改进的极化SAR图像三分量分解方法

针对原始三分量分解方法中,偶次散射和表面散射类地物的体散射分量可能会过估计的问题,提出了一种基于H/α珔参数和一般散射机理模型的改进的三分量分解方法。首先在进行极化分解之前利用H/α珔参数判定目标的主导散射类型。对于主导散射类型明确的像素点,利用一般散射机理模型优先计算主导散射成分的相关扩展系数,然后再从剩余成分中提取非主导散射分量。对于主导散射类型不明确的像素点,采用传统的去取向三分量分解方法进行分解。对实测极化SAR图像进行实验表明,新方法不仅继承了传统三分量分解方法的优点,而且能在分解结果中更加有效地突出雷达目标的主导散射特征。     

基于时变散射特征与CNN的双极化SAR作物分类

作物类型分类是极化合成孔径雷达(PolSAR)图像中最重要的应用之一。然而，由于成本和系统限制，越来越多的双极化SAR系统已经投入使用。由于双极化模式的限制，双极化SAR数据集存在严重的贴现特性，使得双极化SAR图像难以获得令人满意的分类精度，因此有必要提取更适合于双极化SAR数据集的散射特征。基于H/α分解的基本理论，引入了一个新的参数来测量农作物的时变散射特性，并针对双极化SAR图像提出了时变散射特征驱动的卷积神经网络(CNN)。实验结果表明:提出的CNN分类方法达到了最高的分类精度。与不同的特征组合输入相比，提出的新参数能稳定地提高分类器的分类性能，H、α、θ和强度特征的组合也能达到最佳的分类性能。     

基于舰船目标的极化SAR改进滤波算法研究

针对传统极化白化滤波(PWF)算法在处理极化SAR数据时的缺陷,提出一种改进的方法,该方法利用边缘模板检测和Freem an散射特性分解等技术对存在结构特征区域的图像采取特殊处理,提高了存在结构特征区域图像的滤波性能。实验证明,改进方法具有更强的自适应性,可有效降低相干斑噪声,特别是在边缘区域,能更好地保持舰船目标的结构信息。     

特征选择的全极化SAR影像面向对象土地覆盖分类

全极化SAR数据信息丰富,仅利用单一的极化特征和基于像元的分类很难得到较好的分类效果。因此,提出了全极化数据特征优选结合面向对象方法进行土地覆盖分类。以云南西双版纳州勐腊县和普洱市思茅区的Terra SAR-X的X波段全极化雷达数据为信息源,首先对全极化SAR数据进行预处理,提取研究区Pauli RGB图像后,利用影像分割技术对Pauli RGB图像进行分割,作为分类的基本单元;然后对SAR影像提取极化分解特征和Span影像的纹理特征,选取最优特征集合;最后利用面向对象模糊分类方法进行土地覆盖分类,并采用实地调查数据对分类结果进行了精度评价。试验结果表明,面向对象方法可以很好地去除噪声的影响,最优组合的特征波段使得分类结果更加精确。西双版纳州勐腊县总体分类精度达到88.5%,普洱市思茅区总体分类精度达到86.8%,较之H/A/α-Wishart分类方法精度提高了40%以上。     

Ku波段机载极化SAR数据定标

针对极化合成孔径雷达(SAR)数据采集过程中出现的通道串扰、通道不平衡问题,利用Ku波段机载全极化SAR数据进行定标试验研究。进行了极化通道间干涉相位去除,以及包含相位校正、串扰校正和通道不平衡校正的极化SAR定标处理。对三面角反射器后向散射的分析表明:经定标处理后,极化通道不平衡降至1 dB以内,通道串扰降至-17 dB以下,极化特征图与理想三面角更为接近。Freeman-Durden分解结果表明:经定标处理后,极化SAR数据能较为准确地反映地物主要散射机制信息。     

基于极化G0分布和MRF的多视PolSAR图像迭代分类方法

提出了一种多视极化合成孔径雷达（PolSAR）图像的迭代分类方法。首先利用极化G0分布描述多视极化协方差矩阵的统计特性,并进行初始的最大似然分类,然后利用马尔可夫随机场（MRF）估计像素类标号的先验概率,最后根据MAP（最大后验概率）准则对PolSAR图像进行分类。整个分类流程迭代进行。分类结果表明该方法精度高,收敛速度快。利用NASA／JPL获取的4视AIRSAR实测数据验证了本文方法的有效性。
:     

基于极化GO分布和MRF的多视PolSAR图像迭代分类方法

提出了一种多视极化合成孔径雷达（PolSAR）图像的迭代分类方法。首先利用极化G0分布描述多视极化协方差矩阵的统计特性，并进行初始的最大似然分类，然后利用马尔可夫随机场（MRF）估计像素类标号的先验概率，最后根据MAP（最大后验概率）准则对PolSAR图像进行分类。整个分类流程迭代进行。分类结果表明该方法精度高，收敛速度快。利用NASA／JPL获取的4视AIRSAR实测数据验证了本文方法的有效性。     

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。     

广义RCS及近场电磁散射建模应用

根据电磁场叠加原理,给出了一种与观测天线无关的广义雷达散射截面(RCS)定义,引入对称极化等多种极化散射特征量,计算了近距离观测时金属平板目标的极化RCS曲线;根据广义RCS的定义,在近场电磁散射建模中分解照射场和合成接收,提出了一种有效的近场电磁散射建模方法,并比较了采用方向图等效近似和场分解合成两种方法计算的金属平...     

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。     

有限混合Wishart模型分类多视极化SAR图像

针对多视极化SAR图像的Wishart分类器存在着先验假设分布问题,提出混合Wishart模型并进行极化SAR图像的分类.结合bootstrap方法给出了混元个数准则,采用EM算法导出了混合模型的参数估计.根据旧金山湾区域的多视极化SAR图像实例进行了分析,并由此进行分类.实验结果显示在大的匀质区域方面上采用混合Wishart模型的分类结果明显优于直接采用 Wishart方法的分类结果.     

基于基追踪的SAR图像超分辨处理

研究SAR图像的超分辨处理方法对于提高图像质量具有重要意义。结合雷达成像的目标属性散射模型，利用信号原子分解办法得到了SAR成像的最优信号原子，提出了利用基追踪方法估计模型参数的SAR图像超分辨处理方法。该方法利用了稀疏性先验信息，理论上比传统的匹配追踪方法具有更优越的性能。仿真算例和MSTAR实测数据的处理结果表明，这种处理方法具有良好的超分辨性能。     

基于本征图像分解的高光谱图像空谱联合分类

高光谱图像分类是许多应用的第一步,也是极其重要的一步。针对目前分类方法存在误分现象,尤其是在地物边缘附近区域,以及现有空谱联合分类方法计算复杂度高的问题,提出一种基于本征图像分解以及导向滤波的高光谱图像空谱联合分类方法:利用AP聚类进行波段选择,提高计算效率;利用基于局部稀疏约束的本征图像分解方法进行高光谱本征图像分解,获取反射率本征图;利用导向滤波器对初始分类结果进行优化。实验结果表明:文章提出的空谱联合分类方法在分类精度与计算时间方面优势明显。     

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。     

基于极化SAR图像的建筑区提取方法研究

建筑区提取对于城市规划和灾害评估具有重要的作用。文章提出融合极化方位角补偿的散射模型提取建筑区。首先对极化SAR图像进行极化补偿处理,使得建筑物的散射成分增强,然后融合极化分解得到的散射分量和纹理特征参数作为建筑区提取依据,最后使用面向对象的提取方法进行建筑区提取。采用美国San Francisco地区L波段星载AIRSAR数据和德国Oberpfaffenhofen地区L波段机载ESAR数据分别进行实验验证。结果表明,文中方法较好地识别并提取了建筑区,提高了建筑区的提取精度,可用于受灾建筑区提取以及城市建筑区信息获取。     

基于方位去斜的SAR/GMTI方法研究

具有同时获取静止场景高分辨率图像和检测慢速运动目标能力,是多通道SAR/GMTI雷达优于传统单通道SAR和预警雷达的重要特征之一.文章采用基于方位去斜SAR成像技术的三通道SAR/GMTI方法对地面运动目标进行检测、定位和测速,着重研究了一种结合相位补偿、图像配准和多通道多像素自适应处理的杂波抑制方法.分别在有无配准误差情况下,对比了自适应处理与直接对消方法的杂波抑制效果,说明了多消一的自适应处理针对配准误差具有更好的稳健性.最后利用对三通道SAR/GMTI系统实测数据的处理,验证了所述方法流程的可行性.     

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。     

参照失效物理分析的永久散射体提取过程

在雷达干涉测量中,永久散射体(PS)是一类不受时间、空间基线和大气延迟影响的目标,如何从SAR图像中自动识别出有效的永久散射体是PS干涉系统中关键的环节之一。文章从不确定性量化理论的角度考虑失效物理分析问题,利用失效物理分析方法研究PS影像特征与环境的关系,对多幅SAR图像进行独立分量分析(ICA)和小波包分解,然后考虑永久散射体的高信噪比特性,依据图像能量最大的原则获取分离后的稳定成分,并进行分割处理得到PS点的分布图。实验表明,该方法能够有效识别出可靠的PS点。     

一种基于SAR图像鉴别的港口区域舰船目标新方法

鉴于遥感卫星动态监视港口内舰船的需要,提出了一种SAR图像港口内舰船鉴别方法。针对港口内舰船目标散射特性,首先进行舰船目标鉴别特征的提取,包括已有鉴别特征的提取和新特征的提取;其次,在特征选择阶段,利用特征对目标与杂波的可分离性度量优选出鉴别效果明显的有效特征,并得到最大分离性对应的最优特征向量权重;最后,为了提高鉴别器的精度,设计了加权最小距离分类器。试验结果表明了所提方法的有效性。