基于Mellin变换的G0分布参数估计方法

G0分布模型具有广泛均匀度变化下的杂波区域建模能力和较强的模型兼容性,是目前合成孔径雷达（synthetic aperture radar,SAR）图像杂波统计建模领域最为重要的模型之一,在SAR图像解译方面有着广泛的应用．然而,G0分布参数的快速准确估计一直是制约其实际应用的主要技术瓶颈,至今尚无理想的解决方案．针对这一问题,首先详细分析了经典矩估计和最大似然估计应用于G0分布参数估计的理论缺陷。在此基础上,提出了一种基于Mellin变换的G0分布参数估计方法．该方法以Mellin变换为出发点,详细推导了G0分布对应的第一个、第二个第二类型的特征函数和它们各自对应的对数矩和对数累积量,最终获得了G0分布参数估计简洁的迭代表达式．该方法不但解决了矩估计所面临的参数不能实现全范围估计的难题,更重要的是把等效视数同形状参数、尺度参数一样视为待估计参数,且能够快速准确地迭代出它们的估计值,保证了G0分布的拟合精度．以KL（Kullback—Leibler）度量、MSE（meansquareerror）度量和K—S（Kolmogorov Smirnov）检验为定量评估准则,对不同分辨率、不同视数的实测SAR图像分别采用文中方法、矩估计、最大似然估计方法进行拟合实验,实验结果的全面对比分析证明了所提方法的有效性．     

基于多视图像序列跟踪的SAR地面运动目标检测

为基于合成孔径雷达(SAR)检测地面切向运动目标,提出基于多视图像序列跟踪的检测方法。在SAR多视图像序列上,具有切向速度的地面运动目标在子视图像间的位移轨迹可近似为一条斜线。该算法利用具有方向性约束的动态规划实现动目标在SAR多视图像序列上的轨迹跟踪,进而沿散焦轨迹作非相干积累可显著改善微弱目标检测性能。基于跟踪信息可实现动目标切向速度估计和解Doppler模糊。基于实测机载SAR数据的数值实验证明了该方法的有效性。     

基于Mellin变换的G0分布参数估计方法

G0分布模型具有广泛均匀度变化下的杂波区域建模能力和较强的模型兼容性,是目前合成孔径雷达(synthetic aperture radar,SAR)图像杂波统计建模领域最为重要的模型之一,在SAR图像解译方面有着广泛的应用.然而,G0分布参数的快速准确估计一直是制约其实际应用的主要技术瓶颈,至今尚无理想的解决方案.针对这一问题,首先详细分析了经典矩估计和最大似然估计应用于G0分布参数估计的理论缺陷,在此基础上,提出了一种基于Mellin变换的G0分布参数估计方法.该方法以Mellin变换为出发点,详细推导了G0分布对应的第一个、第二个第二类型的特征函数和它们各自对应的对数矩和对数累积量,最终获得了G0分布参数估计简洁的迭代表达式.该方法不但解决了矩估计所面临的参数不能实现全范围估计的难题,更重要的是把等效视数同形状参数、尺度参数一样视为待估计参数,且能够快速准确地迭代出它们的估计值,保证了G0分布的拟合精度.以KL(Kullt)ack-Leibler)度量、MSE(mean square error)度量和K-S(Kolmog-orov-Smirnov)检验为定量评估准则,对不同分辨率、不同视数的实测SAR图像分别采用文中方法、矩估计、最大似然估计方法进行拟合实验,实验结果的全面对比分析证明了所提方法的有效性.     

利用现代谱估计技术估计SAR多普勒中心频率

多普勒中心频率是合成孔径雷达（SAR）成像过程中的重要参数之一.根据SAR信号的特点和估计多普勒中心频率这个信号处理任务,将两种现代谱估计技术AR模型法和TLS-ESPRIT法用于SAR实测数据多普勒中心频率的估计.结果表明,AR模型法与经典方法相关函数法等价,并与TLS-ESPRIT法的估计结果相近,成功用于实测数据成像表明该思路有效.     

面向极化SAR图像配准的极化特征

不同波段的极化合成孔径雷达(SAR)图像间的配准,是多波段极化SAR数据融合中的一个重要问题。该文从地物的极化散射机理出发,提出了一种适用于尺度不变特征变换(SIFT)配准算法的极化特征。该特征包含了地物目标主要散射成分的信息,并反映了其他弱散射成分的强度分布,可在不同波段极化SAR图像中保持稳定。实验结果表明:与使用散射总功率(Span)实现多波段极化SAR图像配准的方法相比,该特征在不同波段下的差异较小;使用SIFT算法配准后,该特征图像可得到更多的关键点和正确配准点,且配准点的分布较分散,从而有效地提高了多波段极化SAR图像的配准性能。     

基于极化SAR分解模型的油膜检测

为了更好地利用极化合成孔径雷达(SAR)检测海面溢油,该文提出了基于极化分解模型的特征——Bragg散射能量占比。在油膜区域,Bragg散射能量占比会比较小;而在海面和常见油膜类似物如油醇(OLA)区域,该特征的值会比较大。因此,该特征能够有效地从海杂波里检测出油膜区域,并且能够有效地排除OLA虚警。并且该特征可以被推广应用于HH\VV双极化数据和紧缩极化(CP)模式,从而可以进行大面积的溢油监测。利用C波段的极化SAR数据的实验表明:在各种极化模式下该特征能够检测出油膜,并有效鉴别油膜和油膜类似物。     

星载合成孔径雷达实时快视成像系统

给出了一种基于多数字信号处理(DSP)并行处理技术的星载合成孔径雷达(SAR)快视成像系统设计,比较了多种星载SAR成像算法.针对某星载SAR参数提出了优化的实时算法流程,系统实现了对L波段星载SAR距离向1/4降分辨率和方位向四视实时成像处理.通过仿真和实测数据,分析和验证了系统成像结果.     

基于Rice-CFAR的SAR图像舰船检测

文章在大量试验的基础上,发现Rice分布能更好地描述噪声和海况因素引起的船海对比度较低时的SAR图像海杂波这一特性,因此提出了基于该分布的CFAR舰船检测算法。实验中利用30m分辨率VV极化下的高海况ENVISAT ASAR数据和3m分辨率HH极化下的高噪声的TerraSAR-X单视数据。结果表明Rice分布CFAR舰船检测算法可用于高海况和高噪声下的SAR图像,在检测准确率及耗时上也优于传统概率模型CFAR算法。     

基于Poisson重建的极化SAR图像对比增强

为了能够同时增强多类目标,提出一种基于Poisson重建的极化合成孔径雷达(SAR)图像对比增强方法.该方法对多类目标和对应的背景杂波分别进行广义相对最优极化增强(GOPCE), 并得到相应的最优极化状态和特征系数;以此定义图像中各像素点的最优局部梯度,并在最小二乘准则下,根据局部梯度建立离散Poisson方程;通过快速Fourier变换求解该Poisson方程,得到最终的多目标增强图像.实验结果表明: 利用极化SAR数据,使用该方法增强后的图像的直方图保持应有的峰值,且更加均衡,能够达到增强多类目标的效果,从而有利于目标检测等后续处理.     

合成孔径雷达自回归线性预测带宽外推超分辨率成像算法

提出一种合成孔径雷达(SAR)二维自回归线性预测带宽外推超分辨率成像算法。根据SAR成像机理推导SAR线性预测带宽外推的信号模型;利用观测数据和SAR信号模型,估计表征信号带宽内和带宽外数据性质的统计特性,计算二维自回归(AR)模型参数;采用层迭方式外推观测数据,生成高分辨率图像。分别利用距离向数据、点目标仿真数据和实测数据对本文方法进行有效性验证。研究结果表明:本文方法可以在不增加硬件系统负担的情况下,提高影像分辨率。     

基于纹理特征的高分辨率合成孔径雷达影像单体建筑物震害信息识别

获取震后建筑物震害信息有利于开展人员救援和灾后重建工作。由于高分辨率合成孔径雷达（SAR）数据少有震前数据存档,利用震后单时相高分辨率SAR数据评估建筑物震害成为研究热点,但利用高分辨率SAR数据对单体建筑物的研究却很少。本文以北川老县城震后0.24mTerraSAR-X聚束模式（ST）数据为数据源,经多视处理后提取建筑物纹理特征,对比分析不同视数大小和纹理计算窗口大小对建筑物震害识别影响,确定最佳纹理计算窗口大小和视数大小。结合震前光学数据,获得SAR单体建筑物轮廓图,随机选取建筑物轮廓样本作为训练样本,引入支持向量机（SVM）和随机森林（RF）分类器识别建筑物震害信息。结果表明,基于纹理特征的SVM、RF方法能有效地识别高分辨SAR影像单体建筑物震害信息,SVM识别精度可达到88.24%,RF识别精度可达到92.47%。可见基于高分辨率SAR数据的纹理特征识别建筑物震害方法稳定有效,可为灾后应急、灾害评估和灾后重建工作提供可靠信息支撑。     

SAR图像中极化散射指数和信息熵及其地表识别应用

对于合成孔径雷达(SAR)全极化散射测量与成像,推导了相干矩阵的特征值及其信息熵与同极化、交叉极化指数测量值的直接关系.从而将Mueller矩阵解、信息熵和两个极化指数组合在一起,对SAR图像作定量评估.这一理论方法应用于机载SAR图像和地面车载散射计测量数据的研究.     

一动一静双基地SAR动目标检测方法研究

针对一动一静双基地合成孔径雷达(SAR)系统,提出了一种多通道双基地SAR动目标检测与速度估计方法;并且在杂波对消后利用目标幅度或相位信息,得到了运动目标径向速度和位置偏移量估计的解析表达式.仿真中利用卫星平台作为发射机、平流层飞艇平台作为接收机,验证了算法的正确性.     

提高沿航向干涉法性能的最小二乘图像对补偿方法

沿航向干涉法是对合成孔径雷达（SAR）功能的一种扩展,通过对两幅SAR复图像（称为图像对）进行比较可以对洋流进行测速、对动目标进行检测．在陆地图像中,动目标常和静止地物混在一起,难以自动检测,通常要依靠两幅复图像相消来抑制静止场景的图像（称做杂波）,提高信号和杂波的功率比．文中分析了SAR图像对存在的4种基本形式的误差,提出了不同类型的误差应该在不同的域进行补偿的观点和一种基于最小二乘的二维相位补偿算法,并给出SAR图像补偿的方法流程．由于对每一种误差都在恰当的域进行补偿,该方法可以明显提高系统对杂波的抑制能力,获得更高的信杂比,从而提高对运动目标的检测性能．机载雷达实测数据处理的结果证实了该方法的有效性．     

基于改进极坐标格式算法的大斜视SAR成像方法

针对大斜视合成孔径雷达成像（SAR）模式下,回波存在较大的距离走动和严重的距离 方位交叉耦合等问题,对传统极坐标格式算法（PFA）进行改进,提出了一种基于改进的PFA算法的大斜视SAR成像方法。根据实际回波数据存储的形式,建立了大斜视SAR的斜距模型,通过对距离向与方位向的二维泰勒级数展开设计了一种斜距平面的二维插值函数,有效地提高了成像算法的聚焦深度。与传统PFA不同,斜距平面的距离展开能够避免回波数据的投影,所以改进的算法更适用于地形起伏不平的成像场景。仿真数据和实测数据分析验证了该方法的有效性。     

基于IPSO算法的KK分布模型参数估计

目的 提出一种IPSO (Improved Particle Swarm Optimization)算法，估计服从KK分布的海杂波建模参数，以改善复杂海况下海杂波幅度统计模型的建模精度。方法 通过设计目标损失函数、更新公式等方法，获得了IPSO算法，然后利用IPSO算法对模型参数进行最优或次优取值估计。结果与结论仿真和实测海杂波数据集实验表明，所提方法克服了KK分布的多参数难于通过解析法求解参数的问题，有效解决了非线性分布海杂波模型的重“拖尾”拟合精度偏低的问题，且该算法能够更快地收敛到理想取值。     

基于Riemann核Fisher准则的极化SAR图像人造目标检测

人造目标检测是极化合成孔径雷达(synthetic aperture radar,SAR)图像自动解译中的重要环节。该文提出了一种基于Riemann核Fisher准则的人造目标检测方法。核函数通过Hermite正定矩阵流形上的Riemann度量来构造。极化协方差矩阵映射到核函数诱导的高维特征空间后用Fisher准则进行判别。该方法考虑到了极化SAR数据特殊的矩阵结构,并且不需要任何统计模型假设,因而特别适于检测极化SAR图像中的人造目标。以舰船目标检测为应用背景验证了该方法的有效性。实验结果表明:该方法优于其他常用的检测器,特别是在低目标杂波比条件下。     

组网高频地波雷达中电离层杂波分析及其抑制方法

组网高频地波雷达引入了多种收发模式,在增加探测信息量获取的同时使电离层杂波更加复杂。介绍了OSMAR071组网高频地波雷达系统,结合实测数据分析了组网条件下电离层杂波距离、多普勒分布特征,以及不同路径的电离层杂波及海洋回波的相关性。利用多路径杂波相关性远大于海洋回波的特性,提出了一种基于自适应滤波的杂波抑制方法,利用其他路径的电离层杂波估计杂波分量,从而实现杂波对消。雷达实测数据分析表明了上述分析的正确性以及杂波抑制方法的可行性和有效性。     

基于三聚类中心K-means算法的SAR船只检测方法

为解决高分辨合成孔径雷达(SAR)图像中基于海杂波模型的CFAR船只检测方法适用性受限的问题,提出了一种基于三聚类中心的K-means船只检测方法.该方法将SAR图像划分为船只目标、海杂波及其他干扰3个聚类,利用K-means聚类算法求得最高聚类中心值,并将其作为检测阈值进行船只初步检测,然后结合分辨率和船只尺度等先验信息进行形态学滤波操作得到最终检测结果.基于实测数据的实验结果表明,所提方法无须海杂波的统计信息,且不依赖于SAR图像的分辨率,可有效地服务于高分辨率SAR图像中的船只检测任务.     

基于极化合成孔径雷达图像的斑点滤波方法

斑点噪声是由合成孔径雷达(SAR)的相干成像原理造成的固有缺陷,为了更好地进行SAR图像地形分类、目标检测等后续处理,提出一种用于极化SAR图像的滤波方法.该方法利用新的优化函数和约束条件,在保持图像功率等于Lee滤波功率的前提下,通过最小化信号子空间向量与原始向量的欧式距离,达到降斑的目的.实验结果表明: 利用旧金山地区的真实极化SAR数据,使用该方法滤波的图像结果与原有的子空间滤波器相比,更接近原始图像的均值,并且通过滤波提高了不同类别的目标在特征空间的区分度,从而有利于不同类型地物的分类.