一种基于小波的SAR图象边缘检测方法

边缘检测是遥感图象处理中很重要的一步。因ＳＡＰ图象通常带有较强的噪声,用传统的边缘检测方法效果不理想。本文采用小波方向检测技术并结合顺序统计滤波的方法,设计了一级方向可调滤波器,根据方向滤波和信息,对ＳＡＲ进行边缘检测。实验证明本算法计算有效,边缘定位准确,并对噪声有抑制作用,从而取得了良好的检测效果。     

雷达成像仿真研究综述

用于军事飞行模拟器训练的雷达成像,具有不受时间和空间的限制、可控、保密等特点,在模拟训练中起着重要的作用。本文概述机载火控雷达采用的RBM、DBS、AR这3种主要对地测绘方法,国内外战斗机雷达型号及其成像系统;总结国外雷达成像模拟软件及国内雷达仿真器研发的现状,对已有产品的优缺点、适用范围、所用技术做详细说明;介绍雷达成像模拟的主要方法及实现过程,将目前的雷达成像模拟方法划分为3大类：回波信号模拟、传递函数和雷达图像特征的融合;并预测雷达模拟仿真将向建立通用数据库、扩大成像范围、提高实时性和逼真度的方向发展。     

空载SAR发展状况

空载SAR具有提供高分辨率成像的能力,这种能力不受气象条件和太阳照射的限制,其成像范围不受国界、地域和地理自然条件的限制,受到广泛重视,空载SAR经过20多年的发展,尽管数量有限,所提供的信息量却是巨大的,并被广泛应用,为人类提供了大量鲜为人知的信息,概述了空载SAR的用途及发展过程,说明空载SAR的现状和其主要性能,介绍正在发展中的空载SAR项目,分析空载SAR的发展趋势。     

基于合成孔径雷达图像的机场主跑道检测方法

针对现有机场主跑道检测方法提取目标不明确的问题,提出一种从合成孔径雷达(SAR)图像中自动检测机场主跑道的方法.使用模糊C均值算法分割原始SAR图像,采用形态学方法进行去噪处理,通过去除较小连通区域的方法以消除虚警目标,运用Hough变换检测主跑道,并基于直线平行线的特性对主跑道进行后处理,得到的检测结果具有较高的正确...     

一种适用于调频步进信号SAR的2维子孔径处理算法

为了将机载SAR超高分辨率(0.1 m)条件下的超大带宽信号的实现和成像信号的处理进行有效结合,首先深入分析了基于PFA的2维重叠子孔径处理算法(PFOSA),并对算法中采用的不合理近似进行了改进;然后将PFOSA应用于调频步进信号的SAR成像处理,在此基础上,提出了一种基于调频步进信号的2维子孔径处理算法.该算法不仅能够将调频步进信号处理与距离子孔径处理相结合,使之无需常规的脉冲合成过程,而且还能够利用子孔径处理获得的目标粗分辨位置信息来有效补偿脉冲簇内由载机运动引起的空变相位误差,从而克服了常规脉冲合成方法无法补偿空变相位误差的缺点.仿真数据处理结果表明,该算法是有效的.     

多线性主成分分析和张量分析的SAR图像目标识别

为了提高合成孔径雷达图像目标识别效果,提出一种基于多线性主成分分析和张量分析的合成孔径雷达图像目标识别方法。该方法首先构建四阶张量训练样本,利用多线性主成分分析得到多线性投影矩阵;再通过投影矩阵构建核心张量,对核心张量进行线性判别分析;最后对测试样本分类识别。实验中,将本文提出的多线性主成分分析和张量分析方法在MSTAR公共数据库上进行识别实验,并与主成分分析和二维主成分分析方法进行识别率比较。实验结果表明,本文方法有效保留了图像的空间结构信息,提高了目标正确识别率。     

改进FCOS的二阶段SAR舰船检测算法

近年来无锚框的目标检测算法逐渐被应用于SAR舰船检测,其中FCOS算法摆脱了对锚框参数设置的依赖,对多尺度、多形态舰船检测的鲁棒性更好,但仍存在两个问题：第一、该算法直接进行逐像素点回归,因搜索空间过大、目标回归困难导致检测不够准确;第二、其中特征金字塔对低层特征利用仍有不足导致小目标大量漏检。针对上述问题基于FCOS进行改进,通过增加特征增强网络构建了二阶段无锚框检测算法。该网络作为第一阶段对检测过程进行精细化引导,同时增强了舰船特征表达能力。通过引入更多特征并增加跳跃连接改进特征金字塔,提高了低层特征利用率。在数据集SSDD和SAR-Ship-Dataset上的实验结果表明,平均准确率（mAP）相比FCOS分别提高9.5和3.4个百分点,相比其他主流舰船检测算法分别提高3.6和1.0个百分点,充分验证了所提算法的有效性。     

基于稀疏表示和时频变换的ISAR成像算法

逆合成孔径雷达对空中机动飞行目标进行成像,在成像积累时间内,成像投影平面和横向尺度随时间变化,许多参数很难准确提取,人们无法获得更多的先验知识。一般采用鲁棒性强的距离-多普勒(RD)算法进行成像,但传统的RD成像算法基于目标匀速转动和方位均匀采样的假设,若用其对机动目标进行成像,则图像模糊,尤其对于随机缺损的雷达回波数据,其成像质量显著下降,甚至无法辨识。通过引入稀疏表示和时频变换,提出了一种基于稀疏表示和时频变换的距离-瞬时多普勒成像算法,其可对一般机动飞行目标进行有效成像。实验结果验证了所提算法的有效性和可行性。     

基于改进RetinaNet的船舶检测算法

目前基于深度学习算法的目标检测技术在合成孔径雷达（SAR）图像船舶检测中取得了显著的成果,然而仍存在着小目标船舶和近岸密集排列船舶检测效果差的问题。针对上述问题,提出了基于改进RetinaNet的船舶检测算法。在传统RetinaNet算法的基础上,首先,将特征提取网络残差块中的卷积改进为分组卷积,以增加网络宽度,从而提高网络的特征提取能力;其次,在特征提取网络的后两个阶段加入注意力机制,让网络更加专注于目标区域,从而提升目标检测能力;最后,将软非极大值抑制（Soft-NMS）加入到算法中,降低算法对于近岸密集排列船舶检测的漏检率。在高分辨率SAR图像数据集（HRSID）和SAR船舶检测数据集（SSDD）上的实验结果表明,所提改进算法对于小目标船舶和近岸船舶的检测效果得到了有效提升,与当前优秀的目标检测模型Faster R-CNN、YOLOv3和CenterNet等相比,在检测精度和速度上更加优越。     

基于SAR技术的油气管线地貌识别方法研究

本文研究了基于合成孔径雷达SAR(syntheticapertureradar)信号的油气管线地貌识别方法。首先采用分段回归图像插值算法及小波变换提高图像分辨率和信噪比,对油气管线地貌图像进行分析预处理。在此基础上,利用多尺度分割方法提取不同地貌目标SAR图像,使用灰度共生矩阵计算同质性、对比度、能量、相关度等纹理特征作为分类依据。最后,利用向量分类方法完成油气输运管线周围地貌目标识别。最终的实验结果表明,基于合成孔径雷达SAR信号的油气管线地貌识别方法能够准确识别油气管线穿越的水体、农田、沙漠、山地、建筑等地貌特征及动态变化,为长输管线地质风险预警和安全管理提供可靠的技术手段。