高阶条件随机场引导的多分支极化SAR图像分类

目的 针对极化合成孔径雷达（polarimetric synthetic aperture radar,PolSAR）小样本分类问题,基于充分挖掘有限样本的极化、空间特征考虑,提出一种由高阶条件随机场（conditional random field,CRF）引导的多分支分类网络模型。方法 利用Yamaguchi非相干目标分解方法,构建每个像素的极化特征向量。设计了由高阶CRF能量函数引导的多卷积分支特征提取网络,将像素点极化特征向量作为输入,分别提取像素点的像素特征、邻域特征和位置特征信息。将以上特征进行加和融合,并输入到softmax分类器中得到预分类结果。利用超像素方法对预分类结果图进行进一步修正和调优,平滑相邻像素之间的特异性和相似性。结果 采用1%的采样率对两组真实的极化SAR数据进行测试。同时,为了更好地模拟实际应用中训练样本位置分布不均匀的情况,考虑了空间不相交采样方法作为对比实验。综合两种采样策略的实验结果表明,相较于只利用像素级特征或简单利用空间特征的方法,本文方法总分类精度平均提升7%～10%,不同地物类别的分类精准度均在90%以上,运行速度相比于支持向量机（support vector machine,SVM）提高了2.5倍以上。结论 通过构建高阶CRF引导的卷积神经网络,将像素特征信息、同质区域特征和地理位置信息进行融合,有效建立了像素级和对象级数据之间的尺度关联,进一步扩充了像素点之间的空间依赖性,提取到了更强大更准确的表征特征,显著提高了标记样本数量较少情况下的卷积网络模型的分类性能,进一步保证了地物目标散射机制表征的全面性和可靠性。     

以图像为主的多模态感知与多源融合技术发展及应用综述

不同模态的表现方式不同,描述目标的角度也会不同。多模态感知与多源融合技术是将两种或两种以上的模态组合起来,融合不同传感器、不同平台收集到的数据、特征信息,兼顾不同图像的优势,在遥感监测、军事安防、自动驾驶等领域有着广泛的运用。介绍了热成像、高光谱成像、偏振成像、合成孔径雷达(SAR)、激光雷达(LiDAR)等多模态感知技术,总结了不同成像方式的特点与联系,简述了多源融合相关概念及其技术发展历程,重点分析了不同模态下图像融合案例,在此基础上归纳多模态感知和多源融合技术的发展趋势,最后基于融合算法、系统整体性、评价指标总结出进一步发展方向。     

基于分段电容阵列的改进型逐次逼近型ADC

为缩短高速模数转换器(ADC)中高位(MSB)电容建立时间以及减小功耗,提出了一种基于分段式电容阵列的改进型逐次逼近型(SAR)ADC结构,通过翻转小电容阵列代替翻转大电容阵列以产生高位数字码,并利用180 nm CMOS工艺实现和验证了此ADC结构。该结构一方面可以缩短产生高位数码字过程中的转换时间,提高量化速度;另一方面其可以延长大电容的稳定时间,减小参考电压的负载。通过缩小比较器输入对管的面积以减小寄生电容带来的误差,提升高位数字码的准确度。同时,利用一次性校准技术减小比较器的失配电压。最终,采用180 nm CMOS工艺实现该10 bit SAR ADC,以验证该改进型结构。结果表明,在1.8 V电源电压、780μW功耗、有电路噪声和电容失配情况下,该改进型SAR ADC得到了58.0 dB的信噪失真比(SNDR)。     

视频合成孔径雷达双域联合运动目标检测方法

视频合成孔径雷达(SAR)具有高帧率成像能力,可作为地面运动目标探测的重要技术手段。经典SAR地面动目标显示(SAR-GMTI)依靠目标回波能量来实现动目标检测,同时动目标阴影亦可作为视频SAR动目标检测的重要途径。然而,由于动目标能量和阴影的畸变或涂抹,依靠单一方式难以实现稳健的动目标检测。该文基于目标能量和阴影的双域联合检测思想,分别通过快速区域卷积神经网络和航迹关联两种技术途径实现了视频SAR动目标联合检测,给出了机载实测数据处理结果,并进行了详细分析。该文方法充分利用目标阴影与能量的特征及空时信息,提升了机动目标检测的稳健性。      

无人机载PolInSAR城区散射机制初步分析

极化干涉合成孔径雷达（PolInSAR）在城市遥感领域中扮演着重要角色。它能够提高图像的相干性并提高反演结果的精度,所以对于其散射机制的解释往往受到许多研究人员的关注。相关的研究多从极化分解的角度考虑,却少有人从散射中心高度方面进行分析。本文使用Ku波段无人机载极化干涉SAR系统,实现了使用无人机SAR系统对地面进行成像,比较了极化干涉最优分解与Pauli分解作用在不同人造目标时散射中心的关系。我们初步分析了极化干涉SAR的物理意义,并使用C波段的机载极化干涉SAR系统对结论进行验证。     

Surface displacement of the Mw 7 Machaze earthquake (Mozambique): Complementary use of multiband InSAR and radar amplitude image correlation with elastic modelling

In this paper we investigate the surface displacement related to the 2006 Machaze earthquake using Synthetic Aperture Radar Interferometry (InSAR) and sub-pixel correlation (SPC) of radar amplitude images. We focus on surface displacement measurement during three stages of the seismic cycle. First, we examined the co-seismic stage, using an Advanced SAR (ASAR) sensor onboard the Envisat satellite. Then we investigated the post-seismic stage using the Phase Array L-band SAR sensor (PALSAR) onboard the ALOS satellite. Lastly, we focussed on the inter-seismic stage, prior to the earthquake by analysing the L-band JERS-1 SAR data. The high degree of signal decorrelation in the C-band co-seismic interferogram hinders a correct positioning of the surface rupture and correct phase unwrapping. The post-seismic L-band interferograms reveal a time-constant surface displacement, causing subsidence of the surface at a ∼ 5 cm/yr rate. This phenomenon continued to affect the close rupture field for at least two years following the earthquake and intrinsically reveals a candidate seismogenic fault trace that we use as a proxy for an inversion against an elastic dislocation model. Prior to the earthquake, the JERS interferograms do not indicate any traces of pre-seismic slip on the seismogenic fault. Therefore, slip after the earthquake is post-seismic, and it was triggered by the Machaze earthquake. This feature represents a prominent post-seismic slip event rarely observed in such a geodynamic context.     

基于空间信息的SAR图像船只交通监测方法

快速准确获得研究区海上船只状态,对海洋交通监测具有重要意义。本文从技术角度提出了基于空间信息的SAR图像海上船只交通监测方法。首先利用已有的空间先验信息对图像进行自动陆地掩膜;建立海面杂波分布模型,对海面船只进行检测;估算船只的长度、面积、中心坐标等参数信息,并对目标进行筛选;最后根据船只信息库结合空间信息平台进行统计与分析,可为海上船只监测以及交通规划等应用提供决策信息。重点介绍了数据处理方法,并以9景ERS2数据进行了实验和详细分析,通过实验,分析了技术的可行性与正确性。     

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。     

基于多维金字塔表达和AdaBoost的高分辨率SAR图像城区场景分类算法

提出了多维金字塔表达算法, 并使用基于多维金字塔表达的AdaBoost实现了高分辨率合成孔径雷达(Synthetic aperture radar, SAR)图像的城区场景分类. 多维金字塔表达算法首先在局部特征的各维计算金字塔表达矢量, 再将所有的金字塔表达矢量连接起来构成多维金字塔表达矢量. 多维金字塔表达算法克服了金字塔表达算法在处理高维局部特征时, 遇到的输出金字塔表达矢量的区分力受计算效率制约的问题. 本文分别在一个TerraSAR-X图像库和一张大幅TerraSAR-X图像上比较基于金字塔表达的AdaBoost和基于多维金字塔表达的AdaBoost的分类性能. 实验结果表明, 与前者相比, 后者显著提高了计算效率同时保证了分类精度.     

卫星遥感信息应用研究

近几年来,随着海洋石油运输业与航运业的迅猛发展,频繁发生的溢油事故造成了严重的环境污染、破坏着海洋生态系统。利用卫星遥感手段监视海面溢油可以达到覆盖面积大、快捷真实、同步连续的效果。通过分析溢油信息在遥感图像上的成像原理、各种卫星影像成像特点、采用遥感图像上溢油信息识别技术,卫星遥感监视海面溢油方法在多个实际溢油事故中得以成功应用。