基于方位特性表征的属性散射中心模型参数估计方法

属性散射中心模型使用一组富含物理意义的特征参数描述高频区目标的散射特性,其模型参数中具有的频率和方位依赖项为目标识别提供了重要的特征信息。但复杂的模型形式使得参数的提取只能在图像域中进行,其中一个关键的步骤就是图像分割。由于属性散射中心在图像域中表现形式的复杂性,传统的分割算法往往不能准确地描述划分区域中散射的内在本质,使得参数的估计误差偏大。针对此缺陷,提出了一种基于方位特性表征的参数估计方法。该方法利用散射点的方位函数对散射类型进行判断,指导散射中心区域的划分以提高参数的估计精度。仿真实验验证了方法的有效性。      

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。     

SAR目标属性散射中心特征提取与分析

散射中心是高频区雷达目标电磁散射的基本特征,对SAR图像解译、目标识别等具有重要意义。与经典的理想点散射中心模型相比,属性散射中心模型通过引入散射响应对频率、方位角的依赖因子,可更精确地建模高分辨SAR图像目标的散射特性,但与此同时,由于特征参数的维数更高,因此相应的特征提取方法也更复杂。提出了一种基于CLEAN思想的图像域区域解耦合的近似最大似然估计(RD-AML-CLEAN)高分辨SAR图像目标属性散射中心特征提取方法,并通过仿真SAR图像数据的实验结果对算法性能进行了定性、定量的分析与评估。     

有属性的散射中心理论及应用

讨论了基于物理光学和几何绕射理论的散射中心模型，对有属性的散射中心理论进行了详细的介绍推导，并对散射中心模型的各个参数在图像城进行了估计。结果验证了参数估计方法的有效性和散射中心理论模型的实用性。     

高分辨SAR目标散射中心模型分析

散射中心是光学区雷达目标电磁散射的基本特征,是高分辨SAR图像解译的根本特征。以高分辨SAR图像解译为应用背景,分析了目前典型的三种散射中心模型（理想点散射中心模型、衰减指数和模型、属性散射中心模型）的优缺．点和适用条件,并导出了模型及模型参数间的关系。通过理论分析、仿真及实测SAR图像数据验证了属性散射中心模型是目前最符合高分辨SAR图像解译应用需求的散射中心模型。在此基础上,分析了属性散射中心的特性与特点,为研究基于属性散射中心模型的高分辨SAR图像特征提取及解译方法奠定了基础。     

雷达目标散射中心参数估计的极限性能分析

本文基于衰减指数和(DE)模型的克拉美-罗限(CRB)研究散射中心参数估计的极限性能.通过对单分量和双分量DE模型CRB矩阵的化简,获得了散射中心位置、强度、类型参数估计精度与雷达参数、目标参数的关系式,并导出了鉴别散射中心类型的信噪比门限和宽带雷达的极限分辨力.本文的结果均以解析式给出,揭示了各参数间相互影响的规律.仿真验证了结论的有效性.     

高分辨率SAR图像散射中心特征提取

合成孔径雷达(SAR)目标检测和识别是SAR实用化的瓶颈技术之一,提取有效的目标特征是SAR目标检测与识别的关键环节。高分辨率SAR图像中,目标属性散射中心特征反映了目标散射中心的位置、类型等信息,精确获取目标散射中心属性特征能够提高对目标的检测识别性能。针对SAR目标属性散射中心特征的提取,该文提出了一种基于改进的空间-波数分布(ISWD)的特征提取方法,该方法首先利用ISWD估计散射中心关于频率与方位角的函数,然后利用该函数来获得目标属性散射中心模型参数。最后利用仿真实验验证了方法的有效性。     

基于狼群算法的SAR图像属性散射中心参数估计

针对合成孔径雷达（SAR）图像属性散射中心估计问题,提出基于狼群算法的新思路。方法首先在图像域上对SAR图像进行“分治”解耦。对每一个属性散射中心进行序贯估计时,采用狼群算法作为基础优化算法,获得散射中心最佳的参数集。狼群算法通过分析狼群的协作捕猎活动及猎物分配等特点,具备良好的全局搜索能力和局部开发能力。算法通过结合传统图像域解耦的思想和狼群算法的稳健优化性能,提高SAR图像整体的属性散射中心估计精度。实验中,采用所提方法对MSTAR数据集中的原始SAR图像及加噪样本进行参数估计,实验结果验证了其有效性和噪声稳健性。     

基于散射中心的风电机叶片散射电场求解

为降低雷达系统的数据处理量及实现风电机实时目标特征识别,必须寻求风电机叶片散射电场的快速求解方法。针对传统电磁求解算法需处理巨量风电机叶片散射电场数据的问题,突破传统以超大电尺寸目标实体为基本单元进行广域空间电磁散射积分计算的思想,提出了一种基于散射中心的风电机叶片散射电场求解方法。基于非衰减指数和散射中心模型,通过距离-多普勒算法构建风电机叶片的雷达逆合成孔径图像,采用CLEAN 算法并结合相关系数提取风电机叶片的散射中心参数集,最终以散射中心产生的散射电场数据等效替代叶片本体的全部散射数据,实现了叶片散射电场的快速求解。以Vestas V82-1.65MW 型风电机为例,以矩量法计算结果为基准,文中所提方法计算准确度为93.20%,数据的压缩比达76.81,计算量的数量级比矩量法降低了106。     

散射中心提取方法研究

散射中心提取是雷达目标特性研究中的关键内容。首先回顾了典型的散射中心模型,然后对相应的散射中心提取方法进行研究,将现有方法分为基于现代谱估计的方法、基于极大似然的估计方法和基于稀疏性的估计方法三类,并对这些方法进行了简单的评价,最后探讨了该领域存在的难点并展望了可能取得突破的研究方向。     

基于小波域的红外图像序列噪声分析与去噪

由于相同的去噪方法对不同噪声类型的去噪效果不一样,采用基于小波域的图像噪声类型识别方法,利用小波高频子带系数的直方图识别了图像的两类主要噪声：高斯噪声和椒盐噪声.对红外图像系列的噪声进行了分析,长波红外图像主要受到高斯噪声干扰,中波红外图像主要受到椒盐噪声干扰.提出了一种改进的小波全局阈值去噪方法.仿真实验表明,该方法较传统方法的PSNR提高了2~3 dB,处理速度较快.     

Image Decimation and Interpolation Techniques Based on Frequency Domain Analysis

A scheme for a spatial domain image data preprocessing decimation and postprocessing interpolation is presented. The scheme is implemented by appropriate FIR digital filters. Frequency and patial domain specifications are discussed in the design of the corresponding digital filters. Fast approximation techniques in the spatial domain are presented.     

基于频域分析的图像匹配定位算法的研究

首先对基于频域的抗旋转匹配算法和相关函数傅里叶变换匹配算法做了研究和分析,然后在相关函数傅里叶变换匹配算法的基础上,研究讨论了基于快速傅里叶变换和积分图的匹配定位算法,从而证明了基于频域相关技术做图像匹配具有相关峰尖锐突出、精度高、抗噪、对局部灰度变化不敏感等优点。     

基于聚类分析和神经网络的雷达目标三维散射中心提取

本文根据目标散射中心在雷达视线上的几何投影关系,分析了由多姿态角下一维散射中心重构雷达目标三维散射中心的基本原理和散射中心关联等技术难点,提出了基于聚类分析和神经网络两种三维散射中心提取方法并比较了二者特点。最后,本文采用GTD散射模型生成的回波数据和暗室测量数据进行实验,验证了两种方法具有实现简单、结果稳定等优点。     

基于散射中心模型的雷达目标成像研究

雷达目标数据是验证和评估各种算法的基础,数据仿真由于不受条件和环境制约,是获取数据的重要途径,开展数据仿真研究具有重要的现实意义。研究了一种基于多散射中心模型的目标成像方法,仿真获得了坦克目标的一维距离像和二维SAR像,针对传统成像方法分辨率低的问题,将基于最小二乘—旋转不变技术的参数估计技术应用于雷达目标一、二维成像中,大大改善了雷达图像的分辨率和成像质量。     

基于小波变换域的图像加密技术研究

如何确保基于网络的图像/视频信息的安全,是当前信息处理技术领域的亟待解决的难点和研究热点之一。本文利用混沌映射的随机性以及不可预测性,产生混沌序列矩阵对变换矩阵系数进行调整,再对系数进行置乱处理,然后利用信息隐藏技术对密钥进行隐藏,实现图像信息的高强度加密。仿真实验结果表明:该方法在不增加图像数据量的情况下,能够快速实现图像信息混沌复合加密,加密强度高、破解困难,恢复图像与原图像一致性良好,加密图像的抗干扰和抗压缩性能优良。     

一种空域和变换域相结合的图像增强算法

针对传统图像增强算法只使用空域或变换域处理策略的不足,提出一种空域和变换域相结合的处理方法。首先通过使用高斯／拉普拉斯金字塔分解技术将原始灰度图像细分成不同频带,然后在各个频带上分别使用伽玛校正实现对比度均衡化,最后将均衡化结果再利用高斯／拉普拉斯金字塔重构技术进行恢复,即可达到图像增强的目的。实验结果表明,与传统图像增强算法相比,该算法不但能够提高欠曝光区域的对比度,而且能够对过曝光区域实现有效抑制,达到很好的视觉均衡。