图像模拟和图像匹配的原理和过程,实现了自动判断模拟SAR图像与真实SAR图像的匹配偏移量是否达到信噪比要求,从而自动判断是否使用具有地物专题信息的TM图像代替模拟SAR图像和真实SAR图像进行匹配,实现了海量SAR图像地理编码的自动化。     

星载SAR的噪声干扰分析

由于在星载SAR干扰功率计算中,采用传统的雷达干扰方程很难得到某些参数,因此计算结果可能不合理。根据星载SAR的成像原理和噪声干扰机理,从定性和定量两个方面分析了对星载SAR实施噪声干扰的可行性。在不考虑成像算法及传输损耗的影响下,提出了与星载SAR的方位、距离分辨率及其运行轨道等参数有关的干扰方程,分析了与传统干扰方程的不同及影响因素。依据星载SAR系统波位设计原理,分析了雷达天线端口及其接收机通道的信干比变化,并进行了仿真、计算。研究结果适用于星载SAR干扰的工程设计及计算。     

简述极化SAR定标处理技术研究进展

极化定标是极化SAR数据用于图像解译和定量参数反演的关键步骤。综述了国内外极化SAR定标技术及应用研究的主要成果,着重介绍极化SAR定标技术发展以来取得的多种关键算法进展,系统梳理包括点目标定标算法、分布目标定标算法、法拉第旋转校正算法等技术原理介绍、参数定义估计及技术脉略发展分析,并讨论各技术方法在机载及星载SAR系统定标领域取得的应用发展现状,同时逐步分解该技术领域目前面临的技术难点及算法发展。最后探讨分析极化SAR定标技术发展中的未来需求难点和继续需要解决的问题,为研究人员进一步推动极化SAR定标技术发展提供参考。     

合成孔径雷达图像的自适应旁瓣抑制算法分析和实验研究

合成孔径雷达是有源相干高分辨率成像系统,常规成像算法对接收数据进行二维匹配滤波,实现成像。由于成像系统的二维频域支持域有限,使成像系统的方位向和距离向脉冲响应为sinc函数,又SAR图像具有动态范围大的特点,使SAR图像中的强目标旁瓣使弱目标主瓣发生畸变,所以要对SAR图像进行旁瓣抑制。讨论并比较了两种自适应旁瓣抑制算法,并利用模拟数据和中科院电子所的L-SAR系统的雷达图像对这两种算法进行了实验研究。     

基于合成孔径雷达回波数据的海岸线提取方法

合成孔径雷达(synthetic aperture radar,简称SAR)通过对地面目标的多次照射来提高方位向上的目标分辨能力,由此使现有的SAR目标检测算法通常是一个基于SAR图像的"后处理"过程.在分析各种成像算法和现有的一些典型SAR目标检测算法的基础上,提出了一种在非成像状态下进行海岸线提取的新方法,把成像处理与目标检测问题有机地结合起来.通过真实星载SAR回波数据应用实验,证明了直接利用SAR回波对海岸线检测的有效性.     

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。     

引入坐标映射原理的弹载SAR图像几何校正算法

针对弹载合成孔径雷达(SAR)在下压阶段采用频谱分析(SPECAN)算法时所得到的SAR图像存在几何失真的问题,提出一种基于坐标映射思想的高精度弹载SAR图像几何校正算法.首先根据弹载SAR下压阶段的三维几何关系建立点目标的回波模型;然后详细分析了适于下压阶段SPECAN算法的坐标映射原理,通过将SAR图像坐标系上的点逐一映射到空间地距坐标系中完成几何校正.仿真实验结果表明,文中算法是有效的,误差分析结果也表明该算法比其他算法精度高.     

接收机固定的双基SAR的CS算法

分析了接收机固定的双基SAR系统的回波信号模型,结合单基SAR的CS成像算法思想,推导和提出了接收机固定的双基SAR系统的CS成像算法.该算法可以很好的解决包络徙动及其空变问题,且不需要插值,运算量小,与波数域算法相比,效率更高,而且相位保持性好.最后用该算法对仿真的点目标双基回波进行成像处理,得到了点目标的聚焦图像,验证了本文算法的有效性.     

基于RBF人工神经网络的遥感图像校正算法

遥感图像的几何校正是阻碍其应用的瓶颈问题。遥感图像的几何校正函数是一个非线性、不确定的复杂函数, 难以用精确的数学模型来表达问题, 对此提出了一种基于RBF 人工神经网络和地面控制点( GCP) 相结合的遥感图像几何校正算法。该算法利用RBF 网络能以任意精度逼近任意函数的特性, 模拟地表空间分布这一复杂的非线性函数。该算法原理简单, 易于实现, 是一种实用、可行的遥感图像几何校正算法。     

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。     

一种改进的基于小波变换的SAR图像压缩编码

由于SAR数据图像与光学传感器数据特点有所不同,因此一般的适合光学图像的压缩算法并不一定适合雷达图像。文章根据SAR图像的特点对SPECK算法进行了改进。用此改进方法对SAR图像进行处理,通过与SPIHT算法的比较分析可以看出,该算法从各个方面都明显优于传统的SPIHT算法,而且这种方法有较好的视觉特征,有利于进行图像的校准和目视解译。     

基于边缘强度特征和线性谱聚类的 SAR 图像超像素生成方法

面对高分辨合成孔径雷达(SAR)图像的海量数据,学界广泛通过基于超像素的方法 简化图像处理过程。一般适用于光学图像的超像素分割算法对存在斑噪的 SAR 图像分割性能均 不够理想。面向 SAR 图像改进现有超像素生成算法是目前的研究热点之一。在探讨了将边缘强 度特征引入超像素分割算法的可行性的基础上,结合边缘强度特征和线性谱聚类方法,提出了 一种新的 SAR 图像超像素生成方法(e-LSC)。通过仿真 SAR 图像和实测 SAR 图像的比较实验, 证实了 e-LSC 算法与其他几种典型超像素生成算法相比,生成的超像素在边缘贴合度和匀质区 域的规则化上都有所提高。     

基于上下文分析的无监督分层迭代算法用于SAR图像分割

基于聚类的分割算法能够有效地分析目标特征在特征域的分布结构,进而准确判断目标的所属类别,但难以利用图像的空间和边缘信息,而基于区域增长的分割算法能够在空间域利用多种图像信息计算目标之间的相似性,但缺乏对特征结构本身的深层挖掘,容易出现欠分割或过分割的结果. 本文结合这两种算法各自的优势,针对合成孔径雷达（Synthetic aperture radar,SAR）图像的特点,提出了一种基于上下文分析的无监督分层迭代算法. 该算法使用过分割区域作为操作单元,以提高分割速度,降低SAR图像相干斑噪声的影响. 在合并过分割区域时,该算法采用了分层迭代的策略:首先,设计了一种改进的模糊C均值聚类算法,对过分割区域的外观特征进行聚类分析,获得其类别标记,该类别标记包含了特征的分布结构信息. 然后,利用多种SAR图像特征对同类区域的空域上下文进行分析,使用区域迭代增长算法对全局范围内的相似区域进行合并,直到不存在满足合并条件的过分割区域对为止,再重新执行聚类算法. 这两种子算法分层交替迭代,扬长避短,实现了一种有效的方法来组织和利用多种信息对SAR图像进行分割. 对模拟和真实SAR图像的实验表明,本文提出的算法能够在区域一致性和细节保留之间做到很好的平衡,准确地分割出各类目标区域,对相干斑噪声具有很强的鲁棒性.     

应用混合算法实现卫星图像分割的分析

文章分析了基于应用混合算法实现卫星图像的分割,主要探讨了目前比较成熟的分水岭图像分割方法、基于模糊理论的图像分割方法,和比较前沿的基于神经网络的图像分割方法、基于支持向量机的图像分割方法等算法。文章探讨了根据图像的不同特性,混合使用两种或者多种算法来增加图像分割的准确度。     

Automated delineation of coastline from polarimetric SAR imagery

In this paper we present a new diffusion-based method for the delineation of coastlines from space-borne polarimetric SAR imagery of coastal urban areas. Both polarimetric filtering and speckle reducing anisotropic diffusion (SRAD) are exploited to generate a base image where speckle is reduced and edges are enhanced. The primary edge information is then derived from the base image using the instantaneous coefficient of variation edge detector. Next, the resulting edge image is parsed by a watershed transform, which partitions the image into disjoint segments where the division lines between segments are collocated with detected edges. The over-segmentation problem associated with the watershed transform is solved by a region merging technique that combines neighbouring segments with similar radar brightness. As a result, undesired boundary segments are eliminated and true coastlines are correctly delineated. The proposed algorithm has been applied to a space-borne polarimetric SAR dataset, demonstrating a good visual match between the detected coastline and the manually contoured coastline. The performance of the proposed algorithm is compared with those of two polarimetric SAR classification algorithms and two edge-based shoreline detection methods that are tailored to single polarization SAR images. Experimental results are shown using polarimetric SAR data from Hong Kong.     

基于FCM算法的SAR图像相干斑噪声滤波算法研究

针对FCM分割对SAR图像斑点噪声敏感的特点,本文提出了一种新的去噪方法。所提出的方法主要分三个步骤。首先,分别对获得的两幅同源不同时相的SAR图像进行小波和lee滤波结合去噪。然后,通过对数比值检测方法获得变化信息。利用双边滤波器处理变化信息,以获得能保留图像丰富细节信息的图像降噪效果。最后,利用FCM方法把变化信息分成两类,这样就可以获得变化检测结果。Ottawa 地区的部分图像作为检测算法的性能的数据库。将去噪方法相互比较,结果表明,本文提出的算法分类正确率达到98.29%,优于其他去噪方法。     

基于过渡区域模糊增强的合成孔径雷达图像边缘提取算法

传统的边缘提取算法不能解决合成孔径雷达（SAR）图像小边缘、赘余边缘多的问题。本文针对SAR图像特点,提出一种改进的基于过渡区模糊增强边缘提取方法。通过分析经典模糊增强算法和改进的模糊增强算法的缺陷,在图像增强中引入过渡区概念,很好地克服了原来模糊增强算法渡跃点选择不当造成的丢失目标边缘信息、边缘连通性不好、小边缘多等缺点,能够有效地提取出感兴趣目标的丰富的边缘信息,并且去除了很多小边缘赘余信息。对比实验结果证明该方法效果好。     

Texture image prior for SAR image super resolution based on total variation regularization using split Bregman iteration

In this article, we propose a total variation (TV) regularization approach for the reconstruction of super-resolution synthetic aperture radar (SAR) image based on gradient profile prior or other texture image prior in the maximum a posteriori framework. We also design a novel super-resolution reconstruction algorithm via split Bregman iteration with the known degradation matrix, thereby enhancing the resolution of the SAR image. The parameter adaptation of the TV regularization is performed based on the high-resolution (HR) SAR image at each step. Several evaluation indices are tested on SAR images for objective assessment of the performance of SAR image super-resolution reconstruction. This computationally efficient algorithm is robust to noise in SAR scenes in HR image estimation. Experimental results show that the proposed split Bregman super-resolution approach can effectively avoid the speckle noise generated due to some strange textures and has good effect of noise suppression, while effectively maintaining the SAR image content, the structure of the SAR image is more apparent. Additionally, the experimental results on real SAR scenes also demonstrate the effectiveness of the proposed algorithm and demonstrate its superiority to other super-resolution algorithms.     

Watershed-based hierarchical SAR image segmentation

Watershed transformation is a powerful image segmentation tool recently developed in mathematical morphology. In order to segment images initially oversegmented by watershed transformation, two approaches are considered: one is the thresholding of the gradient image proposed by us which is capable of keeping more salient image contours; the other is the well known centroid linkage region growing algorithm which merges regions with certain statistical similarities. By choosing suitable thresholds in the two approaches, hierarchical image segmentation algorithms can be constructed. A Ratio of Averages (ROA) edge detector is proposed to replace the morphological edge detectors prior to watershed transformation when applied to Synthetic Aperture Radar (SAR) images. Applications to SAR agricultural image segmentation with these hierarchical segmentation algorithms are presented. It is demonstrated that the algorithms are efficient in the segmentation of the SARimages and appropriate for land use applications when the land cover is made up of individual plots.