基于联合域滤波的无人机载SAR图像块效应抑制方法

针对无人机载合成孔径雷达(synthetic aperture radar, SAR)成像系统因采用基于块的离散余弦变换压缩方法所产生的块效应问题，提出一种基于联合域滤波的块效应抑制方法。首先，从无人机载SAR成像系统工作原理出发，介绍无人机载SAR图像的压缩处理流程，分析产生块效应的机理。然后，在地面端对SAR图像解压过程的变换域和像素域中分别加入块效应滤波处理手段，其中变换域采用的是“十字型”转移块滤波方法，像素域采用的是双边滤波方法。最后，通过联合域滤波方法达到抑制无人机载SAR图像块效应的目的。实验结果表明，在同等压缩系数条件下，本文方法相比于其他滤波方法可以获得更好的峰值信噪比结果，降低无人机载SAR图像因图像压缩造成的失真影响，具有很强的块效应抑制能力。     

融合目标轮廓和阴影轮廓的SAR图像目标识别

针对合成孔径雷达图像目标识别问题,在基于图像成像模型分析基础上,提出了一种融合SAR目标轮廓和阴影轮廓的目标识别算法.首先提出了一种基于去控制标记符的SAR图像分割算法,得到SAR图像目标轮廓和阴影轮廓,然后用这2种轮廓融合,用傅立叶描述子将二维数据转为一维数据,最后用基于串接准则的融合算法得到识别结果,进行SAR目标识别.基于MSTAR的实验结果验证了本算法的有效性.实验结果证明:目标轮廓和阴影轮廓的结合,除反映本身包含的局部空间结构信息外,还能反映SAR目标的高度信息,较单一轮廓特征,是一种更为稳健的特征.     

基于恒虚警率的反卷积波束锐化方法

为了解决机场场面监视雷达(airport surface movement radar,ASMR)方位分辨率低的问题,在分析传统反卷积波束锐化方法局限性的基础上,提出了一种基于恒虚警率(constant false alarm rate,CFAR)的反卷积波束锐化方法。该方法采用CFAR处理自适应地调整反卷积处理的门限,避免迭代求解过程在低噪区域进行无效处理,在保证重点目标区域锐化效果的同时能抑制虚假小目标的发生,可有效降低AMSR系统的虚警率。计算机仿真分析及实测数据处理表明,本方法很好地解决了传统反卷积方法对噪声敏感的问题,具有重要的工程应用价值。