共查询到20条相似文献,搜索用时 78 毫秒
1.
逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)可以实现对目标全天时、全天候、远距离和高分辨率的观测,在军事和民用领域中具有广泛的应用价值。首先,系统地总结了近年来在ISAR二维成像方面的研究进展。其次,从包络对齐与自聚焦两方面对平动补偿的研究现状进行了分析。再次,在分析传统ISAR成像方法的基础上,对4种超分辨成像方法进行归纳总结。然后,对大转角成像算法进行对比分析,给出不同算法的适用范围。同时,对多目标成像和微动目标成像的研究进展进行了综述和分析。最后,对未来ISAR成像的热点问题和发展趋势进行了展望。 相似文献
2.
基于稀疏成份分析的逆合成孔径雷达成像技术 总被引:3,自引:1,他引:3
根据小角度条件下的逆合成孔径雷达观测模型,利用稀疏成份分析方法给出了基于FFT的二维联合超分辨算法和二维解耦超分辨成像算法.该算法能从补偿后的较低分辨率测量数据中获得更高分辨率的ISAR图像,提高图像的清晰度,凸现目标的特征结构,有利于目标识别.同时,二维解耦算法能与运动补偿过程相结合,以提高补偿精度.针对典型空间目标的成像结果表明,基于FFT的二维联合算法获得的图像较为干净,目标背景对比度高;二维解耦算法运算速度更快.算法能满足实时或准实时成像的要求. 相似文献
3.
传统距离多普勒(Range Doppler, RD)成像方法分辨率取决于发射信号的带宽和信号在方位向积累的多普勒带宽。超分辨成像可以在给定带宽条件下,获得比RD方法更优的分辨率。给出一种基于幅度和相位估计(Amplitude and Phase Estimation, APES)的逆合成孔径雷达(Inverse Synthetic Aperture Radar, ISAR)超分辨成像方法,该方法根据回波数据构造自适应滤波器对目标散射点进行重建,仿真和实测ISAR数据成像结果验证了基于APES的ISAR超分辨成像算法的有效性。相比其他超分辨成像方法,该方法重建的散射点幅度更为精确,副瓣更低,图像对比度和图像信噪比增加,整体成像效果较佳。 相似文献
4.
5.
在ISAR成像中,距离和方位分辨率分别受发射信号带宽和成像积累角的限制。基于压缩感知(CS)理论,该文提出了一种2维联合超分辨ISAR成像算法。首先建立ISAR观测信号模型并构造2维超分辨字典,然后利用ISAR图像的稀疏先验信息将2维联合超分辨成像建模为最小l1范数的优化问题,最后提出一种快速算法求解该优化问题。该方法进行距离维和方位维的联合处理,有效利用了回波数据的2维耦合信息;通过共轭梯度(CG)运算,快速傅里叶变换(FFT),Hadamard乘积等操作,有效提高了算法的实现效率。仿真和实测实验验证了该算法的有效性。 相似文献
6.
7.
8.
9.
针对逆合成孔径雷达(ISAR)同一波束内多个运动目标在距离上无法分辨,传统的单目标ISAR成像方法难以有效聚焦,从而造成图像模糊的问题,提出了基于重排的平滑伪WVD(RSPWVD)-Hough变换进行各目标回波参数估计,然后利用逐次消去法进行回波分离,最终得到各目标清晰的ISAR像.该方法在保持高时频聚集性的同时有效消除交叉项的影响,降低了运算量,仿真结果证明了该方法的有效性. 相似文献
10.
11.
针对红外图像空间分辨率低、成像质量不高的问题,提出了基于迁移学习的红外图像超分辨率方法。该方法以基于卷积神经网络的自然图像超分辨率方法为基础进行改进:增加网络的层数进行更深层次的学习训练,串联多层小的卷积核使其能够利用更多的图像信息,以“相差图”为目标进行训练,减小网络训练时间,提升网络收敛速度;利用迁移学习知识,再以少量高质量红外图像为目标样本,对自然图像超分辨率的网络进行二次训练,将网络权重经过微调后迁移应用到红外图像的超分辨率上。实验结果表明:基于卷积神经网络的超分辨率方法能够有效迁移应用到红外图像的超分辨率上,且改进后的网络具有更好的自然及红外图像的超分辨率性能,验证了本文所提方法的有效性及优越性。 相似文献
12.
超分辨率图像恢复的目的是由低分辨率图像得到高分辨率图像,通常需要多幅或者一系列连续低分辨率图像.在有限的条件下很难得到。针对单幅图像超分辨问题,结合当前比较先进的稀疏表征方法,利用训练集图像的先验信息.对单幅图像进行超分辨率恢复。结合当前先进的基于稀疏表征的超分辨算法,采用误差反投影方法,提出一种改进的算法.对超分辨率... 相似文献
13.
Haidawati Nasir Vladimir Stanković Stephen Marshall 《Signal Processing: Image Communication》2012,27(2):180-191
In this paper, we address a super-resolution problem of generating a high-resolution image from low-resolution images. The proposed super-resolution method consists of three steps: image registration, singular value decomposition (SVD)-based image fusion and interpolation. The contribution of this work is two-fold. First we customize an image registration approach using Scale Invariant Feature Transform (SIFT), Belief Propagation and Random Sampling Consensus (RANSAC) for super-resolution. Second, we propose SVD-based fusion to integrate the important features from the low-resolution images. The proposed image registration and fusion steps effectively maintain the important features and greatly improve the super-resolution results. Results, for a variety of image examples, show that the proposed method successfully generates high-resolution images from low-resolution images. 相似文献
14.
15.
基于生成对抗网络的单帧红外图像超分辨算法 总被引:1,自引:1,他引:0
高分辨率红外图像的获取受到了硬件性能的限制,利用信号处理的方法实现红外图像的超分辨率重建可以有效地提高红外图像的分辨率.将基于深度学习的超分辨方法应用于红外图像,实现了单帧红外图像的超分辨率重建,获得了更好的评价结果.通过引入对抗训练的思想,以及添加基于判别网络的损失函数分量,提高了放大倍数的同时,获得更好的高频细节恢复,图像边缘锐化,避免了超分辨率红外图像过于模糊. 相似文献
16.
单幅红外图像超分辨率重构算法作为红外图像分辨率提升应用的关键技术,近年来得到了广泛的研究。为了提高红外图像的分辨力,提出了一种基于残差密集对抗式生成网络的单幅红外图像分辨力提升方法。与以往基于对抗式生成网络的分辨力提升方法不同,本文方法的新颖性主要包含两个方面。首先,在网络架构方面进行改进,以提高性能。设计密集残差网络作为对抗式生成网络的生成网络,充分利用了低分辨率图像的有效特征。在生成网络中引入了一种连续内存机制,以利用密集的剩余块。其次,将Wasserstein-GAN作为损失函数,对判别网络模型进行修正,以达到稳定训练的目的。利用红外高分辨率图像数据集进行了大量的实验,结果表明,该方法在客观评价和主观评价方面均优于目前最新的方法。 相似文献
17.
Yoshihiko Mochizuki Yusuke Kameda Atsushi Imiya Tomoya Sakai Takashi Imaizumi 《Signal processing》2011,91(7):1535-1567
The motion fields in an image sequence observed by a car-mounted imaging system depend on the positions in the imaging plane. Since the motion displacements in the regions close to the camera centre are small, for accurate optical flow computation in this region, we are required to use super-resolution of optical flow fields. We develop an algorithm for super-resolution optical flow computation. Super-resolution of images is a technique for recovering a high-resolution image from a low-resolution image and/or image sequence. Optical flow is the appearance motion of points on the image. Therefore, super-resolution optical flow computation yields the appearance motion of each point on the high-resolution image from a sequence of low-resolution images. We combine variational super-resolution and variational optical flow computation in super-resolution optical flow computation. Our method directly computes the gradient and spatial difference of high-resolution images from those of low-resolution images, without computing any high-resolution images used as intermediate data for the computation of optical flow vectors of the high-resolution image. 相似文献
18.
19.
为改善单帧图像分辨率退化问题,减少网络参数,本文提出一种基于紧凑型多径结构卷积神经网络的图像超分辨率重构算法。本文算法采用多径结构模型充分使用低分辨率图像信息,并利用残差学习策略学习低分辨率和高分辨率图像间残差信息以重建高分辨率图像。当卷积核数量有限时,含有ReLU的网络重构性能表现不佳,因此引入最大特征图激活函数,增强网络泛化能力,使网络结构更加紧凑,以捕捉具有竞争性特征,完成图像超分辨率重构。实验结果表明,本文方法具有良好的重构能力,图像清晰度和边缘锐度明显提高,在客观评价和主观视觉效果方面优于当前主流的超分辨率重构方法。为便携式高性能超分辨率重构奠定理论基础。 相似文献
20.
利用多帧低分辨率图像重建一幅高分辨率图像成为迫切需要解决的难题,传统基于插值的超分辨率算法的发展受到了限制。本文基于重建方法,根据低分辨率图像帧间运动参数,提出了合理的权重分配算法。实验结果表明,图像超分辨率重建取得了良好效果。 相似文献