相位梯度自聚焦算法在条带模式SAR中的应用

相位梯度自聚焦(PGA)算法是一种稳健的高分辨SAR相位校正方法，在SAR领域得到广泛应用。但PGA是对聚束模式成像提出的，不能直接用于条带模式。本文利用两种模式之间的内在联系，将条带模式SAR数据分块处理，等效成聚束模式数据。然后，用聚束照射SAR成保算法实现成像，此时就可以利用PGA完成各决于图像的自聚焦过程，最后将各于固体适当拼揍，从而实现条带模式SAR的PGA处理，外场数据的处理证实了本文方法的可行性，同时，分块处理条带SAR数据实现了聚束照射SAR与条带模式SAR成像算法上的统一。     

双基地合成孔径雷达相位梯度自聚焦算法

研究并提出了一种双基地合成孔径雷达(BSAR)相位梯度自聚焦(PGA)算法.首先分析了PGA算法的推导过程,对其推导前提和适用范围进行了研究,指出其应用于BSAR自聚焦的合理性.然后对BSAR两维分辨矢量及点扩展函数特性进行分析,得出误差导致图像散焦的方向.根据双基地SAR图像特点,提出了当PGA算法应用于BSAR时应根据成像几何对图像进行旋转,沿垂直距离分辨方向进行的方法.计算机仿真证明改进后的PGA算法是一种有效的双基地SAR自聚焦算法.     

自适应越渡点的SAR图像模糊对比度增强算法

SAR图像存在动态范围小、对比度差和细节信息不清晰等质量问题,制约了SAR图像的信息获取能力。针对这一问题,提出自适应越渡点的SAR图像模糊对比度增强算法。该算法分析了经典模糊增强方法的局限性,利用SAR图像灰度直方图的分布特性来计算自适应越渡点和模糊对比度增强操作数,实现了SAR图像的自适应对比度增强处理。采用多组实测数据验证该算法,用客观指标评估了增强性能。     

用DSP实现合成孔径雷达图像自聚焦算法的研究

研究SAR图像PGA自聚焦算法在DSP中实现的具体流程和算法结构,文中给了算法的具体实现方法.对DSP的任务进行了划分,论证了DSP实现中运算量,实时性等重要因素.给出了实际设计DSP选型的建议.通过分析指出用DSP实现SAR图像的自聚焦算法是完全可行的.本文对高分辨率SAR处理机的设计有一定参考价值.     

基于小波域广义高斯分布的SAR图像分割算法

针对利用灰度共生矩阵作为纹理特征的传统方法不能够有效表征图像的边缘高频信息的问题,结合小波的多分辨率分析,提出了一种基于小波变换域统计特性的合成孔径雷达（SAR）图像分割算法。图像经过小波变换后,其统计特性服从广义高斯分布（GGD）,利用最大似然（ML）估计,推导出GGD的两个参数[α]、[β],提出了利用Newton-Raphson法对[β]进行快速迭代求解。并将[α]、[β]作为SAR图像的纹理特征,利用K-Means对其进行分割。通过对典型的SAR图像结果分析,表明了该算法的有效性。     

基于分布差异的多时相SAR图像变化检测

结合SAR的后向散射特性和成像特点,利用交叉熵给出一种基于Edgeworth多项式的分布差异法检测不同时相的SAR图像变化区域。该方法采用Edgeworth多项式拟合SAR图像的密度分布,利用交叉熵计算两幅图像的差异指数,获得的差异图像能较好地反映图像变化情况,抑制了SAR图像固有的斑点噪声影响,采用CFAR分割差异图像得到的变化检测结果表明该方法具有高检测率、低虚警率的特点。     

最小模糊偏移度准则下的SAR图像对比度增强

针对SAR图像灰度特性,提出最小模糊偏移自动对比度增强算法(MFO)。该算法基于模糊理论,利用高斯型隶属度函数将图像灰度信息模糊化,以模糊偏移度最小准则确定模糊对比度增强操作数(INT),得到该准则下最优的S形灰度映射函数,增强SAR图像对比度。利用TEN、EME两种评估参数评价增强结果,验证了算法的有效性。     

SAR图像幅度关联去斑算法

在合成孔径雷达（Synthetic Aperture Radar,SAR）图像相干斑抑制过程中,如何在去斑的同时保持图像的边缘和结构信息是一个难点问题。针对此问题提出了SAR图像幅度关联去斑算法,该算法基于幅度关联,通过全局幅度关联阈值将滑窗内像素分成两个部分,选取像素数目较多的一部分使用最大似然估计方法估计出中心像素的真实值。提出了一种基于频谱统计相似度的评估方法,并利用该评估方法及一些经典的去斑性能评估方法,分别通过仿真数据和实测数据处理结果验证了所提去斑算法的有效性。     

SAR图像的最优分割方法

根据SAR图像的概率密度函数获得图像的拟然函数,然后将似然函数和边界约束方程结合起来,提出适合于SAR图像分割的代价函数,其中边界约束方程引入邻域结构信息来保证区域边界的规则性,通过使代价函数最小来获得图像的最优分割。算法首先将原图分割成一定大小的块状区域作为初始分割,每一区域代表一个类别;然后随机调整相邻两个区域之间的像素,通过比较代价函数的变化,利用模拟退火算法确定接受该调整的概率。模拟退火是一种求解全局最优的算法,当温度趋向于0时,它可以获得使代价函数最小的SAR图像的分割。最后,利用基于相似性的融合方法对分割进行后期处理,将相似的较小的区域融合成较大的区域,使得分割更合理。我们将该算法应用到一些SAR测试图像上,获得了比较满意的结果。     

基于多智能体遗传的SAR图像变化检测

针对传统进化算法在SAR图像变化检测时,容易陷入局部最优,收敛速度慢,耗时过长,为了解决这些问题,提出了一种无监督的多智能体遗传SAR图像变化检测方法。利用对数比值法对预处理后的图像构造差异影像,并对差异影像进行中值滤波处理,把它的灰度值作为输入信息,通过多智能体遗传算法搜索全局阈值,根据全局阈值得到变化检测结果。仿真结果表明,该算法与GA、ICSA相比,分类准确,收敛快速,效率更高。     

SAR自动聚焦处理器的设计与实现

合成孔径雷达(SAR)成像具有数据量巨大、算法比较复杂等特点。如何实时实现SAR成像的相关算法是嵌入式高性能计算领域一个值得研究的问题。针对SAR成像中多普勒调频率估计的经典算法PGA算法，阐述了算法的实时化改进。介绍了基于FPGA的SAR自动聚焦处理器的系统级设计及PGA算法到FPGA逻辑实现的映射过程。     

基于自聚焦的变门限SAR/GMTI动目标检测方法

高分辨率合成孔径雷达（Synthetic aperture radar,SAR）合成孔径时间长导致动目标散焦严重、信杂噪比（Signal clutter noise ratio,SCNR）降低,增加了对动目标的检测难度。针对这种情况,本文提出了一种基于自聚焦的变门限SAR/(Ground moving target indication,GMTI)动目标检测算法。该算法利用距离相位误差和方位相位误差之间存在的固定关系实现对动目标的两维相位误差的估计与补偿,达到提高SCNR的目的。通过两级不同门限的恒虚警率（Constant false alarm rate,CFAR）检测分别实现动目标检测和排除虚警。实测数据结果表明,本文算法能有效地检测动目标,降低虚警概率。     

一种适用于宽带条带式合成孔径声纳的相位梯度自聚焦算法

传统的相位梯度自聚焦(PGA,phase gradient autofocus)算法仅适用于窄带聚束式合成孔径成像。提出了一种适用于宽带条带式合成孔径声纳的相位梯度自聚焦(SPGA,stripmap phase gradient autofocus)算法。SPGA算法通过多普勒频移估计线性侧摆;SPGA算法消除了侧摆对回波信号包络的影响,使成像模糊仅仅是由方位向相位误差引起的,这样才可以由Dechirp后的距离压缩域数据的相位误差梯度得到侧摆的估计;SPGA算法利用估计得到的侧摆对距离徙动校正前的回波数据进行包络和相位补偿。仿真表明该算法有效地估计出了侧摆,提高了成像质量,且成像没有发生方位向偏移,明确地确定出了目标的位置。     

基于TS201系列DSP的PGA算法实现

相位梯度自聚焦(PGA)算法被广泛用于机载合成孔径雷达(SAR)成像中.由于其过程复杂,数据处理量大,为满足机载SAR实时处理的要求,选用具有强大处理能力的TS201 DSP.为了充分发挥TS201的性能,利用PGA原理和TS201处理器的特点,对算法流程进行优化,并且对最耗时的FFT采用了汇编语言实现,使得运算量和处...     

基于二维模糊熵的GA在SAR图像分割中的应用

SAR图像中目标和背景的分割是SAR图像分割中的重要内容,阈值方法是其中比较简单实用的方法。阈值分割的核心问题是如何选择合适的阈值,最简单和常用的方法是从图像的灰度直方图出发,得到各个灰度级的概率分布密度,依据某一准则选取一个或多个合适的阈值,以确定每个像素点的归属。该文借助遗传算法工具,对基于二维直方图的模糊熵法做了改进和设计,提出了寻找最优阈值的分割算法,经MSTAR数据测试,对于含噪SAR图像目标和背景的分割具有很好的效果,抑噪功能强。     

基于最大变差范数准则的ISAR自聚焦方法

为消除目标平动引起的初相误差,必须进行自聚焦以避免ISAR图像模糊.在分析ISAR回波信号模型的基础上,本文构造了高阶多项式相位信号的初相补偿函数.已有文献多ISAR图像聚焦程度为准则,对该多项式相位信号的参数进行优化.本文利用最大全变差范数作为ISAR方位向成像的聚焦评价准则,该指标值在平动参数空间中的分布具有局部极值点少的优点,利于最优确定初相补偿函数的参数,并采用协同粒子群优化算法加速参数的寻优速度和精度.仿真实验证明了本文方法的可行性和正确性.     

地理信息库支持下的SAR 影像信息提取

在计算机辅助下如何快速的对整景高分辨率SAR影像进行信息提取已成为一个研究热点。将这一问题构建为一个系统工程来进行考虑解决。在SAR影像中, 许多目标例如河流、湖泊、主要道路、街区和居民地等地理属性信息在短期内不易发生变化, 因此可将这些地理数据集作为先验信息存于数据库中, 在随后对SAR影像的信息处理中, 可以通过预先建立的地理索引调用相应的地理信息来指导信息提取过程, 从而加快整个系统的处理进度, 满足实际工作的需求。     

基于马尔可夫随机场的SAR图象目标分割

运动、静止目标获取与识别（MSTAR）计划表明，将合成孔径雷达（SAP）图象分割成目标、阴影和背景杂波区域对于从开放环境中进行目标识别是一种有效的手段。但是由于SAP图象所固有的斑点噪声的影响，传统的分割方法很难获得准确的分割。为此提出了一种基于MRF(Markov random field)模型的SAP图象分割算法。用MRF模型描述待分割图象的先验知识，利用最大似然（ML）估计从训练数据中获得图象各区域的先验概率分布，采用Bayes方法，在观测数据基础上，根据分割图象的后验分布所对应的MRF模型的条件概率，利用Metroplis采样器获得最大后验概率（MAP）准则下的图象分割。通过对MSTAR的样本目标图象应用该算法，结果表明它可以获得稳健和准确的分割效果。     

基于局域Radon变换的尾迹提取算法

提出一种基于局域Radon变化的SAR图像尾迹提取算法,该算法首先利用滑窗对图像进行标准差归一化处理,以突出图像中灰度与海面背景有明显差别的区域;选出突出的像素点,并根据策略将其灰度值用某些常数代替;接着在局域Radon变换中,积分值对应于这些区域线性特征的长度,通过设定阈值去除线性区域较短的非尾迹区域产生的虚警,用形态学的膨胀算法将结果中靠的很近的两条亮线合成一条,再用合理的腐蚀处理,剔除噪声信号。实测数据处理结果表明,该算法能准确提取舰船尾迹,降低虚警,能确定尾迹的起点和终点,准确计算出尾迹的边之间的夹角,而且运算简单,满足人们对系统实时性的要求。