基于二维本征模态函数的 SAR 图像目标检测

合成孔径雷达（SAR）成像具有其独特的优势,能全天时全天候获取目标区域遥感数据,但是其成像机理复杂,获得的 SAR 图像解译困难。从 SAR 成像回波特点出发,结合二维经验模态分解（BEMD）理论,提出了一种基于二维本征模态函数（BIMF）的 SAR 图像目标检测算法。采用仿真和实际的 SAR 图像数据进行了验证实验,实验结果表明,利用融合的 BIMF 特征分量检测目标,其效果优于直接用原始 SAR 图像进行目标检测,并且对不同信噪比的 SAR图像,具有较强适应能力。     

基于体积和稀疏约束的高光谱混合像元分解算法

针对传统非负矩阵分解法中解空间较大、存在大量局部极小值的问题,提出了一种基于单形体体积和丰度稀疏性约束的非负矩阵分解法（Volume and Sparseness Constrained NMF,VSC-NMF）。该方法首先使用顶点成分分析法对高光谱图像进行端元提取,将其作为端元矩阵的初始值,可达到加速算法收敛的目的;然后,在目标函数中加入单形体体积最小化约束和丰度稀疏性约束,从而实现对混合像元进行较好的分解。实验结果表明,该方法不仅能有效地克服传统非负矩阵分解法的缺陷,而且能估计出精确的端元和对应的丰度,获得满意的解混效果,尤其适用于稀疏度较高的高光谱图像。     

一种改进的超宽条带噪声消除算法

针对高光谱遥感图像中的超宽条带噪声干扰现象,在深入研究高光谱图像特点和条带噪声产生机理的基础上,提出了一种新的基于最小序列值、小波变换和矩匹配相结合的滤波算法（OWM算法）。该算法主要包括灰度对比度处理、最小序列值处理、小波变换系数归零处理和矩匹配处理等四个步骤。用实际的高光谱图像进行了一系列的验证比较实验,获得了好的实验效果。实验结果表明OWM算法不仅能够有效滤除高光谱图像中的超宽条带噪声,而且还具有较好的普适性。     

基于OFDM的高速电力线载波通信系统设计

随着智能电网的提出和推广,基于电力线载波的通信系统因成本低、通信速率高等优点得到了广泛使用.然而电力线载波通信存在频率选择性衰落、多径衰落以及脉冲干扰等不利条件,为了给智能电网提供高速可靠的通信手段,设计了基于正交频分复用的高速电力线载波通信系统,采用粗步捕获+精准同步的两次同步技术.为了消除大动态噪声和干扰对同步绝对门限设定的影响,提出一种窗口滑动方法,在等分窗口内用后一部分的能量与前一部分的能量的比值作为判决变量,消除大动态噪声和干扰的影响.仿真结果表明,在电力线载波环境下,设计的方案能够很好地解决频率选择性问题,同时具有显著的抗脉冲干扰和多径衰落能力.     

一种新的基于目标检测的波段选择方法

针对现有的高光谱遥感波段选择方法应用于目标检测时效果不高的问题,提出了基于目标检测的波段选择方法两步波段选择（Two Step Band Selection,TSBS）方法。该方法首先应用典型波段选择方法对高光谱波段进行初选;然后根据波段逐一累积后不同波段组合的目标检测效果,对初选波段进行再次选择,最终得到目标检测效果更好的波段组合。该方法不仅继承了典型波段选择方法的优点,而且直接基于目标检测的效果选择波段,应用针对性强,方法简单易行。实验结果表明:TSBS方法在高光谱数据波段选择方面具有较好的普适性,能够在实现数据降维的同时,有效改善目标检测的效果。     

干涉合成孔径雷达三维地形匹配制导研究

阐述了InSAR三维成像技术和相应的数据处理及制导系统原理。InSAR制导是一种新的微波制导技术,将应用于各种精确制导武器。     

索引算法及其在图像多尺度变换中的应用

给出了几种索引算法模型,然后分析了整数提升小波变换的性质,针对其索引算法的索引矩阵存储空间问题,对5/3小波变换进行改造,提出了一个新的图像多尺度变换,该变换后得到高频系数和低频系数的动态范围与原始图像像素值的动态范围相同,从而可实现多级可逆索引算法。实验结果显示,基于索引算法的图像多尺度变换的速度较普通方法有显著提高。     

基于NSCT分解系数的SAR图像目标检测算法*

恒虚警率(Constant False Alarm Ratio,CFAR)目标检测法用于合成孔径雷达(Synthetic Aperture Radar, SAR)图像时,通常要求图像有强的对比度,而实际上此条件很难满足。为提高SAR图像目标的检测率,特别是低信噪比图像,本文从SAR成像机理入手,结合非下采样Contourlet变换（Nonsubsampled Contourlet Transform,NSCT）理论的多尺度、多方向和平移不变性等特点,提出了一种新的SAR图像目标提取算法,即TD-NSCT（Target Detection based on NSCT）算法。该方法融合了CFAR检测器和NSCT变换的优点,通过对分解系数特征的选取和组合,达到改善SAR图像信噪比、提高SAR目标检测率的目的。用不同实际SAR图像数据和不同方法进行了比较实验,实验结果表明TD-NSCT算法能效提高SAR目标的检测率,特别是对于那些隐藏地物目标的低信噪比SAR图像。 TD-NSCT算法是一种可行和有效的SAR图像目标检测算法。     

基于对数似然估计的目标定位跟踪新方法

为避免无源定位中的迭代运算,本文针对多站测角无源定位非线性观测方程,提出利用对数似然估计将其进行伪线性化处理,从而实现目标位置的闭式解算. 首先,在基于二维测角观测量的前提下,提出利用对数似然估计法将非线性观测方程转化为伪线性观测方程的数学模型,并推导出用于目标定位算法的闭式解. 接着,利用“当前”统计机动模型和卡尔曼滤波,实现对目标的精确跟踪定位. 并通过仿真实验验证该闭式解的渐近最优性,从而验证文中理论的有效性.     

具有SIFT描述的多尺度角点图像配准

角点含有丰富的图像结构信息,在图像配准中是广泛应用的图像特征。Harris算法是经典的角点提取算法,Harris角点对图像旋转具有不变性,但对尺度变化敏感,在有尺度变化的图像配准中,应用受限。仿照SIFT特征点提取过程,提出了一种多尺度角点提取方法,提取的多尺度角点对图像旋转和尺度变化有很好的适用性。并用SIFT描述子描述,用光学及SAR图像进行了配准实验。结果表明,与SIFT、Harris算法相比,本文方法在保证配准精度的基础上,配准时间减少40%以上,特征点在配准过程中的利用率提高一倍多。