散景效果的真实感绘制

针对现有方法绘制的散景效果真实感较差的问题,提出一种基于几何光学理论的散景效果真实感绘制方法.该方法以光线传播的折射定律为基础,利用序列光线追踪方法对相机镜头的光学成像特性进行精确建模;对相机镜头的内部结构进行精确模拟,包括孔径光阑和渐晕光阑,以绘制出由孔径形状和渐晕共同作用的散景效果;利用几何光学理论和序列光线追踪方法精确计算出出射光瞳的位置和大小,以辅助光线采样,提高光线追踪效率.绘制结果表明,利用该方法能够绘制出较为逼真的散景效果,正确模拟了孔径形状和渐晕对散景效果的影响,并具有较高的光线追踪效率.     

基于DBF技术的星载SAR宽测绘带实现方法

在研究距离向使用数字波束形成(Digital Beanforming,DBF)实现星载SAR宽测绘带原理的基础上,分析了星载DBF-SAR距离模糊与传统星载SAR距离模糊的不同,并利用阵列天线零点指向技术实现宽零陷的原理,展宽模糊点所对应位置零陷宽度,从而在提高星载SAR宽测绘带基础上有效地减小距离模糊,提高成像质量.通过仿真和比较分析,表明使用具有宽零陷指向特性的DBF技术实现星载SAR宽测绘带模式的可行性.     

基于零点指向技术抑制星载SAR距离模糊算法

给出了基于零点指向技术抑制星载合成孔径雷达距离模糊的算法.该算法主要利用阵列信号处理中零点指向技术的原理,将抑制距离模糊问题转化为在指定方向上功率极小化问题,又可等效为最小二乘零点功率约束优化问题.通过将约束矩阵特征值分解和选代相结合的方法对该优化模型进行求解,得到天线方向图最优加权系数,从而精确地控制零点的深度和宽度,达到对星载SAR距离模糊有效抑制的目的.仿真结果表明了该算法的有效性.     

二维矩形条带装箱问题的底部左齐择优匹配算法

针对二维矩形条带装箱问题提出了一种启发式布局算法,即底部左齐择优匹配算法(lowest-level left align best fit,简称LLABF). LLABF算法遵循最佳匹配优先原则,该原则综合考虑完全匹配优先、宽度匹配优先、高度匹配优先、组合宽度匹配优先及可装入优先等启发式规则.与BL(bottom-left),IBL(improved-bottom-left)与BLF(bottom-left-fill)等启发算法不同的是,LLABF能够在矩形装入过程中自动选择与可装区域匹配的下一个待装矩形     

一种适用于调频步进信号SAR的2维子孔径处理算法

为了将机载SAR超高分辨率(0.1 m)条件下的超大带宽信号的实现和成像信号的处理进行有效结合,首先深入分析了基于PFA的2维重叠子孔径处理算法(PFOSA),并对算法中采用的不合理近似进行了改进;然后将PFOSA应用于调频步进信号的SAR成像处理,在此基础上,提出了一种基于调频步进信号的2维子孔径处理算法.该算法不仅能够将调频步进信号处理与距离子孔径处理相结合,使之无需常规的脉冲合成过程,而且还能够利用子孔径处理获得的目标粗分辨位置信息来有效补偿脉冲簇内由载机运动引起的空变相位误差,从而克服了常规脉冲合成方法无法补偿空变相位误差的缺点.仿真数据处理结果表明,该算法是有效的.     

一种极化SAR目标Cameron分解的改进方法

Cameron分解是一种非常重要的极化SAR目标相干分解方法,在舰船及小型飞机检测等方面有着广泛的应用.但由于Cameron分解方法未考虑目标可能具有的非相干特性,对包含非相干目标的场景应用会导致不准确的分解结果,不利于进行后续的目标检测处理.为了解决问题,通过引入Touzi提出的目标相干性判定准则,在Cameron分解过程中对目标进行相干分类预处理,能够较好地将场景中包含的非相干目标分离出来,从而提高了Cameron分解结果的准确性,达到了改进Cameron分解的目的.使用实测L波段极化SAR数据进行实验,实验结果验证了改进方法的有效性.     

一种基于SPWVD-WVD的高质量时频分析方法及ISAR成像应用

交叉项干扰抑制与高时频聚集度是准确反应信号的时频分布特征的重要因素。传统的魏格纳-维尔分布(Wigner-Ville Distribution,WVD)算法虽能获得较高的时频分辨特征,但分析多成分信号时存在严重的交叉项干扰问题,限制了其实用性;而平滑伪魏格纳-维尔分布(Smoothed Pseudo Wigner-Ville Distribution,SPWVD)算法虽在一定程度上抑制交叉项干扰,但降低了时频聚集度。为了解决上述问题,提出了基于SPWVD-WVD的时频分析方法。该方法利用SPWVD与WVD之间的滤波互消效应,将SPWVD二值化结果与WVD结果进行矩阵运算,最终得到高质量的时频分析结果。实验结果表明,所提出的算法能够有效去除多分量信号的交叉项干扰,提高信号分析结果的时频聚集度,还原多分量信号的真实时频分布。最后将该算法成功应用于逆合成孔径雷达成像中。     

基于自注意力机制和CycleGAN的高分三号ScanSAR图像的扇贝效应抑制

高分三号卫星是我国首颗分辨率达到1 m的C波段 多极化合成孔径雷达(synthetic aperture radar,SAR) 卫星,其中扫描 式合成孔径雷达(scan synthetic aperture radar,ScanSAR)模式是高分三号卫星重要的工 作模式之一,由于该模式的工作机制导致生成的图像可能发生扇贝效应,一般呈现为明暗相 间的条纹。本文针对高分三号卫星ScanSAR模式下存在的扇贝效应,提出自注意力机制与循 环一致对抗网络(cycle-consistent adversarial networks,CycleGAN)结合的模型对Scan S AR图像进行处理,从而抑制扇贝效应产生的条纹现象。本文所示方法与传统扇贝效应抑制方 法和深度学习相关算法进行比较,并通过亮度均值、平均梯度等指标进行分析。实验结果表 明,本文方法可以对高分三号ScanSAR图像存在的扇贝效应进行较好的处理,有效抑制图像 的条纹现象,使得图像质量得到提升,具有较大的实用意义。     

结合全局上下文与融合注意力的干涉相位去噪

目的 干涉相位去噪是合成孔径雷达干涉测量（interferometric synthetic aperture radar,InSAR）技术中的关键环节,其效果对测量精度具有重要影响。针对现有的干涉相位去噪方法大多关注局部特征以及在特征提取方面的局限性,同时为了平衡去噪和结构保持两者之间的关系,提出了一种结合全局上下文与融合注意力的相位去噪网络GCFA-PDNet(global context and fused attention phase denoising network)。方法 将干涉相位分离为实部和虚部依次输入到网络,先从噪声相位中提取浅层特征,再将其映射到由全局上下文提取模块和融合注意力模块组成的特征增强模块,最后通过全局残差学习生成去噪图像。全局上下文提取模块能提取全局上下文信息,具有非局部方法的优势;融合注意力模块既强调关键特征,又能高效提取隐藏在复杂背景中的噪声信息。结果 所提出的方法与对比方法中性能最优者相比,在模拟数据结果的平均峰值信噪比（peak signal to noise ratio, PSNR）和结构相似性（structural similarity,...