基于Sentinel-1A卫星SAR数据的水体提取方法研究

在有山区的雷达图像上基于合成孔径雷达(SAR)提取地表水体时,由于水体与山体阴影的亮度值易混淆,导致自动提取地表水体较困难。因此,在SAR成像原理的支持下,通过DEM地形建模去除了水体提取过程中被误提为水体的山体阴影,提高了水体提取精度。首先,对SAR图像进滤波、地理编码等基本处理;然后利用面向对象分类法初步提取水体范围;再使用SRTM DEM数据进行地形建模,提取山体阴影;最后利用空间分析功能将地形建模阴影图与面向对象的水体提取结果进行匹配,达到去除山体阴影的效果,实现水体精提取。     

基于Grab Cut和二维熵的SAR图像目标分割方法

传统的Grab cut算法需要人工交互操作,无法实现SAR图像的自动分割;且SAR图像的斑点噪声干扰容易降低图像的分割质量。针对以上问题,文中以Grab Cut图像分割算法为基础,首先利用FCM算法对SAR图像进行预分割,根据预分割结果标记SAR图像中的前景与背景集合,得到两组较为准确的GMM初始化参数,迭代求得能量函数的最小化,实现SAR图像前景区域与背景区域的自动分割;并结合二维熵算法滤除SAR图像中的阴影,分割出目标区域。实验表明,利用该方法可自动分割出SAR图像中的目标,且分割质量良好。     

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。     

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。     

结合视觉特征的极化SAR图像分类

为充分提取极化合成孔径雷达(synthetic aperture Radar,SAR)图像中的信息,提高图像分类精度,提出结合视觉特征的极化SAR图像分类方法。首先,通过极化目标分解方法提取极化参数组成极化特征向量;然后,通过灰度共生矩阵和假彩色合成图像提取极化SAR图像中的纹理和颜色特征参数构成视觉特征向量;最后,将视觉特征向量与极化特征向量组合成新的特征向量,并利用支持向量机(support vector machine,SVM)方法进行分类。对RADARSAT-2的全极化SLC数据进行分类实验,结果表明,与仅使用极化特征向量相比,视觉特征的加入能有效提高极化SAR图像的分类精度。     

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。     

混合Gamma拖尾Rayleigh分布的高分辨SAR图像建模

提出一种基于乘积模型的统计模型,称为混合Gamma拖尾Rayleigh分布模型。在该模型中,利用拖尾Rayleigh分布对相干斑进行建模,使模型可以精确地拟合高分辨率合成孔径雷达SAR图像相干斑的尖峰和拖尾的特征;同时引入混合Gamma分布对高分辨SAR图像雷达散射截面积(radar cross section,RCS)复杂起伏特性进行表征。基于Mellin变换,推导出混合Gamma拖尾Rayleigh分布对数累计量参数估计公式,提高了参数估计精度,从而实现了对高分辨率合成孔径雷达SAR图像的精确建模。最后通过真实SAR图像对本文提出的模型与已有模型进行比较。试验结果表明,本文提出的模型能够对不同的高分辨率合成孔径雷达SAR图像进行统计建模,并且具有较高的拟合精度。     

资源三号卫星影像中线性目标的检测技术

为了有效地进行高分辨率图像中线性目标的检测,提出一种基于Freeman链码的改进型Hough变换算法。首先,对图像进行增强和滤波处理,采用基于灰度一致化的方法对图像进行区域分割;然后,利用Freeman编码提取目标区域的边界;最后,对链码数据进行Hough变换,检测出平行线性结构。实验结果证明:该算法能有效地提取图像中平行线性目标,将其应用于资源三号卫星影像道路网目标的识别中,准确率高且实时处理性好。     

星载合成孔径雷达回波数据仿真研究

本文对星载合成孔径雷达（SAR）图像仿真方法进行了研究,在分析并建立合成孔径雷达回波信号数学模型的基础上,提出了基于分布目标的SAR回波信号数据仿真,进而提出了一种与传统实现方法不同的SAR原始回波数据的生成方法,并用这种方法进行了初步的建模和仿真,验证了其有效性。     

区域化模糊聚类SAR图像分割

将图像域规则划分与模糊聚类方法结合,提出了一种区域化模糊聚类算法,并将该算法用于合成孔径雷达(Synthetic Aperture Radar,SAR)图像分割,以解决分割过程中像素模糊聚类难以处理SAR图像中存在的大量固有斑点噪声问题。首先,利用规则划分技术将图像域划分成大小相等的规则子块;假设每一子块内像素对聚类的隶属度相同,并以此为基础定义区域模糊聚类目标函数;通过迭代最小化上述目标函数实现SAR图像初步分割;最后,采用中值滤波方法进行后处理操作,以消除规则划分对不同类别之间边界的影响,实现SAR图像精准分割。为了验证提出算法的有效性,用模拟及真实SAR图像实现了算法测试;对算法分割结果进行定性与定量评价。结果表明算法的分割精度较高,可以有效降低SAR图像中斑点噪声对分割结果的影响。     

Huber–Markov Model for Complex SAR Image Restoration

This letter presents the despeckling of single-look complex (SLC) synthetic aperture radar (SAR) images using nonquadratic regularization. The objective function consists of an image model, a gradient, and a prior model. The Huber–Markov random field (HMRF) models the prior. A numerical solution is achieved through extensions of half-quadratic regularization methods using complex-valued SAR data. The proposed method using the HMRF prior together with nonquadratic regularization shows the superior results on SLC synthetic and actual SAR images.      

合成孔径雷达高度计的波形重跟踪与仿真试验分析

基于初步研究获得的合成孔径雷达高度计卷积模型,推导获得合成孔径雷达高度计波形关于时间偏移、合成上升时间、信号幅度3个参数偏导数的卷积计算公式,利用数值积分及傅里叶变换实现合成孔径高度计回波模型的重跟踪。在多个单位联合协同下,利用仿真轨道、对流层、电离层及潮汐等模型生成了合成孔径模式下的回波波形。对比表明,仿真生成的合成孔径模式下的回波波形与CryoSat-2卫星SAR模式下的回波波形整体形状一致。利用仿真波形数据进行重跟踪试验,结果表明在20Hz数据条件下(约350m分辨率),合成孔径模式下的重跟踪精度达到5cm,较之传统模式有一定的提高。     

Maximum a posteriori estimation of height profiles in InSAR imaging

We present a statistical method to solve the height estimation problem in interferometric synthetic aperture radar (InSAR) applications. It is based on the use of multifrequency SAR raw datasets obtained by partitioning in subbands the available raw data spectrum, and on a Bayesian estimator using Markov random fields to model the a priori distribution of the unknown images. The method allows recovering topographic profiles affected by strong height discontinuities and allows to perform efficient noise rejections.     

Feature-Independent Aperture Evaluator for the Curvilinear SAR

Curvilinear synthetic aperture radar (SAR), as a more practicable 3-D SAR imaging system, utilizes parametric target feature estimates extracted from the received data to reconstruct the target image. The reconstructed image quality is then impacted by the estimation accuracy of the features. In this letter, through discussing the correlation between the system parameters and the estimation performance of the curvilinear SAR, a conclusion can be drawn on how the overall location accuracy of a target is determined by the correlation between the azimuth and elevation coordinates of the flight path, compactly characterizing the curvilinear aperture. Consequently, a new index, determined only with the aperture parameters, is proposed as an aperture evaluator, which is referred to as the feature-independent aperture evaluator (FAE). FAE can be used for guiding the operational aperture design     

纹理特征向量与最大化熵法相结合的SAR影像非监督变化检测

合成孔径雷达(SAR)影像具有明显的斑点噪声,在变化检测中,一般需要考虑空间邻域信息。本文结合SAR影像丰富的纹理信息,提出一种考虑空间邻域信息的高分辨率SAR影像非监督变化检测方法,用基于灰度共生矩阵(GLCM)的32维纹理特征向量构造差异影像。通过最大化熵法自动选取阈值,对精度指标随窗口大小的变化进行回归分析,得到适合于变化检测的窗口为11×11。试验表明,本文方法优于马尔科夫随机场法,可以减小斑点噪声的影响,有效提高高分辨率SAR影像变化检测的精度。     

Unsupervised Change Detection From Multichannel SAR Images

Multichannel synthetic aperture radar (SAR) data present a good potential for environmental monitoring and disaster management, owing both to their insensitivity to atmospheric and sun-illumination conditions, and to the improved discrimination capability they may provide as compared to single-channel SAR. However, this requires accurate and possibly automatic techniques to generate change maps from multichannel SAR images acquired from the same geographic area at different times. In this letter, an automatic unsupervised contextual change-detection method is proposed for two-date multichannel SAR images, by integrating a SAR-specific extension of the Fisher transform with a variant of the expectation-maximization algorithm and with Markov random fields. The method is validated by experiments on SIR-C/XSAR data     

Doppler Keystone Transform: An Approach Suitable for Parallel Implementation of SAR Moving Target Imaging

In this letter, a synthetic aperture radar (SAR) data reformatting approach named Doppler Keystone transform (DKT) is proposed to correct the range migration of a moving target. By using the DKT, the SAR imaging program, i.e., the 2-D matched filtering, can be transformed into separate 1-D operations along range or azimuth direction, and therefore, the DKT is suitable for the parallel implementation of SAR imaging of the moving target. Our simulations show that by combining the DKT and the Doppler phase compensation methods, the moving target can be well imaged in high signal–clutter-ratio case.      

A Rapid and Automatic MRF-Based Clustering Method for SAR Images

This letter presents a precise and rapid clustering method for synthetic aperture radar (SAR) images by embedding a Markov random field (MRF) model in the clustering space and using graph cuts (GCs) to search the optimal clusters for the data. The proposed method is optimal in the sense of maximum a posteriori (MAP). It automatically works in a two-loop way: an outer loop and an inner loop. The outer loop determines the cluster number using a pseudolikelihood information criterion based on MRF modeling, and the inner loop is designed in a ldquohardrdquo membership expectation-maximization (EM) style: in the E step, with fixed parameters, the optimal data clusters are rapidly searched under the criterion of MAP by the GC; and in the M step, the parameters are estimated using current data clusters as ldquohardrdquo membership obtained in the E step. The two steps are iterated until the inner loop converges. Experiments on both simulated and real SAR images test the performance of the algorithm.     

一种匹配滤波结合ChirpScalingSAR数字成像处理方法

合成孔径雷达（ＳＡＲ）是一种重要的微波遥感工具。其关键技术是成像处理,即把接收到的雷达信号转换成雷达图像。事实上,合成孔径就是通过成像处理来实现的。该文在总结目前星载ＳＡＲ各种成像处理算法的基础上,提出一种匹配滤波与ＣｈｉｒｐＳｃａｌｉｎｇ相结合的处理方法。处理过程无需插值便可进行距离迁移校正,还可获得好的聚焦与相位保持性能。所得图像质量超过现有的其它ＳＡＲ成像处理方法所得图像质量。