合成孔径雷达图像目标识别问题研究

首先对合成孔径雷达 (SAR)图像目标识别的研究背景和国内外发展现状作了简单介绍 ,然后分析了SAR图像目标识别问题的复杂性 ,讨论了SAR目标识别系统的一般方案与方法 ,提出了基于多源信息融合和人机协作的识别框架 ,进而展望了SAR图像目标识别技术今后的发展方向。     

SAR图像目标峰值特征提取与方位角估计方法研究

目标峰值特征是SAR图像目标识别的重要特征之一。峰值特征提取是SAR图像目标识别的一个重要步骤，为了由SAR图像快速、精确地提取目标峰值特征．本文首先研究了SAR图像目标峰值特征提取方法，提出了一种“子像素”级精度的SAR图像目标峰值特征提取方法．并通过仿真实验分析了峰值位置、峰值幅度的估计精度。由于目标SAR图像或SAR图像特征矢量对目标方位角变化的敏感性，因此，为了提高SAR图像目标识别系统的分类效率，本文还研究了SAR图像目标方位角估计方法，提出了一种利用峰值特征基于线性回归的sAR目标方位角估计方法，和现有方法相比，该方法除了计算速度快，估计精度较高之外，还能在估计方位角的同时，给出该估计的置信区间，从而更好的满足SAR ATR的实际需要。文中通过对大量实测MSTAR SAR图像目标方位角的估计实验，验证了本文目标峰值特征提取及方位角估计方法的有效性。     

一种SAR图像特征增强新方法

军事目标的SAR图像特征在合成孔径雷达目标识别(SAR ATR)中扮演着重要的角色。提出了一种在多小波域中用维纳滤波重构进行SAR目标图像特征增强的新方法,并在此基础上进行了目标图像分割。实验结果表明,该方法能够有效增强SAR图像中的目标区域特征,增大目标和背景杂波之间的统计可分离度,有利于目标图像的精确分割和特征提取。     

基于lk范数正则化方法的SAR图像超分辨

提高合成孔径雷达（SAR）图像的分辨率对自动目标识别等具有重要意义。为此改进了一种基于lk范数正则化方法，并用于SAR图像超分辨。该方法通过合理开发利用符合SAR成像工程背景的先验知识，构造附加约束，把图像超分辨问题规划为形式简单的带约束优化问题。仿真和实测数据计算结果证实了该方法的有效性。     

基于CS的SAR图像自动目标分割算法

图像目标分割是SAR图像目标超分辨处理和自动目标识别的重要步骤。针对图像固有的稀疏结构,提出了一种SAR图像自动目标分割算法。通过构造变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示,然后利用随机矩阵获得稀疏域局部特征的压缩采样,并对多组采样数据运用Mean-shift 算法并行处理,最后通过符号检验法,实现了对目标像素与背景像素的分类。试验表明,该算法对硬目标具有较好的目标分割性能。     

一种在SAR图像中进行目标识别的多尺度模型

本文基于SAR相干成像的原理，利用当图像分辨率改变时，自然景物和人工目标班点模式变化方式的不同，提出了一种从自然景物中识别人工目标的多尺度模型，并研究了此模型在不同分辨率图像中的性质及应用。     

基于lk范数正则化方法的SAR 图像超分辨

提高合成孔径雷达(SAR)图像的分辨率对自动目标识别等具有重要意义.为此改进了一种基于lk范数正则化方法,并用于SAR图像超分辨.该方法通过合理开发利用符合SAR成像工程背景的先验知识,构造附加约束,把图像超分辨问题规划为形式简单的带约束优化问题.仿真和实测数据计算结果证实了该方法的有效性.     

通过扩展分区特征改善SAR目标检测

本文对利用扩展区分（EF）特征来改善合成孔径雷达（SAR）自动目标识别（ATR）系统观注目标聚焦（FOA）阶段处理的有效性进行了评估。不象传统的SAR检测特征仅能在对比度基础上将图像像素从背景中区分开，EF特征对物体的对比度和尺寸都敏感，EF特征算法便于实现，并已证实有着类似CFAR（恒虎警率）性质的新特征，我们使用这个新特征，通过两个数据库提供的SAR图像，对几种不同检测方法进行了测试，验证新方法对性能有所改善。     

合成孔径雷达图像中目标的统计特性

本文讨论了合成孔径雷达（SAR）图像中目标的统计特性，并验证了如何利用这一特性进行自动SAR目标分类及识别。文中介绍了一种用于估计目标雷达横截面积的目标平滑算法，这种算法可以与适当的噪声模式相结合以针对给定的成像构造产生多个目标，这就允许对目标特性进行统计分析，用于改进基于特征的分类，并通过对真实目标进行简单的分类实验进行了验证。     

采用矢量量化法压缩SAR图像

介绍了一种对具有丰富信息的图像进行的编码的简单、精致算法，该算法易于对不同的目标编码，利用目标类与背景不同的目标空间研究了用于压缩合成孔径雷达（SAR）图像的目标空间编码方法。研究了编译背景信息的变速残差矢量量化（VQ）算法。试验结果表明，该算法非常有效，所提出的编码方法可使压缩与图像的最终应用相匹配，因此，该编码方法是目标识别与目标分类的方法。     

基于局部特征核主成分分析的SAR图像识别方法

利用传统的核主成分分析方法识别SAR图像时,存在目标姿态角依赖性强、图像象素之间关联性差等问题。针对这些问题,提出一种基于局部特征核主成分分析的SAR图像识别方法。该方法首先对图像进行相关预处理,然后结合SAR图像的特点提出一种基于局部特征核主成分分析的特征提取方法,最后设计了一种双分类器对提取的特征进行分类。MSTAR仿真实验表明：该方法不仅可以增强图像象素之间的相关性,而且对目标姿态角不存在依赖性,仿真结果验证了方法的有效性和可行性。
     

单通道SAR对任意运动目标的检测和成像

在合成孔径雷达（SAR）图像中，运动目标会引起散焦和／或移位之类的成像误差，这与目标运动方向有关。为了得到准确而清晰的运动目标的图像，目标位置和速度参数是必须知道的。这里提出了一种对任意方向运动的地面目标进行探测、参数估计和成像的算法。该算法主要是评估由常规单通道SAR雷达数据生成的一系列单视SAR图像。用两个观察模型来估计运动目标的位置和速度，考虑了由于运动导致多普勒频谱的混叠。用这种方法，运动目标可以不受其运动方向的影响而被检测到，估计参数被用来补偿SAR图像中的成像误差。最后，目标在场景中的真实运动情况可以在补偿过的图像序列中显现。     

基于SVM的SAR图像中水上桥梁目标的检测

针对SAR图像中桥梁目标的特性,提出了一种基于统计特性和先验知识相结合的桥梁目标检测方法。通过对SAR图像中桥梁和背景的分析,首先对河流区域进行特征提取,再利用支持向量机方法对数据进行训练建模,通过训练后的模型对SAR图像中的河流进行分割,最后在分类后的二值图中按方向累加能量最小准则进行桥梁目标检测。基于真实SAR图像的实验结果显示,此方法不需要对SAR图像进行复杂的预处理,有强的抗斑点噪声性,能快速检测SAR图像中的桥梁目标。     

基于Rician分布的SAR图像MRG目标提取算法

针对SAR图像特有的乘性噪声和非恒虚警统计特性很难正确提取目标的问题,本文提出了MRG算法对SAR目标进行检测。首先用MRF-ICM算法对SAR图像进行后向散射系数的复原,再在复原后的幅度上叠加相位信息后引入Rician分布寻找自适应的最佳局域Gabor滤波器参数对SAR图像进行目标提取。和以往的算法相比,MRG算法充分利用了SAR图像幅度和相位中所携带的信息,能更准确地提取目标。实验表明:该方法能取得很好的目标检测效果,后期提取出的目标更符合实际目标形态,具有较强的通用性。     

运动目标在阵列孔径UWB SAR图像上的表征及其在图像域GMTI方法中的应用

结合子孔径BP成像过程,对运动目标在阵列孔径UWB SAR图像上的成像规律进行了研究,得出了运动目标在阵列孔径UWB SAR图像上的解析表达式,据此可将只适合慢速运动目标的UWB SAR图像域GMTI算法推广,使之适合快速运动目标.以ATI算法为例,说明了所得运动目标成像规律在UWB SAR图像域GMTI方法推广中的应用价值.基于仿真实验的结果证明了所得结论的正确性.     

基于匹配追踪算法的SAR超分辨成像

提出了一种新的SAR超分辨成像方法。在SAR图像相位历史域点散射模型的基础上，利用SAR图像目标稀疏的性质，构造子像素级的紧致字典，并设计了一种改进的匹配追踪迭代算法来估计模型参数，从而生成更大尺度的相位历史数据，对得到的相位历史域数据成像即得到了更高分辨率的SAR图像。实验结果表明该算法具有良好的超分辨性能，同时所需时问比基追踪方法缩短40％以上。     

结合形态学理论与Hough变换的SAR图像线目标检测方法

针对典型线状军事目标,提出一种SAR图像的目标检测方法。该方法首先将分块阈值分割的思想应用于未经斑点噪声抑制的原始SAR图像,得到ROI(Region of Interest)图像;然后,利用区域的几何特征有效地剔除大量虚警,并采用形态学梯度算子提取目标的边缘信息,与传统的Canny边缘检测相比,边缘轮廓更加连贯;最后,利用Hough变换对梯度图像进行直线检测,得到机场跑道的边缘。该方法对原始SAR图像采用传统的图像处理技术进行目标检测,因此,比基于SAR图像统计特性的目标检测方法简单易行。对真实SAR图像的实验结果验证了该方法的有效性。     

对SAR有源干扰效果评估方法研究

根据SAR成像工作原理以及有源干扰对SAR作用的特点,利用SAR图像质量评估指标,提出用主观评估、点目标成像以及散射区域目标成像的方法来评价有源干扰对SAR的干扰效果,并就等效视数和图像动态范围对干扰效果的度量问题进行了探讨。     

基于信息可视化技术的SAR图像目视解译方法研究

为解决传统合成孔径雷达(SAR)图像目视解译的困难,对一种基于信息可视化技术的SAR图像目视解译方法进行了研究。基于非线性流形学习理论的维数约减技术,对原始单极化和多极化SAR图像进行特征提取和数据挖掘,通过基于极化数据变换的特征和基于极化目标分解获取SAR图像本征特征,选择利于用户应用的特征在彩色空间编码重构出SAR信息图像提供给判读员进行解译。给出了基于信息可视化技术的SAR图像目视解译框架。多种应用结果表明:该法能挖掘并显示出大量图像中隐含的信息,产生的特征图像较原始SAR图像更符合人眼视觉,可有效解译SAR图像。     

基于时频矩阵非负分解特征的多视角SAR目标识别

针对多视角合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别问题,提出一种基于目标高分辨率距离像(High Range Resolution Profile,HRRP)时频矩阵非负分解特征提取和识别方法。该方法首先对SAR图像进行滤波预处理,得到相应的目标HRRP序列;然后采用匹配追踪时频分析方法计算得到目标HRRP的时频矩阵;应用非负矩阵分解技术分解时频矩阵,得到相应的谱矢量和时相矢量。基于分解得到的谱矢量和时相矢量提取时频域矩特征和稀疏特征。最后,应用隐马尔科夫模型(Hidden Markov Model,HMM)对这些时频特征序列建模及识别。采用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)计划公开发布的SAR目标数据库的实验结果表明,该方法不仅能有效降低时频域特征的维数,而且识别性能优于传统的时频域特征。