基于多重分形的SAR图像降噪

调整奇异指数的值可以去除不规则的奇异点、保留有意义的奇异点,从而达到消噪的目的。理论上奇异指数的调整计算过于复杂,一般采用手工设定。手工设定的值带有很大的主观性、缺乏定量的描述,为此引入了合成孔径雷达(SAR)图像噪声抑制效果定量评判指标,通过条件迭代(ICM)的方法优选奇异指数值,优化了基于多重分形的图像降噪计算。实验结果表明相较于传统降噪方法,基于多重分形的方法不论是视觉效果还是定量评判指标都有较大的改善。     

基于HMM的雷达状态转移估计方法

针对传统识别模型存在的参数规律描述不全面的问题,提出一种适用于多功能雷达(MFR)的层级模型,该模型通过任务、状态、参数3个层级反映了MFR系统的运行机制,并依据不同的参数变化规律,设定多种函数进行描述,能够反映信号的联合变化和统计信息,较统计和脉冲样本图模型具备更好的识别效果。在层级模型基础上,针对MFR状态转移估计方法存在的鲁棒性、估计准确率不佳的问题,引入目标运动状态信息,构建双链隐马尔可夫模型(HMM),进而利用D-S(Dempster-Shafer)证据理论优化估计结果,提出一种基于HMM的雷达状态转移估计方法,实验结果表明,提出的方法较改进前具备更优异的鲁棒性和估计准确率。     

基于奇异值分解的遥感图像融合性能评价

研究遥感图像融合性能的客观评价问题,分析当前遥感图像融合效果评估方法特点的基础上,提出一种新的遥感图像融合效果评估方法——基于奇异值分解(SVD, Singular Value Decomposition)的方法.利用源图像与融合结果图像的奇异值差异,测量它们之间能量信息失真情况,从而进行融合算法的评估.仿真实验从两方面入手,当融合源图像中含有SAR(Synthetic Aperlure Radar)图像时,对比Piella和Xydeas评估方法较为有效;另一方面,对多类型传感器、不同方法的像素级融合结果进行评估,与主观评价结果对比具有较高的一致性.这种客观评估方法能够较好地反映多类遥感图像融合的质量,是一种实现简单、高效、较为通用的遥感图像融合效果评估方法.      

一种雷达信号模糊函数特征提取与识别方法

现代雷达面向智能化、软件化、多功能与多用途方向发展,一部雷达往往具有多种工作体制与工作状态,雷达信号采用复杂的波形设计,这就使得雷达信号的特征提取与识别过程变得越来越困难。另外,现代电磁环境复杂,杂波、噪声干扰严重,给雷达的侦察工作带来更大的难度。基于此,提出将流形学习应用于雷达信号模糊函数的特征提取,并对其进行仿真与分析。结果验证了该方法的可行性。