利用POLInSAR数据反演植被高度的改进三阶段算法

研究和提出了一种利用全极化干涉数据对植被高度进行反演的改进的三阶段反演算法。该算法结合三阶段反演算法和极化干涉数据的相干区域边界提取技术来估计体去相干值,以提高体去相干估计的精度,进而得到更加精确的树高反演结果。最后,利用欧空局(ESA)提供的模拟的L波段极化干涉合成孔径雷达(SAR)数据,通过计算机仿真,验证了算法的有效性。     

基于散射体模型的PolInSAR数据模拟反演研究

极化干涉合成孔径雷达(PolInSAR)测量是一种集极化雷达(PolSAR)和干涉雷达(InSAR)测量技术于一体的新的对地观测技术,利用极化干涉雷达数据提取地表植被垂直结构参数是当前极化干涉研究的热点问题.然而现在国内外适用于PolInSAR处理的数据都是重复轨道数据,其中应用广泛的是SIR-C/X-SAR数据,其成像时间在10多年前,成像区域植被高度及衰减系数大小无法考证,因此利用该数据进行反演,反演结果的精度无法验证,故有必要对极化干涉数据进行模拟来验证PolInSAR反演算法的优劣.提出了一种便于验证反演算法的基于散射体模型的PolInSAR数据模拟方法,并利用基于统计特征的反演算法验证了该数据的有效性.     

基于优化回波数据的图像配准InSAR干涉相位估计

提出一种基于优化回波数据的自适应图像配准InSAR干涉相位估计方法.该方法充分利用相应像素对及其相邻像素的相干信息,通过获得的最优加权向量对SAR图像进行自适应配准处理,实现对回波数据优化从而获得地形干涉相位最优估计.实验结果表明了该方法有效性的同时,能够在SAR图像配准误差较大(可以允许达到一个分辨单元)的情况下,得到稳健的干涉相位估计结果.     

基于加权子空间拟合的干涉相位估计方法

提出复合导向矢量的概念,并通过对测量的信号子空间与复合导向矢量张成的子空间进行拟和,推导出一种基于加权子空间拟合思想的干涉相位估计方法,该方法具有自适应图像配准和降低相位噪声功能,因而可以在图像配准精度很差(可以允许达到一个分辨单元)的条件下准确地估计相应像素间的干涉相位.仿真和实验数据表明估计结果优于基于子空间投影方法的估计结果.     

基于平均周期图的InSAR复图像配准方法

提出了一种新的干涉合成孔径雷达(InSAR)复图像配准算法,新算法使用干涉相位图的平均周期图作为配准的评价测度函数,采用数据分段求平均的方法降低了评价函数的估计方差,从而提高了配准的精度与可靠性。还分析了评价函数的估计偏差对配准的影响。最后使用平均周期图法进行了配准实验,试验结果验证了新算法在提高配准精度方面的有效性。     

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.     

利用双树复小波变换和SURF的图像配准算法

为了进一步提高图像配准的运算效率、匹配正确率及配准精度,提出了一种利用双树复小波变换和加速鲁棒特征（speeded up robust features, SURF）的图像配准算法。首先利用双树复小波变换将参考图像和待配准图像分解为低频部分和高频部分,选取其对应的低频部分作为SURF算法的输入图像,得到两者的粗匹配结果;然后通过随机抽样一致（random sample consensus, RANSAC）算法对粗匹配点对进行提纯,剔除误匹配点对,解决了SURF算法存在较多错误匹配点对的问题,同时计算出最佳匹配的变换模型参数;最后根据该变换模型参数对待配准图像进行几何变换,经双线性插值确定灰度,完成图像的配准。大量实验结果表明,与尺度不变特征变换（scale invariant feature transform, SIFT）算法和SURF算法相比,所提算法的运算速度更快,匹配正确率和配准精度更高,同时在抗噪声、抗旋转及抗亮度变化性能方面更加优越。     

基于联合像素模型的InSAR干涉相位稳健性估计

针对InSAR处理中存在图像配准误差时,由特征值估计噪声子空间维数失效的问题,提出了一种基于干涉相位和特征向量构造的投影矢量来确定噪声子空间维数,进而估计InSAR干涉相位的方法.该方法在图像存在配准误差时,不仅能够准确地估计出噪声子空间的维数,同时增强了联合像素方法估计干涉相位的实用性和稳健性.通过仿真数据和实测数据的处理结果验证了方法的有效性.     

POLSAR多视复图像的特征提取和分类方法

Pauli分解和Krogager分解通常用于对极化合成孔径雷达(POLSAR)单视复图像中的相干复散射矩阵进行分解.基于Pauli分解和Krogager分解提出一种改进的极化特征分解方法,用于POLSAR多视复图像极化特征提取.首先利用Pauli分解分离出多视复图像数据的对称部分和非对称部分,然后利用Krogager分解提取出对称部分的极化特征,最后利用AdaBoost算法对所提取的极化特征进行分类.使用SIR-C的数据验证了方法的有效性.     

#br# 解析搜索偏移量的InSAR图像精配准方法

基于插值的干涉合成孔径雷达(interferometric synthetic aperture radar,InSAR)图像配准方法能够达到亚像素精度,但配准精度取决于插值单元尺度,且计算量会随精度要求提高大幅增加。提出了一种将图像配准过程转化为连续函数优化问题的精配准方法。首先,该方法通过整合插值和互相关函数搜索过程构造了一个解析代价函数,在连续域内搜索的偏移量精度不依赖于插值单元,提高了配准精度;然后利用该代价函数对于偏移量参数的梯度信息,采用拟牛顿法来优化代价函数,快速收敛并得到与最优值对应的亚像素偏移量,具有较低的运算量。实验结果表明该方法与传统方法相比有更高的配准精度,且在计算复杂度方面有较大改善。     

基于混合Wishart分布MRF分割的极化SAR图像海岸线检测

针对基于Wishart分布马尔可夫场(Markov random field, MRF)海陆分割存在海面和陆地整体区域无法使用单一Wishart分布描述的问题,提出了一种基于混合Wishart分布的极化合成孔径雷达(synthetic aperture radar, SAR)图像海岸线检测方法。该方法首先对极化SAR总功率边缘能量采用两区域Ostu阈值分割得到初始海陆分割结果,然后采用混合Wishart分布描述陆地和海面区域,通过基于混合Wishart分布MRF两区域分割迭代计算实现海陆精确分割。最后对经过水域合并处理的海陆分割结果进行边界跟踪实现海岸线检测。分别使用了RADARSAT2中国海南陵水地区和新加坡部分地区极化SAR数据进行实验,实验结果证明提出方法比基于Wishart分布MRF分割方法更加精确和鲁棒。     

一种新的多通道SAR地面动目标检测定位方法

提出了一种对图像配准误差稳健的多通道合成孔径雷达地面动目标检测定位方法。该方法根据图像配准误差的方向确定观测矢量,计算特征系数矢量,利用动目标的空域导向矢量和特征系数矢量构造特征导向矢量,然后利用自适应波束形成技术进行杂波抑制的同时估计动目标的运动速度,最后对目标重新定位。该方法能够在图像配准误差较大的情况下获得满意的动目标检测性能和较高的测速定位精度。仿真结果验证了方法的有效性。     

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。     

基于模糊聚类的PolInSAR数据非监督分类方法

提出了一种结合Freeman分解和模糊聚类的极化干涉合成孔径雷达(polarimetric interferometric synthetic aperture radar, PolInSAR)数据非监督分类方法。针对基于Freeman分解的极化SAR图像分类方法中提取的3种散射机理：表面散射、体散射、偶次散射占主导的区域之间存在模糊的缺点,利用PolInSAR处理中的最优干涉相干系数引入的参数--最优相干熵H Int和最优相干各项异性度A Int,将每种散射机理主导区域划分为单个散射机制或多个散射机制共同作用的区域。并将模糊理论引入到H Int/A Int平面的区域边界划分,得到初始分割图像。对初始分割图像进行合并,模糊聚类等操作,得到最终分类结果。采用ESAR Oberpfaffenhofen地区PolInSAR数据实验的结果验证了本文方法的有效性。     

综合多特征的高分辨率极化SAR图像分割

针对高空间分辨率全极化数据的特点,基于分形网络演化分割算法框架,本文提出了一种综合K分布统计特征、Pauli分解特征和空间形状特征的高分辨率全极化SAR图像分割方法。该方法采用对数似然函数定义K分布统计特征异质度,对Pauli分解特征加权定义极化分解特征异质度。在此基础上,综合统计、极化分解和形状特征构建对象相似性准则,建立高分辨率全极化SAR图像多特征综合分割流程。通过模拟数据和ESAR全极化数据实验并与其他分割方法比较,验证了本文分割方法的有效性。     

一种极化SAR图像模糊分类方法

针对极化合成孔径雷达图像模糊非监督分类问题,给出了一种改进的极化合成孔径雷达图像模糊分类方法。该方法通过引入极化总功率参数--span,改进极化合成孔径雷达图像模糊H/α分类方法,进行极化合成孔径雷达数据模糊H/α/span非监督分类。利用机载极化合成孔径雷达数据进行实验。实验结果表明,改进的方法提高了分类性能,聚类中心更为合理。     

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。     

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。