基于方向小波变换的SAR图像目标方位角估计

在合成孔径雷达(SAR)自动目标识别中,目标成像的方位信息是一个非常重要的特征。文中针对SAR图像特点,提出了一种基于方向小波变换的SAR图像目标方位角估计方法,给出了方向小波角度-能量谱公式,利用能量最大准则实现方位角估计。采用MSTAR SAR实测数据进行的实验表明本文方法是有效的,方向小波变换更能反映出目标图像的方位特征。     

基于稀疏描述的SAR目标方位角估计算法

精确的目标方位角估计对于基于模板的SAR ATR算法的性能提高大有裨益,可降低算法运算量,提高运算效率。提出一种有效的基于稀疏描述的SAR目标方位角估计方法。首先,利用所有训练样本构造字典矩阵,获得测试样本的稀疏描述向量;然后,通过稀疏描述向量中的非零系数计算重构误差,利用SAR图像中特有的目标方位角敏感特性,选出重构误差最小的样本所对应的方位角作为估角结果。不同于现有的方位角估计方法,所提算法可以有效地克服180°方位角模糊问题。采用实测的MSTAR数据进行实验,实验结果验证了所提方法的有效性。     

基于线性回归的SAR目标方位角估计方法

方位角估计是合成孔径雷达(SAR)图像自动目标识别研究中的一个重要问题。一般而言,基于SAR图像的目标方位角估计方法应满足精度高、速度足够快、对目标部署条件的变化具有一定的稳健性。文中在分析现有的SAR图像目标方位角估计方法优缺点的基础上,给出了一种有效的基于线性回归的SAR图像目标方位角估计方法,并通过对大量实测MSTARSAR图像目标方位角的估计试验,详细分析了该方法对SAR图像目标方位角的估计性能。     

基于块稀疏贝叶斯学习的SAR图像目标方位角估计方法

提出了一种基于块稀疏贝叶斯学习的合成孔径雷达（Synthetic aperture radar,SAR）图像目标方位角估计方法。SAR图像具有较强的方位角敏感性,因此对于具有某一方位角的SAR图像仅能与其具有相近方位角的样本具有较高的相关性。方法基于稀疏表示的基本思想,首先对所有训练样本按照方位角顺序排列为全局字典。在此条件下,待估计样本在该字典上的线性表示系数具有块稀疏特性,即非零表示系数主要聚集在字典上的某一局部区域。求解得到的块稀疏位置包含的训练样本可以有效地反映待估计样本的方位角信息。采用块稀疏贝叶斯学习（Block sparse Bayesian learning, BSBL）算法求解全局字典上的稀疏表示系数,并根据具有最小重构误差的原则获得最佳的局部分块。在获取最佳分块的基础上,方位角计算方法采用线性加权的方式综合了该分块区间内所有训练样本的方位角信息从而获得更为稳健的估计结果。所提出的方法在充分考察SAR图像方位角敏感性的基础上,综合运用局部区间内样本的有效信息,避免了基于单一样本估计的不确定性。为了验证所提出方法的有效性,基于Moving and stationary target acquisition and recognition （MSTAR）数据集进行了方位角估计实验并与几类经典方法进行对比分析。实验结果验证了所提出方法的性能优势。     

一种快速的SAR车辆目标方位角估计方法

主导边界是合成孔径雷达（SAR）图像车辆目标方位角估计中最主要的特征。为了充分利用主导边界的特点能够提高方位角估计的效率和准确率,深入分析了主导边界特点,提出目标的三类主导边界的概念,并且提出了一种快速有效地目标方位角估计思路,结合SAR图像在0°或180°附近几类主导边界的规律来解决该角度附近的模糊问题,得到了一种简单高效的方位角估计方法。最后利用MSTAR数据做了仿真验证实验,证明该方法的有效性。     

基于Hough变换与目标主轴提取的SAR图像目标方位角估计方法

该文提出了一种基于Hough变换与目标主轴提取的SAR图像目标方位角估计方法。针对传统基于Hough变换估计方法的不足,在估计过程中引入目标的主轴信息指导方位角的估计。利用基于马尔可夫随机场(MRF)的图像分割提取准确的目标成像轮廓。在此基础上,基于Hough变换检测目标轮廓的直边,基于轮廓特征点检测获得目标主轴的大致方向,结合Hough变换检测结果与目标主轴信息获得最终的方位角估计。实验结果验证了该文方法的有效性。     

基于稀疏先验的SAR图像目标方位角稳健估计方法

稳健的高精度目标方位角估计能有效提高SAR ATR的计算效率和识别性能.SAR图像中目标的近雷达主导边界包含较为精确的目标方位角信息,可用于目标方位角估计.由于目标电磁散射特性以及SAR图像斑点噪声的影响,提取的目标近雷达主导边界很不规则,存在"野值"点.本文根据"野值"点稀疏分布的特性,利用最大后验原理提出了一种稳健的方位角估计方法.该方法能够有效检测和剔除主导边界中的"野值",从而提高目标方位角估计的精度和稳健性.针对仅利用距离主导边界估计带来的目标垂直与水平方位的模糊性,基于分割图像中目标区域长宽比特征提出了一种解模糊的新方法.MSTAR实测数据的实验结果表明提出的算法具有较高的精度与稳健性.     

采用深度学习的多方位角SAR图像目标识别研究

合成孔径雷达（Synthetic Aperture Radar,SAR）在对地面目标进行观测时,可以在多个不同的方位角获取到目标的SAR图像,但这些图像中目标的形态各不相同。考虑到SAR图像对观测方位角极其敏感和SAR图像数据规模小这两个因素,本文设计了一个利用多方位角SAR图像进行目标识别的卷积神经网络（Convolutional Neural Network,CNN）,同一目标的3幅SAR图像被当作一幅伪彩色图像输入到网络中,充分利用了SAR图像数据的获取特点,同时用池化层替代了展平操作,降低了网络参数数量。实验结果表明,即便在小规模SAR数据集上,该卷积网络具有识别精度高的特点,对同类别不同型号的目标也具有出色的识别表现。      

一种SAR图像中目标姿态估计的综合方法

合成孔径雷达(SAR)目标成像与其方位角密切相关,因此方位角对于目标模型的建立具有重要影响。本文首先介绍几种不同原理的目标方位角估计方法,分析他们在实际应用中存在的局限性。然后通过研究不同方位角条件下目标成像所具备的特性,提出一种目标方位角综合估计方法。该方法判断当前目标成像所具有的特点,先取相应的准则来对目标方位角进行估计。利用MSTAR公共目标数据库中的目标样本,通过实验证明该方法能够比较准确的获得目标方位角的估计。     

高分辨率SAR图像舰船目标几何结构特征提取

随着SAR图像分辨率的提高,利用SAR图像进行舰船识别成为遥感卫星获取海洋情报的新途径。几何结构特征是对目标的直观描述,提取方法简单,成为对舰船目标进行初分类的重要依据。本文首先介绍了几种典型的几何结构特征及其计算方法,并分析了它们在舰船识别中的作用,然后介绍了一种基于方位角估计的几何结构特征提取方法:对图像进行预处理抑制旁瓣,利用矩技术估计方位角,旋转目标至水平状态,采用逐步逼近的方法获得最小外接矩形,进而提取其他几何结构特征。实验结果证明本文方法提取的几何结构特征准确度高,算法稳定性好。      

基于峰值匹配的SAR图像飞机目标识别方法

针对SAR图像飞机目标识别过程中的目标识别问题,提出一种基于峰值匹配的目标识别方法。该方法首先使用基于8邻域像素检测局部极大值的峰值提取方法提取目标和模板的峰值特征点;然后对目标进行方位角计算,设定置信区间从而缩小需要匹配的模板库;最后计算目标图像峰值点集与模板图像峰值点集的匹配代价函数,当匹配代价函数取最小值时表明目标与相应模板图像相匹配。实验结果表明该算法有效,且分类性能和分类效率较现有的一些算法有所提升。     

基于直接密度比估计的SAR图像变化检测

提出了一种通过直接分布函数密度比估计的SAR图像变化检测方法。不同于以往基于分布函数的方法需要先分别估计不同时相的分布函数再计算比值,该方法直接估计分布函数比值,并使用皮尔逊散度作为差异度量获取差异图。通过将概率标签松弛(PLR)嵌入到最大期望(EM)聚类算法中,增强了变化检测结果的空间一致性。实验结果表明,该方法能够准确地提取变化区域,得到较为满意的变化检测结果。     

SAR图像目标方位角估计方法综述

目标方位角估计是进行SAR图像自动目标识别(ATR)的重要步骤。由于目标SAR图像对目标方位角的敏感性,在目标识别之前进行方位角估计能够提高系统的效率,增强系统的实时性。本文在分析SAR目标模型的基础上,对目标方位角估计算法进行了全面系统的研究,总结了目前存在的目标方位角估计方法的主要研究思路,即:提取目标主轴、提取目标主导边界、最小外接矩形获取,并介绍了有代表性的算法,指出了这些算法的优缺点,展望了今后的发展方向。     

一种利用方位角信息基于峰值匹配的SAR图像目标分类方法

本文研究了基于峰值匹配的SAR图像目标分类问题,给出了一种利用方位角信息基于峰值匹配的SAR图像目标分类方法.该方法先对输入待分类SAR图像进行目标峰值提取,再基于提取的峰值进行目标方位角估计,然后根据该估计及其置信区间由模板SAR图像数据库检索出方位角位于该估计及该估计+180°置信区间内的所有SAR图像,并分别提取其峰值,这样即可通过寻找待分类SAR图像与由模板库检索的模板SAR图像目标峰值间的最佳匹配,实现目标分类.和不利用方位角信息的目标分类方法相比,本文方法显然具有更高的计算效率.另外,如何快速有效的确定待分类SAR图像与每一幅模板SAR图像目标峰值间的对应关系,计算其匹配度,是基于峰值匹配SAR目标分类中的另一个关键问题,针对该问题,本文提出了一种基于匹配代价函数表搜索的SAR图像目标峰值对应关系确定方法,该方法能在得到较好分类性能的同时,有效提高分类效率.实测MSTAR SAR图像数据的分类结果验证了本文方法的有效性.     

基于MUSIC算法方位角估计的对比性仿真研究

方位角估计是估计空间目标的空间位置的一项重要工作。文中利用基本MUSIC算法和ROOT-MUSIC算法进行方位角估计的对比研究。针对不同信噪比情况下,用这两种算法估计方位角的估计效果进行对比研究;对算法估计同一个方位角时的估计均方误差进行MATLAB仿真分析。通过对比研究,验证了基于MUSIC算法的方位角估计在信噪比较小时,估计性能差,以至于难以分辨多个信号的方位角。     

多方位角观测星载SAR技术研究

该文针对多方位角观测星载SAR新技术进行综述。首先分析了当前国内外SAR卫星发展现状和趋势,并从多个角度对比综述了其对地观测的能力。在此基础上,结合当前应用需求对多方位角观测星载SAR工作新模式进行了综述,解析其工作机理,并结合试验结果总结分析了多方位角观测星载SAR在目标散射信息、几何信息和运动信息获取方面的优势。最后,对多方位角观测星载SAR技术的发展进行了总结和展望。      

基于刚性圆柱上均匀圆阵的声源方位角估计

本文探讨了存在障碍物时均匀圆阵声源方位角估计问题.以环绕在刚性圆柱上的均匀圆阵为阵列模型,分析了刚性圆柱障碍物对圆阵响应的影响,在柱坐标系下对声场分解所得到的特征波束空间,提出了EB-Unitary-ESPRIT算法,实现了声源方位角估计.计算机仿真结果表明,该算法能较好地估计出空间多个声源的方位角,计算量小,估计精度高,并且具有解相关声源的能力,为相关声源方位角估计的实际应用提供了一种解决方案.     

基于盲估计和双边滤波的SAR图像稀疏降噪

合成孔径雷达（SAR）在成像过程中由于固有成像机制的缺陷导致图像被乘性噪声污染,图像噪声对后续目标检测识别等处理过程造成了阻碍。现有的去噪算法存在不能自适应估计噪声大小和对边缘保持效果不理想的问题,如何自适应处理不同噪声水平的图像是一个研究难点。提出一种基于盲估计和双边滤波的SAR图像稀疏去噪算法。首先利用双边滤波得到具有良好边缘保持特性的预处理图像;接着利用盲估计获取图像全域噪声水平,将其充当稀疏重建过程中的残差阈值;最后利用稀疏编码和字典学习算法,用尽可能少的原子信息来表示图像,达到图像去噪的目的。实验结果表明,结合了盲估计的稀疏重建算法不仅有效去除了图像噪声,使等效视数获得了显著提升,而且峰值信噪比和边缘保持指数也有良好的表现,有效保留了原图的细节纹理信息。     

一种基于机相扫阵面雷达的重点目标方位角估计方法

提出了一种应用于机相扫阵面雷达的重点目标方位角估计方法.阵面雷达采用机相扫同时方位电扫的一维相控阵体制,利用数字多波束技术,可以在不同方位范围内形成多个接收波束以满足较大的监视区域.对重点目标的精细跟踪不仅需要考虑到雷达自身的旋转特性,还需要考虑到阵面雷达的波束形状在每个方位均不相同.因此,首先利用多项式拟合法对不同方...     

基于目标识别的SAR图像特征分析

特征分析是目标检测与识别的关键,也是图像解译的经典课题之一.本文分析了合成孔径雷达图像目标识别系统各阶段常用的特征,并提出了几个新的具有鲁棒性的特征,从而为SAR图像目标检测和分类提供了良好的基础.