合成孔径雷达极化成像解译识别技术的进展与展望

目标最优极化是雷达极化问题研究的重要理论基础. 目标零极化又称共极化零点,是目标最优极化的重要组成部分. 通过目标零极化可以推导出目标的其他最优极化状态,其广泛应用于目标极化匹配接收、目标对比增强等领域. 文中从目标结构辨识角度首次揭示了零极化理论方法在人造目标散射结构辨识方面具有独特优势,并基于人造目标典型散射结构从理论上推导出典型散射结构的零极化矢量. 将复极化比平面的极化表征方法与极化响应特征相结合,提出了零极化三维响应特征图可视化表征方法,揭示了典型散射结构的零极化差异,得到了零极化响应特征矢量. 在此基础上提出了一种人造目标散射结构的零极化辨识方法,通过提取极化雷达图像中人造目标的强散射中心,将散射中心的零极化响应特征矢量与典型散射结构进行匹配,从而确定散射中心的散射结构类型,实现人造目标结构辨识. 结合车辆和无人机等典型人造目标的电磁计算数据,开展了目标结构辨识对比实验. 与Cameron分解方法相比,本文提出的零极化散射结构辨识方法能够准确识别出散射中心的散射结构类型. 特别对结构对称型人造目标,本文方法识别结果呈现的对称性更准确,更符合目标实际的散射特性.     

用最佳极化合成孔径雷达特征来增强目标的识别能力

基于相关目标／物体的最佳极化雷达特征给出了一种新型的自动目标／物体的识别方法。目前的雷达目标识别方法是以采用一对非最佳极化特征,或预置的４对正交极化特征为基础。这些设计方法只在改进目标探测方面有效果,对提高目标分类／识别性能还看不出有什么效果。本文探讨如何利用最佳极化特征来增强合成孔径雷达的目标识别能力。     

基于峰值区域的高分辨率极化SAR舰船目标特征分析与鉴别

针对高分辨率SAR 舰船目标检测中存在类似舰船的干扰目标造成虚警的问题,该文设计了一种峰值区域极化特征提取方法.该方法通过对比水面船只和干扰目标峰值区域Krogager 分解中螺旋体散射比重的差异,对两类目标进行了鉴别分析.利用RADARSAT-2 的C 波段全极化数据对方法的有效性进行验证,验证结果表明该方法能有效地鉴别船只目标与岛屿、防浪堤、海面平台、桥梁等干扰目标,减少SAR 舰船目标检测中存在的虚警.      

快速搜索算法与极化合成孔径雷达三维成像

从全极化(hh,hv,vh,vv)合成孔径雷达(SAR)图像数据中,可提取方位向的地势倾斜度信息,形成极化SAR三维成像。该文重点研究极化 SAR三维成像快速算法;提出由 Stokes矢量推导的的极化椭圆方向用解模糊算法;讨论目标极化散射特性对提取地势高度信息的影响以及处理方法;并利用真实的极化 SAR图像数据得到了极化三维成像结果。     

引入有取向二面角散射的Freeman-Durden 分解

该文首先考察了当极化SAR 方位向与农作物种植行向不一致时,入射电磁波到地表、农作物的二次散射与一般二次散射的区别。其次,为描述这种二次散射,建立了有取向的二面角散射模型,并将该模型引入到Freeman-Durden 目标分解中,设计了相应的目标分解算法。最后,选取同一农作物种植区两种航迹的机载全极化SAR 数据实现了该分解算法。实验结果证明,对于农作物种植区,改进后的Freeman-Durden 分解能提升不同航迹下的极化SAR 数据目标分解的一致性。      

应用分布目标的多极化合成孔径雷达定标技术

该文对Sarabandi的分布目标定标算法作了改进。然后利用SIR-C系统的L波段的未定标的和经过SIR-C定标组定标过的同一场景数据,采用修正的Sarabandi算法进行定标实验。最后比较该算法结果与SIR-C定标组定标结果。检验该算法的性能。     

全极化合成孔径雷达图像极化白化滤波参数估计方法的改进研究

本文介绍了全极化SAR图像相干斑抑制的极化白化滤波,及其参数估计的传统方法.针对传统参数估计方法的缺陷,提出了增强的自适应边缘检测参数估计方法.由于以上方法无法检测点、线目标,本文提出了一种新的参数估计方法.将这些方法应用到NASA JPL实验室的全极化SAR图像数据中,得到了相干斑抑制图像.对这些图像进行详细的分析、比较,结果证明参数估计新方法具有强的适应性和有效性.     

简缩极化SAR数据处理与应用研究进展

极化信息能丰富合成孔径雷达(SAR)数据的信息量,在农业、环境、海洋、森林、军事等领域取得了广泛的应用,但同时也面临分辨率较低、幅宽较小的问题,带来较高的应用成本。简缩极化SAR(CP SAR)作为一种能同时获取较为丰富的地表信息并实现较大幅宽观测的极化SAR模式,在过去十余年中引起了科研人员的广泛关注。随着印度RISAT-1卫星的成功发射,简缩极化SAR在一系列应用研究中取得了新进展。该文简要介绍了简缩极化SAR的经典数据处理方法,总结了近十余年来简缩极化SAR在农业和海洋应用领域的主要研究成果,最后对其发展方向进行了分析与展望。      

PolSAR成像的固定极化干扰机有源诱饵目标鉴别及抑制

针对合成孔径雷达(Synthetic Aperture Radar,SAR)成像中真假目标难以区分的问题,提出了一种极化合成孔径雷达(Polarmetric SAR,PolSAR)成像固定极化转发式干扰诱饵目标鉴别方法。该方法首先通过极化熵对目标进行分类,提取低极化熵的目标并对目标进行Wigner-Ville分布(Wigner-Ville Distribution,WVD)变换,再利用Hough变换计算WVD图像中的曲线斜率,将计算出的多普勒调频率与理论调频率进行对比,进而完成真实目标与假目标的鉴别,最终通过极化对消对鉴别出的目标进行抑制。实验结果验证了该方法的有效性。     

基于模型的π/4模式简缩极化干涉数据目标分解

基于模型的目标分解是极化合成孔径雷达(SAR)的一个重要应用,基于模型目标分解依赖于极化数据仅能获得各散射机制的能量信息.该文将基于模型的分解技术应用到π/4模式的简缩极化干涉SAR(C-PolInSAR)数据中,对互相关矩阵进行分解,在获得各散射机制功率的同时获得对应的散射相位中心.该文首先推导出3种散射机制π/4简缩极化SAR干涉观测下散射模型,然后运用数值计算方法进行目标分解,最终求解出各散射机制的功率贡献及相位中心高度信息.仿真数据验证了该算法的有效性,分析了不同波段及不同地表参数对分解结果的影响.     

一种基于表面散射相似度的SAR图像极化增强方法

针对传统极化增强在多类目标增强和极化信息保持方面存在的不足,该文基于表面散射的相似度提出了一种新的极化增强方法。该方法根据目标表面散射的相似度,对不同散射类型的目标相干矩阵乘以不同实系数,从而增大了表面散射的目标与其它散射的目标的对比差异。同时由于该方法将表征目标的相干矩阵作为整体进行运算,因而保持了目标的极化信息。最后利用NASA SIR-C/X-SAR实测极化数据验证了该方法的有效性。     

Adaptive model-based scattering decomposition of Polarimetric SAR Interferometry

In this paper, a new decomposition method is proposed to solve the problems that vegetation component is overestimated and is not sensitive to directional scattering features with traditional polarimetric Synthetic Aperture Radar （SAR） decomposition. It uses a Polarimetric Interferometric Similarity Parameter （PISP） calculated from Polarimetric SAR Interferometry （PolInSAR） datasets to the scattering decomposition. The PISP is proposed to reveal the geometric sensitivity of SAR inter- ferometry. It is defined by three optimized mechanisms obtained from PolInSAR datasets, therefore, it not only relates to the coherent scattering mechanism closely, but also sufficiently uses the phase and amplitude information. The PISP of building is high, and forest＇s PISP is low. The proposed method uses the PISP as a judge condition to select different vegetation model adaptively. The decomposition results show the proposed method can effectively solve the vegetation ingredients overestimation problem. In addition, it is sensitive to the directional scattering.     

融合极化旋转域特征和超像素技术的极化SAR舰船检测

对海监视是极化SAR的重要应用,密集区域的舰船目标检测是当前面临的主要挑战之一。舰船密集区域受多目标串扰,传统的恒虚警率(CFAR)检测滑窗难以选取纯净的海杂波样本用于确定检测门限,将导致检测性能下降。针对这一问题,该文从特征提取和检测器设计两方面出发,提出一种融合极化旋转域特征和超像素技术的极化SAR舰船检测方法。在特征提取方面,雷达目标的后向散射敏感于目标姿态与雷达视线的相对几何关系,由此带来的散射多样性隐含信息可通过极化旋转域分析进行挖掘。该文利用极化相关方向图及导出的一系列极化旋转域特征,根据目标杂波比(TCR)分析,优选TCR最高的3个极化特征量用于构建目标检测器。在此基础上,该文在检测器设计方面提出了一种基于K均值聚类的杂波超像素筛选方法,有效避免了密集区域舰船目标对邻近杂波的影响,基于筛选的杂波像素点得到舰船目标CFAR检测结果。基于Radarsat-2和高分三号星载全极化SAR数据的对比实验表明,所提方法能有效实现密集区域舰船目标检测,检测品质因数达到95%。      

SAR图像的极化干涉非监督Wishart分类方法和实验研究

该文在合成孔径雷达图像的极化非监督Wishart分类的基础上,给出了一种利用极化干涉信息对合成孔径雷达图像进行非监督分类的方法。该方法主要利用一(66)的极化干涉相关矩阵,从而可以同时考虑单幅图像的全极化信息以及两幅像对之间的互相关信息。该文详细阐述了该方法的具体实现,并利用NASA/JPL的SIR-C/X-SAR系统在中国天山地区的L波段实测数据进行了实验研究。给出了利用该方法对实验数据进行分类的结果,并与极化非监督Wishart分类的结果进行了比较。结果表明,该方法能够很好地分辨不同类型的地物,保持地物的细节,并且比极化非监督Wishart分类结果有很大改善。     

空间目标散射结构极化旋转域辨识

极化逆合成孔径雷达(ISAR)具备全极化测量和高分辨成像能力,已成为空间态势感知的重要传感器。作为典型的人造目标,空间目标散射特性敏感于目标姿态和雷达视线方向的相对夹角。这种散射多样性给极化ISAR数据解译带来困难,也蕴藏着丰富的极化散射信息。为提高空间目标散射结构辨识性能,该文深入挖掘绕雷达视线的极化旋转域信息,提出一种空间目标散射结构极化旋转域辨识方法,共包含3个步骤。首先,对极化ISAR数据开展绕雷达视线的极化旋转域分析,导出极化相关方向图特征。其次,分析基本散射体的极化相关方向图特性,构造极化特征编码矢量。最后,基于极化特征编码矢量距离度量实现散射结构极化辨识。围绕太阳能帆板、反射面天线等空间目标典型部件开展仿真实验研究,所提方法相较于传统的Cameron分解方法性能更优,鲁棒性更高。     

ENVISAT ASAR交替极化模式目标检测性能分析

ENVISAT ASAR具有交替极化模式,可以提供3种双极化组合。该文针对3种双极化组合分别推导了几种目标检测器,包括最优极化检测器、白化滤波检测器、张量检测器、单通道检测器等,并使用ROC曲线对它们分别进行了性能比较。结果表明极化白化滤波检测器的性能最接近于理想的最优极化检测器,极大地提高了检测性能。     

极化白化滤波器的一种多通道扩展

为减小相干斑对分类、检测的影响,通常要对极化合成孔径雷达图像进行相干斑抑制。极化白化滤波器(PWF)是利用多个极化通道的复数据抑制相干斑的有效方法,但其输出只有一个通道。为了在后续处理中能够利用全极化数据,该文对PWF进行了改进,提出了多通道极化白化滤波器法(MCPWF)。该方法在保持PWF最少相干斑图像输出的同时,还能得到各个极化通道滤波后的输出。Pi-SAR实测数据的实验结果验证了该方法的有效性。     

复杂场景下单通道SAR目标检测及鉴别研究进展综述

SAR作为一种主动式微波成像传感器,以其全天时、全天候、作用距离远等独特的技术优势,成为当前对地观测的主要手段之一,在军事和民用领域发挥着十分重要的作用。随着SAR遥感技术的发展,高分辨率、高质量的SAR图像不断产生,仅依靠人工手段对感兴趣的目标进行检测、识别费时费力,因此亟需发展SAR自动目标识别(ATR)技术。典型的SAR ATR系统主要包括检测、鉴别、分类/识别3个阶段,其中,检测和鉴别阶段是整个SAR ATR系统的基础,是国内外雷达界一直开展的SAR应用基础研究之一。针对单通道SAR图像,简单场景下目标检测与鉴别已经取得了不错的结果;而在复杂场景下,杂波散射强度相对高、杂波背景非均匀和目标散射强度相对弱、分布密集等情况,使得SAR目标检测和鉴别依然是一个难点。该文对近十年左右复杂场景下单通道SAR目标检测及鉴别方法的研究进展进行了归纳总结,并分析了各类方法的特点及存在的问题,展望了未来复杂场景下单通道SAR目标检测与鉴别方法的发展趋势。      

用聚束SAR对慢速运动目标进行轨迹跟踪和参数估计的方法

针对聚束式合成孔径雷达(SAR)动目标检测的问题,把回波信号进行连续重叠地时域分组,每组信号可以看成是来自一个时域子孔径, 然后在每个子孔径内分别成像。地面固定目标在每幅图像上的成像情况是相同的, 通过彼此相减就可以消去,达到了抑制杂波的目的,而运动目标由于每个时刻的位置都在变化,在每幅图像上的位置是不同的, 从而在相减后剩余下运动目标的图像,把这些图像拼接起来就再现了运动目标的运动轨迹,根据运动轨迹就可以对其运动参数进行估计。该文给出了这个方法的原理推导和具体的检测过程。仿真结果证明了该方法的有效性。