基于相关向量机的SAR图像飞机目标分类方法研究

随着合成孔径雷达(SAR)成像技术的发展,SAR图像的数据处理和图像分类工作近年来成为研究热点.在本文中,将相关向量机(RVM)应用于SAR图像目标分类识别,对3类飞机仿真目标进行分类,从分类正确率、分类时间、泛化能力和鲁棒性方面全面考察其性能.与支持向量机(SVM)相比,相关向量机没有多余的参数调整,核函数不需要满足Mercer条件,可以获得更多的稀疏模型.仿真结果表明,在对3种类型的飞机仿真目标进行分类的情况下,使用RVM方法总体分类性能略高于SVM.     

基于加权特征融合的 SAR 图像目标分类方法

针对现有分类器对 SAR 图像分类正确率不高的问题,考虑到单一的特征很难完全描述 SAR 目标,并且单一的分类器识别率有限,提出了一种基于加权特征融合的图像分类方法,采用多种特征来描述目标,并且用多个分类器同时对目标识别。实验结果显示,提出的方法能够达到较高的分类正确率,证明了该方法的有效性。     

欺骗目标仿真SAR图像可信度评估方法

针对宽带合成孔径雷达欺骗干扰图像源生成及其效果评估问题,对典型目标进行三维建模和电磁散射特征计算,利用二维成像算法构建了欺骗目标仿真SAR图像的预估模板库,在此基础上,利用图像质量和相似度对欺骗图像进行可信度评估,提出了基于散射强点旋转相关和纹理特征匹配的图像相似度评估指标,建立了仿真SAR图像可信度评估指标体系和综合评价模型,通过仿真实验对模型的有效性进行了验证。     

利用多时相NDVI 监测京郊冬小麦种植信息

物候和时相信息在农作物种植信息提取方面有十分重要的应用价值, 利用多时相L andsat TM 数据, 结合冬小麦的波谱和时相信息, 成功提取了北京地区的冬小麦种植信息。首先, 选用了2003 年4 月7 日、5 月1 日、5 月25 日、6 月18 日不同时相的4 景TM 卫星影像, 计算了不同时相的NDV I 时间谱图像数据; 其次, 结合北京地区农作物种植的实际情况, 提取并分析了北京春夏季主要植被地物(冬小麦、苜蓿、苗圃、春玉米、树林等) 的NDV I 时间谱特征; 第三, 利用不同时相的NDV I 图像数据, 通过NDV I 图像通道间的逻辑运算算法, 成功提取了2003 年北京地区的冬小麦种植信息, 提取精度达到96. 92%; 最后, 与2002 年收割小麦的统计数据相对比, 监测了北京各郊区县的冬小麦种植结构调整情况。结果表明, 多时相、多光谱遥感数据在作物种植信息的监测中有十分明显的技术优势和重要的应用潜力。     

扩频测控系统干扰源建模与评估

基于测控设备抗干扰测试与评估对模拟干扰源的需求,分析了扩频测控系统可能面临的复杂环境,建立了几种典型的、参数可变的干扰信号数学模型和仿真模型,研究了影响干扰效果的主要参数。采用计算机模拟仿真的方法,在Simulink平台上搭建了一个依时域概率分布的复杂干扰源,利用时域无序程度和频域覆盖程度对干扰效果进行了量化和评估。仿真结果表明,控制每种干扰在时域上的发生概率的方法能够增强干扰效果,使干扰源模型更加接近真实环境。