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。
:     

基于复数域Transformer-Unet混合模型的PolSAR地物分类

传统的基于深度学习的极化合成孔径雷达（Polarimetric Synthetic Aperture Radar,PolSAR）地物分类方法,通过堆叠卷积层提取图像局部特征,难以建立长距离依赖关系。基于自注意力机制的深度学习模型Transformer（变换）在图像分类任务中取得了成功,其自注意力机制能够捕获全局像素之间的关联性,同时PolSAR地物分类任务被证实：相比于实数域,其在复数域上表现出更好的分类效果。因此,本文将Transformer引入到复数域中,提出了一种基于复数域的Transformer和Unet（语义分割网络）混合模型（CT-Unet）用于PolSAR地物分类,将Transformer与CNN相结合,对复数类型的PolSAR数据进行特征提取,使用西安数据集和德国数据集进行PolSAR地物分类的实验结果表明：提出的模型能够有效提高PolSAR地物分类的准确性,Transformer有望在PolSAR地物分类任务中弥补卷积神经网络的不足。     

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.     

基于深度学习算法的极化合成孔径雷达通用分类器设计

地物分类是PolSAR(极化合成孔径雷达)的重要应用方向。传统算法需要基于特定数据人工选取特征和设计分类器,而深度学习算法能够自行从海量数据中提取层次化特征。在深度学习算法总结的基础上,结合深度学习和PolSAR大数据,提出了一种高效率、高精度的通用分类器设计方法。使用人工标记的数据训练CNN(深度卷积网络),自动化地进行特征学习和提取,并实现高精度的地物自动分类。在具有不同分辨率的机载和星载PolSAR数据上对通用分类器进行测试,都能快速、准确地分类。研究成果可快速将PolSAR数据转译为更直观的地物分类结果,对海量数据,特别是GF-3卫星PolSAR图像的利用有一定的辅助价值。     

多特征实优化PolSAR图像舰船目标增强方法

极化合成孔径雷达(PolSAR)数据蕴含了丰富的极化信息,已被广泛应用到海上舰船检测中。针对检测过程中存在的相干斑模糊、甚至淹没目标问题,采用多个特征通过实优化,提出了一种新的PolSAR图像舰船增强方法。在大量实验基础上,该方法首先选择了效果较好的极化白化滤波、极化熵与Pauli分解中舰船成分作为参与优化的元素,然后利用实优化融合来提取最优目标增强特征图,最后通过Radarsat-2全极化数据进行了验证。实验结果表明,该算法能有效抑制相干斑,同时增强海上舰船目标。     

基于目标分解和SVM的极化SAR图像分类方法

极化SAR图像分类是新体制雷达应用研究中的一类基础前沿问题。文章提出了一种基于目标分解及支持矢量机(Support Vector Machine,SVM)的极化SAR图像分类方法。首先根据Cloude分解和Freeman分解两种方法提取极化SAR图像的多类散射特征,从而构造出图像各像素的特征向量。接着利用样本区域像素的特征向量对SVM进行训练,获得经训练的SVM。最后,以各待分类像素的特征向量为输入,利用经训练的SVM即可完成极化SAR图像的分类。对两幅AIRSAR实测极化SAR图像数据分类的结果表明,文章方法能够有效地利用多类散射特征的互补信息,具有较高的分类精度。     

星载多极化SAR信息提取回顾与研究

文章回顾和研究了极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)数据的信息提取方法和应用技术,详细讨论了极化信息处理的若干关键技术和难点问题,最后指出了今后进一步发展的方向。     

基于多尺度CNN模型的多时相PolSAR图像作物分类

农作物分类是偏振合成孔径雷达(PolSAR)数据的重要应用之一。由于单时相PolSAR数据获取的信息有限，因此，采用多时相PolSAR数据，其含有农作物生长周期更丰富的特征信息。针对多时相PolSAR数据在极化特征分解时造成的“维数灾难”问题，提出了一种非负性约束稀疏自编码器(NC-SAE)的特征压缩方法，用于对分解后的特征数据进行压缩，以获得分类所需的有效特征。此外，构建了一种多尺度特征分类网络(MSFCN)，该网络可以提高农作物的分类性能，且优于目前传统的卷积神经网络和支持向量机方法。通过使用欧空局提供的数据进行仿真实验，对分类结果进行性能评估，并与传统方法比较。实验结果表明:所提的方法具有很好的农业应用前景。     

极化SAR中的有源干扰抑制分析

极化SAR已成为SAR技术的研究热点,本文针对极化SAR中有源干扰(包括有源压制干扰和有源欺骗干扰)的抑制问题进行了研究.通过分析多通道极化SAR(M-PolSAR)系统中的信号模型及干扰模型,提出了一种结合极化与多通道技术的有源干扰抑制方法.通过快时间域的STAP技术和慢时间多普勒域对消,对包括压制和欺骗的有源干扰进行有效的抑制,给出了抗有源干扰的PolSAR成像的工程实现流程.仿真实验验证了该方法的有效性.     

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。     

综论EL-2032火控雷达空中试验大纲

本文论述以色列飞机工业公司（IAI）鉴定机载火控雷达（FCR）EL4032的空中试验大纲。叙述了大纲规则、试验方法、试验阶段、试验计划、被试系统和试验数据处理专用设备。被试雷达具有空对空（A／A）上视（LU）和下视（LD）能力以及空对地（MG）金天侯能力。EL-2032FCR空中试验在满足计划节点和预算方面的成功，某种程度上依赖于采用了完善的空中试验计划系统（FTPS）、高度专业的机载数据处理系统（ADAS）以及集成和兼容实时标定地面数据处理系统（GDAS）。这些工具集成为完整的工作系统是试验大纲高效的关键。     

基于极化倾角稳定度的目标识别技术研究

本文提出了极化倾角稳定度的概念，并利用极化倾角稳定度建立了极化状态距离(PSD)参数模型。在此基础上，运用神经网络对选定目标进行分类和识别，取得了较好的结果。     

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。     

极化复用技术在遥感卫星数据传输中的应用

极化分割频率复用技术（简称极化复用技术）是解决数据传输频带资源紧张的技术途径之一,能够拓展一倍频率资源。文章针对极化复用技术在遥感卫星数据传输中的应用进行分析,推导出了星地传输极化复用信号影响因子F的定量计算公式,利用国际电联（ITU）的星地链路计算模型,给出了雨衰和降雨去极化效应的定量影响分析,对我国遥感卫星应用极化复用技术提出了有益的工程建议。     

复合噪声调频干扰的极化滤波方法

基于瞬态极化理论研究了复合噪声调频干扰的极化滤波方法。在对多个噪声调频干扰源合成信号的极化起伏特性进行分析的基础上,提出了复合噪声调频干扰的瞬态极化估计方法和基于MLP的极化滤波抑制方法。最后,利用计算机仿真实验验证了文中所提方法的有效性和可行性。     

单极化雷达的散射矩阵测量新方法及其外场实验研究

针对现有装备的雷达系统不具备极化测量能力,而开发专用极化测量系统复杂度高,设备量大代价高昂的问题,本文利用国防科技大学研制的瞬态极化雷达实验系统,研究并针对一种新的极化测量算法进行了外场验证实验。该方法不需要两路正交极化发射接收设备,仅需在目标稳定跟踪阶段利用波束在空域扫掠目标过程中极化状态发生变化的固有属性对目标回波序列进行采集和处理即可实现目标极化散射矩阵的测量,外场实验和数据处理结果验证了算法的正确性。该方法对于利用天线特性来解决设备量相对较小,跟踪制导体制下目标特性测量,反隐身目标、抗干扰,低空突防和对抗辐射攻击等重要问题提供了参考依据。     

图像三要素与MTF的分析研究

中低分辨率在轨运行卫星遥感器的调制传递函数（Modulation Transfer Function，MTF）的监测一直是研究的难题。现提出的方法解决了中低分辨率在轨运行卫星遥感器MTF监测的关键技术。考虑到卫星遥感器的最终产物是遥感图像，从图像信息理解的三要素出发，即灰度、纹理和边缘，分析图像三要素与遥感器MTF的关系。在分析过程中，应用主成分分析方法，不仅对多组原始数据进行了简化，而且对图像参数进行了降维。通过与其它方法的比较，进一步验证了使用主成分分析方法降维的有效性；同时实验结果亦表明了主成分分析方法的可靠性。最后建立了图像单个综合参数与MTF的关系模型，拟合结果说明，此模型能较好地表达图像参数与MTF之间的关系，这将为在轨运行条件下的建模提供十分重要的技术支持。     

用于提高SAR对比度度和分辨率的极化技术

在近十年中，合成孔径雷达系统（SAR）已成为遥感技术中的一个重要工具。它的重要性在于解决其它系统设计用于同样目的一些问题的不同方面，比如光学系统。SAR系统的主要特征之一是：它是“全天侯”系统，即，该系统几乎不受气侯条件（云、雨等）的影响。SAR系统能在白天和黑夜中进行成像。这些性能使SAR系统能在全天侯获取信息和图像，而且几乎所有资料或图像都可采用。然而，采用光学系统时，仅有10%的图像不受气候条件的影响。SAR系统在获取回波信号的幅度和相位信息时，是一个相参系统。然而，SAR系统的这种相参性也同时引起了SAR系统的一个主要问题：相干斑点噪声。这种噪声在信号的幅度和相位上都会出现，但具有不同的特征。有很多技术都试图消除数据中的斑点噪声，但这些技术主要应用在幅度信息中。也有一些技术试图从相位中消除斑点噪声。从幅度或相位中消除斑点噪声的技术略有不同：对于幅度而言，数据中斑点噪声的主要特征遵循乘性模型^[1]，那么这类技术必须与之适应。从幅度中消除相干斑点的技术可分为多视和空间滤波技术^[1]。在这一种情况下，把获得的相同空间的不相关数据进行平均处理。在第二种情况下，在同样的图像上求平均数。这些技术虽然能消除相干斑点，但它们也存在损失分辨率的问题。应用在相位上的去相干斑点技术与应用在幅度上的去相干斑点技术相比，结果要差一些。某些技术在极化通道之间进行综合，得出一幅图像，但这样做必须会推动极化信息^[2]。在其它情况中可用极化分集的思想来恢复强度信息^[3]。还有些技术则于对极化通道的实部和虚部进行处理来进行相干斑点抑制^[4]。本文介绍了一种从相位和幅度中消除相干斑点的新方法。这种方法的优点在于用几乎同样的方式来处理相位和幅度中的斑点噪声。     

最佳STAP的FFT共轭梯度法

提出了一种解决最佳空时自适应处理问题的快速共轭梯度迭代算法。可以用FFT实现该方法，办法是利用具有干扰协方差矩阵托普利兹块（BTTB）结构的块托普利兹矩阵。因此与对矩阵求逆的方法相比显著降低了计算的复杂性。为了说明上述方法的有效性，本文给出了计算机仿真结果。