多极化SAR图像目标的智能识别应用研究

针对小样本集的多极化合成孔径雷达(SAR)图像目标,提出利用迁移学习、多极化SAR图像增广以及网络架构适应性改进,实现了多极化SAR图像目标端到端的智能分类识别;利用实测机载全极化SAR目标图像进行了实验.实验结果表明,与传统机器学习SVM方法相比,基于多极化SAR深度学习方法所包含的多个神经网络隐含层能自适应地提取目标高层语义特征,其目标分类识别精度更高,从而验证了本文深度学习方法用于多极化SAR图像目标识别分类的有效性.     

基于几何特征信息融合的SAR图像目标识别

几何特征是进行合成孔径雷达图像目标识别的重要依据,根据检测后的高分辨率合成孔径雷达目标图像,分析并且提取其典型几何特征,然后依据所得到的结果进行特征级的融合识别。首先运用二次距离法构造分量识别器,然后采用绝对多数投票法进行集成,最后结合专家系统分析得到基于目标典型几何特征的识别结果。经数据实验验证,该方法具有良好的可靠性和准确性。     

姿态图像缺失情况下的SAR目标识别

针对目标姿态图像缺失的情况,提出通过姿态图像合成的方式增加训练集的姿态覆盖程度,并将扩充后的图像也用于训练目标分类器.受稀疏表示模型的启发,建立了一种合成孔径雷达图像姿态合成模型.该模型根据少量已知姿态的图像,线性组合出缺失姿态下的近似图像.在运动和静止目标获取与识别数据集上的实验表明,通过合成缺失姿态下图像的方法可有效提升目标识别的精度,特别是在训练数据集中姿态缺失严重时,文中方法提升尤为明显.     

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...     

合成孔径雷达图像目标分类研究

基于灰度共生矩阵技术,研究了可用于合成孔径雷达图像分类的灰度共生矩阵中差方差、差熵、对比度、能量、方差等纹理特征量,分析了其特征提取和分类特性。运用类内类间距准则,通过计算图像特征值的类内类间距,得到对合成孔径雷达图像分辨效果较好的纹理特征量,并利用三层BP神经网络进行图像分类,获得了满意的分类结果。     

基于局部纹理特征的合成孔径雷达变体目标自动识别算法

提出了一种针对变体的识别算法,利用变体与原目标局部纹理之间的相似性进行识别。首先,提出了一种基于清晰边缘的合成孔径雷达(Synthetic aperture radar,SAR)图像配准算法;然后使用结合伽柏(Gabor)变换,局部二值模式(Local binary pattern,LBP)和空间区域直方图的纹理特征来描述SAR图像;最后用基于大特征的直方图序列的匹配做识别。基于MSTAR S2的试验结果证明了本算法的有效性。     

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。     

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．     

合成孔径雷达慢运动目标成像处理的研究

从运动目标的回波特性出发，讨论了目标运动参数对合成孔径雷达（ＳＡＲ）成像的影响，介绍了一种运动目标成像算法。该算法能有效地区分静止目标和运动目标，实现静止目标与运动目标分别同时成像。并给出了对ＳＡＲ运动目标模拟数据的处理结果。     

Linear frequency diversity array synthetic aperture radar imaging based on enhanced back-projection algorithm

Based on the signal model of multiple carrier frequency (MCF) for linear frequency diversity array synthetic aperture radar (LFDA-SAR), we propose an enhanced back-projection (EBP) algorithm. Compensation for the quadratic phase error in echoes is executed and the spatial-variant range drifting amount and phase of the target are amended during the process of back-projection. The proposed algorithm can effectively rectify the image blurring and geometric distortion problem in classical back-projection imaging results, realize a high precision imaging of targets with an arbitrary imaging geometry and distinguish adjacent strong and weak targets. All results verify the effectiveness of the proposed algorithm.     

旋转式合成孔径雷达干涉成像方法

为满足复杂低空环境三维成像需求,构建了旋转式合成孔径雷达干涉成像模型．针对不同高度的系统平台存在旋转轴中心偏移问题,采用旋转轴和场景整体平移的方法,将轴偏移等效为场景位置移动,进而分析场景位置变化对方位带宽和干涉相位的影响,获取斜距差和偏移量的关系式,最终通过构建补偿函数来实现附加相位补偿．仿真结果表明,该方法能够有效地消除轴偏移的影响,并能实现场景高程精确测量．     

基于雷达回波视频信号的目标智能识别方法研究

为了提升常规雷达目标识别的能力,以含有更多目标原始信息的回波视频信号为基础,研究了目标回波视频信号的特征提取,提出一种基于支持向量机的目标识别方法.最后通过仿真实验验证了本文方法的有效性.仿真结果表明,采用本文方法对目标大小识别的准确率与信噪比、采样率有关;对目标机型识别能得到较高的准确率.     

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．