基于霍夫曼编码的SAR浮点图像数据压缩

提出一种基于霍夫曼编码的SAR浮点图像数据压缩方法.通过对DCT系数的研究分析,确定了符合SAR数据特征的量化和编码方法,实验表明压缩效果非常明显.     

SAR浮点图像数据压缩

根据SAR浮点图像数据、定值压缩和实时分块传送的要求,提出了基于空域点非线性预处理和DCT直流系数归一量化的压缩方法,实用效果非常明显．     

融合区域和边界信息的水平集SAR图像分割方法

提出了一种基于区域和边界信息的水平集SAR图像分割方法。该方法根据SAR图像的区域统计特征和边界梯度信息,建立SAR图像分割能量泛函模型;通过最小化能量泛函得到曲线演化偏微分方程;采用水平集方法求解演化方程,实现了SAR图像的分割。分别采用模拟和真实SAR图像对该方法进行了仿真。实验结果表明,该方法能充分利用SAR图像特征,不需要去除相干斑噪声的预处理过程,实现了对图像中目标与背景的正确分割。     

基于正则化方法的SAR图像分割及目标边缘检测算法

为了准确地分割图像并获取清晰、连续的边缘特征,在系统分析正则化技术的基础上,提出了一种基于正则化技术的SAR图像分割及目标边缘检测算法。该算法首先利用一种改进的正则化方法对SAR图像进行预处理,然后分析图像的统计特性,利用阈值化技术获取SAR图像的目标区域和阴影区域,最后通过加窗处理技术对分割后的目标区域进行边缘特征提取。并用MSTAR数据进行大量的仿真实验,结果表明,与经典的边缘检测方法相比,该方法在获取良好的分割结果的同时能更精确、更完整地检测出目标的边缘特征。     

一种新的SAR图像目标识别预处理方法

针对合成孔径雷达(SAR)目标识别问题,提出了一种有效的SAR图像预处理方法．首先通过自适应阈值分割、形态学滤波及几何聚类处理获得干净平滑的目标图像,再采用幂变换来增强图像质量,然后提取图像的主分量分析(PCA)、二维主分量分析(2DPCA)特征来进行识别．基于美国运动和静止目标获取与识别(MSTAR)计划录取的数据的实验结果表明,结合上述预处理,PCA,2DPCA的识别性能均可达到96.5%以上．     

一种基于Gaussian-Hermite矩的SAR图像分割方法

图像分割在SAR图像处理中具有很重要的意义。文中提出了一种基于Gaussian-Hermite矩的SAR图像分割方法。该方法针对合成孔径雷达(SAR)图像斑点噪声对现有分割方法带来的影响,利用Gaussian-Hermite矩的不同阶矩并结合SAR图像特征将目标从含噪背景中分割出来。实验部分同时采用了仿真数据和实测SAR数据,通过与小波能量等4种方法的分割结果进行比较,显示出了该方法的有效性。     

一种有效的SAR图像目标识别方法

根据不变矩特征提取和支撑矢量机分类的优势,提出了一种有效的SAR图像目标识别方法.首先对样本SAR图像进行预处理。然后提取目标区域的不变矩特征并计算灰度均值,将其组成特征向量训练SVM分类器,最后用训练好的SVM分类器对要识别的SAR图像进行目标识别.采用该方法对一些含有桥梁和坦克的SAR图像进行目标识别实验,取得了较好的识别结果.     

基于显著性CNN的SAR图像靠岸舰船检测方法

为提高卷积神经网络(CNN)对SAR图像靠岸舰船的检测精度,提出一种基于显著性CNN方法．该方法使用视觉显著性机制对SAR图像进行预处理,将得到的场景注意力加权(即显著图)融合到原始SAR图像中,最终将带有场景注意力加权的SAR图像输入到CNN网络．在公开的SAR舰船检测数据集上的实验表明,与经典双阶段检测器Faster R-CNN方法相比,显著性CNN方法可抑制岸边背景干扰,有效提高SAR靠岸舰船的检测精度．     

贝叶斯集成框架下的极化SAR图像分类

对于极化合成孔径雷达(SAR)图像,由于雷达角度和地物形状导致属于同一类的数据可能存在较大的差异性.针对此问题提出了一种基于贝叶斯集成框架的极化SAR图像分类方法.该算法采用贝叶斯集成,通过学习不同个体而获得的分类面来改善极化SAR图像分类性能.首先,输入极化SAR图像,并获得其对应的极化SAR数据及特征.从图像的每一类中任意选择像素点作为图像分类的原始训练样本,并对其进行随机划分获得不同的样本子集.然后,基于获得的样本子集构造对应极化SAR图像的贝叶斯集成框架.最后,通过构造的贝叶斯集成框架对极化SAR图像进行分类.特别在构造贝叶斯集成框架中采用支撑矢量机作为基本的分类器算法.实验结果表明,所提出的算法相比经典的极化SAR分类方法和单个SVM的极化SAR分类方法获得更好的分类性能.     

基于YOLO神经网络的雷达目标成像识别评估研究

针对复杂地面背景环境下的武器装备精确探测识别需求,采用Lee增强滤波、对比度自适应直方图均衡化和能量归一化等图像预处理方法,提高SAR图像质量;通过引入两个可学习的参数和采用基于非极大值抑制(NMS)方法构建了优化的YOLO神经网络目标识别方法,对基于轮廓、纹理等特征的地面目标SAR图像自动识别进行了实验.实验结果表明...     

合成孔径雷达的点目标模拟研究

在探讨星载SAR成像机理的基础上,讨论了系统参数的选取:结合这些参数,给出了点目标模拟的方法,得到了点目标的模拟数据;并采用通常的R-D算法,对该数据进行了成像处理,得到了点目标的成像结果。     

Dirichlet过程混合模型SAR图像分割算法

传统的合成孔径雷达(SAR)图像参数化有限模型都有其特定的物理背景或者数学假设,很难准确估计SAR图像中各地物的密度分布,为了解决这一问题,提出一种基于非参数化无限混合模型的SAR图像分割方法,该方法利用Dirichlet过程对SAR图像进行建模,进一步采用非参数化Bayes模型分割包含复杂地物目标的SAR图像。Dirichlet分布作为一种基于分布的分布可以确定不同类别的先验概率,由样本估计出密度函数来描述图像,从而可以更精确地分割各类地物。该算法在模拟图像与真实SAR图像上进行了比对测试,实验结果验证了Dirichlet过程混合模型SAR图像分割算法的有效性和稳健性。     

基于SFCM及水平集方法的溢油图像分割

传统的单一模糊聚类算法（FCM）适用于无噪声图像的分割,而对于具有噪声、特殊点值及瑕疵的图像分割则无能为力。本文提出了应用嵌入空间信息的模糊聚类算法（SFCM）与水平集方法的结合,对海洋溢油污染的合成孔径雷达（SAR）图像进行分割处理,得到了优于其它算法的分割图像。通过对SAR溢油图像分割的数据分析,验证了算法的有效性。     

条带式合成孔径雷达成像方法研究

提出准正侧视合成孔径雷达小斜视角度的校正方法和子孔径参考信号相位对齐算法．准正侧视合成孔径雷达(SAR)成像的校正方法采用正侧视的予孔径聚束算法对准正侧视SAR的实测数据进行成像，根据所成的像估计出小角度斜视角，采用校正的斜视子孔径聚束算法完成最后的成像．子孔径参考信号相位对齐算法本质是将各个子孔径参考信号的相位调整为同相，并构造新的聚束窗函数进行SAR成像．理论分析指出，在不增加采样数据的条件下，该方法能增大雷达方位向成像场景范围．计算机仿真结果证实了所提方法的正确性．     

基于SAR回波数据的置乱干扰分析与仿真研究

对被干扰的卫星下传数据进行检测和恢复是空间信息对抗的重要课题之一。文章针对SAR被干扰下传回波数据,分析研究了数据置乱干扰的检测与恢复问题。首先分析了SAR下传回波数据特点及其成像机理,给出了回波数据置乱干扰的原理;其次通过仿真,分析了基于回波实部与虚部变换的数据置乱干扰对SAR图像数据的影响,并对干扰效果进行了评估;最后根据回波实部与虚部变换所产生的干扰统计特征,给出了相应的检测与恢复方法。     

Image Combination Analysis in SPECAN Algorithm of Spaceborne SAR

An analysis of image combination in SPECAN algorithm is delivered in time-frequency domain in de-tail and a new image combination method is proposed. For four multi-looks processing one sub-aperture data in every three sub-apertures is processed in this combination method. The continual sub-aperture processing in SPECAN algorithm is realized and the processing efficiency can be dramatically increased. A new parameter is also put forward to measure the processing efficient of SAR image processing. Finally, the raw data of RADARSAT are used to test the method and the result proves that this method is feasible to be used in SPECAN algorithm of spaceborne SAR and can improve processing efficiently. SPECAN algorithm with this method can be used in quick-look imaging.     

有监督的水平集高分辨SAR图像分割方法

针对基于统计模型的水平集SAR图像分割中参数估计耗时较多的问题,提出了一种有监督的高分辨SAR图像分割方法.该方法将Fisher分布和Gamma分布分别作为高分辨SAR图像的目标和背景统计模型,结合水平集方法推导了SAR图像分割水平集函数的能量泛函模型,通过最小化能量泛函得到曲线演化偏微分方程,实现对高分辨SAR图像的...     

弹载SAR图像几何失真校正方法

探讨了装载在导弹上的侧视合成孔径雷达（SAR）在导弹下降飞行过程中所获取图像的几何失真校正问题．根据导弹在要求合成孔径雷达成像期间内的飞行特点．建立了SAR工作的空间几何模型；由于成像过程中．弹体高度不断减小．SAR图像存在严重的几何失真．根据成像过程中的几何关系，提出了采用子孔径RD算法获得的SAR图像几何失真的校正方法，通过仿真验证了该方法的正确性．