基于稀疏重构的杂波环境下红外图像空间邻近目标超分辨方法

基于稀疏重构的超分辨方法是应对空间邻近目标的有效方法之一,但是当目标处于杂波环境下时,杂波会布满在整个视场范围内,导致场景原有的稀疏性被破坏。针对这一现象提出了一种在杂波环境下的超分辨方法。该方法充分利用了传感器的结构特性以及重构算法中的参数,通过建立观测信号的红外成像模型并利用像元网格划分的方式,建立空间邻近目标群的位置和幅度信号的稀疏表示,并利用其光学系统的点扩散函数来构造超完备字典,最后通过控制重构场景中非零元素的个数比例来使重构参数处于一个合理的区间范围,以此来达到去除杂波干扰并准确重建稀疏目标的目的。     

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。     

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lk范数正则化方法的SAR图像超分辨

提高合成孔径雷达（SAR）图像的分辨率对自动目标识别等具有重要意义。为此改进了一种基于lk范数正则化方法，并用于SAR图像超分辨。该方法通过合理开发利用符合SAR成像工程背景的先验知识，构造附加约束，把图像超分辨问题规划为形式简单的带约束优化问题。仿真和实测数据计算结果证实了该方法的有效性。     

基于lk范数正则化方法的SAR 图像超分辨

提高合成孔径雷达(SAR)图像的分辨率对自动目标识别等具有重要意义.为此改进了一种基于lk范数正则化方法,并用于SAR图像超分辨.该方法通过合理开发利用符合SAR成像工程背景的先验知识,构造附加约束,把图像超分辨问题规划为形式简单的带约束优化问题.仿真和实测数据计算结果证实了该方法的有效性.     

基于稀疏信号表示的空间碎片成像

地基雷达一直是空间碎片监测的有力工具,研究如何利用它们对尺寸小于距离分辨率的目标进行成像具有重要意义。基于空间碎片通常会围绕它的主轴进行简单的自旋转运动这一事实,通过对目标回波模型的分析,本文提出了一种基于稀疏信号表示的空间碎片成像方法。该方法将成像问题转化为稀疏信号分解问题,首先以各个散射点的散射特性作为元素构建字典,然后通过采用现有的方法对单个距离单元横向回波数据的稀疏信号表示进行求解,最后对求解的结果重新排列以得到目标的二维高分辨图像。仿真实验结果表明了本方法的正确性。     

基于分类字典学习的遥感图像超分辨率方法

传统的超分辨率方法存在图像重构时间长,重构质量有待改进的问题。因此,文章针对遥感图像对传统的超分辨率方法进行了改进。主要利用原始图像的局部二值模式(LBP)纹理特征对图像进行分类识别,学习分类字典,并使用对应类别字典对低分辨率图像进行超分辨率重构。该方法的优势在于既加快了重构速度,又有效改善了重构图像的质量。试验结果证明了该方法相对于传统方法的优越性。     

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。     

单帧数字图像分辨率改善的频域正则化方法

现有多帧序列频域分辨率改善方法主要基于柯西-高斯先验模型,对单帧图像处理效果不理想.在分析频谱混叠公式的基础上,研究了单帧图像分辨率改善的频域方法.提出了基于柯西-高斯先验模型的正则化方法,由于柯西-高斯先验模型具有较好的信号稀疏表示能力,因此能有效地改善图像的分辨率.设计了迭代求解算法,给出了迭代初值的稳健算法,并将二维计算问题转化为一维计算问题,实现了方法的快速计算,同时大大地减少了存储量.文中给出了一维信号和遥感图像两个算例,计算结果表明,方法可以有效地改善图像的分辨率.     

基于组字典学习的逆合成孔径雷达成像方法

基于压缩感知(compressive sensing, CS)的逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像方法可以使用非常少的数据来获得高质量的图像。但基于CS的ISAR成像方法中目标场景不准确的稀疏表示限制了成像方法的性能。结合字典学习(dictionary learning, DL)技术的CS ISAR成像方法能够寻找到目标场景图像块的最优稀疏表示,提高成像质量,但每一个图像块被单独考虑,而忽略了彼此之间的相互依赖关系。为了实现进一步提高成像质量的目标,针对ISAR图像分块重建的问题,首次提出一种基于组字典学习(group dictionary learning,GDL)的ISAR成像方法。将具有相似结构的图像块聚类并构建出多个图像块组,利用奇异值分解(singular value decomposition, SVD)从图像块组中学习出最优组稀疏变换字典。学习好的组稀疏变换字典可以寻找到待重建图像块组的最优稀疏表示,进而重建出高质量的目标场景图像。实验结果表明:与现有的CS ISAR成像方法相比,基于GDL的ISAR成像方法能获得更好的成像效果,并具有更高的计算效率。     

单帧数字图像分辨率改善的频域正则化方法

现有多帧序列频域分辨率改善方法主要基于柯西-高斯先验模型，对单帧图像处理效果不理想。在分析频谱混叠公式的基础上，研究了单帧图像分辨率改善的频域方法。提出了基于柯西-高斯先验模型的正则化方法，由于柯西-高斯先验模型具有较好的信号稀疏表示能力，因此能有效地改善图像的分辨率。设计了迭代求解算法，给出了迭代初值的稳健算法，并将二维计算问题转化为一维计算问题，实现了方法的快速计算，同时大大地减少了存储量。文中给出了一维信号和遥感图像两个算例，计算结果表明，方法可以有效地改善图像的分辨率。     

低信噪比下快速分裂Bregman迭代ISAR超分辨率成像

针对低信噪比条件下的逆合成孔径雷达ISAR(Inverse Synthetic Aperture Radar)超分辨率成像处理问题,提出了一种基于快速分裂Bregman迭代的ISAR超分辨率成像算法.首先,在正则化框架下,将方位分辨率的提高问题转化为一个正则化问题;其次,利用托普利兹矩阵的低位移秩特征和Gohberg-...     

基于滑动子空间的杂波样本筛选方法

针对受目标污染的非均匀杂波辅助样本筛选问题，本文利用超低旁瓣子空间平滑加窗处理，克服已有的非均匀杂波样本筛选方法面临的初始协方差矩阵包含目标信号而引起的目标相消问题。一方面，采用超低旁瓣子孔径滑窗方法大幅提升旁瓣区信杂噪比，结合拟合方差偏离量提取目标大信号能量并予以剔除。另一方面，结合广义内积（Generalised Inner Product,GIP）等算法在子空间平滑的基础上进一步剔除非均匀杂波样本，从而得到独立同分布的杂波协方差矩阵。基于子孔径滑窗的杂波样本剔除方法能够大幅降低系统运算复杂度，提高系统应用效能。通过对机载实测数据的验证分析，该算法能够改善目标的输出信杂噪比，保留微动效应的离散弱目标信号，具备很高的工程应用价值。     

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。     

一种高超星图高精度半盲复原算法

针对高超声速飞行器在平流层内应用天文导航时受气动光学效应及运动模糊影响后难以观星和高精度导航的问题,提出一种基于正则化思想的高超星图半盲复原算法。该算法首先针对高超星图的特点进行去噪与星点初提取等预处理操作,接着从图像中提出可用的模糊核信息,并通过融合达到去噪的目的。然后结合天文图像灰度及梯度的稀疏先验分布特性,提出一种针对高超星图的正则化非盲复原模型,利用分裂布雷格曼迭代法等算法迭代估计清晰图像。将本算法与传统星图复原算法、其他最新正则化复原算法进行星图复原与导航效果比较,结果表明本算法复原效果最佳,且能明显改善星点识别正确率及质心坐标计算精度,可用于大幅提高超声速飞行器在平流层中的天文导航适应性及导航精度。     

基于海杂波稀疏性与非均匀度的样本挑选方法

针对预警雷达对海监视面临海杂波分布非均匀与杂波样本受目标污染,导致自适应杂波抑制处理性能恶化和目标能量损失的问题,提出了一种基于海杂波稀疏性与非均匀度的样本挑选方法。该方法将目标的导向约束与广义内积样本挑选方法结合,先利用海杂波在空时二维平面上的稀疏分布特性,根据海杂波与目标空时二维分布差异剔除被目标污染的样本,再利用广义内积准则衡量海杂波分布的非均匀程度,并获取均匀样本,以提高杂波协方差矩阵的估计精度。仿真结果表明:所提方法能在提高杂波抑制性能的同时,减小目标信号能量损失。该方法可广泛应用于海面预警监视雷达系统。     

利用字典优化方法实现sub Nyquist采样数据的频率估计

在稀疏重构理论中,重构信号需要预先设定稀疏表示字典,针对预设字典与真实字典之间的失配对信号稀疏表示造成的不利影响,提出一种基于字典优化和稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)的频率估计算法。该算法首先构造基于sub Nyquist采样数据的信号稀疏表达式,然后利用SBL算法估计信号频率,同时根据估计结果优化字典,最后反复迭代上述步骤直至计算出的频率值和对应的幅度值趋于稳定。仿真结果校验了方法的有效性。     

基于对比度和梯度分布的红外弱小目标检测

红外弱小目标检测技术是目标自动检测系统中的核心技术之一。在复杂背景以及强杂波存在的情形下,红外弱小目标检测往往会有高虚警率的问题。对于这一问题,提出了一种基于多尺度局部对比度与局部梯度分布的红外弱小目标检测算法,具有重要意义。相比于以前的算法,该方法利用多尺度局部对比度机制增强红外图像中的疑似红外弱小目标的区域,再利用红外图像的局部梯度分布信息对这些疑似红外弱小目标的区域进行判别,剔除其中的虚警区域,得到有低虚警率红外弱小目标检测结果。实验结果表明:该算法结果可靠,检测准确率高。可见,新算法可以有效地提高在复杂背景以及存在强杂波情形下红外图像中弱小目标的检测准确率。     

一种基于权值存储的自适应旁瓣干扰对消系统

为了解决传统雷达旁瓣干扰对消系统在强近地杂波接收时对消器收敛环无法正常工作的问题,提出了一种基于收敛权值存储的自适应旁瓣干扰对消系统,并给出了详细的软硬件实现方法.整个系统以EP1K100为控制核心.实际设备装调的结果证明该系统能有效消除近地接收时强地杂波带来的影响.     

浅析互有位移图像序列的超分辨率复原

超分辨率图像复原的目的在于复原截止频率之外的信息,以使图像获得更多的细节和信息。基于互有位移序列图像进行的超分辨率复原,除了利用物体的先验信息和单幅图像的信息之外,还充分利用了不同图像之间的补充信息,因此其超分辨率复原能力高于利用单帧图像的复原法。这项技术可以广泛应用于遥感、高清晰电视和医学成像等多个领域。通过对超分辨率复原技术理论基础的阐述,指出基于序列图像的高分辨率成像技术的合理性,并介绍对互有位移图像序列的获取方法:亚像元动态成像系统、光学系统和利用压电陶瓷的方法。