DEM数据在SAR图像模拟中的应用

文中提出了一种根据自然地表的分形布朗理论、采用数高模型（DEM）数据进行模拟SAR图像的方法。首先详细描述了基于FBM插值的算法流程．然后说明了应用DEM建立复杂自然场景目标模型的方法，介绍了SAR图像的基本特征，并且分析了SAR成像回波信号的形式。最后结合文中所提出的算法对一处自然地表的DEM数据进行插值计算，并完成了对自然场景目标的成像仿真实验。     

弹载斜视SAR高分辨率成像算法研究

针对弹载SINS/SAR组合导航系统中,导弹机动性会影响SAR成像质量的问题,提出了一种新的Burg-Chirp Scaling-Dechirp成像算法。文中构造改进的相位补偿因子,补偿距离徙动造成的影响,采用Dechirp技术对部分孔径数据进行方位聚焦处理,优化算法结构;同时,建立回波信号观测数据的自回归模型,对图像的二维频谱进行外推,弥补经典CS成像算法空间分辨率受限的不足。将新的算法与CS算法进行仿真比较,结果表明,新的成像算法能有效改善点目标成像质量,提高SAR的成像质量。     

复杂场景下的SAR图像水域边缘特征提取

合成孔径雷达(SAR)图像中的水域具有极高的遥感应用及地理应用价值;针对SAR图像固有的相干斑以及复杂场景下SAR图像水域边缘检测算法受到建筑物等人造地物强散射点干扰造成虚假边缘的问题,提出了复杂场景下SAR图像水域边缘特征提取方法;该方法通过构建SAR图像的二维灰度直方图对SAR图像进行预处理,一定程度抑制了相干斑噪声对边缘检测的影响,并在分析SAR图像中建筑物等人造地物与水域散射特性差异基础上利用二维灰度直方图对SAR图像进行分割,抑制强散射点;通过实验验证,该方法有效抑制了相干斑以及建筑物等人造地物强散射点的干扰,实现了复杂场景下的SAR图像水域边缘特征自动提取.     

基于生成式对抗网络的合成孔径雷达舰船数据增广在改进单次多盒检测器中的应用

针对合成孔径雷达（SAR）图像舰船目标检测领域舰船数据获取成本较高、数据集稀少的问题,提出一种基于像素对像素（pix2pix）生成式对抗网络(GAN)的数据增广技术。制作一个用于pix2pix GAN的数据集,通过对GAN网络的训练和测试得到800张新的SAR舰船样本,并对生成的典型样本进行了客观评价;针对传统SAR舰船目标检测算法鲁棒性差、易受斑点噪声影响的缺点,提出一种基于改进单次多盒检测器(SSD)的SAR舰船检测算法,通过在SSD加入Inception模块增强其对多尺寸目标适应性,提高检测器性能;将pix2pix GAN生成的SAR舰船数据进行标注后加入改进的SSD中,在SAR舰船检测数据集上进行大量对比实验。实验结果表明：当将生成的样本加入原SSD后,检测精度比原SSD检测算法提高了4.3%;当将生成的样本加入改进的SSD后,检测精度相比改进的SSD提高了1.9%;检测器中没有加入生成样本的情况下,改进SSD算法相比原SSD检测算法,检测精度提升了4.7%.     

基于BP-频谱扩展的多基星载SAR高分辨二维成像

首先建立了多基星载合成孔径雷达的回波信号模型,并针对多基星载SAR的特殊构型提出了基于后向投影(BP)频谱扩展的高分辨二维成像方法。这种方法充分利用了BP成像算法的自配准特性,并结合多基星载SAR空间基线三维分布的特点,在二维成像时分别对距离向和方位向的频谱宽度进行扩展,实现多基星载SAR高分辨联合二维成像。实验结果表明:该方法突破了单站星载SAR成像分辨率的限制,充分利用多基星载SAR几何构型的优势,提升了星载SAR二维成像的分辨率。     

近场目标三维SAR成像技术

采用二维扫描架面扫描结合宽带扫频方式实现近场目标三维SAR成像,并对近场目标三维SAR成像原理及处理技术进行了详细研究,该技术能够修正近场成像测量中天线方向图及距离因子等引入的误差,在近场测试区域内获取目标散射中心真实的三维散射强度分布图,仿真和实测成像数据均验证了该方法的正确性和可行性。     

无人机载高分辨条带SAR运动补偿方法

条带SAR运动补偿技术一直是无人机载高分辨雷达成像的难点之一,传统基于导航信息的运动补偿方法往往不能满足要求。本文融合CS与PGA算法,提出了一种高精度、低成本无人机载高分辨条带SAR运动补偿方法。该方法具备高精度距离徙动校正、二次距离压缩能力,能够不依赖导航信息完成对SAR平台非理想运动的高精度补偿。利用两部国产X波段无人机载SAR实测数据对该方法进行验证,实验表明该方法对不同分辨率、不同成像场景SAR数据均具有很好的聚焦效果。与MD算法相比,该方法能够补偿高阶相位误差,处理后SAR图像的目标边缘轮廓更为清晰明显,细节信息更为丰富完整。     

SAR 图像目标检测方法综述

目标检测是合成孔径雷达(synthetic aperture radar,SAR)图像方面的研究热点,综述SAR图像目标检测的几种方法.通过对传统方法SAR图像目标检测和基于深度学习的SAR图像目标检测进行梳理总结,从实验方面验证深度学习在复杂背景下SAR图像舰船检测存在的问题,分析目前SAR图像目标检测算法的优势和存在的不足,明确SAR图像目标检测急需解决的问题.     

基于形态学与灰度模态分析的阴影去除方法

针对采集图像中物体附近可能会形成阴影而造成干扰的问题,提出一种利用形态学修复方法和经验模态分解（empirical mode decomposition,EMD）技术实现阴影去除与目标图像的准确提取的方法。采用背景差分和二值图像形态学修复方法检测出含有目标及其阴影的区域,利用经验模态分解方法对该检测区域的灰度直方图曲线进行处理,获取灰度模式变化信息,将搜寻到关于目标及其阴影分割的双阈值水平,结合到形态学修复以实现阴影区域的去除,并以汽车及行人图像处理的实验进行验证。实验结果证明：图像中的目标阴影得到有效去除,该方法具有良好的适应性,能够获得准确的目标检测效果。     

基于改进快速区域卷积网络的目标检测轻量化算法

基于深度学习的目标检测算法已成为合成孔径雷达（SAR）图像目标检测任务的主流。深层网络通常具有大量参数,运行速度不能满足实时要求,难以在资源受限的设备(如移动端)上部署。考虑到对模型实时性和可移植性的要求,对双阶段目标检测算法快速区域卷积神经网络进行轻量化改进,比较不同改进方法对算法速度与精度的影响。结合SAR图像的特点,优化轻量化模型,与单阶段目标检测算法的单脉冲多盒检测网络对比。仿真实验结果表明,改进轻量化模型在保持原有精度水平下,模型占用内存和算法运算量大大减少,可有效满足SAR图像目标检测的实时性要求。     

斜式模式距离-多普勒-距离星载合成孔径雷达成像算法

距离一多普勒一距离(R-D-R)成像算法是根据雷达回波信号的傅里叶谱的相位特性进行相位补偿和聚焦的,且运算量不大。本文对该算法进行了修正,使该算法适用于斜视模式的机载和星载SAR成像。在数学推导的基础上,给出了算法流程和该算法的点目标成像仿真结果,并把该算法应用于星载SAR成像,给出了它的Radarsat-l原始数据的成像结果,验证了该修正算法可应用于机载和星载SAR成像处理。     

基于Q-Shift双树复小波的SAR图像相干斑噪声抑制

在复杂的SAR相干成像过程中,SAR图像会受到相干斑噪声影响,传统的图像去噪方法不能对相干斑噪声进行有效抑制,从而会严重影响SAR图像目标的提取和识别。针对SAR图像的特点,提出一种基于Q-Shift双树复小波变换（DT-CWT）的SAR图像相干斑噪声抑制方法。该方法利用Q-Shift双树复小波变换的平移不变性、多方向选择性、滤波器结构对称性等优点,对含有特征目标的含斑SAR图像进行小波系数分解,来获得更多的目标高频信息。然后通过对小波系数建模和图像重构,得到去斑SAR图像。试验结果表明,该方法对含有特征目标的SAR图像相干斑噪声有抑制效果,而且能够更好地保留图像细节和目标特征。     

机载合成孔径雷达低速运动目标检测和成像的一种新方法

本文分析了机载合成孔径雷达(Airborne SAR)运动目标回波信号的特点,介绍了广义边缘CWD-Hough变换.根据机载SAR动目标的回波模型,本文提出了一种基于广义边缘CWD-Hough变换进行机载SAR低速运动目标检测及成像的新方法.该方法基于时间-频率联合分析法,利用其对低速运动目标参数的精确估计可以在较低的信杂比下实现低速目标的检测并对其成像,其检测性能大大优于常用的Wigner-Ville分布方法.计算机仿真结果证明了该方法的有效性.     

基于多尺度GAN 网络的SAR 舰船目标扩充

针对构建合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标数据集的过程中,某些舰船类型样本 不足的问题,提出一种基于多尺度生成对抗网络(IC-ConsinGAN)的SAR 舰船目标扩充方法。通过将注意力机制引 入并行多阶段多尺度GAN 网络中,提取SAR 舰船目标的关键特征,抑制背景特征,使得生成的SAR 图像舰船目标 不仅具有精细化结构,而且弥补了单幅图像生成过程中多样性不足的问题。实验结果表明：SIFID 指标比原始 ConsinGAN 网络模型下降了0.02,将扩充数据加入到SAR 舰船目标识别任务中,10 类舰船目标平均识别率提升了 8.4%,证实了IC-ConsinGAN 模型的有效性,具有一定的工程应用价值。     

压缩感知合成孔径雷达射频干扰抑制方法

压缩感知合成孔径雷达成像技术能够利用少量采样数据恢复目标图像,大大减少数据存储系统的负担,但受到射频干扰时成像品质会严重下降;在目标场景稀疏条件下,分别构建目标回波信号原子库和射频干扰原子库,设计了压缩域合成孔径雷达成像射频干扰抑制算法,并对该算法进行理论分析,最终通过仿真实验验证了算法的有效性;仿真结果表明：该算法在较大干信比条件下,能有效抑制合成孔径雷达射频干扰,达到较好的成像效果。     

面向复杂地形应用的星载SAR成像能力仿真分析

针对复杂地形对星载合成孔径雷达(synthetic aperture radar,SAR)成像产生较大影响的问题,提出一种顾及目标区域地形参数的卫星成像时长估算方法。利用3维仿真软件进行模拟分析,编程实现目标区域地形因素对雷达成像影响的仿真分析。结果表明：该方法可有效提高星载SAR成像时长解算精度,为优化目标成像进行轨道调整设计提供重要依据。     

基于多特征核协同表示的SAR 目标识别

为利用合成孔径雷达(synthetic aperture radar,SAR)目标不同特征数据间的相关性与互补性,提出一种基 于多特征的Tikhonov 正则化核函数协同表示(multi-feature kernel collaborative representation- based classification with tikhonov regularization,MFKCRT)算法。采用美国运动和静止目标获取与识别(moving and stationary target acquisition and recognition,MSTAR)计划公开发布的SAR 图像数据库进行实验,实现核函数变换空间上的多特征融合协同表示 识别。实验结果表明：该算法相较于基本的协同表示,具有更优的可靠性与鲁棒性。