联合变化检测与子带对消技术的SAR图像干扰抑制方法

子带对消(subband spectral cancellation, SSC)法是一种有效的合成孔径雷达(synthetic aperture radar, SAR)射频干扰(radio frequency interference, RFI)抑制方法, 但其在消除干扰的同时容易损失图像细节信息, 影响后续图像解译。为此, 在SSC方法的基础上, 联合变化检测技术, 提出一种改进的SAR图像干扰抑制方法。根据改进的对数比变化检测算子, 所提方法实现了干扰二次检测, 消除了干扰图像中的虚警信息, 避免了图像中有用信号的损失。基于欧空局Sentinel-1A卫星干涉宽幅模式受干扰SAR图像, 开展了干扰抑制与效果评估。实验结果表明, 所提方法能够在有效抑制干扰的同时尽可能保留SAR图像细节信息, 证明了所提方法的有效性。     

时变海场景双基SAR回波实时模拟方法研究

基于时变海场景双站散射机理,结合双基合成孔径雷达(SAR,Synthetic Aperture Radar)成像几何模型,提出了一种时变海场景双基SAR射频回波信号实时模拟方法。针对时变海场景的复杂耦合散射,采用多径近似理论建立了双基SAR海面目标回波信号模型,提取了时变海面双基SAR系统响应函数,结合高性能计算技术、同步动态随机存取(SDRAM)技术以及全系统交换设计,实现了时变海场景双基SAR射频回波信号实时模拟,最后仿真测试结果验证了该方法的有效性。     

基于改进的深度学习网络的SAR图像瞬时海岸线自动提取算法

针对目前合成孔径雷达(synthetic aperture radar, SAR)在对大尺度瞬时海岸线提取方面的图像解译过程中, 仍然存在精度低与自动化水平差的问题, 提出一种基于深度学习网络的瞬时海岸线自动提取算法。首先, 将SAR图像进行Lee滤波增强来抑制相干斑。其次, 通过升级残差网络为主干网络，分4级提取海水目标的特征。然后, 将4级特征经过全局卷积网络、密集连接网络和解码器网络配合，充分提取目标的本质特征, 并通过上采样产生海水分割结果。最后, 利用Sobel算子分离出海岸线并和原SAR图像融合以便清晰查看结果。通过与全卷积网络与细化网络的海岸线提取实验结果进行对比, 证明所提算法对海岸线的提取更加准确, 能够减少虚警和漏警, 具有更好的性能。     

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。     

一种补偿因子区域不变的CS成像算法

为提高星载合成孔径雷达（SAR）成像的实时性,减小补偿因子的运算量,提出了一种补偿因子区域不变的Chirp Scaling（CS）成像算法. 这种改进的CS算法根据补偿因子的相位误差确定一个更新步长,在每个步长内更新一次补偿因子,即相邻单元内的数据与相同的补偿因子相乘. 利用这种改进的CS算法对点阵目标和实测目标进行了仿真验证,得到的SAR图像质量与传统CS算法的结果相差很小. 这种补偿因子区域不变的CS成像算法在满足精度的前提下使得补偿因子的运算量成倍减小,大大减小了实时成像的压力,能够有效降低星上实时处理系统的规模,从而降低系统功耗.      

3D光学图像可视化的教学研究

科学计算能实现光学图像的三维可视化,比较于二维图形更能给人直观和立体的感觉。重点介绍三维光学图像可视化实现的计算机实验,科学计算是光学教学必备手段和最佳有效方法,所以对光学图像进行三维可视化的教学研究,在具有革命性变化的人与计算机直接交流过程中,将极大程度地提高教学的工作效率;在正确理解光学原理及规律和计算机实验可以灵活设置可控参数的基础上,能激发学生探索和发现光学世界的奥秘,从而调动学生的学习积极性。     

快速加权核范数最小化的SAR图像去噪算法

提出快速加权核范数最小化(fast weighted nuclear norm minimization,FWNNM)的合成孔径雷达(synthetic aperture radar,SAR)图像去噪算法。首先采用对数变换将SAR图像的乘性噪声变换为加性噪声,然后利用非局部相似性对变换后的图像进行块匹配,随后根据低秩模型框架,用随机奇异值分解替换加权核范数最小化(weighted nuclear norm minimization,WNNM)算法中的奇异值分解进行低秩矩阵逼近,再采用梯度直方图保存的方法对图像进行纹理增强,最终实现了对SAR图像快速去噪。在MSTAR数据库上的实验结果表明,与已有方法相比,所提方法在SAR图像去噪和边缘保持方面是有效的,并且比WNNM去噪速度快3倍。     

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。     

基于高斯字典原子稀疏表示的高精度宽角SAR成像方法

为了提高从宽角合成孔径雷达(synthetic aperture radar, SAR)图像中提取目标后向散射各向异性特性的性能,在宽角SAR字典稀疏表示模型的基础上,提出一种基于高斯字典原子的高精度宽角SAR成像方法。在字典构造上,采用不同中心位置、相同方差的高斯函数。在求解稀疏表示系数上,采用广义最小最大凹惩罚稀疏重构算法求解。最后，根据稀疏表示系数的重构结果以及构造的字典得到目标的后向散射各向异性特性。通过仿真实验和Backhoe数据对算法进行验证,结果表明,该方法能够高精度地提取目标的后向散射各向异性特性。     

基于近似观测和最小熵约束的SAR稀疏自聚焦方法

当采样率较低以及重建散射点数量较多时, 基于两步优化的稀疏自聚焦方法收敛速度较慢且容易陷入误差较大的局部最优解, 导致自聚焦失败。针对此问题，提出了一种基于近似观测和最小熵约束的稀疏自聚焦方法。首先, 为解决测量矩阵规模大、内存占用高的问题, 构建了一种基于近似观测的稀疏自聚焦模型, 在聚焦图像的傅里叶变换域引入误差相位。然后, 在采用最大似然估计器估计误差相位时增加了最小熵约束, 同时采用相位梯度自聚焦法提供误差相位的初始解, 有效降低了迭代次数并使迭代结果更接近全局最优解。机载合成孔径雷达的实测数据成像结果表明, 与常规自聚焦方法相比, 所提方法具有更快的收敛速度和更稳定的自聚焦性能。