数据筛选的低频UWB SAR图像快速可视化

目的 为了能够快速得到适于视觉解译的UWB SAR图像,提出了一种基于数据筛选的低频UWB SAR图像快速可视化算法.方法 该方法从统计学的角度出发,讨论了低频UWB SAR图像数据的统计特性和灰度分布模型;在此基础上,首次提出采用3σ准则对低频UWB SAR图像数据进行筛选;并使用修正映射函数映射.结果 对处理后所得图像进行质量评估,可以发现,所得灰度图在等效视数、中央凹特征和对比敏感度特征等方面要优于传统方法处理的处理结果,因而更符合人类视觉系统特征,更易于人眼视觉系统全面了解低频UWB SAR图像表征的场景信息.结论 与传统方法相比,该算法能自适应压缩图像动态范围,处理耗时短,所得图像细节突出,适于对低频UWB SAR图像数据实时处理.     

灌区不同空间尺度显热通量测定方法的对比分析

摘要：本文利用安装在山东省位山灌区典型农田内的大孔径激光闪烁仪 （LAS） 和涡度相关系统 （EC） ,测定了不同空度尺度上的显热通量,对比分析了两个系统测定结果在不同作物条件下的相关关系,讨论了造成二者偏差的可能原因。结果显示,在研究区域的农田下垫面条件下LAS和EC系统测定的显热通量之间存在较好的一致性;LAS的测量结果略大于EC测量值,这可能是由下垫面不均匀性、二者源区不一致以及EC测量值偏小造成的。研究证明,LAS是测定区域平均显热通量较为可靠的方法。     

基于DBF技术的星载SAR宽测绘带实现方法

在研究距离向使用数字波束形成(Digital Beanforming,DBF)实现星载SAR宽测绘带原理的基础上,分析了星载DBF-SAR距离模糊与传统星载SAR距离模糊的不同,并利用阵列天线零点指向技术实现宽零陷的原理,展宽模糊点所对应位置零陷宽度,从而在提高星载SAR宽测绘带基础上有效地减小距离模糊,提高成像质量.通过仿真和比较分析,表明使用具有宽零陷指向特性的DBF技术实现星载SAR宽测绘带模式的可行性.     

一种极化SAR目标Cameron分解的改进方法

Cameron分解是一种非常重要的极化SAR目标相干分解方法,在舰船及小型飞机检测等方面有着广泛的应用.但由于Cameron分解方法未考虑目标可能具有的非相干特性,对包含非相干目标的场景应用会导致不准确的分解结果,不利于进行后续的目标检测处理.为了解决问题,通过引入Touzi提出的目标相干性判定准则,在Cameron分解过程中对目标进行相干分类预处理,能够较好地将场景中包含的非相干目标分离出来,从而提高了Cameron分解结果的准确性,达到了改进Cameron分解的目的.使用实测L波段极化SAR数据进行实验,实验结果验证了改进方法的有效性.     

一种基于SPWVD-WVD的高质量时频分析方法及ISAR成像应用

交叉项干扰抑制与高时频聚集度是准确反应信号的时频分布特征的重要因素。传统的魏格纳-维尔分布(Wigner-Ville Distribution,WVD)算法虽能获得较高的时频分辨特征,但分析多成分信号时存在严重的交叉项干扰问题,限制了其实用性;而平滑伪魏格纳-维尔分布(Smoothed Pseudo Wigner-Ville Distribution,SPWVD)算法虽在一定程度上抑制交叉项干扰,但降低了时频聚集度。为了解决上述问题,提出了基于SPWVD-WVD的时频分析方法。该方法利用SPWVD与WVD之间的滤波互消效应,将SPWVD二值化结果与WVD结果进行矩阵运算,最终得到高质量的时频分析结果。实验结果表明,所提出的算法能够有效去除多分量信号的交叉项干扰,提高信号分析结果的时频聚集度,还原多分量信号的真实时频分布。最后将该算法成功应用于逆合成孔径雷达成像中。     

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。     

结合全局上下文与融合注意力的干涉相位去噪

目的 干涉相位去噪是合成孔径雷达干涉测量（interferometric synthetic aperture radar,InSAR）技术中的关键环节,其效果对测量精度具有重要影响。针对现有的干涉相位去噪方法大多关注局部特征以及在特征提取方面的局限性,同时为了平衡去噪和结构保持两者之间的关系,提出了一种结合全局上下文与融合注意力的相位去噪网络GCFA-PDNet(global context and fused attention phase denoising network)。方法 将干涉相位分离为实部和虚部依次输入到网络,先从噪声相位中提取浅层特征,再将其映射到由全局上下文提取模块和融合注意力模块组成的特征增强模块,最后通过全局残差学习生成去噪图像。全局上下文提取模块能提取全局上下文信息,具有非局部方法的优势;融合注意力模块既强调关键特征,又能高效提取隐藏在复杂背景中的噪声信息。结果 所提出的方法与对比方法中性能最优者相比,在模拟数据结果的平均峰值信噪比（peak signal to noise ratio, PSNR）和结构相似性（structural similarity,...     

面向植被边坡的地基SAR高相干点选择

基于高相干点进行相位分析,才能有效保证地基SAR（Synthetic Aperture Radar,合成孔径雷达）形变测量的准确性。在差分干涉测量领域中,广泛使用幅度离差法,可以有效地选择出岩石、建筑物等PS（Permanent Scatterer,永久散射体）点作为高相干点,但对于植被边坡,采用该方法选择出高相干点数量较少,不利于差分干涉处理。在星载SAR领域,普遍采用StaMPS方法解决植被边坡的高相干点选择问题。本文探索了StaMPS方法在地基SAR领域的适用性,提出采用非PS点来计算相干系数门限,并引入DS（Distributed Scatterer,分布式散射体）选择技术,进一步提高了高相干点的数量。对一处植被边坡的实验结果表明,相比于幅度离差法和StaMPS方法,改进方法在提高高相干点数量的同时,有效保证了其相位质量。      

基于CSAR图像的目标高度提取方法

圆周合成孔径雷达（Circular Synthetic Aperture Radar,CSAR）可以对目标进行360°全方位观测,获得目标全方位散射信息。通过将CSAR成像数据划分成多个子孔径能够直接获取目标高度信息,本文在原有获取目标高度信息的方法基础上,进行了改进和创新,提出了一种新的提取目标高度信息的方法。本文通过对子孔径图像进行高度向投影,在一定程度上提高了计算精度,同时在子孔径选择时,也考虑了子孔径之间的相关性,有效地提高了算法的精确性。最后首次引入自主测量的L波段实测数据对本文所提算法进行验证,证实了该方法的有效性和准确性。     

基于深度学习的ViSAR多运动目标检测

视频合成孔径雷达(ViSAR)在地面动目标检测和感兴趣区域(ROI)的动态监测方面具有巨大的潜力。对地面运动目标的检测与跟踪一直是ViSAR的研究热点。针对现有基于深度学习的ViSAR动目标检测方法存在的依赖预训练模型,模型迁移难等问题,本文提出了一种基于深度学习与多目标跟踪(MOT)算法的ViSAR动目标阴影检测方法。该方法首先设计了一种从零开始深度学习的网络模型,实现动目标阴影的单帧检测。为了提高检测性能的鲁棒性,采用了基于卡尔曼滤波和逐帧数据关联的多目标跟踪算法跟踪动目标。实测数据处理结果表明该方法具有良好的检测性能。