SAR场景图像中车辆目标的自动识别

提出一种在合成孔径雷达(synthetic aperture radar,SAR)场景图像中进行自动目标识别的方法,并针对识别流程中分类阶段对目标方位角敏感的问题,基于相关滤波器理论与核特征分析方法,提出一种对SAR目标方位角具有较强鲁棒性的非线性相关滤波器。该滤波器使用特征向量降低对训练图像的依赖性,并将特征空间进行非线性扩展,大大提高了目标的正确分类率,同时利用核函数避免了因为高维矢量而造成的计算问题。MSTAR实测SAR图像数据的实验结果表明,方法切实有效,所提出的滤波器对目标方位角失真具有较强的容忍性,不需要存储目标模板和估计目标方位角就能够实现高效率、高准确率的目标分类。     

高分辨率SAR图像车辆目标几何特征提取方法

几何特征是目标较直观的物理特征,在SAR图像目标鉴别和分类过程中具有重要的应用。针对高分辨率SAR图像车辆目标切片,构建其几何特征提取的流程。首先在区域分割环节实现车辆目标的二值化分割,而后利用二值化图像提取目标几何特征,其中分别基于最小外切矩形方法和Radon变换方法对车辆目标的长宽尺寸进行估计。采用MSTAR的实测车辆目标数据检验了上述几何特征提取算法和几何特征的鉴别性能。     

基于法向前边界响应的SAR目标方位角估计

为了提高合成孔径雷达(synthetic aperture radar, SAR)自动目标识别系统的性能,提出了一种新的SAR目标方位角估计方法。利用简单的自适应阈值处理提取目标区强散射点,通过对强散射点在不同方向上投影分布的分析,定义法向前边界响应强度作为方位角估计的依据,最后对个别不可信结果进行90°校正。在运动和静止目标获取与识别（moving and stationary target acquisition and recognition, MSTAR）公开数据集上进行了实验,采用该方法99%的样本估计误差小于10°。实验结果表明,该方法可以达到与主导边界拟合法相当的最优性能,而且处理流程简单,计算效率更高。     

散射中心特征序贯匹配的SAR图像目标识别方法

在合成孔径雷达（synthetic aperture radar, SAR）图像目标识别领域,提取目标区分性强的识别特征一直是研究热点之一。设计了一种SAR图像目标识别的算法,利用目标散射中心点集特征和属性散射中心特征分量估计值序贯匹配识别车辆目标。实测数据的实验证实了算法在目标方位角变化情况下和俯仰角变化情况下,车辆目标的识别都有较好的表现。     

二元收缩方程与复数小波用于SAR影像去噪

二元收缩方程定义了由相邻尺度小波系数的联合概率密度函数,其与噪声模型联立后利用最大后验概率估计可进行图像去噪。在SAR图像斑点噪声服从瑞利分布的假设下,结合双树复数小波变换推导了基于二元收缩方程的SAR图像的简化去噪模型,然后利用局部方差估计和维纳滤波器获得噪声方差与带噪小波系数方差的估计值,并计算出合适阈值对SAR图像进行去噪。实验结果显示,去噪图像的峰值信噪比以及有效视数都较其它算法有大幅提高,且很好地保持了图像的边缘特征。     

多视角SAR图像的静态建模与显示仿真

针对SAR图像对于目标姿态角的高度敏感性问题,提出一种多视角SAR图像的静态建模方法,该方法将来自多个视角的图像集成到一个综合的数据结构中,并且进行重新排列组织,使该数据结构与目标散射中心有关而与角度无关。探讨了这种静态建模方法的原理、建模过程,分析了静态模型在SAR图像显示方面的优势。与传统的角度图像集合相比,这种建模方法在显示和分类方面都有其优越性。     

基于SAR仿真图像的地面车辆非同源目标识别

充分的合成孔径雷达(synthetic aperture radar, SAR)模板数据是目标识别算法(尤其是基于深度学习的智能目标识别算法)获得优异识别性能的关键, 基于实际测量获取充分SAR数据是不现实的, 基于电磁散射建模的SAR仿真成为当前获取充分样本的一种有效途径。SAR仿真图像与实测图像为非同源数据, 由于SAR仿真的目标几何模型与实物之间差异、SAR仿真过程中的传感器模型与实际传感器性能之间差异、实物所处的背景环境与SAR仿真的环境之间差异、电磁建模方法本身误差等因素导致SAR仿真图像与实测图像存在差异, 会影响识别性能。针对这一问题, 首先采用一种基于高频渐近技术和离散射线追踪技术的SAR仿真方法获取地面车辆目标的SAR仿真图像, 再利用卷积神经网络方法、线性/非线性特征变换方法实现对MSTAR实测数据的非同源SAR目标识别性能对比分析。实验结果表明, 直接使用SAR仿真数据无法实现对实测SAR数据有效识别, 而线性/非线性特征变换可以改善非同源SAR目标识别性能, 一定程度上缓解由于SAR仿真数据与实测数据存在差异导致的识别性能差的问题。     

SAR图像中内波参数提取方法研究

海洋内波在星载SAR图像上表现为明显的亮、暗带 ,通过SAR图像分析可以提取其波长和传播方向参数。小波分析在频域和空域具有局部细化特性 ,在内波信号分析有很大的优势。在预处理阶段 ,二维小波分析软阈值方法可对图像进行噪声滤除。小波变换能量分布法与小波变换极大模值法估计内波波长各有特点 ,小波变换极大模值法估计波长精度较高。选用小波变换极大模值法对SAR图像剖视图进行分析 ,估计内波波长 ,并利用Radon变换方法检测内波的方向 ,取得了良好的结果     

单天线SAR动目标的检测和聚焦

单天线SAR运动目标检测系统具有结构简单、算法容易实现等特点,它的运动目标检测性能的完善很有应用意义.首先建立了运动目标SAR回波模型,结合单天线SAR运动目标检测系统,提出了一种基于频域对称扰动的能够对具有方位向速度的运动目标检测的新方法,在详细分析运动目标散焦程度和方位向速度关系的基础上,给出了检测原理以及实现检测的方法.对检测到运动目标的距离门单元,提出了用基于图像域的偏移自聚焦算法估计动目标的调频率,进而完成运动目标在SAR图像上的聚焦成像.并用计算机仿真结果和实测数据验证了算法的有效性.     

基于Keystone变换的地面运动目标检测研究

合成孔径雷达 (SAR)在检测地面运动目标中所面临的难题之一是距离和速度的耦合导致了地面运动目标在SAR图像中模糊、错位、甚至消失。分析了Keystone变换的原理 ,提出了Keystone变换在一般正侧式SAR系统具体实现的方法与步骤 ,分析了Keystone方法对不同运动类型目标成像效果的修正作用。最后通过仿真证明了实现方法和分析结果的正确性。     

基于频谱旋转ωk算法的大斜视SAR地面动目标成像

针对大斜视条件下合成孔径雷达(synthetic aperture radar, SAR)地面运动目标成像存在的聚焦困难、几何形变严重、十字旁瓣大等问题, 提出一种基于频谱旋转ωk算法的大斜视SAR动目标成像算法。首先, 在推导具有精确斜距表达式的斜视动目标回波信号模型的基础上, 获得了初步成像结果并提取动目标的感兴趣区域(region of interest, ROI)数据。然后, 构造相位补偿函数并利用最小熵算法完成动目标参数估计, 再根据估计的参数对ROI数据进行相位补偿, 获得聚焦的动目标图像。进一步利用频谱旋转消除了几何形变, 利用稀疏增强方法减小了动目标旁瓣, 最终得到聚焦、无几何形变、低旁瓣的动目标图像。仿真实验验证了所提算法的有效性。     

三通道SAR-GMTI地面快速目标检测

地面运动目标速度较大时,会产生距离徙动,在图像域出现严重散焦,不易检测;同时存在PRF模糊现象,其多普勒频谱会发生折叠,不易正确定位。针对上述问题,提出了基于机载三通道SAR-GMTI的地面快速目标检测、定位与成像方法。首先,在距离压缩后的数据域进行相位中心偏置天线(displaced phase center anten-na,DPCA)杂波抑制,组合运用Canny算子、Ratio算子和Hough变换提取快速目标运动轨迹。然后,采用基于解PRF后的二阶Keystone变换方法完成目标的成像、检测及运动参数估计。最后,将快速目标融合到标有慢速运动目标的清晰SAR图像中。外场实测结果验证了该方法的有效性和准确性。     

Head pose estimation method based on pose manifold and tensor decomposition

Pose manifold and tensor decomposition are used to represent the nonlinear changes of multi-view faces for pose estimation, which cannot be well handled by principal component analysis or multilinear analysis methods. A pose manifold generation method is introduced to describe the nonlinearity in pose subspace. And a nonlinear kernel based method is used to build a smooth mapping from the low dimensional pose subspace to the high dimensional face image space. Then the tensor decomposition is applied to the nonlinear mapping coefficients to build an accurate multi-pose face model for pose estimation. More importantly, this paper gives a proper distance measurement on the pose manifold space for the nonlinear mapping and pose estimation. Experiments on the identity unseen face images show that the proposed method increases pose estimation rates by 13.8%and 10.9% against principal component analysis and multilinear analysis based methods respectively. Thus, the proposed method can be used to estimate a wide range of head poses.     

一种基于Weibull分布的SAR图像分割方法

分析了合成孔径雷达(SAR)图像的统计分布特性,推导了SAR目标及阴影的分割阈值与虚警概率之间的关系,给出了一种基于Weibull分布的SAR图像目标及目标阴影的分割方法,首先根据推导出的分割阈值公式对SAR目标图像及阴影图像进行粗分割,然后利用形态学滤波和计数滤波器进行细分割。基于MSTARSAR实测数据进行的大量实验表明,该方法是有效的,优于传统的双参数恒虚警分割方法。     

基于非凸加权范数约束的SAR图像降斑

结合相似图像块具有低秩的特性提出了一种非凸加权范数约束(non-convex weighted norm constrain, NWNC)的合成孔径雷达(synthetic aperture radar, SAR)图像降斑方法。首先对每个目标块寻找相似图像块构建相似图像块集合;然后对相似图像块集合的系数矩阵进行NWNC;再利用广义阈值收缩法估计系数矩阵;最后对系数矩阵进行反变换重构出降斑图像。实验结果表明,该方法不仅有效地解决了传统低秩核范数约束不足的问题,而且通过NWNC和广义阈值收缩估计系数使得系数估计更加精确,表现在抑制斑点噪声的同时可以很好地保护图像的纹理细节。     

虚拟孔径扩展的机载多通道雷达动目标检测

针对机载多通道合成孔径雷达(synthetic aperture radar, SAR)在方位孔径受限下地面慢速扩展目标检测性能下降的问题,提出了基于张量积的慢速扩展目标检测和径向速度估计方法。该方法首先在SAR图像域对多通道数据进行张量积操作;然后对扩展目标分布区域的张量数据利用修正的信号拟合方法(tensor product modified signal fitting, TP MSF)检测慢速运动目标,并估计目标径向速度,能有效避免天线方位孔径较小情况下传统自适应匹配滤波方法检测性能下降问题。仿真结果表明,该方法能显著提高低速区的动目标检测概率,同时具有径向速度估计精度高的特点。     

基于目标轮廓特征的SAR图像目标识别

提出了一种基于目标轮廓特征的合成孔径雷达目标识别(SAR ATR)方法,该方法充分利用目标的局部空间结构信息进行识别。利用基于马尔可夫随机场(MRF)的图像分割及形态学处理提取SAR图像目标轮廓,在此基础上使用傅里叶描述子作为目标轮廓的特征量,选择最近邻准则下的模板匹配方法构造分类器,实现了基于轮廓特征的SAR图像目标识别。实验结果表明,本文方法具有优良的识别性能。     

一种SAR图像目标识别方法

提出了一种新的合成孔径雷达 (SAR)图像目标检测和识别方法 ,该方法根据SAR图像统计分布特性 ,结合恒虚警检测算法和小波变换提取感兴趣的SAR图像目标特征 ,检测得到目标 ,采用马氏距离从杂波背景中识别该目标。实际SAR图像测试结果表明了该方法的有效性