多方位角图像决策融合的SAR目标识别

提出了一种基于多方位角图像决策融合的合成孔径雷达(SAR)图像目标识别方法。对目标切片图像用二维小波分解和主成分分析提取特征向量,利用支持向量机对特征向量进行分类,用贝叶斯方法对目标多幅不同方位角下图像的分类输出进行决策融合,得到最终类别决策。用MSTAR数据库中3个目标进行识别实验,实验结果表明,对3幅以上不同方位角的图像进行决策融合时,该方法可显著提高目标的正确识别率。该方法是一种有效的SAR图像目标识别方法。     

极化SAR图像中非平稳目标的检测与区分方法研究

在合成孔径雷达(SAR)极化测量中,通常认为雷达视角相对于目标是不变的。然而实际上SAR通常具有较宽的方位向波束,在孔径合成过程中,所成的全分辨率SAR图像包含多个斜视角下的目标回波。极化参数的子孔径分析可以用来对成像过程表现出非平稳散射行为的媒质进行检测。本文提出了一套基于子孔径分解和对散射矩阵及参数进行统计分析的方法,来检测两类非平稳目标。仿真结果表明,这种方法具有较好的非平稳目标检测和区分性能。     

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。     

生成式知识迁移的SAR舰船检测

为解决基于深度卷积神经网络进行SAR舰船检测网络训练过程中数据获取、数据标注等问题,本文提出一种生成式知识迁移的SAR舰船检测框架,该框架由生成式知识迁移网络和舰船检测网络两部分组成。通过知识迁移网络生成与有标注的光学遥感图像空间分布一致且包含SAR图像特征的带标注模拟图像;使用所生成的带标注模拟图像,进一步优化舰船检测网络,以提高基于深度卷积神经网络的舰船检测的泛化性能。SARShip-Detection-Datasets (SSDD)和AIR-SARShip-1.0两个公开数据集上的实验结果表明,该框架有效提高了在仅包含少量标注SAR图像样本情况下的舰船目标检测效果,可显著降低舰船在复杂背景图像中漏检和误检的概率。     

基于D-S证据理论的多特征融合SAR图像目标识别方法

针对应用单特征SAR图像进行目标识别准确率低的问题,提出了一种将支持向量机(support vector machine,SVM)和D-S证据理论(Dempster-Shafer,D-S)相结合的多特征融合SAR图像目标识别方法.该方法在对SAR图像预处理的基础上,提取目标的纹理、Hu不变矩和峰值特征,并分别以这3类单特征的SVM分类结果作为独立证据,构造基本概率指派,通过D-S证据的组合规则进行融合,并根据分类判决门限给出最终的目标识别结果.将该方法用于SAR图像上的3类目标识别,识别率达95.5％,表明该方法是一种有效的SAR图像目标识别方法.     

基于多层反卷积网络的SAR图像分类

针对传统特征提取方法不能提取目标高层结构特征的问题,提出了一种基于软概率的池化方法,结合多层反卷积网络,学习目标的高层结构特征,并将其用于合成孔径雷达(SAR)图像分类。首先对SAR图像进行子块划分,然后对每个子块进行基于多层反卷积网络的特征编码,学习出不同层次上的图像特征,最后将该特征用于支持向量机(SVM)分类器,实现SAR图像的分类。在国内首批SAR数据上的实验表明,该算法获得了较高的分类准确率。     

极化方位角补偿信息支持下的植被参数反演

SAR图像中散射目标的散射矩阵受极化方位角(POA)的影响会改变散射体的散射特性,散射矩阵是极化干涉SAR (PolInSAR)估计不同极化状态下复相干性的基础。本文根据极化方位角产生机制,建立了多视情况下基于极化方位角补偿的极化干涉相干性估计模型,分析了极化方位角补偿对相干性估计方法和不同散射机制下相干性估计的影响程度,研究了基于三阶段法与极化方位角补偿的植被参数反演。利用L波段SIRC全极化SAR图像为实验数据验证极化方位角补偿对极化干涉相干性估计和植被参数反演的可行性。实验结果表明,极化方位角补偿能够改变不同极化状态相干性分布规律,提高相干直线拟合精度,改善植被参数反演的可靠性和合理性。     

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。     

混合智能优化算法的SAR图像特征选择

为提高SAR图像自动目标识别的准确率及实时性,提出了一种基于混合智能优化的SAR图像特征选择算法。首先,采用分形特征对SAR图像进行增强,基于分割后的图像提出了一种基于图像矩的方位角估计方法。然后基于未校正和校正后的图像分别提取Zernike矩、Gabor小波系数和灰度共生矩阵构成候选特征集合,使用遗传算法结合二值粒子群的混合优化算法实现SAR图像特征选择。最后,采用MSTAR数据库验证本文算法的有效性。实验结果表明,优化后的特征集合具有一定泛化能力,一方面提高了SAR目标识别的准确率,另一方面减小了SAR图像目标识别的时间。     

基于SAR影像数据的多分辨率CFAR目标检测算法及精度分析

本文的研究目标是利用极化合成孔径雷达图像统计特性提高目标检测精度。从合成孔径雷达(SAR)成像机理出发，通过研究目标杂波的统计特性以及不同分辨率情况下人造目标的检测效果，探讨一种基于小波变换和恒虚警率(CFAR)的多分辨率算法进行目标检测的方法。实验分析比较传统CFAR目标检测算法与基于小波变换的多分辨率CFAR目标检测算法，实验结果表明，本文算法检测效果明显优于传统CFAR目标检测算法。     

相同侧视方向异轨SAR图像差异化约束连接点提取

为了实现SAR图像区域网平差时连接点的自动稳健提取,面向相同侧视方向、近似平行轨道的异轨SAR图像,针对其方位向相对几何畸变较小、距离向相对几何畸变较大的特点,提出一种采用差异化约束的SAR图像连接点提取方法。该方法在构建SAR图像影像金字塔的基础上,采用增大方位向边长的长方形匹配窗口由金字塔顶层向下逐层进行相关系数匹配,利用方位向强约束、距离向弱约束的差异化随机采样一致性算法剔除误匹配点,并利用方位向全局双线性变换模型与距离向局部双线性变换模型进行下层金字塔影像的匹配点位预测。采用Envisat ASAR图像和国产机载SAR图像分别进行了连接点提取试验,验证了本文方法的有效性。     

稀疏场景目标的距离像峰值聚类分割成像方法

针对海面舰船等具有一定空间稀疏性的合成孔径雷达成像场景,提出了一种稀疏场景目标的距离像峰值聚类分割成像方法。首先采用小波降噪算法对SAR原始回波数据进行预处理,通过距离压缩和距离徙动校正获得不同观测位置的距离像,利用基于二阶差分算子的快速峰值检测算法检测距离像峰值点,对峰值检测结果距离维聚类后方位向成像,实现了距离向能量区间稀疏目标的分割成像;对峰值检测结果距离-方位二维聚类后方位向成像,实现了距离向能量区间与方位向合成孔径时间无耦合稀疏目标的分割成像。仿真结果表明,对海面舰船等具有空间稀疏性的成像场景,所提方法能够实现目标的有效分割成像,不仅在完整保留目标回波信息的同时大幅度地降低了方位向压缩的运算量,而且分割成像结果更有利于目标的快速识别。     

双通道SAR振动目标快速检测

目标的振动会对雷达回波产生特殊的相位调制，称为微多普勒效应，能够提供对微动目标检测的有利信息，因此对提高SAR(Synthetic Aperture Radar)系统性能具有重要意义。然而，已有的检测算法存在运算量大、抗杂波噪声能力弱和无法适应多振动目标等问题。针对这些问题，本文提出一种对振动目标检测的新算法。该算法利用相位中心天线偏置DPCA(Displaced Phase Center Antenna )对消技术消除杂波，并沿方位向累加DPCA信号来提高算法的抗噪声能力。由于振动目标SAR方位回波的频谱与脉冲序列具有高度相似性，本文算法选择了检测重复脉冲序列的脉冲重复频率PRI(Pulse Repetition Interval )变换法来实现振动目标的检测。仿真实验表明，本文算法能够在强杂波噪声条件下检测振动目标，同时具有准确振动频率估计性能，甚至当同一个单元存在多个振动目标时，本文算法依然适用。仿真中振动目标检测的计算机运行总时间不超过0.6 s，说明本文算法适用于实时检测，通过与GLRT算法和Hough变换算法运算量的比较，证明了本文算法相比于经典算法具有运算量小，检测速度快的优点。     

基于静态模型的多视角SAR图像目标识别方法

传统的多视角SAR图像集合对于目标姿态角具有高度敏感性,因此在用于目标识别时存在一些不足之处。针对该问题提出一种多视角SAR图像的静态建模方法,它将来自一个目标多个视角下的图像信息集成到一个综合的数据结构中,并且该数据结构与目标散射中心有关而与角度无关。然后利用静态模型对不完全姿态角的目标数据进行静态建模,利用模板匹配法对输入多视角图像进行目标识别。理论分析和仿真结果表明,本方法在每个目标只有少量姿态角模板数据可用的情形下比传统模型具有优势。     

运动干扰站的SAR-GMTI余弦调相转发干扰

针对多通道合成孔径雷达地面动目标显示SAR—GMTI提出一种基于运动干扰站的余弦调相转发干扰方法。该方法利用运动干扰站转发式干扰的成像特性实现方位向扩展,利用余弦调相信号特性实现距离向扩展,将二者有机结合,可同时实现干扰目标在方位向和距离向的2维扩展。以三通道干涉对消技术为例分析了其对GMTI的对抗性能,理论分析和仿真实验表明:该方法对SAR和SAR-GMTI均可产生灵活可控的2维条带状或面状遮盖干扰效果,但由于多通道GMTI对干扰的抑制和对消,干扰目标幅度受正弦调制系数影响将出现增强或削弱。     

基于最小二乘平差的全极化SAR配准偏移量估计方法

全极化合成孔径雷达影像(PolSAR)相对单极化SAR影像有更加丰富的地表信息。为了提高SAR影像偏移量跟踪技术估算偏移量的精度,提出一种基于最小二乘平差法的全极化SAR数据偏移量估计方法。首先利用全极化SAR不同极化通道数据估算偏移量得到多个观测值,然后通过最小二乘平差法对多余观测值循环剔除粗差得到最优偏移量。文中选取美国科罗拉多州湖城(Lake city)区域的两景JPL无人机UAVSAR全极化SAR影像进行实验,结果表明,文中新方法具有良好的粗差探测和去除功能,相对于已有研究结果,在方位向和距离向的偏移量估算精度都有明显提高,达到15%~25%。新方法提高了偏移量跟踪估算偏移量的精度,这对利用偏移量跟踪技术监测滑坡、地震及冰川等有重要的意义。     

基于目标关联的多源卫星遥感图像兵营融合检测方法

目前的目标融合检测方法大都是基于多源遥感图像配准的,然而在实际的应用中,成像机理不同的多源遥感图像的精校正和图像间的配准是十分复杂的,难以确保其配准精度.为此,本文提出了一种基于目标关联的多源卫星遥感图像的兵营融合检测方法.该方法不对图像进行配准,而是根据单源图像的目标自动检测结果,利用图像的大地坐标信息,截取包含目标的同一地区的局部遥感图像,再分别提取多源遥感图像目标的特征,并根据其中冗余的特征,对提取的目标区域建立关联,再由关联检验确保特征关联的正确性,最后对目标特征进行融合决策,得到目标融合检测结果.实验结果表明,该方法能有效地利用多源遥感图像的信息,降低遥感图像目标检测的误判率,提高目标特征的准确度.     

Generation of three-dimensional deformation maps from InSAR data using spectral diversity techniques

The capability of DInSAR (Differential Interferometric SAR) for precise large-scale deformation analysis has been shown in various case studies. Generally, DInSAR possesses a high potential for monitoring deformation, but only the velocity component parallel to the line-of-sight direction can be measured. An alternative approach, capable to retrieve the deformation velocity in both range and azimuth direction, is the so-called spectral diversity technique. Spectral diversity is based on a phase comparison between different sub-aperture interferograms of the scene and can generally be regarded as a high-performance technique for estimating the mis-registration between complex SAR images.In this paper, the following questions will be discussed: how to implement the spectral diversity technique for achieving the most accurate results; how to extract the full 3D deformation vector from a combination of ascending/descending passes and how to extract a surface deformation map if the data sets are not perfectly coherent. Finally, a statistical analysis of every individual processing step and an error propagation analysis is undertaken. In order to make a quantitative analysis of the technique, ENVISAT data sets of the Bam earthquake in Iran are used.     

联合稀疏约束的双通道星载SAR图像重建

摘 要：针对提高星载SAR图像质量的问题,研究双通道星载SAR图像重建模型。由目标散射中心理论和后向散射特性分析,得出SAR图像具有稀疏特性,并且能够用确定性稀疏先验约束表达。将稀疏特性先验从单幅机载SAR图像处理问题中推广引入到两幅星载SAR图像重建问题中,提出基于散射中心稀疏和强散射梯度的双通道正则化重建模型,并采用椭圆抛物面模型估计重建中的降质矩阵,用双下降求解方法求解重建模型。并用Cosmo-SkyMed数据进行了实验验证。实验表明,该重建模型能够提高SAR图像的距离向和方位向分辨率,改善图像质量,提高解译能力。