环视SAR双条带成像实现方案

研究了一种双条带成像处理方案。该模式是对环视成像模式的扩展,有效地提高了图像场景范围和成像处理效率。分析了双条带SAR成像处理的基本流程,针对雷达运动平台的实际运动情况,提出了一种满足图像分辨率和无缝拼接要求的系统实现方案以及相关系统参数的优化设计准则。借助点目标仿真和某型机载环视SAR外场试飞实测数据对该成像处理方案的有效性进行了充分地验证处理。     

加速迭代硬阈值ISAR稀疏成像

加速迭代硬阈值(AIHT)作为一种压缩感知(CS)算法,具有计算复杂度低、内存占用小的特点,在较小数目的观测下,经过有限次迭代便能获得较好的重建效果。因此,本文将该算法应用到逆合成孔径雷达(ISAR)稀疏成像,对该方法的具体特征和适用性进行了详细分析。仿真结果表明,在相同信噪比和回波脉冲数条件下,基于AIHT的ISAR成像方法,相比于稀疏贝叶斯算法(SBL),在重建时间上缩短了至少2个量级;相比于迭代加权最小二乘法(IRLS)和平滑l0范数算法,在重建质量上提高了约3倍。经实测数据处理结果验证,在1/4原始脉冲数条件下,该方法仍具有良好的聚焦性能和压低旁瓣效果。     

SAR成像原理与图像特征

作为InSAR系列讲座的第二篇，本文介绍InSAR的传感器——合成孔径雷达(SAR)的成像基本原理与其所获取的SAR图像特征。     

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。     

利用特征选择自适应决策树的层次SAR图像分类

提出了一种新的基于特征选择自适应决策树的层次分类算法,用于合成孔径雷达（synthetic apertureradar,SAR）图像的分类。采用Joint Boosting算法选择出最适用于各类的特征组合,并自适应地搜索构造出一个由两类分类器构成的层次分类器,利用特征选择结果和自适应决策树进行了SAR图像的学习和推理,实现了自动分类,在国内首批极化干涉SAR数据上的实验证明了本算法的有效性。     

机载双基地SAR实测数据成像

建立双基地SAR的单基地等效模型,分析了系统时间同步误差的机理;提出了双基地SAR回波中的直达波数据进行时间同步误差校正的算法;在双基地SAR单站等效模型的基础上,利用时变阶梯变换算法进行成像处理。经过理论分析,实测数据处理验证,这一算法是有效的,能够校正双基地SAR时间同步误差,较好地进行实测数据的成像处理。     

结合KI准则和逆高斯模型的SAR影像非监督变化检测

提出一种结合逆高斯模型（inverse Gaussian model,IGM）和KI（Kittler-Illingworth,KI）最小错误率准则的合成孔径雷达（synthetic aperture radar,SAR）影像非监督变化检测方法。假设差值影像中未变化类和变化类服从混合IGM,结合贝叶斯决策理论,自动求取满足KI最小错误率准则的阈值。在两组多时相SAR数据上分别设计了两组实验以验证本文方法的有效性。实验表明,本文方法可以更好地估计差值影像中未变化类和变化类的概率密度分布,得到合理的决策阈值,有效提高变化检测图的精度。     

集群微波遥感卫星稀疏随机分布构型成像

随着对空中/空间目标实时高分辨探测成像的需求日益增长,利用新概念集群体制的微波遥感卫星实现该需求的方式越来越受到重视。针对目前和未来一段时间,我国遥感卫星组网构型呈现的稀疏随机典型特征,本文提出一种基于压缩感知理论的高分辨目标实时成像方法。该方法依托卫星自身特点(稀疏随机构型等约束条件),在不改变目前多颗在轨运行微波遥感卫星相对集群分布状态的前提下,为实现目标的高分辨实时探测提供了一条可能的途径。     

层析SAR反演森林垂直结构参数现状及发展趋势

森林垂直结构参数反演是进行森林资源管理、森林蓄积量估算及全球碳循环研究的基础。层析合成孔径雷达TomoSAR(Tomography Synthetic Aperture Radar)是随着InSAR/Pol-InSAR技术的日益发展而产生的,更适用于森林垂直结构参数反演。本文首先介绍了TomoSAR的概念与实现方式:PCT(Polarization Coherence Tomography)、多基线干涉层析SAR MB-InTomoSAR(Multi-baseline Interferometric Tomographic SAR)、多基线极化层析SAR MBPolTomoSAR(Multi-baseline Polarization Tomographic SAR);概括了目前应用TomoSAR技术反演森林垂直结构参数的技术方法与信号模型等;论述了应用TomoSAR技术提取森林垂直结构参数的现状,最后分析了应用TomoSAR技术提取森林垂直结构参数可能的发展方向。     

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。     

极化SAR自适应三分量分解方法

介绍了原始极化SAR三分量分解中存在的问题,如负功率和散射机制模糊,并深入分析了其改进方法中仍然存在的缺陷,提出了一种自适应的三分量分解。该分解采用了更一般化的散射模型,并首次考虑了像素中存在不同旋转角的两个面或偶次散射目标,然后利用散射Alpha角确定除体散射之外的剩余主导散射机制,使面或偶次散射得到了更充分的保持。最后,从散射模型与极化相干矩阵自适应匹配的角度出发,提出了一种对负功率进行自适应优化的措施,使得负功率像素个数大大减少,从而分解更加准确有效。试验结果表明,该分解所得结果更符合实际地物散射过程,能更好地解决基于模型的分解方法中存在的缺陷。     

基于边缘检测的自适应干涉SAR降噪方法

提出了一种新的相位滤波方法,基于干涉条纹方向的检测,完全自适应地对干涉相位进行滤波。本方法计算简单,十分适用于干涉条纹密集的区域进行滤波。通过SIR—C／X—SAR的X—SAR数据的处理验证,结果令人满意。     

一种基于曲线SAR的三维目标特征提取与自聚焦新算法

曲线合成孔径雷达（Curvilinear Synthetic Aperture Radar,简称曲线SAR）是一种新的三维成像模式，通过让载机作曲线飞行，曲线SAR系统能同时在方位维和高度维形成大的合成孔径。本文提出一种曲线SAR的三维目标特征提取和自聚焦新方法。新方法是建立在一种灵活的接收数据模型之上的参数化的新方法。仿真实验证明了所提方法的有效性。     

一种基于Bayesian准则和MRF模型的SAR图像滤波方法

提出了一种新的斑点噪声的滤波方法,该方法基于小波分解的框架,采用小波域隐MRF模型,计算图像中表征像素纹理特征的隐状态参数的后验概率,以此后验概率作为权重因子对传统GammaMAP滤波算法进行改进。该算法被用于模拟SAR图像和真实ERS 1图像的Speckle抑制。试验结果表明,与传统Gam maMAP算法相比,本文提出的方法能更好地抑制Speckle,并保持图像细节。     

基于DEM的SAR图像模拟

首先阐述了研究基于数字高程模型(DEM)的SAR图像模拟的重要性。然后针对SAR图像的几何特点,并顾及地面坡度、成像距离等因素对雷达波后向散射强度的影响,设计了基于强度积分的SAR图像模拟方案。根据Leberl构像模型计算SAR图像的像点坐标,采用强度积分策略对各点处的强度进行模拟,并进行归一化处理。通过仿真实验得到了满意的SAR模拟图像,验证了该模拟方案的正确性和有效性。     

利用自适应最优极化对比增强检测SAR影像边缘

针对边缘检测中极化信息利用率不高的问题,提出了一种结合自适应最优对比增强与均值比的合成孔径雷达边缘检测新方法,并分析新算法特性后,推导了其快速版本。实验结果表明,新方法具有更好的检测性能。     

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。     

Map Drift算法在实时成像处理器中的应用

随着计算机技术的发展，实时成像处理器技术的成熟，不但处理数据量越来越大，而且对成像质量要求也越来越高，实时成像处理中需要有自动聚焦算法。但是由于实时成像处理器的特殊结构和实时性要求，需要算法的计算量不能太大、不能太不确定。因此并不是所有的算法都适合用于实时处理。 主要介绍Map Drift算法的原理和实现步骤以及在实时成像处理器中的应用。文中对适合于实时成像处理器中应用的公式进行了推导，得到频域二次相位误差系数和相关峰位置的线性关系，并利用该关系在频域进行相位补偿，有效缩减迭代次数。利用一种插值来计算相关峰位置的方法，消除了离散化计算相关峰位置所带来的量化误差的影响，并在迭代过程中改进二次相位误差系数和相关峰位置关系的系数，对减少迭代次数，提高估计精度有一定帮助。最后给出仿真结果，验证算法的正确性。