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。     

图像域信息融合的序列化正交匹配追踪SAR属性散射中心提取

针对合成孔径雷达（synthetic aperture radar,SAR）图像中属性散射中心模型（attributed scattering center model,ASCM）参数估计复杂度高的问题,提出了一种融合图像域信息的稀疏表示参数估计方法。首先,利用改进的分水岭算法将不同区域的散射中心进行分割。然后,基于分割结果,将频率域稀疏表示字典进行解耦拆分,提出序列化正交匹配追踪（Serialized Orthogonal Matching Pursuit,SOMP）进行散射中心参数估计,从而降低算法复杂度。结合仿真数据和MSTAR实测数据,验证了该方法参数提取的有效性和效率,并分析了理论复杂度优化情况。结果表明,该方法可以在和普通的正交匹配追踪算法取得相近的结果的前提下,较大程度地减小算法的时间和空间复杂度,可用于对SAR图像的高效属性散射中心参数提取。     

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.     

杂波环境下雷达目标频域响应的散射中心估计方法

描述了给定幅度分布和功率谱密度多种杂波仿真方法,给出了仿真实验结果,及在杂波环境下雷达目标频域散射中心的数学模型,并研究了该数学模型的求解方法,还给出了仿真数据和飞机缩比模型测量数据的实验结果。     

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。     

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。     

一种基于小波域的指纹图像增强算法

面对采集的指纹图像质量较差的问题,提出一种在小波域对指纹图像滤波增强算法。该算法在小波域进行Ga-bor滤波增强,通过Radon变换后的投影估计Gabor滤波的方向和频率,对滤波增强后的子图进行小波重构得到最后的结果,有效地抑制高频扰动对指纹图像质量的影响,提高运算速度和准确性。通过对FVC2000指纹库中的部分低质量指纹图像进行增强,表明该算法对指纹图像的增强效果明显,并且处理速度较快。     

充分利用视觉冗余的图像不同域信息掩密术

充分利用人类视觉冗余实现安全地秘密信息嵌入是信息隐藏技术追求的目标．现有图像信息掩密技术很多是在图像数据相同域实现的．本文将信号量化压缩编码的理论和方法应用于信息掩密，提出了一种充分利用人类视觉冗余的图像不同域信息掩密新方法并设计了三种纠错方法保证了密文信息的准确盲提取和复原．实验表明，该算法对空域图像数据的统计特性改变较少，具有更高的隐藏容量和安全性．     

基于Bandelet变换的图像压缩传感

提出并讨论了一种基于Bandelet变换的图像压缩传感算法。该算法可自适应跟踪图像的正则方向,提高对图像的稀疏表示能力,进而提高重构后的图像质量。对一幅图像在不同测试矩阵下利用小波法、DCT法和Bandelet法压缩传感算法进行图像重建仿真,仿真结果表明,该算法具备更为出色的图像还原质量和更优的PSNR。