相位解缠枝切法中的枝切线设置的优化

在合成孔径雷达干涉测量中,相位解缠是处理insar数据的关键步骤之一.Glodstein枝切法是较为经典的一种相位解缠方法,思路明确实现简单,是其他积分路径方法的基础和依据,但是在枝切线的设置方法上存在很多的分歧,并且形成的枝切线容易形成大范围的封闭区域,影响正常解缠.本文就是通过对残差点的特点深入分析.在如实地还原了Glodstein枝切法的基础上.并对其算法中的"最大窗口"和"查找顺序"等问题提出了合理的解决方法,通过连接偶板子,增加了算法的预处理,最终优化了枝切线设置,从而达到更良好的解缠效果.     

任意构型双基SAR运动目标图像特征分析

本文根据波数域中的相位误差详细地分析了任意构型双基合成孔径雷达（Bistatic Synthetic Aperture Radar,Bi-SAR）运动目标的图像特征。不同于传统的在相位历史域进行相位误差分析的方法,本文以极坐标算法（Polar Format Algorithm,PFA）为例,对PFA波数域的两维相位误差进行了详细的分析。该分析方法对其他算法例如BP算法同样适用。SAR成像算法的一般流程为,先将信号从相位历史域转化到波数域,然后再变换到图像域。然而,从相位历史域到波数域的过程有可能引入新的相位误差,因此在相位历史域分析相位误差特征并不完全准确,根据该特性预测的图像域成像结果存在一定的误差。而波数域与图像域之间具有直接的傅里叶变换关系,傅里叶变换的各种性质又是已知的,因此利用波数域和图像域之间的傅里叶变换关系,根据波数域的相位误差特性可以准确地预测PFA图像中运动目标的成像特征。一方面,本文揭示了波数域中的两维相位误差导致图像域中的目标发生两维位置偏移和两维散焦的现象,并且上述两维位置偏移和两维散焦的方向沿着同一条倾斜的直线。也就是说,无论运动目标的速度矢量指向何方,图像域...     

基于自注意力机制和CycleGAN的高分三号ScanSAR图像的扇贝效应抑制

高分三号卫星是我国首颗分辨率达到1 m的C波段 多极化合成孔径雷达(synthetic aperture radar,SAR) 卫星,其中扫描 式合成孔径雷达(scan synthetic aperture radar,ScanSAR)模式是高分三号卫星重要的工 作模式之一,由于该模式的工作机制导致生成的图像可能发生扇贝效应,一般呈现为明暗相 间的条纹。本文针对高分三号卫星ScanSAR模式下存在的扇贝效应,提出自注意力机制与循 环一致对抗网络(cycle-consistent adversarial networks,CycleGAN)结合的模型对Scan S AR图像进行处理,从而抑制扇贝效应产生的条纹现象。本文所示方法与传统扇贝效应抑制方 法和深度学习相关算法进行比较,并通过亮度均值、平均梯度等指标进行分析。实验结果表 明,本文方法可以对高分三号ScanSAR图像存在的扇贝效应进行较好的处理,有效抑制图像 的条纹现象,使得图像质量得到提升,具有较大的实用意义。     

电磁散射特征提取与成像识别算法综述

合成孔径雷达(SAR)图像的自动化解译是合成孔径雷达技术应用的重要发展方向之一。电磁散射特征与目标结构具有稳健的关联性,是SAR图像解译的关键支撑。近年来,如何准确地实现电磁特征提取以及利用电磁特征反演目标特性受到了广泛的重视。该文讨论了电磁特征提取和基于电磁散射特征识别方法的研究成果,总结归纳了其中的关键要素和主要思路,详述了电磁散射机理在成像和识别领域的扩展应用,展望了未来电磁散射特征提取与应用的研究发展趋势。      

面向复杂大气扰动的GB-InSAR相位误差补偿方法

大气扰动是地基干涉合成孔径雷达（GB-InSAR,Ground-Based Interferometric Synthetic Aperture Radar）测量的主要误差源之一。在复杂大气条件下,常规的大气相位补偿方法不再适用,本文提出了一种基于PS（Permanent Scatterer,永久散射体）技术的改进方法。该方法首先通过Delaunay三角网建立临近PS对,分析各临近PS对的差分相位序列标准差,实现PS集合中的噪声点或部分形变点的滤除;然后根据气象数据估计出参考大气相位序列,通过计算剩余PS的干涉相位序列与参考大气相位序列的MIC（Maximal Information Coefficient,最大互信息系数）,结合空间维相干系数,采用双阈值实现稳定 PS的选择;最后采用Kriging插值拟合方法,实现复杂大气条件下的大气相位估计。采用本文所提方法,对九道拐区域实测数据进行了处理,相比于常规方法,有效降低了大气相位补偿误差,保证了GB-InSAR的形变测量精度。      

基于深度森林的多级特征融合SAR目标识别

大多数传统的合成孔径雷达(SAR)目标识别方法仅仅使用了单一的幅度特征,但是由于斑点噪声的存在,仅仅使用幅度特征会限制识别的性能.为了进一步提高SAR目标识别的性能,该文提出了一个基于深度森林的多级特征融合SAR目标识别方法.首先,在特征提取阶段,提取了多级幅度特征和多级密集尺度不变特征变换(Dense-SIFT)特征.幅度特征反映了目标反射强度,Dense-SIFT特征描述了目标的结构特征.而多级特征可以从局部到全局表征目标.随后,为了更完整、充分地反映SAR目标信息,借鉴深度森林的思想对多级幅度特征和多级Dense-SIFT特征进行联合利用.一方面通过堆叠的方式不断将多级幅度特征和多级Dense-SIFT特征进行融合,另一方面通过逐层的特征变换挖掘深层信息.最后利用得到的深层融合特征对目标进行识别任务.该文在MSTAR数据集上进行对比实验,实验结果表明所提算法在性能方面取得了提升,且其性能对超参数设置具有一定的鲁棒性.     

基于改进Kalman滤波模型的扫描合成孔径雷达图像扇贝效应校正方法

星载扫描合成孔径雷达(ScanSAR)采取Burst工作模式,该模式在获得宽幅测绘能力的同时,也导致图像中产生了固有的扇贝效应,严重影响图像的视觉效果和定量应用。该文结合对ScanSAR图像方位向统计特性的分析,针对现有滤波模型稳定性差和时间复杂度高等缺点,提出了一种改进的Kalman滤波模型,对图像方位向标准差和均值进行滤波以校正扇贝条纹。在高分三号(GF-3)卫星获取的真实ScanSAR图像上的校正结果验证了改进算法的有效性和高效性,此外在建筑群和海陆交界等复杂场景图像上的实验结果表明,改进算法具有较强的鲁棒性。     

一种改进的SAR图像LEE滤波算法

针对SAR图像相干斑滤波中存在的降低相干斑与有效保持细节信息这一矛盾,研究了常用空域滤波算法,在此基础上,将中值滤波与增强LEE滤波相结合,改进了LEE滤波算法,该方法能够在滤除相干斑的同时很好地保持图像的边缘及细节纹理信息。     

基于TS201系列DSP的PGA算法实现

相位梯度自聚焦(PGA)算法被广泛用于机载合成孔径雷达(SAR)成像中.由于其过程复杂,数据处理量大,为满足机载SAR实时处理的要求,选用具有强大处理能力的TS201 DSP.为了充分发挥TS201的性能,利用PGA原理和TS201处理器的特点,对算法流程进行优化,并且对最耗时的FFT采用了汇编语言实现,使得运算量和处...     

基于区域一致性和NSCT的SAR图像分割

提出反映合成孔径雷达（sAR）图像区域一致性的G值图,在此基础上运用区域生长方法对图像进行粗分割。在对粗分图像进行区域合并的过程中,对于含有丰富方向和纹理信息的SAR图像,使用非下采样Contourlet变换（NSCT）进行区域特征提取,并采用一种新方法进行区域合并。仿真结果证明了SAR图像分割算法的有效性。