基于主导边界Radon变换的SAR目标方位角估计方法

针对仅利用主导边界估计带来的目标垂直与水平方位的模糊问题,提出一种基于主导边界Radon变换的合成孔径雷达(SAR)图像目标方位角估计方法。该方法基于分割图像中目标主导边界长度的判别准则进行解模糊,同时引入目标主导边界Radon变换的估计算法,解决了传统主导边界算法中长、短主导边界不易分离的问题。MSTAR实测数据的实验结果表明提出的算法具有良好的精确度和适应性。     

基于相干法与非相干法的SAR图像仿真

地面目标合成孔径雷达图像仿真方法可分为相干法与非相干法2类,相干法能表现出目标的电磁散射特征但阴影特征缺失,非相干法对目标的几何与阴影特征表现较好但其表现电磁散射特性的能力欠佳.文中在分析了上述2类方法特点互补性后提出了一种新的仿真方法,新方法所得合成孔径雷达仿真图像能同时表现目标电磁散射特征和阴影特征,与同参数条件下实测图像更为相似.     

SAR图像边缘检测方法综述

边缘检测是SAR图像解译的基本问题之一。固有的乘性噪声特性使得经典的梯度边缘检测方法并不适用于SAR图像,因此研究针对SAR图像的边缘检测方法具有重要的意义。本文对SAR图像边缘检测问题进行了系统的研究,简单描述了SAR图像边缘检测问题,讨论了现有的SAR图像边缘检测方法,总结了SAR图像边缘检测中存在的两个问题——边缘细化和边缘定位,对检测结果的性能评估方法也进行了概括。最后在总结现有研究成果的基础上展望了SAR图像边缘检测的发展方向。     

基于变差函数模型拟合的城区SAR图像分类新方法

提出了一种基于变差函数模型拟合的SAR图像分类新方法。该方法首先采用球状模型拟合不同地物的变差函数图,计算模型参数——变程值;然后,用变程值所对应的变差函数纹理特征构成分类特征矢量;最后,利用K-近邻分类器实现训练与分类。对不同RadarSat图像的实验表明该方法可有效用于SAR图像的分类,且分类性能优于经典的最大似然法和灰度共生矩阵法。