基于多尺度信息融合的SAR图像建筑物提取

根据高分辨力合成孔径雷达(SAR)图像中建筑物的特性,提出了一种基于多尺度信息融合的建筑物提取方法。以非下采样轮廓波变换(NSCT)为多尺度分析框架,通过融合基于NSCT低频子带的多尺度区域分析结果提取潜在建筑物区域;同时,融合基于NSCT高频信息的边缘检测结果与均值比算子结果提取边缘结构信息;在此基础上,结合区域与边缘结构信息对虚警进行滤除,对漏检建筑物进行补充,完成建筑物提取。实验结果显示：该方法优于基于多特征融合的建筑物检测算法,在实验所用图像上的平均查全率达到94%,表明文中方法的有效性。     

基于阴影的SAR图像车辆目标三维特征提取

目标长、宽、高三维几何特征,对SAR图像解译与目标识别等具有重要意义。从SAR成像几何出发,根据SAR观测俯仰角、目标及阴影之间的几何关系,研究提出了基于两维高分辨SAR图像阴影信息的车辆目标三维几何特征提取方法。该方法既可由某一方位角的单幅SAR图像提取目标三维几何特征,也可通过任意有限(3～5)个方位角SAR图像的融合提取目标三维几何特征,而且融合还可有效提高目标三维几何特征的提取精度。通过大量MSTAR实测SAR图像数据的实验结果,验证了其有效性。     

基于监督对比学习正则化的高分辨率SAR图像建筑物提取方法

近年来,高分辨合成孔径雷达(SAR)图像的智能解译技术在城市规划、变化监测等方面得到了广泛应用.不同于光学图像,SAR图像的获取方式、图像中目标的几何结构等因素制约了现有深度学习方法对SAR图像地物目标的解译效果.该文针对高分辨SAR图像城市区域建筑物提取,提出了基于监督对比学习的正则化方法,其主要思想是增强同一类别像...     

单幅高分辨率SAR图像建筑物三维模型重构

提出了一种利用高分辨率SAR图像进行建筑物提取和三维重构的方法.首先,分析了高分辨率SAR图像建筑物产生的电磁散射的类型,给出了不同类型散射区域的后向散射计算方法,并在此基础上给出了一种利用建筑物三维CAD模型进行SAR建筑物特征区域图像仿真的方法;其次,给出了利用建筑物的二次散射结构确定建筑物底部轮廓位置和方向的方法,并提出了一种基于分布密度函数差异的仿真图像迭代匹配方法,进行建筑物高度的反演.仿真SAR图像后向散射系数用来划分建筑物不同的散射区域,通过计算特征区域之间的分布密度函数差异,以取得最大匹配度值的仿真图像对应的检验高度作为建筑物的反演高度;最后,选用了两幅不同屋顶类型的实际机载高分辨率SAR图像进行建筑物提取和三维重构实验,试验结果较为理想,验证了所提方法的可行性和有效性.     

SAR图像目标鉴别研究综述

SAR图像目标鉴别是SAR ATR研究领域的一项关键技术.旨在去除目标检测后的杂波虚警,以减小目标分类或识别的代价.本文在广泛文献调查的基础上,从SAR图像目标鉴别技术发展的历史沿革、研究现状开始,对SAR图像目标鉴别算法的流派、国内外的实际系统以及目标鉴别达到的性能指标等进行了较为全面的综述.给出了该方面研究的主要结论、展望了需要进一步解决的问题.     

极化SAR图像目标分解方法的研究进展

极化合成孔径雷达(极化SAR)经过近几年的迅速发展,已经成为遥感领域的一大研究热点。极化目标分解作为极化SAR图像分析的一种基本手段,所提取的极化信息是极化SAR图像目标检测和分类的基础,在极化SAR图像解译中起着关键作用。通过对近几年极化目标分解方法的发展作一个全面的阐述,重点介绍该领域出现的新技术,使相关研究人员能够更清晰地了解这一领域的最新进展。     

基于机器学习的阵列层析SAR建筑物目标提取方法

阵列层析SAR通过交轨向布置多个不同高度天线、方位向合成孔径和斜距向大带宽信号，具备三维成像能力，单次航过即可实现观测区域的三维点云获取。受限于阵元数目和基线长度，高程向分辨率较低，同时建筑物区域存在叠掩，在三维重建过程中提取建筑物目标特征效率较低。针对这个问题，该文提出了一种基于机器学习的建筑物目标识别和提取算法，通过基于多元线性回归的点云分割、基于梯度算子的边缘提取和基于聚类分析的建筑物分区重建，进行建筑物立面、顶面和地面的提取，能够得到较好的立面与地面相交的脚印信息，大大提高了特征提取效率。通过国内首次机载阵列层析SAR实验数据处理结果，验证了该方法的有效性。      

一种改进的图像域SAR目标散射中心特征提取方法

散射中心是SAR图像目标识别的重要特征。本文基于属性散射中心模型，在文献[6]的基础上，提出了一种改进的图像域SAR目标散射中心特征提取方法。在该方法中，通过引入参数规则化处理步骤，解决了属性散射中心特征提取方法的收敛问题，提高了属性散射中心特征参数估计的精度和效率；提出了一种能同时实现散射中心数目确定和结构判别的方法，实现了散射中心类型的可靠判别。仿真数据和MSTAR实测SAR图像数据的实验结果，验证了本文改进的图像域SAR目标散射中心特征提取方法的有效性。     

基于三维激光扫描的高层建筑物立面测量

三维激光扫描技术凭借测量误差小、测量耗时短的优势在各大领域里都得到广泛应用。使用此技术能够减少施工时间,提升工作效率。基于此优势,提出基于三维激光扫描的高层建筑物立面测量方法。采用三维激光扫描仪获取高层建筑物立面信息,并将获取的高层建筑物立面测量数据通过冗余数据处理、时间整合、空间整合、姿态纠正、分层处理以及特征提取六步骤完成高层建筑物立面测量。通过实验分析可知,该方法测量的数据与实际数据符合率均大于99. 65%,与实际几乎完全相符,可应用于高层建筑立面测量工作中;与同类测量方法相比,该方法测量精度高达99. 99%、测量耗时仅有10. 33 ms,可高效率、高精度全面测量不同类型的高层建筑物立面信息。     

超宽带SAR图像道路提取算法适应性研究

从道路特征提取的角度,对四种经典道路特征提取方法进行了分析和对比,探讨了它们在超宽带SAR图像道路提取技术中的适应性。超宽带SAR图像道路提取技术是在继承传统方法的基础上,结合在道路的灰度特征或其在自然界中特有的几何特征,形成合适的道路提取算法。在理论分析超宽带SAR图像特点和道路提取经典方法基础上,研究了四种道路提取方法在超宽带SAR图像中的适应性,开展了超宽带SAR图像的道路提取实验,系统总结了各方法针对超宽带SAR图像的优点和不足,形成了超宽带SAR图像道路提取技术的研究思路和道路边缘提取流程,相比经典方法性能得到提高。     

SAR图像舰船目标去旁瓣处理

准确分割出SAR图像舰船成像区域是舰船目标几何参数提取、目标分类识别的基础。受SAR成像机理影响,图像不可避免地存在旁瓣效应,严重影响目标特征提取精度。提出一种舰船目标去旁瓣方法：首先确定目标区域及强散射区域最小外接矩形,在两个外接矩形区域内,根据旁瓣自身特征进行统计分析,删除疑似旁瓣区域,最后对剩余区域重新计算区域参数,获取更准确成像区域。通过对高分辨率机载SAR图像实验验证,该算法能有效去除旁瓣对SAR舰船目标影响,更精确分割出目标真实成像区域。     

SAR与TM图像自动配准算法研究

为了克服SAR（合成孔径雷达）和TM（专题制图仪）图像配准时受SAR图像中相干斑噪声影响大,以及手工选取配准点精度低的缺点,提出了一种基于闭合区域的图像配准方法,先对SAR图像和TM图像进行处理得到闭合边缘图像后,采用区域生长的方法确定闭合区域,并以其所含像素点数为依据对闭合区域进行匹配,实现图像配准。实验结果表明：该方法稳定有效,对于待配准图像的波段无限制,适应性强。     

基于遗传算法的SAR图像目标鉴别特征选择

针对SAR图像自动目标鉴别的应用,提出了一种基于遗传算法的特征选择方法.首先提取了反映目标和杂波虚警差异的八个特征,分别是:四个空间边界属性特征,一个分形维数特征和三个对比度特征.然后对由八个特征构成的特征矢量采用遗传算法进行特征选择,以选出对于目标鉴别最优的特征序列.遗传算法中适应度函数的设计综合考虑了描述长度、鉴别总错误数以及漏报数等三个因素,使得该适应度函数对于特征优劣的评价更全面.实测数据的实验结果证明了所提算法的有效性.     

遗传算法在SAR图像目标鉴别特征选择上的应用

针对SAR图像鉴别特征选择,在候选特征数较多情况下的应用,文中利用遗传算法提出了一种可靠、准确的鉴别特征选择方法。首先介绍了常用于目标鉴别的19个特征。然后利用遗传算法对上述特征进行了选择。并在评价环节中,对原有方法中适应度函数的权值进行了调整。通过对比实验表明,适应度函数权值的调整,能够加速种群的进化速度,提高了鉴别特征选择的准确性和有效性。     

基于条带式SAR与聚束式SAR内在联系的SAR成像研究

针对条带式合成孔径雷达（stripmap sar）与聚束式合成孔径雷达（spotlight sar）的方位向频谱结构,讨论了两种模式SAR之间的区别与联系,利用两者之间的内在联系,提出斜视条件下将条带式SAR数据分块,进行聚束式处理的方法,并对聚束式成像区域大小参数的选择进行了分析.对于相同尺寸的成像区域,对条带式SAR进行聚束式处理可以减小运算量.采用空间频率插值成像算法实现了条带式SAR与聚束式SAR成像算法上的统一,最后应用外场实测数据完成成像,成像结果证实了理论分析的正确性.     

基于并行MLFMA的SAR舰船目标RCS计算

为提高合成孔径雷达（SAR）图像仿真效果,针对SAR图像中舰船目标雷达散射截面（RCS）计算的精度和效率问题,在利用几何建模方法构建三维舰船模型的基础上,采用并行多层快速多极子算法（MLFMA）计算了舰船目标RCS并分析了该算法的并行加速比。仿真实验表明,并行MLFMA算法适用于高频范围内较大尺寸舰船目标RCS的计算,比物理光学法（PO）和物理光学与矩量混合算法（PO—MOM）具有更高的计算精度且并行方案能明显提高求解目标RCS的效率。     

基于惯导的机载斜视SAR运动补偿研究

本文建立了斜视SAR运动误差模型,采用了一种基于惯导的运动补偿方法。在正侧视角度分解的基础上,针对斜视的特点对分解方法进行了改进,在此基础上进行了速度矢量投影并完成包络校正和相位误差补偿。该方法计算量小,避免了分段估计斜视角从而引入的图像拼接问题。实测数据结果表明其适应性强,在较大斜视角情况下能够得到质量较高的SAR图像。     

基于注意力和自适应特征融合的SAR图像飞机目标检测

针对合成孔径雷达(Synthetic Aperture Radar, SAR)图像中飞机目标尺度多样性及背景强散射干扰的问题,提出了一种基于坐标注意力和自适应特征融合的YOLOv4 SAR图像飞机目标检测算法。该方法首先在主干网络引入坐标注意力机制,以增强对于飞机散射点组合结构的聚焦能力以及抗背景干扰能力。其次,在特征增强网络中引入自适应特征融合机制,提高了对不同大小飞机的特征提取能力,同时改善了YOLOv4算法召回率和精确率不平衡的问题。最后,通过改进的K-Means聚类针对飞机目标调整先验框的尺寸,提高了模型的定位精度。实验结果表明,改进算法召回率达到91.01%,精确率达到90.09%,AP_0.5达到92.34%,分别较原YOLOv4算法提高2.49%,6.56%和3.62%。     

基于遗传算法的弹载SAR弹道优化设计

应用改进实数编码遗传算法研究了基于弹载SAR导引头的反舰导弹末制导段的弹道优化设计问题。首先分析了飞行弹道和观测视角对弹载SAR导引头方位分辨率的影响,建立了导弹运动的数学模型,给出了弹载SAR成像对导弹飞行弹道的约束,然后把导弹横向加速度作为优化变量,构建了与方位分辨率和波束驻留时间相关的目标函数。利用改进了交叉变异算子的遗传算法进行仿真,结果表明,弹道优化后的目标函数值相对于零控方式大幅缩减,证明了该方法的有效性。