星载SAR成像与SAR图像中一些不确定性因素分析

SAR成像中的不确定性因素不仅影响SAR成像质量,还给SAR图像的解译与应用带来困难。为了改善这些不确定性,从SAR成像的原理和过程出发,深入分析和探讨星载SAR成像与SAR图像中的多普勒参数估计、距离迁徙、斑点噪声和后向散射系数所产生的不确定性及带来的影响,并对部分不确定性提出相应的改善方法。利用实测ERS-2数据进行成像实验,实验结果显示SAR成像中的不确定性可以尽量得到改善,这对进一步研究SAR成像和应用有着实际意义。     

一种顾及相干性的星载干涉SAR成像算法

在分析相干性与多普勒中心频率差之间关系的基础上,提出了一种顾及相干性的星载干涉SAR成像算法。在成像处理中,针对待干涉成像的SAR回波信号选择一致化的成像参数,充分保证干涉SAR复数影像对之间的相干性,进而得到高质量的干涉图。实验结果表明,所提出的成像算法更适用于雷达干涉测量(InSAR)的研究及应用。     

基于FFT的星载SAR复数图像压缩及其码率控制算法

分析了成像后的星载SAR复数图像压缩的必要性及复数图像特点, 对已有压缩算法做了简单分析。在此基础上, 提出一种基于FFT变换和加权量化的星载SAR复数图像压缩算法, 同时建立了适合SAR复数图像压缩的码率控制模型, 提出一种精确码率控制方法。实验结果表明, 以幅值PSNR和平均结构相似度以及平均相位误差为性能指标, 提出的SAR复数图像压缩算法优于现有压缩算法(JPEG2000、H.264等); 同时, 提出的码率控制算法能够实现精确码率控制。     

基于距离模型的波数域算法

合成孔径雷达(SAR)存在四种距离模型,本文利用这四种模型推导出四种波数域算法,给出了四种算法详细的推导过程,并得到了四种算法和四种模型之间的一一对应关系。文章提出了单色等效斜视波数域算法,该算法不需要插值,因而提高了计算效率,适合于小斜视角且测绘带宽度不大的情况下的快速成像。最后利用该算法对星载SAR的实际数据进行成像,结果表明在成像精度牺牲不大的情况下可以大大提高成像速度。     

朗伯定律的宽观测带SAR海冰图像分割

入射角效应是宽观测带SAR海冰图像分割的主要障碍之一。基于宽观测带SAR海冰图像数据,提出了一种集成余弦朗伯定律的分割算法。为了提高分割算法对SAR海冰图像的适应性,充分考虑了斑点噪声和入射角效应因素,并在区域K-means聚类、朗伯定律校正之后,进行区域合并。分别针对合成SAR海冰图像和星载SAR海冰图像的实验结果表明,该算法可有效提高分割的准确性。     

一种改进的SAR干涉图综合滤波算法研究

SAR干涉图作为相位信息的载体,其质量直接影响对研究区域形变状况的进一步分析,采取有效的滤波算法能抑制干涉图相位噪声,提高干涉测量精度。在获得的干涉相位图中,由于矿区开采而造成的地表沉降会体现出近环状相位条纹的特征。针对这一特点,对传统的基于梯度的滤波算法做出了改进,并结合Goldstein频域滤波和改进的梯度自适应滤波,提出了一种适用于矿区沉降形成的SAR干涉相位模式滤波方法。选取河北峰峰煤矿的PALSAR干涉相位图作为实验数据,对该滤波方法做出了详细的性能评价和对比。结果表明,采用本文提出的综合滤波方法在显著降低实验区SAR干涉图相位噪声的同时,也很好地保持了相位分辨率,使由于矿区沉降而造成的形变相位环的边缘形态更加清晰。     

SAR影像的几何精纠正

SAR影像几何纠正中的一个重要问题是建立其构像模型。在阐述F．Leberl模型的基本原理和方法的基础上，针对星载SAR成像处理过程中多普勒中心频率不为零的现象，采用多项式拟和多普勒中心频率的方法，修正零多普勒条件方程，建立起既适合星载又适合机载SAR传感器的F．Leberl构像模型。机载和星载SAR影像的实验结果表明，文中提出的改进算法能显著地提高F．Leberl模型对星载SAR影像的定位精度，同时也适合于对机载SAR数据的处理，并且解算过程稳定，收敛很快，精度较高。     

基于à trous小波分解的SAR图像噪声滤除方法

合成孔径雷达(SAR)以其特有的全天时、全天候成像能力,在对地观测领域中发挥着重要的作用。由于雷达回波的相干性,SAR图像上存在着斑点噪声,为消除这种噪声,提出了一种基于à trous小波算法的组合滤波方法,该方法首先将SAR图像分解至静态小波域,然后对噪声的小波系数进行基于中值的平滑处理,最后对低频信号进行均值滤波。将此算法应用于新疆库车县的一幅RADARSAT图像进行斑点噪声滤波,并与另外3种典型的SAR图像滤波算法进行比较,结果表明,该方法不仅可以有效地去除斑点噪声,并且可以保持SAR图像的精细纹理结构。     

小波域多时相干涉SAR数据融合

大气因素和高斯白噪声对由星载干涉SAR系统获取的干涉图相位有很大的影响，可能会极大地降低结果DEM的精度，提出了一种对多时相干涉SAR数据生成的独立DEM进行权重融合的方法，该算法在小波域当中估计了大气和高斯噪声的误差功率，并对多时相DEM进行权重融合。用河北省尚义县地区的ERS-1和ERS-2数据的研究表明，此算法可以很好地提高由干涉SAR获取的DEM的精度。     

用小波变换进行SAR图像增强处理

合成孔径雷达(SAR)是一种高分辨率成像雷达,广泛的应用于工业、农业、军事及国防经济各个部门。然而由于SAR的干涉成像原理,使图像产生相干斑点(speckle)噪声,这种随机分布的噪声影响了SAR图像的校正和解译。本文尝试利用Nason和Silverman所提出的平稳小波变换,对SAR图像进行多层平稳小波变换的阈值处理,在确保图像信息损失最小的情况下,抑制相干斑点噪声。     

基于背景匀质性双边滤波的SAR图像斑点噪声抑制算法

针对双边滤波在抑制SAR图像相干斑噪声的不足,本文提出了一种基于背景匀质性的改进双边滤波算法BH-IBF (Improved Bilateral Filtering algorithm based on Background Homogeneity),并将其应用于SAR图像斑点噪声抑制。BH-IBF以传统双边滤波作为基本框架,并利用了双边滤波器中的双边核函数描述像素灰度值之间的相似性以及相邻像素间的几何空间信息。然而,传统双边滤波存在不能有效地滤除强斑点噪声的缺点,并且SAR图像又因成像原理的缺陷导致强斑点噪声普遍存在。针对这些问题,BH-IBF设计了一种根据背景窗口的匀质性进行自适应样本截断的方法,并根据描述背景匀质性的指标自动获取样本截断的截断深度。此外,本文将自适应滤波窗口尺寸以及权重核修改的方案应用到BH-IBF中,以增强匀质区域的斑点噪声平滑强度以及异质区域的边缘信息效果。最后,使用自适应截断后的样本作为已调整权重核的双边滤波器的输入。实验数据显示,BH-IBF能够在有效保留SAR图像纹理信息的同时,获取较好的斑点噪声平滑性能。     

基于小波阈值优化和边缘检测的SAR影像斑点噪声滤除

探讨在小波频域内进行SAR斑点噪声分析的特点和优势，回顾小波频域斑点噪声滤除的方法，结合前人阈值优化和边缘检测蝗思想提出一种新的斑点噪声消除方法，试验表明所研究的噪声滤除方法，同各种空间域滤波方法和已有的小波频域滤波方法比较，在噪声滤除和信息保留两方面的综合效果有明显提高，具有一定的应用价值。     

噪声抑制的多极化SAR海冰图像分割

合成孔径雷达(SAR)海冰图像分割对全球气候研究和保证船舶航行安全具有重要意义。现有的基于区域的马尔可夫随机场(MRF)多极化SAR分割方法,由于受相干斑噪声影响,其区域划分不尽合理,不能有效完成分割。因此,提出一种噪声抑制的多极化SAR海冰图像分割算法,首先在极化总功率图上引入降低噪声的滤波算法,合理划分初始区域,其次考虑区域之间的差异度,从而实现多极化SAR海冰图像的准确分割。以RADARSAT-2和SIR-C获得的全极化海冰图像为实验数据进行验证,结果表明:和其他较先进算法相比,本文算法优势明显,既能高效保持图像连通性,又能增强图像的细节信息,具有更高的分割精度。     

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。     

多波段高分辨率星载合成孔径雷达成像处理方法研究

星载合成孔径雷达（SAR）是一种工作在微波波段的主动式遥感器,它综合运用合成孔径技术、脉冲压缩技术和数据处理技术,采用较短的天线就能够获得方位和距离两个方向的高分辨率雷达图像。研制星载SAR系统的目的是获得具有一定测绘带宽和一定分辨率的地面目标图像,传统SAR模式不能同时满足高分辨率及较宽测绘带的要求。本文主要研究了多...     

空间与光谱维度的高光谱图像噪声估计

高光谱图像能够获取地物精细的光谱诊断特征,但受限于多谱段分光的成像机制,图像各个谱段上光成像的能量不足,信噪比难以提升。高光谱图像噪声类型与强度的准确估计,是提升高光谱图像去噪性能的关键,也是优化其成像系统设计的重要依据。现有高光谱图像噪声估计算法通常将不同类型的图像噪声作为一个整体,并未充分考虑不同类型噪声的区别。本文从高光谱图像获取的机理出发,提出了一种联合空间与光谱维度分析的高光谱图像噪声估计方法。首先,建立了高光谱图像噪声退化模型,将图像中的主要噪声定义为两类:条带与高斯噪声。然后,基于条带噪声在空间维度上独特的频率特性,提出了基于傅里叶变换与局部均值滤波的条带噪声估计方法。最后,基于在光谱维度上高光谱图像相邻波段间的高相关性,通过多元回归分析估计高斯噪声的均值与标准差。本文在模拟高光谱噪声数据上进行算法验证的同时,深入分析了高分五号短波红外高光谱相机、机载Nano-Hyperspec成像仪等国内外成像仪获取的真实高光谱数据。实验结果表明,本文提出的噪声估计方法能够有效的估计出高光谱图像不同谱段条带与高斯噪声的量化指标。实验结果可用于分析高光谱图像在不同传感器与不同成像场景下的退化原因,从而设计更优的图像去噪方法与成像系统。     

A Novel Approach of Despeckling SAR Images Using Nonlocal Means Filtering

Synthetic aperture radar (SAR) is a day and night, all weather satellite imaging technology. Inherent property of SAR image is speckle noise which produces granular patterns in the image. Speckle noise occurs due to the interference of backscattered echo from earth’s rough surface. There are various speckle reduction techniques in spatial domain and transform domain. Non local means filtering (NLMF) is the technique used for denoising which uses Gaussian weights. In NLMF algorithm, the filtering is performed by taking the weighted mean of all the pixels in a selected search area. The weight given to the pixel is based on the similarity measure calculated as the weighted Euclidean distance over the two windows. Non local means filtering smoothes out homogeneous areas but edges are not preserved. So a discontinuity adaptive weight is used in order to preserve heterogeneous areas like edges. This technique is called as discontinuity adaptive non local means filtering and is well-adapted and robust in the case of Additive White Gaussian Noise (AWGN) model. But speckle is a multiplicative random noise and hence Euclidean distance is not a good choice. This paper presents evaluation results of using different distance measures for improving the accuracy of the Non local means filtering technique. The results are verified using real and synthetic images and from the results it can be concluded that the usage of Manhattan distance improves the accuracy of NLMF technique. Non local approach is used as a preprocessing or post processing technique for many denoising algorithms. So improving NLMF technique would help improving many of the existing denoising techniques.     

星载SAR成像参数联合估计方法

通信系统的不可靠性会造成SAR卫星下发数据出现误码或丢失,从而导致几何参数的解译、计算出现较大的误差或者缺失,限制了SAR数据成像处理及后续利用。针对该问题,提出一种基于回波数据的成像参数联合估计方法。首先通过回波数据进行多普勒中心频率估计和多普勒调频斜率估计;然后,根据SAR多普勒参数特性,建立多普勒参数与几何参数之间的超定方程组,并利用多普勒参数估计值求解方程组反演几何参数;最后,利用多普勒参数估计值和几何参数估计值完成SAR数据成像处理。实验结果表明,本文方法可以获得可靠的多普勒参数估计值和几何参数估计值,从而有效地解决像参数欠缺情况下的星载SAR成像处理问题。