简述极化SAR定标处理技术研究进展

极化定标是极化SAR数据用于图像解译和定量参数反演的关键步骤。综述了国内外极化SAR定标技术及应用研究的主要成果,着重介绍极化SAR定标技术发展以来取得的多种关键算法进展,系统梳理包括点目标定标算法、分布目标定标算法、法拉第旋转校正算法等技术原理介绍、参数定义估计及技术脉略发展分析,并讨论各技术方法在机载及星载SAR系统定标领域取得的应用发展现状,同时逐步分解该技术领域目前面临的技术难点及算法发展。最后探讨分析极化SAR定标技术发展中的未来需求难点和继续需要解决的问题,为研究人员进一步推动极化SAR定标技术发展提供参考。     

基于极化合成的目标分类算法

极化合成是极化SAR图像处理的一种重要方法,它能在成像处理后,利用已获得的Sinclair矩阵重新生成任意极化方式下的雷达接收功率图像,并能通过选取收发天线极化状态相同或正交,分别得到描述目标散射特性的共极化特征图和交叉极化特征图。根据极化合成理论和极化特征图的概念,可以获取目标的最佳极化。将其作为分类器的输入特征量,提出了一种基于极化合成的目标分类算法,并对实测极化SAR数据进行了分类实验。结果表明,该算法对于从极化SAR数据中获取目标的最佳极化,进而对目标进行分类是可行和有效的。     

基于极化合成的目标分类算法

极化合成是极化SAR图像处理的一种重要方法，它能在成像处理后，利用已获得的Sinclair矩阵重新生成任意极化方式下的雷达接收功率图像，并能通过选取收发天线极化状态相同或正交，分别得到描述目标散射特性的共极化特征图和交叉极化特征图。根据极化合成理论和极化特征图的概念，可以获取目标的最佳极化。将其作为分类器的输入特征量，提出了一种基于极化合成的目标分类算法，并对实测极化SAR数据进行了分类实验。结果表明，该算法对于从极化SAR数据中获取目标的最佳极化，进而对目标进行分类是可行和有效的。     

基于物理散射模型的全极化SAR图像增强滤波算法

针对传统的极化SAR滤波方法图像中城镇区域和植被区域地物在滤波中易被混淆, 导致滤波后图像中地物边缘保持效果下降的问题, 提出了一种增强的保持极化散射特性的滤波算法。利用一种增强的四分量极化分解方法获取更加精确的地物散射机制, 并将散射机制信息引入滤波方法中, 使滤波算法中像素的散射机制更精确。增强的四分量极化分解方法引入了极化SAR数据的定向角补偿技术、一种新的体散射模型以及两种散射功率限制条件, 来改进Freeman-Durden分解的结果。理论分析和实验结果表明, 改进后的方法获取了比传统的极化SAR图像滤波算法更加理想的计算结果。     

极化SAR图像相干斑抑制的ICA方法与分析

极化合成孔径雷达(synthetic aperture radar,SAR)图像为雷达图像中的信息处理和获取提供了更为便捷的途径。提出了基于独立分量分析(independent component analysis,ICA)的极化SAR图像相干斑抑制方法。该方法将极化SAR图像斑点噪声的乘积模型,变换为应用ICA的信号加噪模型。并且将HV/VV的比值图像,也作为ICA的输入数据。分别使用几种不同的ICA算法,得到了分别对应于HH、HV和VV极化的3幅降噪图像,并对结果进行了比较分析。实验结果表明,应用ICA算法可以有效地降低极化SAR图像的相干斑噪声,提高图像质量。     

复杂背景下红外图像弱小点目标自动识别仿真

传统识别方法受到低信噪比、低对比度、缺乏弱小点目标的形状及纹理信息等因素影响,尤其在复杂背景下,弱小点目标自动识别准确率较低,针对此问题,提出一种基于BEMD(二维经验模态分解算法)的红外图像弱小点目标自动识别方法,根据待识别图像的频谱特性,并结合分频段处理方式。对比了不同滤波器的性能,并建立了图像滤波器组,采用滤波器组将弱小点目标图像分解到不同子频域中;对子频段图像进行罗宾逊滤波处理,提取弱小点目标。采用多层经验模态分解算法对原始弱小点目标图像输入函数分解为二维本征模态函数,通过微分计算来获取原始图像与背景区域之间的差,分割出弱小点目标区域。通过局部逆熵分割弱小点目标区域的高频信息来获取各个模态函数的弱小点目标识别结果。实验结果表明,所提方法能够高效且准确地提取出弱小点目标,更好地抑制复杂背景。     

序列图像中三维空间点的精确重建方法

提出了一种针对序列定标图像的三维空间点精确欧氏重建算法，相对于传统基于代数误差最小化的方法，该算法用几何误差作为优化的目标函数，从而保证了三维重建点在欧氏距离误差的意义下是最优的；该算法是线性的，计算效率高；此外还可以扩展到任意多幅图像的重建中。真实测试图像的实验结果以及与传统算法的比较验证了该算法的有效性和精确性。     

带约束的摄像机定标方法

由于积累误差和摄像机内部参数的校正误差,基于视觉的摄像机定标结果尽管在图像上的重投影误差很小,但是重建的空间结构往往存在一定程度的扭曲。提出了一种带约束的摄像机定标算法,将场景中存在几何条件（如摄像机路径在一条直线上）作为约束条件,对摄像机定标结果进行再优化,使得重建的空间与真实世界的欧氏空间更为一致。在优化过程中,将欧氏空间与图像空间的两种误差约束在同一范围,自动获取最佳的约束系数。实验结果证明了该算法的有效性。     

基于长序列图像的三维重建技术研究*

提出一种基于长序列未定标图像的三维重建方法,并将其成功地应用于增强现实实例中.首先,基于传统KLT跟踪算法提出了一种针对序列图像的改进特征点匹配策略,通过特征点运动向量的预测减小了相应特征点的搜索范围,进一步根据相近特征点邻域窗口在透视畸变上的相似性大大提高了匹配算法的效率;在得到序列图像的匹配结果后,将传统基于仿射成像模型的测量矩阵(Measurement Matrix)保秩分解算法扩展到透视成像模型中,从而一次性得到整个场景的射影重建;进一步在摄像机自定标的基础上得到整个场景的三维欧氏模型和摄像机的成像矩阵.最后给出真实图像序列的三维重建实验结果,并成功地将其应用到增强现实实例中.     

一种SAR相对最优极化问题研究

极化SAR运用地物目标的散射回波数据及天线收发两端的极化矢量合成功率图像。目标的相对最优极化（最优极化对比增强;OPCE问题）目的在于寻找一种收发极化状态而使得期望目标和背景杂波的接收功率对比度最大化。系统总结了SAR目标相对最优极化问题的解析算法与数值算法,对原有方法提出了一定程度的改进和新理解,并通过数据实验验证了算法的有效性以及合理性。
     

A quad polarimetric SAR calibration algorithm using rotation symmetry

Polarimetric calibration, precisely deciphering the polarimetric information hidden in the polarized characteristics of a radar scene, is the core step before applying quad polarimetric synthetic aperture radar (PolSAR) data for ground parameter inversion and classification. The previously published techniques for polarimetric calibration generally use at least one known point calibration target to completely determine the polarimetric distortions (cross-talks and channel imbalances) between the various polarized channels. This paper describes a novel method that solely relies on the image itself with the property of rotation symmetry. The algorithm derives the entire cross-talk and channel imbalance parameters using an iterative operation to circularly modify the observed average covariance matrix, which is independent on the known point calibration targets in the illuminated scene. The proposed method is validated to be reliable and efficient through polarimetric calibration experiments using the airborne C-band and RadarSat-2 quad polarimetric SAR images. The experimental results indicate that the new technique achieves similar calibration precision to the Ainsworth algorithm but without using any known calibration point target.     

Improved airborne PolSAR calibration algorithm based on time-variant attitude compensation

The polarimetric synthetic aperture radar (PolSAR) usually has to be calibrated before practical application, so as to compensate for polarimetric distortion. The varying platform attitude is one of the factors causing distortion but has rarely been considered in existing polarimetric calibration algorithms. With the resolution of PolSAR systems improving and the synthetic aperture time prolonging, this factor cannot simply be ignored. The varying attitude will distort the polarimetric information by rotating the polarimetric orientation angle, and such distortion changes with azimuth time. In this article, we modified the conventional polarimetric system model to take account of the time-variant impact of the unstable platform attitude. A calibration algorithm is proposed to compensate the time-variant attitude impact on the raw return data. The proposed calibration algorithm is tested on the data collected by Institute of Electronics, Chinese Academy of Sciences P-band PolSAR system. Results show that it can achieve better performance by reducing crosstalk error than two conventional methods.     

一种简单的基于共面的摄像机参数标定方法

共面摄像机标定就是采用平面式模板来确定摄像机内外参数的过程,在此过程中图像像素和二维特征点是已知的。对于共面标定提出了一种简单及有效的方法去标定摄像机参数。即使用帧缓存中的计算机阵列图像直接来标定参数。首先采用预标定的方法标定出图像中心位置,然后根据帧存图像坐标和世界坐标之间的对应关系使用正交矩阵的约束条件来求解,在此算法中假设尺度因子为1,并且不考虑透镜畸变。所提出的算法用数字仿真图像及真实的图像检验。结果显示,所提出的算法具有较好的精度,是一种简单有效的标定方法。     

基于目标分解理论的全极化SAR图像神经网络分类方法

由于全极化合成孔径雷达(synthetic aperture radar)能够测量每一观测目标的全散射矩阵，即可合成包括线性极化、圆极化及椭圆极化在内的多种极化图像，因此与常规的单极化和多极化SAR相比，在雷达目标探测、识别，纹理特征和几何参数的提取等方面，全极化SAR均具有很多优点，但是由于地物分布的复杂性往往造成不同地物具有相似的后向散射信号特征，因而加大了地物信息提取的难度。同时由于这些极化合成图像具有较高的相关性，从而导致了图像分类精度的降低。为了提高全极化SAR图像的分类精度，基于新疆和田地区的SIR-CL波段全极化雷达数据，利用目标分解理论首先将地物回波的复杂散射过程分解为几种互不相关的单一的散射分量。由于这些单一的散射分量都对应于具有不同物理和几何特征以及分布特征的地物，从而提供了更加丰富的地表覆盖信息，这样就很大程度地改善了地物信息的分类精度；然后利用分解后单一散射分量数据结合传统的极化合成数据，可以得到更多的互不相关的数据源，再使用神经网络分类法对这些数据进行分类。分类结果表明，这种方法大幅度提高了全极化SAR数据用于实验区土地覆盖分类的精度。这种分类方法也可以广泛地用于SAR数据地表覆盖和土地利用动态监测和地表参数的提取。     

Improving SAR data processing with polarimetric reference functions in the range Doppler algorithm

Synthetic aperture radar (SAR) is a form of radar that can be used to create images of objects and landscapes. The main important application of the polarimetric SAR can be found in surface and target decomposition process of its image processing. In this article, we propose a method of polarimetric SAR data processing using two new polarimetric reference functions of canonical targets with the intention to apply in coherent decompositions. Our experiment uses polarimetric backscatter characteristics of the dihedral and trihedral reflectors as the targets under a ground-based SAR geometry to create the polarimetric reference functions for azimuth compression in the SAR data processing. We process the data using Pauli decomposition to investigate the effect of our functions on the RGB (red, green, and blue) properties of the processed images. The results show that Pauli decomposition using our functions produces images with different distribution and intensity of RGB colours in the image pixels with some signs of improvement over the traditional range Doppler algorithm. This demonstrates that our polarimetric reference function can be used in the decomposition steps of the traditional SAR data processing and can potentially be used to reveal some useful quantitative physical information of target points of interest and improve image and surface classification.     

基于Krogager分解和SVM的极化SAR图像分类

目标分解包括基于Sinclair矩阵的相干目标分解和基于Mueller矩阵的部分相干目标分解,Krogager分解即属于相干目标分解,它可以将任一对称Sinclair矩阵分解为球散射体、二面角散射体和螺旋体3个分量,这是极化合成孔径雷达(Synthetic Aperture Radar,SAR)图像特征提取的有效途径。把3个分量的分解系数作为极化散射特征,由其组成样本向量,运用基于统计学习理论的支持向量机(Support Vector Machines,SVM)设计多类分类器,提出了一种极化SAR图像分类算法,并对实测极化SAR数据进行分类实验。结果表明,将Krogager分解和SVM分类器结合起来,对极化SAR图像进行分类是可行和有效的,并且选择不同的参数得到的分类结果差别很大,验证了参数选择在SVM分类器中的重要作用。     

A new linear algorithm for calibrating central catadioptric cameras

In this paper, a novel linear calibration algorithm based on lines is presented for central catadioptric cameras. We firstly derive the relationship between the projection on the viewing sphere of a space point and its catadioptric image. And then by the relationship we establish a group of linear constraints on the catadioptric parameters from the catadioptric projections of spatial lines. By using these linear constraints, any central catadioptric camera can be fully calibrated from a single view of three or more lines without prior knowledge on the camera. Extensive experiments show this algorithm can improve the calibration's robustness.     

Model-based target decomposition with the π/4 mode compact polarimetry dataπ/4模式简缩极化基于模型的目标分解

In this paper, model-based (surface, dihedral and volume scattering) target decomposition technique is proposed to decompose the π/4 mode compact polarimetric radar data. A general relationship between fully polarimetric coherence matrix and the Stokes vector of the π/4 mode compact polarimetric data is first established. Based on the Stokes vector, a proposed algorithm to retrieve the power of three scattering mechanisms is given in details. We validate this algorithm with L-band AIRSAR, San Francisco Bay, and results of decomposition are discussed and assessed in detail by being compared with the quad-pol Freeman-Durden decomposition results. Finally, the π/4 mode decomposition is compared with the CTLR (circular transmitting and linear reeving) mode, and with the π/4 mode m ? δ targets decomposition. The comparison results are analyzed and discussed in detail.