一维非线性奇异边值问题的有限元方法

使用对称有限元方法，研究了奇异非线性两点边值问题有限元解的收敛性，给出了最佳阶的误差估计     

一维奇异边值问题有限元解的最大模估计

研究奇异两点边值问题的有限元方法，利用对称有限元方法分别给出有限元解的Ｌ∞模估计。     

拉布拉多海一年平整冰厚度SAR反演算法

在利用实测一年平整冰厚数据和同步全极化RADARSAT-2 SAR影像、全面分析不同SAR极化参数对海冰厚度敏感度的基础上,发现Alpha角最高;从理论上证实利用两者相关性反演冰厚的可行性,将所得经验方程用于冰厚反演,其结果与实测数据吻合较好;与现有常用方法的反演结果进行对比表明,新方法误差较小;Alpha角可以用于一年平整冰厚度反演,证明全极化SAR海冰信息反演冰厚确有优势。     

一类二维奇异半线性问题有限元解的误差估计

考虑了二维奇异线性及半线性椭圆和抛物问题的有限元方法，给出加权Ｌ＾３模的误差估计。     

面向特征识别的SAR与可见光图像融合算法研究

合成孔径雷达(synthetic aperture radar,SAR)图像与可见光图像由于成像机理的不同,图像差异较大,传统融合算法不利于地物目标特征的解译与识别,难以满足应用的需求。基于此,文章结合SAR与可见光图像的成像特征,提出了一种基于相位一致性特征检测的自适应HIS(hue-intensity-saturation)融合算法,该算法首先利用相位信息区分目标轮廓和纹理边缘,提取SAR图像的空间特征信息,能有效地避免过量纹理边缘的提取。自适应HIS算法能调节2个图像之间的灰度相关性,实现加入信息的平滑过渡,减少光谱扭曲。实验以哨兵1号C波段SAR图像与Landsat8可见光图像进行验证,并与传统的HIS、主成分分析(principal component analysis,PCA)、小波以及目前较为主流的NSCT(nonsubsampled contourlet)算法进行比较,结果表明:该算法能有效地加入可见光图像不易察觉的特征信息,实现了融合图像在光谱保持和空间结构与特征保持上较好的权衡,提高了图像的地物检测与目标识别的能力。     

基于H-CFAR的SAR图像快速舰船目标检测

SAR舰船目标的快速、准确检测是SAR海洋业务化应用中的重要需求,文章提出了一种基于直方图恒虚警率(H-CFAR)的快速检测方法.该方法直接利用SAR图像的灰度直方图信息,并结合CFAR算法,实现了SAR舰船目标的检测;利用ASAR、TerraSAR和Radarsat-2数据对此方法进行了检验,结果表明,该方法与现有的K CFAR相比,在相同的硬件条件下,能够更快更准确地实现SAR舰船目标检测.     

一维非线性奇异边值问题有限元解的最大模估计

研究非线性两点边值问题的有限元方法，利用对称有限元法分别给出了稳态问题的非稳态问题有限元解的最大模估计。     

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。