一种融合MRF分割与数学形态学的道路提取算法

针对高分辨率合成孔径雷达（Synthetic Aperture Radar, SAR）图像中道路目标难以有效提取的问题,提出一种融合马尔可夫随机场（Markov Random Field, MRF）分割与数学形态学处理的高分辨率SAR图像道路提取算法。该算法首先利用直方图均衡化和增强Lee滤波对SAR图像进行预处理,实现道路的边缘增强,抑制相干斑噪声;进而利用基于条件迭代模式（Iterated Conditional Mode, ICM）的MRF对SAR图像中的道路目标进行初分割;再用数学形态学填充空洞,平滑道路边缘;最后,基于道路的几何特征,使用偏心率、矩阵度、复杂度等因子去除虚警,从而提取出道路目标。利用该文算法对两块实际高分辨率SAR图像进行道路目标提取,均可以取得90%以上的正确道路提取率,表明本文算法具有较高的道路提取精度。     

基于公共余数最优估计的多通道干涉SAR高程重建方法

针对多通道干涉SAR高程重建方法计算效率较低的问题,提出了一种基于公共余数最优估计的多通道干涉SAR快速高程重建方法。该算法首先对干涉相位去除平地效应后,得出每幅干涉图像任意一个像素对应的缠绕干涉相位,构造出关于干涉相位模糊数的同余方程组;然后利用最优估计法求解出带噪声余数的公共余数的最优估计值,求解出各目标的高程值;最后再利用改进措施得到更高精度的高程重建结果。试验数据处理结果表明,该方法使得多通道干涉SAR高程重建的计算效率有了显著提升。     

基于起伏地形的干涉SAR回波数据仿真

地形起伏造成SAR图像几何畸变,从而对回波数据产生重要影响,基于此提出一种基于起伏地形的干涉SAR回波数据仿真方法。建立了地距几何仿真方案,通过插值对地面目标点进行重采样,有效地实现了SAR图像中几何畸变的仿真。提供了一种新的相关性复后向散射系数模型,考虑了散射系数幅度的随机起伏特性和两通道随机相位的相关性,进而建立时域回波信号模型,通过对方位回波信号插值,一定程度上减小了距离门取整带来的误差,最后给出干涉SAR回波数据的仿真流程。计算机仿真结果表明该算法不仅能有效体现干涉SAR图像中的几何畸变,而且验证了相关性后向散射模型和回波信号模型的正确性。     

基于密集残差区域划分的快速相位展开算法

为快速稳定地展开干涉相位,提出基于密集残差点划分的快速相位展开算法。算法首先快速获取残差点,进而利用本文给定的准则进行正负残差点配对设置枝切线;根据枝切线及相干系数将残差点密集区域分离出来;相位展开时首先展开高质量区域,进而展开噪声区中非枝切线上的相位,最后展开枝切线上及没有成功展开的相位。仿真数据和实测数据的处理结果表明,本文算法较传统路径跟踪算法在提高了展开精度的同时还大大提高了处理速度。     

基于迁移学习的卷积神经网络SAR图像目标识别

针对卷积神经网络中因网络参数随机初始化和参数过多导致的收敛速度慢及过拟合的问题,提出了一种基于迁移学习监督式预训练的卷积神经网络。首先,引入迁移学习的思想,采用小规模数据集作为源域的训练样本,针对源域中源任务进行监督式训练得到预训练模型;然后,构建一个多层的卷积神经网络作为目标域中目标任务的待训练网络,将源域中获得的预训练模型作为该网络的初始参数,大规模数据作为目标域的训练样本进行网络的微调,通过这种基于特征选择的迁移学习,实现源域到目标域的特征信息迁移;针对卷积神经网络中全连接层参数过多的问题,采用卷积层替代全连接层。试验使用美国国防高等研究计划署的移动与静止目标搜索识别（Moving and Stationary Target Acquisition and Recognition,MSTAR）数据集中三类目标数据作为源域样本,十类目标数据作为目标域样本,结果表明该算法的十类目标识别精度达到了99.13%,且具有更快的误差收敛速度。