基于Contourlet域K-L变换的SAR图像相干斑抑制

针对SAR图像相干斑噪声去除问题,提出了一种基于多尺度分解的Contourlet域K-L变换的SAR图像去噪的新方法。方法首先对源图像进行Contourlet分解,在不同频段的子带图像中,利用K-L变换进行能量保持即提出信号的主要特征,用重构图像来进行去噪,最后通过Contourlet逆变换得到去噪之后的图像。在SAR图像上的实验结果表明,方法不仅较好地保持了图像的纹理和细节特征及边缘特征,且信噪比也较高。     

一种改进的基于小波变换的相干斑去噪方法

对于合成孔径雷达(SAR)图像中含有的相干斑噪声的抑制一直是SAR图像处理的热点和难点。相干斑噪声的存在对SAR图像的后续相关的图像处理,例如图像的分割、图像的特征提取以及目标的分类与识别有很大影响。提出了一种基于平稳小波变换的相干斑去噪方法,通过平稳小波变换对图像进行小波分解,对于子图像的高频区域进行阈值分割和双边滤波,利用平稳小波更好的冗余性和平稳不变性更好地去除了SAR图像的相干斑噪声。实验结果表明,这种改进的去噪方法对SAR图像的相干斑噪声抑制有很好的效果,并且尽可能地保留了图像的边缘和纹理细节。     

一种基于mean shift的Contourlet域SAR图像去噪方法

Contourlet变换是小波变换的新发展,具有良好的多尺度和多方向性。合成孔径雷达(SAR)图像Contourlet阈值去噪不考虑相邻像素在变换域的联系,将低于阈值的变换系数置零,会丢失图像中的细节信息。针对上述问题,文中提出一种新的去噪算法:首先,将SAR图像进行Contourlet分解;然后,利用具有良好间断点保留能力的mean shift算法处理子带系数。实验结果证实该算法能够在有效抑制相干斑噪声的同时,较好地保留图像中的细节信息。     

基于稀疏表示的Shearlet域SAR图像去噪

该文通过分析SAR图像的噪声成因以及其斑点噪声模型,结合图像的稀疏表示理论提出一种基于稀疏表示的Shearlet域SAR图像去噪算法。算法从整体上对SAR图像进行去噪:首先对SAR图像进行Shearlet变换,然后利用稀疏表示模型构造出去噪的最优化模型,在此基础上进行迭代去噪,然后重构SAR图像得到去噪后的图像。实验结果表明:该文所提出的算法不仅可以显著去除相干斑噪声,提高去噪图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR),还明显地改善了图像的视觉效果,更好地保留了图像纹理信息。     

一种基于复小波域的SAR图像相干斑抑制算法

相干斑噪声是SAR图像的固有特性.对相干斑噪声的抑制应在滤除噪声的同时尽量保留原图像的细节信息.本文针对SAR图像相干斑噪声的统计特性,将高斯混合尺度模型(GSM)引入二元树复小波(DTCWT)变换域,构造基于复小波域分解系数的邻域模型,将其相邻尺度邻域视为高斯变量和一个尺度因子的乘积,并利用Bayes最小均方估计进行局部去噪.对仿真图像和真实SAR图像的实验表明,本文方法有效去除斑点噪声,且较好的保持了图像边缘等细节信息.与传统的空域滤波和小波等方法相比,该方法改善了噪声平滑和边缘保持等性能,并取得了满意的视觉效果.     

结合递归Cycle Spinning的小波-Contourlet变换红外图像增强算法

针对Contourlet变换缺乏平移不变性的缺陷,提出了一种基于小波-Contourlet变换的红外图像增强算法,并与递归Cycle Spinning相结合,消除小波-Contourlet变换的失真现象.实验结果表明:与单独使用小波变换和单独使用Contourlet变换相比,本文方法去噪效果更明显,能够获得更高的PSNR值,使图像视觉效果得到改善.     

基于Contourlet变换的图像增强方法

针对传统图像增强不能同时兼顾去噪和增强细节及小波变换在增强图像细节上的明显不足,提出一种了基于平移不变Contourlet变换的图像增强方法。采用平移不变Contourlet变换对图像进行多尺度分解,再利用非线性变换对Contourlet系数进行处理从而达到抑制噪声和增强细节的目的。实验结果表明本方法达到了良好的图像增强视觉效果,与传统的直方图均衡和小波域图像增强方法相比,其信噪比、(细节方差/背景方差)值都有了显著的提高。     

一种基于小波SAR图像斑噪声抑制的改进算法

基于小波变换的合成孔径雷达(SAR)图像斑噪声抑制算法,能很好的减小相干斑噪声对SAR图像的影响.但该算法在平滑噪声的同时,往往也会使图像的边缘变得模糊,降低了SAR图像的分辨率.比例边缘检测算法能较完整和准确的检测出SAR图像的边缘.我们试图提出一种改进算法,结合小波方法和比例边缘检测两种算法的优点.利用比例边缘检测提取出SAR图像的边缘图,用小波的方法对去边缘的图像进行去斑噪声处理,再把边缘图叠加到去噪后的图像上.试验证明这种算法能够在去除SAR斑噪声的同时,较好的保持SAR图像边缘.     

SAR图像弱反射地物边缘提取方法

提出了一种抑制SAR图像相干斑噪声和提取弱反射地物边缘方法。传统噪声抑制和小波变换去噪方法有其不足之处,本文将小波变换和维纳滤波结合抑制SAR图像相干斑噪声,通过选择恰当小波基获得良好滤波效果。采用最小错误准则计算SAR图像的理论分割阈值,通过逐次迭代得到其合理大小,利用形态算子作用于分割图像获得其边缘。实际SAR图像测试结果表明了本文方法的有效性。     

基于斑点方差估计的非下采样Contourlet域SAR图像去噪

 合成孔径雷达(SAR)图像固有的相干斑噪声严重影响图像质量,使得SAR图像的自动解译十分困难.本文联合SAR图像的统计特性和非下采样Contourlet对SAR图像细节信息的良好刻画能力,提出一种新的非下采样Contourlet域SAR图像去噪算法,通过估计到的各个高频方向子带的斑点噪声方差和变换系数模值的局部均值,对非下采样Contourlet变换系数进行判定,保留信号系数,抑制斑点噪声系数,实现SAR图像去噪.仿真实验结果表明,本文方法在斑点抑制的同时可以有效保持细节信息.     

SAR图像质量外场试验与评估技术

SAR图像质量评估是评判SAR系统性能的关键指标,常用SAR图像质量评估参数包括目标分辨率、峰值旁瓣比和积分旁瓣比等。首先介绍了SAR图像质量评估参数的定义;其次分析了SAR图像质量评估参数测试误差,给出了单个角反射体时积分区间对积分旁瓣比的影响,以及多个角反射体时图像质量评估参数测试误差,并进一步给出了定标场地设计要求;最后介绍了SAR图像质量评估软件系统。SAR图像质量评估技术研究已在SAR系统试验中得到应用,开发的评估软件系统在sAR图像质量评估中具有一定的推广价值。     

Chirp Scaling算法中的相位补偿因子研究

该文从SAR回波的二维频谱表达式入手,研究了适合高波段SAR的CS(Chirp Scaling)类算法和一种适合超宽带(Ultra Wideband,UWB)SAR成像的非线性CS算法,通过对算法推导中的近似性分析,重新刻画了SAR成像,即SAR成像是利用回波频谱特性构造频域或时域相位补偿因子的过程,尤其是对UWB SAR回波,相位补偿因子的精确性直接影响着目标聚焦性能。仿真实验表明,补偿三阶以上二维相位耦合的非线性CS算法能够在一定的测绘带内满足UWB SAR点目标的理想聚焦;同时,该算法在UWB SAR实测数据处理中也已得到成功应用。     

Residual SAR focusing: an application to coherence improvement

The focusing quality of a SAR processor greatly depends on the accuracy of the system geometry estimate. Sometimes ancillary data do not provide enough accuracy, therefore autofocusing has to be performed to get the finest quality possible. A “residual” azimuth compression is introduced to show how a defocused image can be compensated by means of a monodimensional local operator. The residual transfer function that generates defocusing is then derived. The effects of the defocusing are shown on both a complex single SAR image and a SAR interferogram. SAR interferograms, however, are much more sensitive to defocusing than the single SAR image. Two algorithms have been developed to estimate, and compensate for, the defocusing in both the single SAR image and SAR interferometric cases. The processors select data suitable for estimating focusing parameters from the whole images by exploring Kurtosis (for single image focusing) or coherence (for interferometric autofocusing). The residual, short time-domain operator is then exploited to retrieve the focusing parameter values and, finally, to get the focused image. The limitations and accuracy of the algorithm in terms of parameter estimation are investigated. Experimental results, obtained from different SAR missions, are presented     

分形方法在SAR图像分割中的应用

SAR图像中人造地物和自然地貌很容易在某些特征上出现类似,使得利用传统方法提取的特征进行分割往往不可靠.相比自然地貌,人造地物显得比较规则,SAR图像的这一特点使得基于分形特征的分割算法成为可能.基于数学形态学理论提出了一个变结构元素的形态学分形维数估计方法,对复杂SAR图像进行分割.实验结果表明,该方法计算量小,可充分利用SAR图像的纹理信息.     

基于深度CNN模型的SAR图像有源干扰类型识别方法

合成孔径雷达(SAR)能够全天时全天候获取感兴趣区域的高分辨率雷达图像,在诸多领域获得了成功应用。在电子对抗博弈环境下,SAR图像解译与情报生成也面临复杂电磁干扰的严重影响。当前,国内外学者提出了许多SAR抗干扰技术方法。然而,作为抗干扰的前提,SAR图像干扰类型识别这一关键技术却鲜有报道。该文针对SAR图像典型有源干扰类型识别开展研究。首先,选取5种典型有源干扰样式,并根据干扰参数,细分为9种干扰类型,作为干扰识别对象。其次,开展干扰信号回波仿真,通过与MiniSAR实测数据进行回波域叠加和成像处理,构建了典型有源干扰类型样本集。在此基础上,提出了一种结合注意力机制的深度卷积神经网络(CNN)模型,并开展了对比实验验证。实验表明,对不同场景和不同干扰参数情形,相比于传统深度CNN模型,该文方法取得了更高的识别精度和更稳健的性能。      

SAR图像对抗攻击的进展与展望

合成孔径雷达（synthetic aperture radar,SAR）在民用和军用领域得到广泛应用。对SAR电子干扰一直是军事侦察领域对抗博弈的重点。不同于人工易识别的干扰技术,基于人工难察觉的微扰样本的对抗攻击,近年来在光学图像处理等计算机视觉领域得到了广泛研究。目前,对抗样本生成技术也已逐步应用于SAR图像对抗攻击,给SAR信息安全带来了新挑战。为此,对SAR图像对抗攻击技术方法的研究进展进行总结,主要包括图像对抗攻击的基本模型和方式,SAR图像对抗攻击原理与方法。针对典型深度学习目标检测算法,开展了对抗攻击下SAR图像目标检测性能分析,验证了对抗攻击的效果。最后,从算法脆弱机制与算法加固、融合机理的对抗攻击方法、对新体制成像雷达对抗攻击、对抗攻击识别与防御等4个方面对SAR图像对抗攻击领域的研究进行了展望。     

自适应SAR图像边缘检测算法

边缘检测是图像分析的基础,在对SAR图像进行边缘检测时,由于SAR图像存在很强的相干乘性斑点噪声,几乎没有一种方法既能有效地检测边缘又能排除斑点噪声的影响而不产生较多的虚假边缘,特别是在低视数SAR的情况下,该文指出了在低视数情况下应当如何对Touzi ratio边缘检测方法和最大似然(ML)边缘方法的检测窗口进行改进,在对SAR图像进行边缘检测时,引入了自适应窗口的方法,并将其应用到Touzi ratio边缘检测和最大似然 (ML)两个恒虚警边缘检测算法中,取得了很好的改进效果,引入自适应窗口的方法也适用于其它的SAR图像边缘检测算法。     

Comparison of Simulated and Measured Synthetic Aperture Radar Image Spectra with Buoy-Derived Ocean Wave Spectra During the Shuttle Imaging Radar B Mission

During the SIR-B mission over the North Sea, two successful synthetic aperture radar (SAR) data takes with simultaneous buoy measurements of ocean wave spectra have been obtained on October 6 and 8, 1984. On October 6, the SAR imaging of ocean waves was predicted as strongly nonlinear and on October 8 as almost linear. The SIR-B experiment confirmed the theoretical predictions. By applying the SAR imaging model based on velocity bunching theory the SAR image spectra are calculated from the measured ocean wave spectra. These calculated SAR image spectra are compared with the SIR-B derived SAR image spectra and it is shown that both agree quite well. This is considered as a further experimental confirmation for the velocity bunching model that has been proposed for describing SAR imaging of ocean surface waves.     

采用格形算法对SAR图像进行压缩处理

文章提出了一种新的可用于合成孔径雷达的图像数据压缩技术。该技术基于格形编码的方案，人有比以往的压缩算法更为出色的特性，在星载和机载合成孔径雷达图像和原始数据的压缩上有着广泛的应用前景。文中给出了对机载雷达图像压缩后的实验结果和分析数据。