基于Bayes假设检验的SAR图像分辨率计算方法

分辨率是衡量SAR成像质量的重要评价指标。目前所采用的3dB主瓣宽度方法来源于光学成像中的瑞利准则,受人类视觉感知能力限制,且没有考虑噪声影响。根据SAR图像表达式与观测信号乘法模型,在存在目标位置先验信息情况下,基于Bayes假设检验理论建立点目标分辨判别准则,得到统计意义上的分辨率计算方法,得到的结论与现有的关于分辨率计算的定性理解相一致,克服了瑞利准则的缺陷。     

基于偏最小二乘的向后删除变量法及其在均匀设计中的应用

针对均匀设计中的小样本数据处理问题，讨论了一种偏最小二乘与向后删除变量法相结合的变量筛选方法。首先，利用偏最小二乘建立包含尽可能多的关键自变量的全模型，然后将向后删除变量法中的每一次最小二乘回归替换为偏最小二乘回归，得到基于偏最小二乘的向后删除变量法。实验结果表明，与逐步回归法相比．该方法的预测能力明显提高，且具有更好的稳定性。     

基于Cauchy稀疏分布的SAR图像超分辨算法

分析了SAR图像稀疏性的成因,利用具有稀疏特性的Ｃａｕｃｈｙ分布作为SAＲ图像相位历史域数据的先验分布,建立了基于Cauchy稀疏分布的SAR图像超分辨模型,通过减少每次迭代中矩阵求逆的次数,给出了模型的快速迭代求解算法。利用SAR图像的稀疏性先验,将SAR图像超分辨问题转化为形式简单的约束极值问题,避免了基于ｌｋ范数正则化超分辨方法的模型定阶问题。最后,利用MSTAR实测数据,在相位历史域的实验结果证实了该方法有效的超分辨能力和快速求解能力。     

SAR图像点目标超分辨正则化方法的简化计算

合成孔径雷达(SAR)是一种高分辨率相干成像雷达,是重要的空间遥感手段,分辨率的高低直接决定了其应用效果的优劣。正则化方法是提高SAR图像分辨率的有效方法,但传统的迭代算法计算速度较慢。文中分析了基于lk范数的图像超分辨正则化方法的迭代求解公式,得出了由该迭代公式产生的迭代序列收敛的极限的解析表达式。将该结论用于正则化模型的求解可以显著降低计算量,由此得到了正则化迭代算法的简化计算方法。仿真与MSTAR图像处理结果表明,简化后的方法计算速度提高了2 000倍以上,计算结果与传统方法的相对差别小于6×10-9。