混合三角网极化干涉SAR影像配准

干涉雷达配准过程中,像对间的变换模型可以通过有理多项式进行拟合,参数的解算需要均匀分布的高精度联系点,传统算法或者只重视联系点的权重,或者只考虑联系点的分布,极大地降低了多项式拟合的精度。提出一种兼顾联系点权重与分布的Voronoi图辅助配准算法,把该算法应用于中国西部某地区Cosmos-Skymed-1/2 X波段干涉数据的处理。实验表明,相对于现有方法,该算法可以提高匹配成功率,得到更高的相关系数,获得分布更均匀的联系点,从而解算出精度更高的变换参数。     

面向对象的极化干涉SAR影像分割算法研究

根据高分辨率SAR影像的特点,基于目标分解理论定义极化SAR异质度,利用极化干涉相干最优目标分解思想提出了极化干涉SAR异质度,在此基础上构建一套适应性强的面向对象的SAR影像分割算法。并利用ESAR提供的数据对分割算法进行了实验研究,得到了很好的实验结果。将极化干涉数据的分割结果和极化数据的分割结果进行对比,从而验证了极化干涉SAR异质度的分割精度更高。     

InSAR复数影像配准方法探讨

复数影像配准是卫星合成孔径雷达干涉数据处理中的重要步骤之一,本文对目前影像配准最常用的方法进行了研究分析,提出了基于幅度影像的配准方案,并证明该方案配准精度高,适应能力强,运算效率高.     

SAR主从影像的几何配准

对于SAR主影像(master)和从影像(slave)的几何配准,文中采用三次基本多项式与斜距-多普勒定位模型,解算出主影像中心像素点在从影像中的同名点,最后得出主从影像中心像素点的初级配准偏移量。本文以上海地区ERS-1影像数据为例,在Matlab环境下,对SAR主从影像的几何配准偏移量进行解算。实验结果表明,采用文中初级配准方法,初级配准相对精度可达到0.1%~0.9%。     

基于Fourier-Mellin和Delaunay三角网的GBSAR影像配准研究

GBSAR的高精度测量需要准确的干涉相位来保证,因此影像间的配准尤为重要。针对传统GBSAR影像配准方法没有充分考虑到同名点的几何分布和空间结构关系的问题,文中基于Fourier-Mellin和Delaunay三角网的特性,对GBSAR影像数据进行粗配准和精配准。结合GBSAR影像实例数据,并对配准结果的相干系数图进行统计分析,结果表明此方法可提高影像配准的精度,为GBSAR影像数据的后续处理提供较好参考。     

InSAR复影像配准方法与实践

利用合成孔径雷达干涉测量技术获取地表三维信息的研究，受到世界各国的广泛关注。高精度复影像配准是InSAR数据处理的关键步骤，其结果直接影响生成干涉相位的质量，进而影响获取数字高程模型的精度。本文采用相干系数法进行粗配准，采用基于相干系数拟合的方法进行精配准，可以实现复影像数据的高精度配准。经机载和星载数据的试验验证，该方法有效可行且运算效率高，具有实用性。     

星载SAR复数图像的配准

星载干涉雷达测量已经被证实用于生成大范围（乃至全球）的DEM或监测地表位移具有广阔的应用前景，其中SAR复数图像序列的精确配准是保证生成有效干涉相位图的重要环节之一。本文分析了卫星InSAR系统中所涉及的几种坐标系统变换问题，并提出了基于此的几何配准方案，即基于卫星轨道状态矢量、SAR成像几何进行配准的算法；同时，还设计了基于几何配准结果和能量影像相关技术的配准算法，最后使用ERS－1／2、JERS－1和RADARSAT卫星获取的3种SAR复数图像对分别做几何配准和相关配准试验和比较，并对卫星SAR图像质量和轨道数据质量作了定性分析。     

基于特征提取的光学影像和SAR影像自动配准

针对现有的配准方法用于多光谱影像与SAR遥感影像配准时,存在受SAR图像斑纹噪声影像大、手工选取配准控制点精度低、利用图像景物特征配准时获取区域和边沿困难等问题,以SPOT5影像与RADARSATSAR影像配准进行实验,提出了一种利用改进的SIFT在提取的特征图像上寻找匹配点进行粗配准,然后利用交叉累积剩余熵作为相似性测度结合原始影像信息寻找光学特征图像的角点在SAR影像上的匹配点并进行精配准的方法,配准精度达到了子像素级水平。实验结果表明该方法对多源遥感影像有很强的适应性,配准精度高。     

X波段和全极化P波段SAR图像配准方法研究

利用多波段SAR数据进行遥感应用,首先需要将不同波段SAR图像数据进行配准。不同波段电磁波与地物散射机理不同,导致同一地物在不同波段SAR图像上的表征不同,难以直接配准。将全极化P波段数据进行极化分解,利用SIFT算子提取X波段与P波段α分量的局部特征,实现配准,并给出初步的匹配结果。实践证明,该方法具有较好的稳定性和较高的配准精度。     

基于MSER的SAR影像配准算法

研究了一种基于最大稳定极值区域（MSER）的SAR影像配准方法。该方法首先利用MSER算法提取影像上的特征区域,并对提取的特征区域进行椭圆拟合;然后对椭圆拟合后的特征区域分别进行归一化、SIFT描述子描述及匹配。选取实际的SAR影像进行配准试验,并将本文方法与SIFT算法得出的结果进行比较,结果表明：本文算法匹配精度可以达到像素级配准精度,即满足影像配准精度要求,匹配速度优于SIFT算法。     

利用SIFT与粗差探测进行SAR影像配准

SAR影像特殊的成像机理使得SIFT在SAR影像配准中的错误率较高,加入相干系数的辅助只能在一定程度上削弱SIFT的错误配准。由于仅考虑灰度的配准策略对精度的提高有限,本文将摄影测量中粗差探测和剔除的方法与SIFT算法相结合。在二次多项式平差的过程中,将错误同名点视为粗差,利用粗差剔除的方法提高配准精度。实验证明了此方法的可行性。     

极化SAR干涉测量模拟研究

极化SAR干涉测量将极化测量技术和干涉测量技术巧妙地结合，能够提高干涉测量精度，尤其是在植被覆盖的情况下，不仅能够测量地表地形，而且使得估计植被高度成为可能。因此，近几年来国际上对极化SAR干涉测量技术的研究越来越重视，极化SAR干涉测量已成为SAR应用技术发展的重要方向。通过模拟技术深入研究极化SAR干涉测量理论和方法，并提出了一种新的极化SAR干涉测量改进算法，模拟实验结果表明，该算法可以进一步提高测量精度。     

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。     

基于功率和相位联合估计TLS-ESPRIT算法的极化干涉SAR数据分析

在推导各散射信号功率计算方法的基础上,提出基于功率和干涉相位联合估计的TLS-ESPRIT方法。因为干涉图像中的各主散射波和干涉相位能被分别估计,所以该算法可以利用同一分辨单元中不同散射机制后向散射信号功率的不同,将干涉相位分类实现散射中心分离。该方法通过提取两个占优势的相位得到两个高度,从而分别检测出森林的植被层和地表,特别是当散射波不相关并有不同的极化特性时,该方法有较好的性能,从而提高植被高度参数的估计精度。详细阐述该方法的原理和实施步骤,并通过对SIR-C/X-SAR的L波段实际数据进行分析处理,验证算法的有效性。     

星载极化SAR数据模拟

介绍了自行开发的星载极化SAR数据计算机模拟系统，此系统采用的模拟方法遵循了星载极化SAR系统实际运行的情况，按发射脉冲时间序列，分别依次计算各发射脉冲相应的回波数据，与常用的以点目标为基础逐点模拟方法相比，计算效率高，现贴近实际系统，便于模拟各种误差的影响和保持其对所有目标回波影响的一致性和相关性。给出了星载极化SAR数据模拟的实例。     

基于神经网络方法的极化雷达地表参数反演

人工神经网络（Artificial Neural Network)是一个由独立处理单元以一定拓扑结构高度连接而成的并行分布式信息处理结构，适于解决各种非线性问题，积分方程（Integrated Equation Model)单散射模型可模拟各种地表参数条件下裸露地表后向散射系数，以IEM为基础生成训练数据，用L波段的C波段SIR-CHH，VV极化单散射后向散射系数数据为神经网络输入，通过后向反馈（BP）神经网络模型可同时反演得到裸露地表条件下地表介电常数，地表相关长度和均方根高度等地表参数。     

基于乘积模型的极化SAR滤波

提出了一种基于乘积模型的极化SAR滤波方法。首先基于乘积模型分离纹理信息和极化信息,然后分别独立地进行滤波,最后再合成协方差矩阵。实验表明,本方法有效可行,有较好的极化保持性能。     

一种基于分布式目标互易性判断的SAR极化定标改进方法

针对极化SAR定标算法中一些分布式目标并不满足互易性的问题,提出一种对分布式目标互易性进行判断的方法。通过计算选取分布式目标的极化散射矩阵与互易子空间的夹角,来进行互易目标的初步选择,并利用相干性来实现最终分布式目标定标样本的选择。实现了对中电38所海南X波段全极化SAR数据的极化定标,实验证明了该方法的优越性。     

一种利用Cloude-Pottier分解和极化白化滤波的全极化SAR图像分类算法

提出了一种新的基于Cloude-Pottier分解和极化白化滤波(PWF)的全极化SAR数据分类算法。该算法利用PWF的结果来代替反熵A对复WishartH/α分类结果进行进一步细化,按PWF的值将复WishartH/α分类结果由8类分为16类,然后再次进行Wishart迭代分类。实验结果表明,该算法能有效地提高分类精度,分类结果明显优于常规的复WishartH/α分类结果和复WishartH/α/A分类结果。