相位梯度自聚焦在FFBP聚束SAR处理中的应用

基于孔径分解和图像递归融合的快速分解后向投影算法具备接近频域算法的运算复杂度和媲美后向投影算法的聚焦性能．与频域成像算法不同,使用快速分解后向投影算法重建的直角坐标系图像或极坐标系图像均无法满足传统自聚焦方法的使用条件．为了解决这个问题,在原快速分解后向投影算法的基础上创新地引入了虚拟极坐标系,提出了改进快速分解后向投影算法,为自聚焦处理提供图像域与距离压缩相位历程域之间的傅里叶变换对关系．其次,建立全新的重叠子孔径构型,提出了嵌套多孔径相位梯度自聚焦的改进快速分解后向投影算法．最后,利用X波段聚束合成孔径雷达实测数据对该方法进行了验证．     

一种改进的高分辨极化SAR相干斑抑制算法

SDAN-FP算法在高分辨极化SAR相干斑抑制方面具有潜在的应用前景,但是该算法的同质区域选择方案未考虑地物极化散射特性。为提高同质区域选择的准确性,首先用及时更新功率后的SDAN方案对每一个待估像素自适应地选择同质区域;然后引入主散射机理判别机制进一步优化同质区域;最后估计得到极化相干矩阵,从而实现了更为有效的高分辨极化SAR图像相干斑抑制。基于仿真和实测极化SAR数据的相干斑抑制实验验证了文章算法的有效性。     

俯仰向DBF SAR系统通道相位偏差估计算法

由于俯仰向多通道合成孔径雷达系统通道之间存在相位偏差,因此降低了数字波束形成后雷达图像的性能．为解决上述问题,提出了一种俯仰向通道相位偏差估计算法．该算法首先对相邻通道间的数据进行干涉处理,获得相邻通道之间的复干涉相位图; 然后,对复干涉相位进行干涉处理,获得邻近通道干涉相位的差分相位;最后,通过优化图像的最大对比度估计俯仰向通道间的相位偏差．利用车载俯仰向多通道雷达系统获取的数据验证了这种算法的有效性．     

一种SAR图像相干斑噪声抑制新算法

为抑制合成孔径雷达(SAR)图像乘性相干斑噪声,同时有效保护SAR图像的边缘特征,给出了相干斑噪声在小波域的一种加性转换噪声模型．并以此模型为基础,提出了一种非下采样小波包分解下自蛇扩散与改进L1-L2联合优化相结合的相干斑噪声抑制新算法．该算法利用非下采样小波包变换对SAR图像进行多层子带分解,然后对低通子带系数进行自蛇扩散滤波,并将滤波处理后的系数作为原SAR图像在小波域的局部均值估计,再以此局部均值为基础,利用改进的L1-L2联合优化对其他各高频子带系数进行自适应软阈值收缩滤波去噪．最后通过重构滤波后的各子带系数实现SAR图像相干斑噪声抑制．实验表明: 与经典的空域Kuan滤波算法、P-M扩散滤波算法及基于非下采样小波变换的Γ-WMAP算法相比,本算法在SAR图像的相干斑噪声抑制与边缘保护方面均取得了较好的效果．     

带有松弛因子的迭代法在图像重建中的应用

图像重建常常被转化为线性方程组的求解问题.从解大型线性方程组出发,由逐次超松弛法(SuccessiveOverRelaxation,SOR)推导出一种带有松弛因子的迭代法.与SOR法相比,该算法不仅大大降低了对计算时间和内存空间的需要,而且有利于克服重建图像对不完全噪声数据的敏感性.通过对模拟数据和实际数据的重建,估计了算法的有效性,并将重建图像与滤波反投影(FilteredBackProjection,FBP)重建图像进行了比较.     

基于子波域自适应融合HMTseg算法的遥感图像分割

提出了一种具有自适应融合机制的HMTseg算法,用于遥感图像的分割.该算法充分利用图像子波系数尺度间的统计相关性,通过赋予各个尺度不同的背景权值,兼顾了粗尺度分割的区域一致性和细尺度分割的边界定位准确性,保持了图像各个同质区域的主体轮廓,增强了辨别图像小目标的性能.航拍图像和合成孔径雷达图像的分割结果表明,该算法可以在分割的区域一致性和边界准确性之间做到较好的折中,提高遥感图像分割的性能.     

结合邻域信息粒子群聚类用于SAR图像变化检测

SAR图像变化检测可以转化为对差异图的聚类问题。由于 SAR 图像本身容易受到斑点噪声干扰,为提高聚类效果提出了一种结合邻域信息的自适应粒子群聚类算法。该方法在模糊 C 均值原目标函数基础上,引入中心像素的邻域信息,并通过自适应粒子群的全局搜索来优化聚类中心。该方法还引入了自学习算子即粒子编码中的中心像素的隶属度,能够向其相邻像素的隶属度学习,并据此修正自身的隶属度值相关。实验结果表明,与模糊C均值和量子免疫克隆聚类算法相比,该方法利用了像素的邻域信息,从而增强了抗噪性能。与模糊局部信息C均值算法相比,该方法对图像细节保持能力较强,运行时间也较少。     

Unsupervised SAR image segmentation using TMF and belief propagation

To solve the problem that the traditional statistical inference approach for the triplet Markov fields (TMF) model cannot balance segmentation accuracy and computational efficiency, an efficient statistical inference approach for the TMF model using belief propagation is proposed, and then applied to unsupervised synthetic aperture radar (SAR) image segmentation. The algorithm combines the TMF model and the statistical property of the SAR image, and translates the segmentation problem into maximization of the posterior marginal (MPM) estimation. For the two label fields in TMF, the belief propagation algorithm is generalized to the bivariate case to estimate the joint posterior marginal probability of the two label fields through message passing. The two label fields can be simultaneously estimated according to the MPM criterion. Experiments on both simulated and real SAR images demonstrate that the proposed algorithm can efficiently suppress the influence of the speckle, and obtain accurate segmentation results with a reasonable computational cost.     

Change detection for SAR images based on fuzzy clustering using multilevel thresholding

A new fuzzy clustering algorithm using multilevel thresholding is proposed to reduce the computational complexity of the fuzzy local information c-means (FLICM) algorithm for solving the clustering problem on the difference image of change detection for SAR images. First, the pixels in the difference image are classified into the “changed” pixels, “unchanged” pixels and unknown status pixels by the multilevel thresholding procedure. Then the unknown status pixels are clustered by the FLICM. If the neighboring pixels in the FLICM are not the unknown status pixels, their degrees of membership are set to 1 or 0. The proposed method improves the precision in the change detection for SAR images with the low computational complexity. Experimental results show that the proposed method has the better performance than fuzzy c-means (FCM) and FLICM algorithms on the change detection for SAR images and that its run time is about 70％ less than that of the FLICM algorithm.     

快速的Otsu双阈值SAR图像分割法

在分析SAR图像的统计分布特征的基础上,根据SAR图像自动目标识别对SAR图像分割的要求,提出了一种适合SAR图像的Otsu分割算法。算法首先利用CFAR进行粗分割,然后利用Otsu进行细分割。实验结果表明,该算法分割准确且计算量小,客观评价值较高。