基于轻小型飞机的微型全极化SAR飞行试验研究

根据微型全极化SAR飞行试验取得的最新研究进展,简要介绍微型SAR载荷的技术指标和飞行平台的系统组成。在此基础上,重点介绍了微型SAR全极化飞行试验的航线规划、数据处理和成像结果。成像结果表明微型SAR全极化4个通道的地物目标清晰,聚焦效果和成像质量良好,分辨率经定标试验优于0.3 m。通过飞行试验验证了基于轻小型飞机的微型SAR系统的全极化遥感观测、数据获取和成像处理能力,达到了系统设计的预期目标,为基于微型SAR的全极化遥感观测在各个行业的应用奠定了坚实的基础。     

一种基于极化熵的极化SAR海岸线提取方法

提出了一种可用于极化合成孔径雷达图像的海岸线提取方法。通过对极化SAR数据的分析,极化熵由于其对极化相关纹理敏感的特性而被选用来进行海陆之间的边缘检测与海岸线提取。针对极化熵图像,首先通过均值比率算子进行边缘图提取,包括边缘强度图和边缘方向图。在此基础上,提出了一种新的“coarse fine”的海岸线提取方法。该方法包括两个步骤：首先利用边缘方向图,采用一种新的边缘跟踪的方法得到海岸线的粗检测轮廓;然后基于边缘强度图,在粗检测轮廓的基础上进行典型边缘点的提取,这些边缘点被称为控制点,最后利用控制点对粗检测轮廓进行修正,得到最终的海岸线。最后,基于Radarsat 2全极化数据进行了实验,实验结果证明,该方法可以很好的描绘出实验区域的海岸线,并优于其他对比方法。     

基于相干矩阵的SAR极化对比增强研究

针对SAR极化对比增强问题,本文在传统的Lagrange乘子法的基础上,提出了一种基于极化相干矩阵(T矩阵)的新方法,并通过SAR数据实验,验证了其有效性和优越性.本文方法基于Pauli极化基,使极化匹配矢量元素对应于Pauli基元素所代表的地物散射机理,其元素模值大小反应了散射特性的强弱.实验结果表明,此方法可获得更优的极化匹配矢量、极化对比度及其极化对比增强图像效果.     

基于二尺度模型的星载SAR海面场景成像仿真

根据海浪随机理论进行了粗糙海面建模,利用海面的二尺度模型,构造了包含涌浪在内的随机粗糙海面,同时考虑了不同尺度波浪对海面的影响.基于此海面模型,利用Bragg散射模型和Kirchhoff近似并考虑海面运动所产生的速度聚速效应,模拟了不同情况下海浪的极化SAR图像.最后对海浪参数与SAR参数对极化图像的影响做了分析,证明...     

基于特征融合的全卷积网络极化SAR分类方法

极化合成孔径雷达可以工作在多个极化方式下,综合利用多种极化回波数据实现地物分类是极化数据处理的一个重要应用。目前将卷积神经网络应用于极化地物分类领域仍存在相应问题,包括多维极化分解特征信息给网络带来的信息冗余与维数灾难,逐像素切片预测导致分类效率低下。针对以上问题,本文提出了一种基于特征融合的全卷积网络模型。首先,设计两路编码层分支的全卷积网络结构,分别针对极化分解特征与极化散射特征提取深层特征,实现多维特征信息分离。然后采用注意力特征融合机制实现两路分支的特征融合,通过共享连接层学习通道注意力权值,重新分配网络的学习能力。此外引入改进的空洞空间金字塔模块,以提升模型的多尺度预测能力。实验结果表明：算法在两个不同地区的极化数据集的总体分类精度分别达到96.43%与99.60%,预测耗时分别为17.3s与10.1s。在不显著增加预测耗时的同时提升了分类精度,验证了算法的有效性。     

基于极化相似度的全极化SAR自动目标识别算法

提出了一种基于极化相似度的全极化SAR自动目标识别算法,并利用仿真得到的全极化SAR数据进行了识别实验。该方法将极化相似度量引入到局部极大值匹配算法中,有机地结合了散射中心特征点的空间域和极化域的信息。针对目标绕雷达视线的旋转,以及系统极化测量误差引起的极化倾角变化,给出了极化倾角估计和补偿算法,并实验研究了极化倾角对识别结果的影响。仿真识别结果表明,全极化数据的平均识别率明显优于单极化,证明了该算法的有效性。     

基于HVS结构相似度的极化SAR图像质量评价方法

通过人工解译对极化SAR图像进行地物分类,可提高测绘产品的生产效率。极化SAR图像质量评价是一项重要工作,然而传统的评价方法在针对极化SAR图像时未能充分考虑极化SAR图像的伪彩色特征与边缘信息特征,也未能满足人眼视觉系统（HVS）的特殊需求。因此,提出了一种基于HVS结构相似度（SSIM）的极化SAR图像质量评价方法。该方法对传统算法进行了改进,综合考虑了HVS特性与极化SAR图像的特点。实验证明该方法符合HVS的特性,而且能够针对极化SAR图像的特点给出准确的评价结果。     

基于双通道特征融合编解码网络的极化SAR图像分类

图像分类是极化合成孔径雷达(PolSAR)图像解译的关键。传统卷积神经网络(CNN)逐像素的分类,造成卷积的重复计算。PolSAR图像存在丰富的信息,包括极化相干信息与极化分解信息,因此如何融合信息实现高效分类至关重要。基于极化散射特征分析,以U＿net网络模型为基础,提出了双通道特征融合编解码网络,该网络使用注意力机制特征融合模块将极化相干信息和极化分解特征整合到语义分割框架中,辅助深度CNN分类器训练,实现高精度像素级的标记,同时加入空间金字塔结构有效的提取多尺度特征。该网络结构避免了逐像素切片重复计算,有效提升计算效率。利用AIRSAR获取的旧金山地区PolSAR数据和海南博鳌地区机载PolSAR数据进行试验研究,试验结果两个地区总体分类精度(OA)分别达到97.11%与99.97%,验证了提出的分类方法的有效性与较好的应用价值。     

极化SAR定标结果与极化有源定标器精度研究

极化定标是未来标定极化SAR的必须工作,而极化有源定标器(PARC)是非常实用的极化定标设备,研究极化有源定标器的精度对定标结果的影响具有重要意义.结合极化有源定标器的工作特点,给出了一种精确的定标方法并具体推导了各极化参数的计算公式.参考国外极化SAR定标的实验数据,进行了仿真实验,得出极化有源定标器的精度对极化SA...     

结合属性散射中心模型和空间变 迹法的 SAR 图像旁瓣抑制方法

针对合成孔径雷达( synthetic aperture radar,SAR) 图像旁瓣抑制问题,提出结合属性散射中心模型和空间变迹法 (spatially variant apodization, SVA)的新途径。 空间变迹法作为一种经典超分辨率图像处理技术,能在抑制旁瓣的同时保持良 好的主瓣分辨率。 属性散射中心可以很好地描述目标在高频区的电磁散射特性,是分析 SAR 图像的有力工具。 基于属性散射 模型的参数估计得到的先验知识再利用空间变迹法处理 SAR 图像,达到抑制旁瓣的目的。 实验结果表明,该方法可以有效抑 制 SAR 图像旁瓣。     

基于大气散射模型的偏振图像去雾算法

雾是1种常见的天气现象,由于大气中的水汽等对太阳光的散射作用会造成拍摄图像的对比度降低.在大气散射物理模型的基础上,提出1种可以轻松去除图像雾霾的方法.该算法首先利用偏振成像系统获取最好状态下和最差状态下的2幅图像,然后通过边缘检测和最佳正态分布搜索算法对天空区域进行分割,从而估算大气光强度和大气传递系数,最终实现图像...     

基于改进VMD-GAT-GRU的交通流量组合预测模型

针对短时交通流时间序列非平稳性、空间相关性和时间依赖性的特点,为提高短时交通流预测模型的预测精度和收敛速度,该文提出了一种基于改进的变分模态分解(VMD)、图注意力(GAT)网络和门控循环单元(GRU)网络的交通流量组合预测模型。首先,利用互信息熵(MI)改进的变分模态分解算法,将交通流量时间序列分解成一系列调幅调频信号子序列,降低了时序信号的非平稳性,提高后续预测模型的预测精度;然后,将其输入图注意力网络,捕捉路网邻近节点的交通流量对中心预测节点交通流量不同程度的影响,从而实现交通流量序列的空间相关性建模,进一步提高模型预测精度;接着,将交通流量分量子序列分别送入门控循环单元网络,捕捉其时间依赖性,并使用改进的RMSPRop优化算法迭代寻优,在提升优化算法收敛速度的同时提高了模型的预测精度;最后,结合各分量子序列的预测值,作为预测模型的最终输出。实验采用RTMC系统交通数据,结果表明,该文提出的改进VMD-GAT-GRU时空融合组合预测模型相较于LSTM、GCN和GAT基准模型,平均绝对误差(MAE)分别降低9.35、4.12、4.09,平均绝对百分比误差(MAPE)分别降低16.4...     

基于改进EEMD-SE-ARMA的超短期风功率组合预测模型

针对风力发电功率时间序列具有非线性和非平稳性的特性,提出了一种改进的集成经验模态分解(Modified Ensemble Empirical Mode Decomposition,MEEMD)-样本熵(Sample Entropy,SE)-ARMA的风电功率超短期组合预测模型。将EEMD分解中添加的白噪声信号改为添加绝对值相等的正负两组白噪声信号,并将MEEMD分解过程中的EMD步骤使用端点延拓和分段三次埃尔米特插值进行改进,形成一种改进的EEMD分解算法(即MEEMD)。利用MEEMD-SE将风力发电功率时间序列分解为一系列复杂度差异明显的风电子序列;针对每一个不同的子序列建立适当的ARMA预测模型;将各预测分量进行叠加重构,得到最终的风电功率预测值。通过算例分析及与其他几种预测模型预测结果的对比,证明MEEMD-SE-ARMA组合预测模型可以有效地提高风力发电功率超短期预测的精度。     

一种基于快速积分图像的全极化SAR图像窗口量化及伪彩色合成方法

SAR 图像动态范围非常大,如何通过合理的量化,既保持图像中目标的信息又有利于判读人员进行目视解译,一直是 SAR 图像可视化所关心的重要问题。对于全极化 SAR 而言,生成不同极化分量的伪彩色合成图是一种信息展示的有效方式,伪彩色合成的关键是将高动态范围的图像量化至有限灰阶。现有方法往往存在易出现量化饱和、强目标信息受损的现象。提出了一种基于积分图像的窗口量化算法,通过合理的窗口选取及动态量化门限确定策略,实现了整幅图像的良好可视化和局部强目标的细节展示。在此基础上进行极化伪彩色合成,能够有效改善信息呈现效果。另外,算法实现采用快速积分数值获取策略,使算法实现效率高,可满足实时显示的要求。     

基于插值处理的散射介质中偏振成像实验研究

针对散射介质中光学成像质量受散射效应干扰的问题,基于Jaffe 成像模型,实验研究了基于插值处理的偏振成像降 噪方法,实现目标信号与后向散射噪声的有效分离。首先,利用退偏振特性建立信息插值处理与信号提取模型;其次,搭建偏 振成像实验光路结构进行验证,以脂肪乳溶液模拟散射环境,在偏振激光照明条件下获取散射场景的相互正交的偏振探测通 道图像;最后,对所获取偏振图像进行插值处理并利用信噪比参数评价其可靠性。实验结果表明,当脂肪乳溶液浓度依次为 0.1%、0.2%、0.3%与0.4%时,基于插值处理的偏振成像方法所对应图像的信噪比依次为112.5、9.165、13.82与11.88,能 够有效地抑制后向散射噪声对光学成像过程的影响。