合成孔径雷达参数化成像技术进展

传统合成孔径雷达(SAR)成像可视为点目标散射模型约束下数据空间到图像空间的映射.然而,真实目标多为延展目标,与传统线性成像处理中的点目标散射模型存在失配,会导致SAR图像表征失真.常见的现象是使延展目标多呈现为孤立强点,阻碍了基于SAR图像的目标辨识等应用.SAR参数化成像技术是为解决上述模型失配问题而诞生的一种非线...     

多基地SAR线目标参数反演与图像重建

传统单基地SAR成像系统基于点目标模型且观测视角单一,在对复杂场景成像时存在线目标边缘不连续,特征丢失等现象。针对这一问题,本文提出了一种多基地SAR构型下线目标参数反演与图像重建方法。该方法基于几何模型与散射理论推导了线目标的合成孔径雷达回波的参数化表达式,分析了在不同观测角度下对线目标的SAR成像结果从直线段到两端点反复变化的特点,并从空间谱采样的角度解释了这一现象,在此基础上根据线目标空间谱的特征,提出了一种基于最小二乘估计的多基地构型下线目标参数反演与图像重建方法。仿真实验结果表明,在相同的峰值信噪比条件下,本文提出的多基地SAR线目标参数反演与图像重建方法,相对于单一观测角度的单基地SAR具有更优的反演性能,在SAR图像的峰值信噪比为28dB时,线目标朝向与长度的反演误差在10％以内的概率达到了84％,可以基于反演结果实现图像的重建。      

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。     

稀疏微波SAR图像特征分析与目标检测研究

稀疏微波成像利用观测场景在空时频极化等表示域上的稀疏先验,通过线性综合测量方式获得比传统Nyquist采样低得多的回波数据,使用优化重构算法恢复观测场景微波图像,相对于传统微波成像体制具有诸多优势。在稀疏微波成像体制下,图像的获取和表征均发生了变化,需要在雷达图像理解现有理论和方法的基础上,研究新的特征分析和认知解译理论与方法。该文分析了稀疏SAR图像的统计特性以及点、线、面等特征的变化情况,对于使用空域稀疏模型重构的SAR图像,统计分布退化,适当降低采样率不影响点、线目标的提取精度。在此基础之上,研究了稀疏SAR图像海上舰船目标检测方法,得益于较弱的背景噪声,稀疏SAR图像的目标检测使用简单的阈值处理即可获得较好的检测效果。      

基于最小能量准则的参数估计圆周SAR三维成像方法

针对圆周合成孔径雷达成像模式下应用参数化估计的三维成像算法效率低、精度差的问题,提出一种基于最小能量准则的参数估计圆周SAR三维成像算法。该算法首先对成像场景进行粗略网格划分,利用参数估计的方法得到目标的粗略位置,其次利用最小能量准则和精细化网格的方法得到目标精确三维位置和散射强度系数,最后通过CLEAN技术消除已估计点带来的影响,实现场景的三维成像。仿真实验结果表明:所提成像方法能有效对圆周观测下目标进行三维成像,同时与传统算法相比,解决了传统算法效率低、对目标估计不准确的问题,验证了所提算法的有效性。     

层析SAR技术研究进展

合成孔径雷达(Synthetic Aperture Radar,SAR)通过将三维场景投影到距离-方位平面获取场景二维成像信息,但由此导致的叠掩问题影响图像解译。层析合成孔径雷达(Tomographic Synthetic Aperture Radar, TomoSAR)利用同一场景的多次航过数据在高程向合成孔径,获取目标三维成像结果,能够从根本上解决叠掩问题。本文从层析SAR信号模型出发,描述了不同维度下的层析SAR成像算法,系统地总结了应用于层析SAR研究的各机载和星载系统,阐述了层析SAR在城区、森林和冰川等场景下的应用,对于城区建筑物信息提取、森林参数信息提取和冰川结构参数提取中面临的主要问题和现有解决策略进行了详细的分析。最后,总结本文内容并展望层析SAR技术的发展前景。     

粗糙地面上复杂目标的正向散射中心参数化建模研究

为了研究复杂目标与粗糙地面的复合电磁散射,提出了一种粗糙地面上复杂目标散射中心参数化建模的方法.首先对复杂目标进行高精度三维几何建模,同时对地面的三维几何模型进行数值模拟.然后直接从模型出发,采用射线分裂追踪技术对空间射线进行标记与归类,将复杂环境和目标的强散射源进行分离及定量表征.最后基于属性散射中心模型形式,正向确定散射中心模型的参数,构建粗糙地面上复杂目标散射中心参数化模型.文章给出了裸土上坦克的散射中心参数化模型,并将重构的合成孔径雷达（synthetic aperture radar,SAR）图像与可信的高频算法仿真SAR图像进行对比分析,重构结果与仿真结构具有较好的一致性,验证了对该类目标进行参数化建模的有效性,拓展了正向参数化建模目标适用范围.     

一种合成孔径雷达参数化自聚焦的新方法

当合成孔径雷达(SAR)成像场景的低对比度下降时,现有SAR自聚焦方法的性能通常会随之下降甚至失效,并且由于缺乏“背景”的数学模型,自聚焦参数估计的极限性能通常是不能解析表达的。本文基于时成像场景中散射成分的分析,将SAR在短相干处理间隔中的慢变时间信号分解为目标、杂波和噪声三类独立的散射成分,得到了SAR慢变时间信号的一种参数化的统计模型。与现有的通过强散射成分的参数反演实现自聚焦的方法不同,本文通过估计模型杂波成分实现自聚焦,因此新方法尤其适用于低时比度场景。本文还推导了新方法的内在精度限制,以确定其在实际应用中的参数选择。最后,实际的SAR自聚焦结果证明了本文提出的新模型和新方法的有效性。     

典型几何基元的高频散射建模方法梳理

高分辨率SAR图像中蕴含目标与环境丰富的信息,但复杂的电磁散射机制使其难以直观解译,这一直是SAR图像解译的重要研究课题.该文简单梳理了典型几何基元的高频散射建模方法,以面散射、线散射和点散射为线索简要回顾了若干高频散射机制的研究发展过程,并给出几种典型几何基元的散射机制表达式及部分仿真结果,分析了典型散射机制表征面临...     

基于DEM数据的机载雷达地杂波仿真研究

基于合成孔径雷达(SAR)的工作过程,对舰船目标进行基于回波信号的SAR成像仿真。目标建模时采用小面单元模型,将建好的精细舰船3 D模型,根据 SAR系统参数和分辨率要求划分为小面单元,然后对面元进行散射截面的计算。在计算目标散射截面时,结合射线追踪法充分考虑了目标的一次散射,二次散射效应,使仿真图像更加符合真实的 SAR图像特征。根据面元散射截面和位置信息,结合雷达工作过程,生成回波。再运用 RD成像算法处理回波,得到最终的仿真图像。将实验仿真图像与真实 SAR 图像对比,验证文中仿真方法的合理性。     

基于面元投影模型的SAR建筑物快速图像仿真

SAR图像仿真技术是SAR图像理解与应用的重要辅助工具。该文根据SAR图像建筑物解译的需求,结合建筑物的结构特点,提出一种基于面元投影模型的SAR建筑物快速图像仿真方法。该方法通过简化射线跟踪算法加速目标模型到图像平面的几何映射过程,并提出面元投影模型降低散射面元到图像分辨单元中的插值误差。相较于传统SAR图像仿真,该方法实现了仿真精度与速度间的平衡。实验结果表明,该文方法能够快速生成仿真结果,仿真图像与真实图像匹配度高,具有较强的实用价值。     

基于可变参数化几何模型的SAR图像飞机目标特征提取方法

基于飞机目标的轮廓特点和成像特性,提出了一种基于可变参数化几何模型的合成孔径雷达（SAR）图像飞机目标特征提取方法。首先,利用飞机目标的先验知识构造一个描述飞机目标外形轮廓的参数化模型;然后,对于输入的实测飞机目标切片图像,构建目标函数来度量模型与实测图像中目标区域的拟合程度,通过遗传算法求解最优参数;最后,在最优参数模型的基础上计算目标的几何特征。基于仿真和实测数据的实验结果验证了该方法的有效性。     

面向目标特性精细提取的SAR数据融合成像处理方法

针对当前高分辨率星载SAR数据处理忽略目标相关散射特性随方位角变化而导致目标轮廓细节难以精细提取的问题,该文提出了一种面向目标特性精细提取的融合成像处理方法。首先,分析高分辨率条件下影响目标特性提取和SAR图像质量的因素,如轨道非线性、停-走模型、大气延时、高阶残留相位误差等,并提出针对性的补偿方法。在此基础上,建立基于目标时空谱特性的回波数学信号模型,解析目标散射特性时-空-频的变化规律,提出针对高分辨率、超大方位观测角范围的融合成像处理策略和方法,在距离-多普勒域、图像域通过融合处理提升SAR图像的品质。最后,通过对典型军事目标的仿真和成像处理,验证所提方法的有效性。      

复杂场景下单通道SAR目标检测及鉴别研究进展综述

SAR作为一种主动式微波成像传感器,以其全天时、全天候、作用距离远等独特的技术优势,成为当前对地观测的主要手段之一,在军事和民用领域发挥着十分重要的作用。随着SAR遥感技术的发展,高分辨率、高质量的SAR图像不断产生,仅依靠人工手段对感兴趣的目标进行检测、识别费时费力,因此亟需发展SAR自动目标识别(ATR)技术。典型的SAR ATR系统主要包括检测、鉴别、分类/识别3个阶段,其中,检测和鉴别阶段是整个SAR ATR系统的基础,是国内外雷达界一直开展的SAR应用基础研究之一。针对单通道SAR图像,简单场景下目标检测与鉴别已经取得了不错的结果;而在复杂场景下,杂波散射强度相对高、杂波背景非均匀和目标散射强度相对弱、分布密集等情况,使得SAR目标检测和鉴别依然是一个难点。该文对近十年左右复杂场景下单通道SAR目标检测及鉴别方法的研究进展进行了归纳总结,并分析了各类方法的特点及存在的问题,展望了未来复杂场景下单通道SAR目标检测与鉴别方法的发展趋势。      

烟花算法在SAR图像属性散射中心参数估计中的应用

针对合成孔径雷达（SAR）属性散射中心估计问题,提出基于烟花算法的方法。首先,在图像域对SAR图像中高能量区域进行分割解耦,获得单个独立散射中心在图像域的表现形式。在此基础上,以属性散射中心参数化模型为基础,构建优化问题,对分离出来的单个散射中心进行最优参数的搜索。在此阶段,引入烟花算法进行参数寻优。该算法具有强大的全局和局部搜索能力,在保证优化精度的条件下避免陷入局部最优,从而保证散射中心参数估计的可靠性。在原始图像中剔除求解后的单个散射中心,对残余图像进行高能量区域分割,序惯估计下一个散射中心的属性参数。最终,获取输入SAR图像上所有散射中心的参数集。实验中,首先基于MSTAR数据集中的SAR图像进行参数估计验证,通过参数估计结果与原始图像的对比以及基于估计参数集对原始图像进行重构,反映了提出算法的有效性。此外,实验还基于估计得到的属性参数进行SAR目标识别算法验证,通过与其他参数估计算法在相同条件下进行识别性能的对比,进一步体现了提出方法在属性散射中心参数估计上的性能优势。     

全卷积神经网络应用于SAR目标检测

在合成孔径雷达（SAR）图像目标检测中,由于场景杂波的复杂多变,对背景杂波统计模型估计难度增加,从而导致多数检测器容易受到背景杂波的干扰。针对如何避免场景杂波对目标检测干扰的问题,提出了一种基于全卷积神经网络的SAR目标检测模型。该模型将目标检测任务转化为像素分类问题,利用卷积神经网络对数据集中目标像素特征和背景杂波像素的先验信息进行自主学习,有效减少了虚警目标的数量;通过对目标及其阴影区域的联合检测,提高了目标的检测概率。对多个不同场景图像进行测试,实验结果表明提出的检测模型具有良好的检测性能和鲁棒性能,与传统恒虚警检测算法相比,在无需考虑背景杂波统计模型前提下有效降低了虚警概率。