改进模糊马尔可夫随机场的SAR图像分割

模糊马尔可夫随机场利用模糊隶属度函数解决了马尔可夫随机场过于依赖灰度值的弊 端,然而在模糊马尔可夫随机场的分割中采用的是硬性基团和边缘判断准则,模糊分类使得 这些判断条件更加难以满足,从而图像分割中容易产生边缘分割错误的现象。改进模糊马尔 可夫随机场是在分段模糊马尔可夫随机场中引入模糊意义的后验概率公式及基团和边缘类型 “模糊相似性”概念,通过对不同基团和边缘类型的模糊相似性描述与判断,使得图像分割 对于边缘的判断和噪声的抑制具有更好的效果。仿真实验表明改进模糊马尔可夫随机场对于 边缘特别模糊的合成孔径雷达图像（SAR）具有较好的分割效果。     

基于模拟退火算法的SAR图像复原

根据吉布斯马尔可夫随机场模型和SAR图像斑点噪声的伽玛分布统计特性，应用模拟退火算法．实现雷达截面的全局优化伪似然估计。本文将新解4选1的方法从极化SAR图像推广到一般SAR图像；提出一个实用有效的图像特征检测法；说明了一阶模型和零阶模型之间的联系．并给出满意的处理结果。     

星载合成孔径雷达图像的飞机目标检测

针对大场景下星载合成孔径雷达(SAR)图像中飞机目标检测问题,提出一种端到端的飞机目标检测算法。先在大场景SAR图像中对机场目标进行粗检测,定位机场区域,再通过精确分割算法获得机场的精细区域。对机场区域中的飞机目标进行检测,采用一种基于Canny算子的边缘检测与卷积神经网络结合的飞机目标检测算法。通过飞机边缘检测、边界框预处理等操作确定潜在飞机目标在机场中的位置范围,采用基于GoogLeNet的卷积神经网络对可疑目标进行鉴别。利用星载合成孔径雷达数据对算法进行验证,证明该方法的有效性与实用性。     

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。     

基于集成活动轮廓模型的SAR图像分割方法

图像分割是合成孔径雷达(Synthetic Aperture Radar, SAR)图像自动解译技术中的一个重要问题。基于活动轮廓的思想,给出了一种适应于SAR图像分割的集成活动轮廓模型。该模型综合利用SAR图像的边缘和区域特性,通过检测算子提取SAR图像的边缘信息,利用似然函数的最大化提取图像中不同统计信息的区域;通过边缘和区域的共同曲线运动实现对SAR图像的分割。利用加性算子分裂算法,给出了该模型的快速实现方法。通过MSTAR和实测星载SAR数据进行试验验证,并与其他算法比较,结果表明：所提方法适应性强,可适应复杂背景的SAR图像分割,并且分割定位准确、收敛速度较快;所提实现算法稳健,能适应不同参数设置,且对初始条件不敏感。〖JP〗     

基于联合隐马尔科夫模型的SAR图像去噪方法

提出一种联合隐马尔科夫模型的SAR图像去噪方法。基于贝叶斯准则估计隐马尔科夫树状模型的参数集合,得到各小波系数的期望值和收缩系数;引入二阶马尔科夫随机场模型去除小波系数尺度内的相关性,根据每个小波系数邻域内所有小波系数的隐状态和收缩系数,计算得到新的收缩系数,并对各小波子带的小波系数进行收缩,从而有效复原无噪声图像。实验表明,方法具有很强的噪声抑制能力,相对隐马尔科夫模型大幅提高了等效视数,且较好地保持了边缘。     

基于贝叶斯估计的非平稳SAR图像自适应小波滤波

合成孔径雷达(SAR)的相干斑噪声严重影响图像质量、降低图像的可判读性。本文提出的滤波方法，将通用小波阈值滤波方法和基于图像局域统计特性的滤波方法相结合。针对非平稳SAR图像的不同区域采用不同的方法调整小波系数，具有自适应能力。分析了噪声在小波变换域中的分布和统计特性，用高斯混合模型来对其进行描述。采用期望最大似然(EM)算法迭代出小波系数的分布参数。最后用贝叶斯估计得出真实图像的小波系数。在仿真实验中，将该方法与经典的局域统计方法以及通用的小波阈值去噪方法进行了比较。结果表明，本文的方法能对非平稳SAR图像进行更有效的滤波。     

SAR图像中道路检测方法研究

提出一种两步算法用于合成孔径雷达（SAR）图像中无监督地提取线性特征，特别是公路网的提取。第一步利用局部线特征检测算子提取线基元，为此本文提出一种改进的均值比率（RoA）算子，应用SAR图像的统计特性，保证较高的准确率；第二步引入公路结构特征的先验信息，构造方向势能函数（DPF）。通过DPF最小化，来对提取的线基元进行组织，获得宏观的线性结构，文中方法通过ERS－1图像加以验证。     

基于改进SIFT的SAR图像与可见光图像配准

针对SAR图像与可见光图像的自动配准问题,提出了一种基于尺度不变特征(SIFT)的SAR与可见光图像配准算法。算法首先对SIFT主方向的检测进行了优化,利用特征点邻域内边缘局部极大值点的梯度方向作为特征点的方向,并以去均值归一化互相关系数为相似性度量进行特征点对匹配,然后通过随机抽样一致性算法(RANSAC)剔除误匹配点对,最后利用剩余的特征点对实现SAR与可见光图像的自动配准。实验结果表明,本算法对不同分辨率图像和不同旋转角度图像具有较好的适用性,在正确匹配点的比率和定位精度方面都优于原始SIFT算法和Harris算法。     

基于纹理特征多分辨双Markov-GAR模型的SAR图像分割

为了提高SAR图像分割精度,提出在以灰度共生矩阵产生的纹理统计量为特征所生成的图像上,同时考虑SAR图像像素间空间分布特征和局部灰度均值和方差等统计量给出多分辨双Markov框架下的GAR模型,采用多分辨MPM的参数估计方法及对应的无监督分割算法,对SAR图像进行纹理分割。实验结果表明该方法用于一些高分辨SAR图像,与基于灰度图像上的多分辨双Markov-GAR模型纹理分割相比,在分割精度上能降低分割时的错分率。     

基于微动调制的间歇采样转发干扰研究

文中提出了一种基于微动调制的间歇采样转发干扰方法,其基本思想是：干扰机对接收到的雷达信号在方位向调制匀速转动附加指数相位增量,在距离向进行间歇采样,再把干扰信号转发给雷达。研究了该干扰方法对合成孔径雷达（SAR）的干扰效果,分析了各关键干扰参数对干扰效果的影响以及干扰功率与干信比,最后进行了基于实测数据的仿真实验。分析表明,该干扰方法具有在距离向和方位向部分相干处理的特点,根据调制的各关键干扰参数的不同可对SAR实现二维欺骗干扰和压制干扰的干扰效果,且相对于常规射频噪声压制干扰而言,有一定的干扰功率优势。     

DBF\|SAR系统1比特量化设计

为解决DBF\|SAR系统数据率巨大和星上处理复杂的问题,提出了一种将各通道回波和距离向匹配滤波器都1比特量化的处理方法。首先证明当回波信噪比较低时,符号位已包含了目标的幅度信息,从而为1比特量化提供了可能;在此基础上,利用各通道间信号相关性强而噪声相关性弱的特点,通过数字波束成形技术,提高了系统信噪比。接着探讨了该方法的硬件实现结构和资源消耗情况。最后,仿真结果表明了方法的有效性。该方法在不明显降低成像质量的前提下,简化了系统电路设计和减小了数据率,对DBF\|SAR系统的工程实现有一定参考价值。     

高分辨率SAR图像相干斑噪声抑制方法

文章主要提出了一种新的基于小波变换对高分辨率合成孔径雷达（SAR）图像相干斑噪声抑制的算法。首先从SAR图像相干斑噪声产生的机理出发,论述了通过传统的滤波方法．在抑制高分辨率SAR图像的相干斑噪声的同时损失了大量的边缘信息和纹理细节而采用小波变换降噪的优越性和必要性;其次详细地论述了在小波域中如何利用高频局部的统计特性和分解尺度大小来选取滤波窗口尺寸进行滤波;最后通过实验结果说明了此方法比采用传统的固定窗来实现对高分辨率SAR图像的降噪、保留边缘信息和纹理细节有着更好的性能。     

合成孔径雷达图像解译技术探讨

首先对合成孔径雷达图像解译的研究背景及发展历程作了简单介绍，然后分别从斑点噪声抑制、边缘检测、区域分割、目标检测与识别等方面进行了分类探讨。指出新的解译技术应综合利用新特征、新信息和新的研究理论，开展多信息合作与融合机制的研究以及人工智能的应用。     

基于分水岭变换的单幅高分辨率SAR图像建筑物检测方法

提出了一种从单幅高分辨率SAR图像中检测建筑物的算法框架。该框架主要以应用 标记的分水岭变换为基础,针对SAR图像中建筑物所具有的强回波特性与典型的形状特征, 主要采用CFAR检测和文中提出的方向相关分析方法得到标记图像,利用最小强制技术和标记 图像修改原始图像的梯度图,对修改后的梯度图作分水岭变换得到建筑物目标的边界轮廓。 该方法能够引入建筑物目标的特性同时克服分水岭变换固有的过分割缺陷。文中对不同场景 的高分辨率SAR图像进行了实验,实验结果表明,即使在建筑物分布密集的情况下,本文算 法也能正确完整地检测出绝大多数目标,检测率高而虚警率低。     

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。     

基于压缩传感的线阵SAR三维成像方法研究

线阵SAR是一种新型雷达三维成像技术。由于实际中线阵天线长度有限,基于匹配滤波的传统线阵SAR成像方法不仅需要大量的阵元数,而且在切航迹向的分辨率也较低。结合三维场景空间目标的稀疏特征,提出一种基于压缩传感理论的高分辨线阵SAR三维成像方法。相对于传统匹配滤波线阵SAR三维成像方法,本方法只利用少量的稀疏天线阵元回波对切航迹向的稀疏散射目标进行L1范数优化重构,大大抑制了切航迹向旁瓣影响并显著提高分辨率。最后,通过线阵SAR点目标仿真三维成像表明了本文算法的有效性。