基于图像总变分最小化的穿墙雷达多层墙体成像方法

针对穿墙雷达多层墙体探测场景,文章提出了一种基于图像总变分最小化(Total Variation Minimization,TVM)的穿墙雷达多层墙体成像方法,成像重构过程中通过计算多层媒质的格林函数来构造字典矩阵,通过引入图像的TVM约束来实现成像重构.仿真结果表明所提成像算法不仅可以减少成像重建时间,而且可以较好地保留目标的几何形状和边缘,提高图像重建质量.     

基于雷达散射特性的复杂目标SAR图像仿真

高频区复杂目标宽带雷达特征信号仿真,尤其是两维SAR图像的仿真对雷达目标识别和SAR图像解译具有重要意义.根据复杂目标三维模型运用物理光学(PO)法与增量长度绕射系数(ILDC)法结合的改进图形电磁算法快速计算目标雷达散射截面,而后通过对不同SAR成像模式的研究建立SAR仿真成像系统,从而分别仿真得到StripSAR、SpotSAR、ISAR图像.仿真结果与真实图像相比具有较好的相似度,验证了方法的有效性.     

GNSS-R SAR地面目标建模与成像

针对GNSS-R SAR对地成像仿真中,由于地面目标建模以目标复杂的实地勘测DEM（Digital Elevation Model）为基础而导致的典型目标影像特征不利于单独观察的问题,基于蒙特卡罗方法对随机地表建模,基于欧几里德原理对建筑和树木建模,构建结构灵活可控的成像场景。利用导航卫星作为辐射源,机载接收机作为信号接收平台,成像场景反射的GNSS-R信号作为回波信号,BP算法作为成像处理算法,进行成像仿真。仿真结果表明,该仿真场景下生成的图像可反映不同地面目标的结构特点和散射强度差异,证明了所构建的地面目标模型能够应用于GNSS-R SAR成像系统的仿真验证。     

ISAR成像中MTRC校正的新插值算法

研究雷达成像优化问题,在雷达成像中,双线性插值方法是一种常用、而且高效的校正散射点越分辨单元走动(MTRC)现象的插值算法,但由于其插值精度不高,会产生图像模糊的问题。为解决上述问题,采用目标回雷达波数据结构,并借鉴双线性插值方法进行仿真试验,提高了插值的精度,改善最终成像质量。通过对不同目标进行成像,验证所推导出的新的插值格式,不仅对越分辨单元走动现象有良好的校正能力,而且与应用双线性插值方法所取得的雷达成像仿真结果相比较,使用所推的双线插值格式所得结果更加清晰。针对复杂目标的仿真结果表明,改进插值格式能很好地适用于复杂目标的成像计算,具有较好的实用性。     

基于图像熵的线性阵列ISAR成像处理方法

研究一种线性阵列逆合成孔径雷达(LAAISAR)的成像处理方法。分析线性阵列ISAR的几何模型并给出成像处理流程。针对阵列ISAR同时接收多路回波信号的特点,采用传统的距离-多普勒算法对每路回波进行成像;利用互相关法进行图像粗配准;在此基础上利用图像熵法进行图像细配准,得到匹配的目标图像。基于该处理流程的仿真实验表明,该处理方法能够充分利用阵列ISAR的每路回波信息,使目标图像精确配准,且能有效提高目标分辨率。     

基于OpenGL的空间目标图像生成方法

空间目标监视系统设计与目标识别算法开发需要有充足的图像源,为解决空间目标识别问题,在无法采用真实空间目标进行试验,开展仿真成像研究尤为重要,为使仿真图像体现真实空间目标成像探测系统且有探测能力,在分析OpenGL透视投影成像模型与真实成像系统的针孔成像模型之间的关系的基础上,提出了在OpenGL平台生成空间目标图像的方法与流程,通过合理设置有关参数生成目标和成像系统信息在内的仿真图像.经仿真实验证实,提高了仿真图像的真实感和可信度,并具有图像处理算法稳定性和可靠性,为空间目标成像探测系统设计和目标识别算法研究提供了数据基础.     

频域CFAR技术在SAR图像目标检测中的效能评估

针对SAR图像目标检测缺乏客观效能评估的问题,提出了一种利用平均阀值ADT来评估频域CFAR检测性能的方法。实现了频域中三种CFAR处理器对于SAR图像中异质区域的MATLAB仿真,利用ADT对仿真效果进行评估,验证了频域CFAR技术在SAR图像自动目标检测处理中的可行性、准确性和有效性。     

可解译深度网络的多光谱遥感图像融合

目的 多光谱图像融合是遥感领域中的重要研究问题,变分模型方法和深度学习方法是目前的研究热点,但变分模型方法通常采用线性先验构建融合模型,难以描述自然场景复杂非线性关系,导致成像模型准确性较低,同时存在手动调参的难题;而主流深度学习方法将融合过程当做一个黑盒,忽视了真实物理成像机理,因此,现有融合方法的性能依然有待提升。为了解决上述问题,提出了一种基于可解译深度网络的多光谱图像融合方法。方法 首先构建深度学习先验描述融合图像与全色图像之间的关系,基于多光谱图像是融合图像下采样结果这一认知构建数据保真项,结合深度学习先验和数据保真项建立一种新的多光谱图像融合模型,提升融合模型准确性。采用近端梯度下降法对融合模型进行求解,进一步将求解步骤映射为具有明确物理成像机理的可解译深度网络架构。结果 分别在Gaofen-2和GeoEye-1遥感卫星仿真数据集,以及QuickBird遥感卫星真实数据集上进行了主客观对比实验。相对于经典方法,本文方法的主观视觉效果有了显著提升。在Gaofen-2和GeoEye-1遥感卫星仿真数据集,相对于性能第2的方法,本文方法的客观评价指标全局相对无量纲误差(relat...     

基于平面区域跟踪的目标位姿参数自动测量

提出一种从序列图像中自动跟踪测量目标位置和姿态参数的方法。利用单应性原理和上一帧图像中目标位姿参数的测量结果,将目标上的典型平面区域重建为同时含有几何信息和亮度信息的平面区域模板;然后根据投影方程,将该模板在一定的位置姿态参数下进行投影仿真成像,当模板的仿真成像结果与当前帧图像中的该平面区域达到最佳匹配时,认为此时仿真成像的位置姿态参数即为当前帧图像的测量结果。通过对该匹配问题进行最优化建模和求解,实现了序列图像中目标位姿参数的自动测量。实验结果表明,本文方法能够在序列图像中对含有典型平面区域的目标实现较高精度的自动跟踪测量。     

红外成像导引头抗干扰性能评估仿真研究

针对日益复杂的战场对抗环境,导引头抗干扰能力已成为非常重要的指标,红外成像制导武器因具有高命中率、高效费比及强抗干扰能力而广泛应用。随着红外成像导引头识别跟踪算法的蓬勃发展,红外成像导引头的抗干扰能力已经不能简单以武器打击精度为单一的评估手段,文中提出了一种基于目标识别、图像特征、跟踪精度的红外成像导引头抗干扰能力评估体系,通过构建仿真对抗场景,对红外成像导引头抗干扰性能进行仿真,仿真结果验证了该方法的合理性和有效性。     

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。     

一种有效的SAR图像自动目标识别方法

提出了一种有效的SAR图像中自动目标识别的方法。首先采取双阈值CFAR目标分割算法对SAR图像进行目标分割。通过对SAR图像的空间局部特征和PCA全局特征的提取,在参数学习的基础上,结合了遗传算法进行迭代优化获取分类器,实现SAR图像的自动目标识别。该方法可以直接对原始图像进行计算,避免了基于数据特征计算所带来的问题。实验结果显示,这种基于遗传算法的自动目标识别方法对T-72和BMP2坦克进行识别,获得了较好的识别率。     

基于改进Faster R-CNN的SAR船舶目标检测方法

合成孔径雷达（Synthetic Aperture Radar, SAR）船舶检测在海洋交通监控中发挥着重要作用,传统SAR目标检测算法一般利用目标与背景杂波之间的对比度差异进行检测,在近岸海域等复杂场景下检测效果较差。为了提高在复杂场景下的检测性能,本文提出一种基于改进Faster R-CNN的船舶检测方法,在分析不同特征分辨率对检测性能影响的基础上,结合VGG的思想与扩张卷积设计一个适用于SAR船舶目标检测的特征提取网络,以提升对小型船舶目标的检测能力。另外,根据sentinel-1A数据集中目标尺寸分布选取小尺寸anchor,并通过去除冗余anchor,将检测速度提升了一倍。在sentinel-1A数据集上的实验证明本文提出的算法能够快速、有效地从复杂场景SAR图像中检测出船舶目标。     

改进的基于Parzen窗算法的SAR图像目标检测

传统的Parzen窗检测算法假设目标占整个背景中较小的一部分,将SAR图像中的所有像素用于估计杂波概率密度函数,容易造成检测阈值的增大从而对不太明显的SAR图像舰船目标产生漏检。对此,提出了一种改进的Parzen窗检测算法,该算法通过自适应地设置目标窗口,将潜在的目标从检测图像中剔除,对剔除后的杂波背景采用Parzen窗进行非参数化的杂波模型估计,进而确定检测阈值,完成目标的检测。相比传统的Parzen窗检测算法,提出的SAR图像舰船目标检测算法减少了漏检数量,改善了检测性能。实测SAR图像的检测结果表明了该方法的有效性。     

基于特征增强的SAR图像舰船小目标检测算法

针对合成孔径雷达(SAR)图像中小目标舰船检测困难的问题,提出基于单次多盒检测器的一种特征增强小目标检测算法.首先提出一种混合多特征提取模块,采用并行的普通卷积、不同空洞率的空洞卷积以及非对称卷积形成与舰船目标相匹配的感受野,以提高浅层网络对复杂形状小目标的特征提取能力;然后提出一种邻近多特征融合模块,将特征信息进行更科学的深层次融合,对小目标特征进一步增强;最后根据SAR图像单通道的特性,缩减特征提取网络VGG-16的冗余特征通道.在公开的SSDD数据集上与其他检测算法进行对比实验,实验结果表明,所提出方法将平均精确度提升至93.44%,检测速度提升至41.8FPS,参数量减少为18.74M,综合性能优于其他检测算法.     

Proposal-Copula-Based Fusion of Spaceborne and Airborne SAR Images for Ship Target Detection⁎⁎

In this paper, we consider the problem of fusion of synthetic aperture radar (SAR) images from spaceborne and airborne sensors and investigate its applications to inshore ship target detection. Existing SAR image fusion methods mainly focus on image denoising or texture enhancement, but show limited improvement of target-to-clutter ratios (TCRs) in composite images and lead to deteriorated target detection performance. To address this issue, we propose a new method for the fusion of spaceborne and airborne SAR images based on the target proposal and the copula theory (TPCT). In TPCT, target and clutter correspondence between different images are exploited to improve the TCRs of composite images. TPCT consists of three steps. First, target proposals are extracted from spaceborne and airborne SAR images and then fused to enhance the common ship target areas therein. Second, a new method to construct the joint probability density function (PDF) of clutter in spaceborne and airborne SAR images is presented to model the statistical dependence of clutter therein based on the copula theory. This copula-based joint PDF is used to suppress the clutter areas remained in the intersection of target proposals. Third, clues from the intersection of target proposals and the copula-based joint PDF of clutter are fused by the Hadamard product to generate the composite image with enhanced ship targets and the suppressed clutter. Experimental results based on measured spaceborne and airborne SAR data show that the proposed TPCT fusion method leads to higher TCRs of composite images and better performance in the ship detection task than other commonly used image fusion methods.     

基于目标检测的SAR图像变化检测方法

SAR图像变化检测有着广阔的应用前景,但目前的方法普遍以精确的配准为前提,使其适用范围受到限制。针对人造目标在SAR图像上的特点,提出了一种基于目标检测的SAR图像变化检测方法。通过图像中的人造目标之间相对位置关系的相似程度确定图像的变化情况,以此来降低对图像配准精度的要求。实验表明该方法在很宽的配准精度范围内都可获得较满意的结果。     

基于小波分解和支持向量机的MSTAR SAR目标分类识别研究

对军事目标进行分类是整个SAR ATR过程中最困难的任务。为了进一步提高MSTAR SAR目标的识别效果,在分析了MSTAR SAR图像特点的基础上,提出了一种利用离散小波分解提取目标特征的方法。由于小波分解后的低通近似系数虽然是一种较低分辨率的SAR图像,但是它仍然包含了SAR目标回波的能量,而高通细节系数则包含了目标的细节成份和噪声,因此,可将小波分解后的低通近似系数作为特征,并利用由决策导向循环图扩展的支持向量机来对多类目标进行分类。实验结果表明,即使将3级小波分解后的低通近似系数作为特征,支持向量机的分类精度仍然很高,而且由于特征的数据量较少,因此可使得识别效率得到提高。