利用Yamaguchi分解保持地物散射特性的极化SAR分类

本文提出一种利用Yamaguchi分解保持地物散射特性的极化SAR数据分类方法。该方法利用Yamaguchi分解获得4种散射机理:表面散射、体散射、偶次散射和螺旋体散射,根据4种散射机理的功率大小判断地物的主散射机理和类别之间的Wishart距离,合并到指定个数的初始类别;并结合Wishart距离分类器对初始类进行迭代修正,实现极化SAR图像的非监督分类。最后利用AIRSAR数据与已有分类方法进行对比实验,验证了本方法的优势及适用性。     

结合Singh四分量分解的高分三号全极化SAR影像分类

不同于一般分类算法基于像素统计的分类，忽略了地物的散射特性，文中提出了一种保持地物散射特性的分类方法。这种方法将Singh提出的Singh四分量分解与基于复Wishart分布的最大似然分类器相结合，对高分三号全极化影像进行分类。利用Singh四分量分解获得表面散射、体散射、二次散射和螺旋体散射，然后将前3种基础散射分别划分为多个聚类，根据复Wishart距离进行类间合并，直到获得指定类别数，输入复Wishart分类器进行迭代分类，最后进行类别合并获得最终分类结果。试验表明本文算法具有较好的分类效果且验证了利用高分三号全极化卫星数据进行影像分类的可行性。     

一种改进的全极化SAR图像MCSM-Wishart非监督分类方法

针对H/Alpha/A-Wishart非监督分类算法存在的未充分提取SAR图像极化信息和分类精度低等问题,引入多分量散射模型(multiple-component scattering model,MCSM)分解,提出了一个适用于全极化SAR图像非监督分类的MCSM-Wishart算法。首先对全极化SAR图像进行MCSM分解,提取体散射、二次散射、螺旋体散射、表面散射和线散射极化信息,采用迭代自组织数据分析技术(iterative self-organizing data analysis technique,ISODATA)的非监督分类算法进行聚类;然后通过基于描述多视协方差矩阵的复Wishart分布的迭代分类得到分类结果。以南京溧水和盐城滨海湿地的ALOS PALSAR图像为研究数据,比较了H/Alpha-Wishart算法、H/Alpha/A-Wishart算法、MCSM-Wishart算法和监督-Wishart算法4种分类方法。研究结果表明,MCSM-Wishart分类算法在效率、总体准确率和Kappa系数等指标上均较原始分类器有一定的提高;将ISODATA聚类算法应用于复Wishart分布的迭代分类器中,可有效提高分类的精度。     

结合Freeman分解与子孔径散射特性的极化SAR图像分类

本文结合Freeman分解和子孔径分析,提出一种新的极化SAR图像分类算法。该方法首先利用子孔径分解,产生不同方位观察角度下的子孔径图像,再利用Freeman分解对各个子孔径图像提取三种散射机理成分的功率,平均后对类别进行细分,最后使用Wishart统计分类器对类别进行分类划分得到最终结果。该方法考虑了极化散射机理在不同方位观察角度下的变化,能够取得较好的分类效果,能够保存主要极化散射特性的纯度,同时还可以动态地设定分类类别数。最后利用EMISAR获取的极化SAR数据进行了仿真,验证了该方法的有效性。     

基于粒子群算法的全极化SAR图像非监督分类算法研究

提出了一种基于H/α/A和粒子群优化(PSO)算法的全极化SAR数据非监督分类方法。该方法利用H/α/A对全极化SAR数据进行基于散射机理的初分类,计算各类别的聚类中心,并利用计算结果对PSO算法进行初始化,然后采用PSO对极化SAR数据进行迭代分类。在运算过程中,引入了基于最大似然准则的复Wishart距离,以提高分类器的性能。实验结果验证了该算法的有效性,所提出算法的分类结果优于传统的Wishart-H/α/A分类方法。     

极化SAR K-Wishart分类器及其性能评价

K-Wishart分布旨在通过统计方法更精确地描述极化SAR多视协方差矩阵或相干矩阵数据,揭示极化SAR影像在异质场景下的非高斯统计特性。以内蒙古自治区依根实验区和河北省遵化实验区的国内机载数据为例,分别进行了Wishart和K-Wishart非监督分类实验。研究结果表明,K-Wishart分类器适用于提取林地、园地、农村居民点等较不均匀区域。同时,本文通过分类准确性和稳定性两个方面对K-Wishart分类器的性能进行了评价。     

利用改进三分量分解与Wishart分类的极化SAR图像建筑提取方法

本文针对基于Freeman分解的建筑提取方法存在的问题,提出采用圆极化相关系数实现选择性去取向,同时引入广义体散射模型,构建了面向建筑提取的改进三分量分解模型,以准确分析地物的散射特性。在此基础上,发展了一种综合利用改进三分量分解与Wishart迭代分类算法的极化SAR图像建筑提取方法。使用E-SAR全极化数据的试验结果表明,本文方法能够有效减少建筑与植被的误分,并提高建筑信息提取的准确性。     

利用改进三分量分解与Wishart分类的极化SAR图像建筑提取

本文针对基于Freeman分解的建筑提取方法存在的问题, 提出采用圆极化相关系数实现选择性去取向, 同时引入广义体散射模型, 构建面向建筑提取的改进三分量分解模型, 以准确分析地物的散射特性。在此基础上, 发展了一种综合利用改进三分量分解与Wishart迭代分类算法的极化SAR图像建筑提取方法。使用E-SAR全极化数据的试验结果表明, 本文方法能够有效减少建筑与植被的误分, 并提高建筑信息提取的准确性。     

采用散射特征相似性的极化SAR图像相干斑抑制

极化合成孔径雷达(SAR)图像的相干斑严重影响图像信息的有效提取,为此提出一种基于极化散射特性的相干斑抑制方法。该方法结合SAR图像的冗余信息及其散射特性的相似性,利用Wishart分布对SAR数据的相似性进行度量,然后依据相似性计算权重对协方差矩阵进行加权平均,实现对极化SAR图像的相干斑抑制。本文方法对协方差矩阵的各元素单独处理,因此在极化信息的保留方面尤具优势。通过真实SAR数据的实验表明,该方法与现有极化白化滤波(PWF)和极化Lee滤波相比,具有更好的相干斑抑制能力和细节的保持能力。     

RADARSAT-2全极化SAR数据地表覆盖分类

全极化合成孔径雷达(SAR)能够测量每一观测目标的全散射矩阵,但地物分布的复杂性往往造成不同地物具有相似的后向散射信号特征,因而增加了地物信息提取的难度。文中基于北京地区的RADARSAT-2全极化雷达数据,在图像处理的特征分解的基础上,利用PolSARPro软件提取包含地物散射机理信息的各种极化参数,按H-α、A-α、H-A对全极化SAR影像进行基于散射机理的分类,继而将分类结果作为Wishart H/A/α、Wishart H/α的初始类别划分。最后,采用决策树分类算法对基于Wishart分布的监督分类及以上两种分类算法进行融合处理,从而实现地物的分类,并将分类结果与经典的分类算法进行对比分析,验证了文中方法的有效性。     

A new Likelihood Ratio for supervised classification of fully polarimetric SAR data: An application for sea ice type mapping

One of the potential applications of polarimetric Synthetic Aperture Radar (SAR) data is the classification of land cover, such as forest canopies, vegetation, sea ice types, and urban areas. In contrast to single or dual polarized SAR systems, full polarimetric SAR systems provide more information about the physical and geometrical properties of the imaged area. This paper proposes a new Bayes risk function which can be minimized to obtain a Likelihood Ratio (LR) for the supervised classification of polarimetric SAR data. The derived Bayes risk function is based on the complex Wishart distribution. Furthermore, a new spatial criterion is incorporated with the LR classification process to produce more homogeneous classes. The application for Arctic sea ice mapping shows that the LR and the proposed spatial criterion are able to provide promising classification results. Comparison with classification results based on the Wishart classifier, the Wishart Likelihood Ratio Test Statistic (WLRTS) proposed by Conradsen et al. (2003) and the Expectation Maximization with Probabilistic Label Relaxation (EMPLR) algorithm are presented. High overall classification accuracy of selected study areas which reaches 97.8% using the LR is obtained. Combining the derived spatial criterion with the LR can improve the overall classification accuracy to reach 99.9%. In this study, fully polarimetric C-band RADARSAT-2 data collected over Franklin Bay, Canadian Arctic, is used.     

机载X波段极化干涉SAR数据非监督分类方法研究

针对经典极化分类算法在处理机载X波段SAR数据时将过多地物分为体散射类型,并且容易受噪声影响,分类结果存在大量误分现象的问题,通过对机载X波段SAR数据非监督分类方法的研究,提出将极化干涉信息用于机载X波段极化干涉SAR数据的分类。通过运用极化干涉数据进行目标分解得到参数A1和A2对数据进行初始分类,然后结合改进的Wishart最大似然分类算法来进行地物的自适应分类。实验结果表明,该方法能有效避免平地效应的影响,抗噪性好,能正确区分三种典型散射类型,分类效果明显优于极化分类效果。     

基于多时相SAR数据的大区域城镇信息变化检测

多时相SAR变化检测技术,通过分析同一区域不同时相的SAR数据可以检测地表地物目标的变化信息,在土地资源调查及监测管理方面具有广泛应用。本文将长时间SAR图像相干性特征与目标幅度信息进行融合,并采用多时相SAR数据堆栈处理方法进行大区域城建目标分类及变化信息检测。最后采用13景ALOS PALSAR数据对中国天津地区2007~2010年期间的城建区域变化进行了检测实验,得到了良好的实验结果,并验证方法有效性。     

星载GNSS-R海冰边界探测方法

针对星载接收平台提出了一种利用全球导航卫星系统反射信号（Global Navigation Satellite Systemreflectometry，GNSS-R）进行海冰边界探测的方法。该方法利用导航卫星信号经海冰和海水表面散射后反射信号时延相关功率映射（delay map，DM）的差异，结合镜面反射点位置来探测海冰边界。利用自适应阈值调整算法处理TDS-1卫星数据，获取有效的DM数据，进而得到DM衍生量随镜面反射点位置的变化趋势，并设置DM衍生量的阈值来识别海冰。与全球海冰分布图对比发现，DM衍生量阈值对应的镜面反射点位置与海冰分布图的海冰边界位置基本吻合，证明了DM的有效区时延距离、相关功率的峰值和归一化标准差均可用于海冰边界探测，星载GNSS-R技术在海冰边界探测领域具有较大潜力。     

基于Transformer结构的遥感影像敏感目标自动隐藏方法

遥感影像敏感目标隐藏是保证遥感资源安全共享的关键。针对传统方法存在的目标检测不完全、补全结果不可靠的问题,提出了一种基于Transformer结构的遥感影像敏感目标自动隐藏方法。首先利用以Swin Transformer为主干网络的Cascade Mask R-CNN（region-based convolutional neural network）实例分割优化模型检测敏感目标并生成掩膜区域,同时设计了RSMosaic（remote sense Mosaic）合成数据方法减少人工标注数据;然后,基于色相-饱和度-明度（hue-saturation-value, HSV）空间的阴影检测模型扩展掩膜区域;最后,引入MAE（masked autoencoders）模型实现目标背景生成。以飞机目标为例,与Partial-Connvolutios和EdgeConnec进行了对比实验。结果表明,相比传统方法,该方法在敏感目标实例分割中的边界框与像素掩膜AP值分别提升了13.2%与11.2%;在使用RSMosaic合成数据后,边界框与像素掩膜AP值可分别再提升9.39%与14.16%, 且图像修补中的平均绝对误差和最大平均差异提升80%以上,实现了结构合理、纹理清晰的敏感目标自动隐藏效果。     

GPS天-地无源双基地雷达探测海面移动目标

GNSS卫星作为一种照射源,可与地面接收机构成天-地无源双基地雷达系统,用于海面移动目标探测。但是,海面目标（如船只）反射的GNSS信号能量微弱,常被淹没在背景噪声和干扰信号中。针对这一问题,本文提出利用目标的运动特点聚集目标回波能量的目标探测方法。首先,将船只的运动轨迹看作合成孔径,采用SAR成像技术——距离多普勒算法（range-Doppler algorithm,RDA）实现目标回波能量的压缩聚集,同时抑制干扰信号（如海面杂波）。然后,使用相位梯度自聚焦算法（phase gradient autofocus,PGA）作自聚焦处理,进一步聚集目标回波能量。通过现场试验采集的数据验证了本文算法。试验结果表明,本文方法能够同时聚集多个目标回波能量,精确地估计目标到接收机的距离,并判断目标的移动方向。     

融合毫米波雷达与单目视觉的前车检测与跟踪

对现有融合雷达与视觉的车辆检测方法进行改进，增加目标跟踪过程，进一步提升城市复杂环境下智能车前方车辆信息感知的准确性。首先，针对雷达数据处理，提出一种基于层次聚类的雷达杂波剔除方法；其次，针对视觉数据处理，提出一种基于目标景深的自适应车辆检测方法；最后，提出一种基于核相关滤波器（kernelized correlation filter，KCF）-扩展卡尔曼滤波（extended Kalman filter，EKF）组合滤波的目标跟踪方法，对车辆几何与运动信息进行了有效估计。通过在不同交通环境与天气状况下进行实车实验，结果证明，该方法具有更好的可靠性与鲁棒性。     

SAR图像多尺度积增强的目标检测算法

合成孔径雷达（SAR）成像系统的热噪声和海杂波严重影响SAR图像自动目标检测的性能,去噪和均匀背景杂波是提高SAR图像目标检测性能的重要课题。根据SAR图像噪声功率一般存在于信号小尺度,没有跨尺度特征,而目标信号的边缘具有跨尺度的特点,本文提出了一种多尺度积信号增强和去噪的SAR图像船舰目标检测算法。本算法对SAR图像进行小波变换,应用多尺度积在小波域增强SAR图像船舰信号和均匀背景杂波,再对SAR图像进行目标检测。ERS SAR图像用于验证本文算法。仿真实验结果表明,新算法同传统的双参数CFAR检测算法、基于K-分布背景杂波的检测算法以及基于小波软阈值增强的检测算法相比,在虚警数和品质因数性能指标上均优于后几种检测算法。     

深度卷积神经网络支持下的遥感影像飞机检测

针对YOLOv3算法对小目标检测较差及出现较多漏检的问题，本文提出了一种优化的YOLOv3算法。首先使用K-means算法计算出与数据集相适用的锚框；其次将扩张卷积引入到YOLOv3网络，用来增强网络高层的感受野，改善小目标的检测效果；然后使用深度可分离卷积取代YOLOv3网络残差模块中的普通卷积，可减少计算量，从而得到一种新型卷积神经网络结构；最后在数据集上进行对比试验。结果表明，优化的YOLOv3算法能够检测出更多目标，降低漏检率，相比于YOLOv3算法，其召回率提高11.86%，F1-score提高2.99%。