全极化合成孔径雷达地势高度信息检测技术

从全极化合成孔径雷达(SAR)图像数据中,可提取方位向的地势倾斜度信息,形成极化SAR三维成像.重点研究了极化合成孔径雷达三维成像算法;提出了由Stokes矢量推导的极化椭圆方向角解模糊算法;讨论了目标极化散射特性对提取地势高度信息的影响以及处理方法;并利用真实的极化SAR图像数据得到了极化三维成像结果.     

基于l1范数主成分分析的极化SAR图像变化检测

为提高极化合成孔径雷达(synthetic aperture radar, SAR)图像变化检测算法的鲁棒性以及检测精度,提出基于范数主成分分析(linorm principal component analysis,l1-PCA)模型的变化检测算法。首先,采用基于Hotelling-Lawley复矩阵迹变化检测算子构造差异图;其次,采用l1-PCA模型获取差异图的变化信息,使得每个像素以一个特征向量来表示;最后,使用k-means算法对变化信息进行聚类,得到变化检测结果。该方法是一种非监督变化检测方法,相比于基于2范数的PCA检测方法,l1-PCA在特征提取方面具有更高的鲁棒性,并且可以进一步提高变化检测精度。基于RADARSAT-2卫星获取的3幅图像进行的实验结果表明,相较于其他两种典型算法,所提算法更加稳定,精确度更高。     

基于超分辨极化SAR图像的舰船检测算法

极化合成孔径雷达(synthetic aperture radar, SAR)图像超分辨处理具有聚集目标能量,提高图像分辨率,抑制相干斑噪声的能力。扩展了多通道幅度和相位估计(amplitude and phase estimation, APES)谱估计算法,并以此实现了极化SAR图像的超分辨处理。运用基于K分布的单极化检测器和基于SPAN、PWF的全极化检测器对实测SAR图像进行了舰船检测。通过分析超分辨极化SAR图像杂波统计分布、弱小目标检测性能、目标区域区分精度、目标轮廓及拓扑结构提取效果等,验证了基于多通道APES谱估计的超分辨极化SAR图像的舰船检测性能。     

极化SAR图像中的弱小舰船目标检测

结合最新的子空间数据分析方法--非负矩阵分解(nonnegative matrix factorization, NMF),对极化合成孔径雷达(synthetic aperture radar, SAR)图像中的弱小舰船目标提出一种全新的有效检测方法。该方法利用极化协方差矩阵分解,得到包含极化图像能量的特征值组,组成满足NMF要求的非负矩阵;然后采用稀疏限制的NMF来提取其中的主要特征,以此将舰船目标检测出来。采用国内全极化和双极化实测海洋数据进行实验,验证了本文方法的有效性。     

利用Cameron分解进行极化干涉图像对的配准研究

针对常规极化干涉SAR配准仅仅用一个通道的极化数据进行干涉数据对配准,导致配准精度不高的问题,提出了一种利用Cameron相干目标分解进行极化干涉图像对的配准方法。该算法充分利用了全极化数据丰富的信息,进行极化干涉图像对的配准。利用SIR-C天山地区的数据对提出的算法进行了验证,结果证明该算法能提高配准的精度和鲁棒性,有利于后续的数据处理。     

基于多级分类的极化SAR图像斑点抑制

针对极化合成孔径雷达（polarimetric synthetic aperture radar, PolSAR）图像相干斑抑制后的目标极化特性和结构特征保持问题,给出了一种多级分类的极化SAR图像斑点抑制方法。首先利用H/α快速分解法并结合极化总功率图像进行初分类,之后采用最小距离准则和聚合的层次聚类方法进行细分类,最后根据图像结构将图像内容分为亮点线目标、暗线目标和其他目标三大类,利用线性最小均方滤波器对暗线目标和非点线目标进行滤波。采用美国AIRSAR机载系统获取的实测数据进行实验,结果表明,与Lee的基于散射模型降斑算法相比,本文算法不仅能够更有效地抑制斑点噪声,而且在保持极化特性、结构和纹理特征方面更为有效。     

基于h/q分解和贝叶斯迭代分类的跑道检测算法

提出一种无监督分类的机场跑道检测方法。首先利用h/q分解对原图像中所有像素点进行粗分类,建立初始样本模板;利用初始样本模板对原图像进行贝叶斯迭代分类,得到分类图;结合跑道的极化散射特性、弱回波特性及形态学处理方法,从分类图中提取出疑似跑道区域;最终应用跑道的结构特征进一步辨识疑似跑道区域,检测出真实机场跑道目标。通过美国UAVSAR系统采集的多组全极化合成孔径雷达(synthetic aperture radar,SAR)实测数据验证本文算法的有效性,实验结果说明,所提算法能有效、正确地检测出复杂场景下极化SAR图像中的机场跑道区域,且结构完整清晰,虚警率低。     

基于相似度网络融合的极化SAR图像地物分类

从极化合成孔径雷达(synthetic aperture radar, SAR)图像中提取多种特征向量堆叠成一个高维特征向量用于地物分类,将导致部分特征向量的分类能力减弱或丧失。针对此问题,将每种特征向量看作为不同视角数据,提出了一种基于一致相似度网络融合的极化SAR图像非监督地物分类方法。首先,将极化SAR图像进行过分割,基于超像素提取5种特征向量以构建5个相似度矩阵;其次,采用一致相似度网络融合多视学习算法生成融合的相似度矩阵;然后,基于该矩阵进行谱聚类;最后,提出一种分类后处理策略修正错分像素。仿真和实测极化SAR图像地物分类结果表明,该方法性能优于其他5种经典方法。     

校正法拉第旋转影响的极化SAR图像定标算法

提出了一种改进的极化定标算法,应用于受法拉第旋转影响的极化SAR图像定标.假设系统具有良好的极化隔离度,即极化通道间串扰可忽略,将三角反射器作为点目标定标体,利用各通道测量值与定标体的理想散射矩阵元素间的关系,依次对通道不平衡度、法拉第旋转和绝对幅度增益进行校正.给出了算法步骤,实验的数值结果和点目标的极化特征图都验证了定标算法的有效性.     

基于目标极化适配的极化检测算法

极化检测是雷达目标检测的一个重要分支.在高斯杂波统计特征已知的情况下,极化白化滤波器(PWF)常被用于杂波中雷达目标的检测.假设目标的极化特性和杂波的统计特征均已知,为了利用目标的先验知识,提出了一种基于目标极化适配的检测算法,据此算法设计了极化适配检测器(PAD).PAD和PWF对低极化度高斯杂波中二面角的模拟检测结果显示,在低信杂比下,PAD算法具有较好的检测性能.     

基于极化合成孔径雷达的舰船检测方法

特征提取是极化合成孔径雷达图像处理的一个重要问题,也是海上目标检测的关键。相似性参数和极化熵可以表征目标的电磁散射特性。为了增强目标与背景的对比,提出了一种基于特征融合的新参数。这种参数可表达区域的差异性,处理后目标与背景的对比更加明显。研究了该参量在海杂波区域的分布模型,进而提出了一种新的海上船只检测方法,该方法可用于多视情况下的舰船检测。最后用机载合成孔径雷达(airborne synthetic aperture radar, AirSAR) 数据验证了该方法的有效性。     

基于纳什均衡改进PWF的舰船检测方法

提出了一种利用极化白化滤波器（polarimetric whitening filter, PWF）作为舰船检测器的新方法。首先,介绍了基于Wishart分布的马尔可夫随机场（Markov random field, MRF）分类问题,利用相似性参数和距离函数构造平滑项,有效地利用极化信息。在利用纳什均衡对分类进行优化时,对参数的选取使用了Fisher准则,优化分类结果。对于最终的检测器,利用PWF构造表征差异的核函数,求解一个优化问题,得到了对应能量函〖JP+3〗数数据项检测函数,同时利用分类结果,使用模糊集构造平滑项检测函数,从而得到改进的极化检测器。最后,使用实际的极化合成孔径雷达（polarimetric synthetic aperture radar, PolSAR）数据对提出的方法有效性做验证并和已有方法进行比较,实验结果表明本方法检测率高,检测目标连续性好。     

基于MMSE估计的全极化雷达自适应脉冲压缩

针对同时极化测量体制雷达发射波形自相关和互相关特性相互制约的矛盾,提出了一种基于最小均方误差估计的全极化雷达自适应脉冲压缩方法,其核心思想是通过初始化滤波器得到各距离单元散射系数的先验信息,并结合对应极化通道的回波信号,根据贝叶斯原理估计得到每个距离单元的自适应滤波器,在分离各极化通道回波信号的同时实现脉冲压缩。通过设置典型的仿真场景,从检测概率和目标极化散射矩阵估计的均方误差两个方面分析了自适应脉冲压缩算法的性能。仿真结果表明,该算法能有效地抑制邻近距离单元的干扰和不同极化通道之间的互扰,比标准匹配滤波器更好地实现全极化雷达脉冲压缩。     

环境特征与散射特性融合的PolSAR飞机目标检测

针对复杂场景下极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)图像飞机目标检测问题,提出了一种融合目标环境特征与散射特性的PolSAR飞机目标检测方法。首先,利用极化白化滤波(polarimetric whitening filter, PWF)图提取疑似飞机目标,将疑似飞机目标转换成超像素得到混合图像。然后,经极化分解与分类构造一个新的环境特征,并与散射特性融合得到飞机目标检测特征,通过阈值判别检测出飞机目标。最后,使用AIRSAR和UAVSAR系统采集的实测数据进行实验,并与其他检测方法进行对比。结果表明,所提方法产生的虚警和漏警较已有方法有所改善,检测结果更好。     

环境特征与散射特性融合的PolSAR飞机目标检测

针对复杂场景下极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)图像飞机目标检测问题,提出了一种融合目标环境特征与散射特性的PolSAR飞机目标检测方法。首先，利用极化白化滤波(polarimetric whitening filter, PWF)图提取疑似飞机目标,将疑似飞机目标转换成超像素得到混合图像。然后，经极化分解与分类构造一个新的环境特征,并与散射特性融合得到飞机目标检测特征,通过阈值判别检测出飞机目标。最后，使用AIRSAR和UAVSAR系统采集的实测数据进行实验,并与其他检测方法进行对比。结果表明,所提方法产生的虚警和漏警较已有方法有所改善,检测结果更好。     

高分辨极化雷达检测中极化滤波器的选择

针对高分辨极化雷达检测中极化滤波器的选择问题,提出了在检测中根据干扰信号极化度的估计值大小,选择干扰抑制极化滤波器对回波进行极化滤波,或者选择信干比较大极化通道信号的检测方法。仿真实验结果表明,在干扰信号极化度未知且变化时,该方法可以保证检测器输入端具有较高的信干比,从而有利于提高检测性能。     

雷达极化测量体制研究综述

极化信息的获取和利用对提高雷达目标的检测、分类识别和抗干扰性能具有重要作用,在气象观测、对地遥感侦察和防空反导等领域得到了高度重视和广泛应用。极化测量是极化信息获取和处理的基础,在雷达极化技术发展过程中出现了多种测量体制。从极化雷达的发展历程和趋势的角度,对极化测量体制进行了梳理,阐述了典型极化测量雷达体制的概念和内涵,比较分析了各测量体制间的差异和优缺点,并指出了其主要应用领域,这为极化雷达体制选择与优化设计提供有益参考。     

Structural adaptive and optimal speckle filtering in multilook full polarimetric SAR images

A novel approach is proposed for speckle reduction in multilook full polarimetric SAR images. In contrast to others, this approach adopts an enhanced structure detection method to estimate the parameters of the polarimetric covariance matrix for the multilook polarimetric whitening filtering (MPWF) algorithm and thus a structural adaptive and optimal speckle filter is developed. To evaluate the present approach, NASA SIR-C/X-SAR, L band, four-look processed polarimetric SAR data of the Tian-Mountain Forest is used for simulation. Experimental results demonstrate the effectiveness of this novel filtering algorithm in case of both speckle reduction and preservation of texture information. Comparisons with other methods are also made.