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。     

基于知识的SAR图像目标检测

提出了一种基于知识的SAR图像目标检测算法。针对军用车辆,利用各种先验知识,以地形类型信息、距边界的距离信息、目标聚集程度为影响目标出现概率的因素,通过分类获得SAR图像的地形及边缘信息,得到影响因子,并综合地形信息使用MAP准则,从而获得目标检测的结果。使用真实SAR图像进行了测试,结果表明,与CFAR检测算法相比,该算法有效地提高了目标的检测率,虚警目标数目明显减少。     

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     

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。     

基于KFD+ICA特征提取的SAR图像目标识别

提出了一种用基于核函数的Fisher判别分析(kernel based Fisher discriminant analysis,KFD)和独立分量分析(independent component analysis,ICA)特征提取的合成孔径雷达(synthetic aperture radar,SAR)图像目标识别方法。用基于核函数的Fisher判别分析提取SAR图像样本在高维特征空间中的最佳分类向量,对最佳分类向量做独立分量分析,得到表征图像样本的特征向量,用支持向量机(support vector machine,SVM)对提取得到的特征向量分类完成目标识别。对MSTAR数据库中三类军事目标用该方法进行特征提取和识别实验,识别率为96.92%。结果表明,KFD ICA特征提取方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率。     

识别SAR图像中车辆和车辆群目标的综合方法

提出了一种对SAR(syntheticapertureradar)图像中的车辆和车辆群目标进行识别的综合方法。它利用SAR图像所具有的统计特性、CFAR检测和数学形态学方法相结合对SAR图像进行预处理和目标分割。找到了一组能够正确表示SAR图像中车辆和车辆群目标的单体不变特征和组合不变特征,给出了相应的目标分类和识别算法、参数选择方法及优化参数。实验证明该方法具有良好的识别效果。     

基于多尺度特征的高分辨率SAR图像机动目标识别

针对客观世界本身的多尺度特性及多尺度分析方法的有效性,提出了能够体现目标宏观和微观固有多尺度信息的SAR图像目标识别方法。该方法通过引入目标先验信息分割出反映目标形状的区域;并根据SAR图像目标对Gabor滤波器组的不同响应,利用多尺度信息及尺度间的相依性提取新的多尺度特征;最后按照方位信息建立多尺度特征库用以指导目标识别。通过MSTAR的实测SAR目标数据集进行了多尺度特征建立和目标识别测试,试验结果表明了该方法的有效性。     

基于Gamma分布的优化SAR目标检测

在Gamma分布条件下,研究了SAR目标检测,得到了阈值系数与恒虚警关系,提出了阈值选择理论及其简单实现方法,优化了杂波均值估计并给出了其无偏鲁棒算法,这样在目标检测中不经过噪声抑制过程但具有抗噪能力,并且参数估计没有偏差。实际SAR数据测试结果表明该方法的检测效果优于双参数恒虚警算法。     

基于主元分析和稀疏表示的SAR图像目标识别

现有的合成孔径雷达图像目标识别方法通常包括图像预处理、特征提取和识别算法3部分。但是,预处理算法的自适应性很难得到保证。提出了一种基于主元分析和稀疏表示的目标识别算法。首先,阐述了稀疏表示和重构的基本理论;其次,提出了基于主元分析和稀疏表示的合成孔径雷达图像目标识别算法;最后,选取MSTAR数据库中的5类合成孔径雷达目标图像进行仿真。结果表明,在没有预处理的情况下,该算法仍能有效地识别目标,与主元分析和三阶近邻的识别算法相比,具有较高的识别率和鲁棒性。     

SAR图像中桥梁的识别方法研究

提出了一种能够从复杂背景的SAR图像中识别出桥梁的方法。该方法首先对SAR图像进行预处理,增强了下一步对目标的识别效果,然后在此基础上针对桥梁的特点,顺序进行方向比值和双边参数的处理,即可得到良好的识别效果。     

高分辨率SAR图像中车辆群目标检测的研究

研究了对SAR图像中车辆群目标的检测问题。采用统计检测的方法进行了理论分析,得到了3种检测算法的参数估计及检测门限的计算公式,提出了一种改进的综合目标检测算法。检测结果表明,采用常规双参数CFAR检测算法和单视标准CFAR检测算法存在较多的虚警,而采用改进的综合目标检测算法,检出目标准确,目标细节清晰,虚警很少,具有优良的检测性能。同时给出了该算法的滤波算子构造方法、参数选取方法及最佳参数。     

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     

抑制SAR图像相干斑噪声方法研究

探讨了抑制合成孔径雷达 (SAR)图像相干斑噪声的方法。传统噪声抑制和近年来小波变换去噪方法都有其不足之处。将小波变换和维纳滤波结合用于抑制SAR图像相干斑噪声 ,能够获得良好效果。通过比较观察在多个小波基情况下的噪声抑制结果 ,可以选择较好小波基 ,从而有较好的相干斑噪声抑制和保留图像边缘与点目标的滤波效果。     

基于改进相关邻域模型的SAR图像RCS重构

提出了一种基于改进相关邻域模型的SAR图像RCS重构滤波器,特别对高分辨率的SAR图像具有很好的去斑效果。本算法虽然是一种RCS重构算法,但是通过采用非线性积累的方法,可明确地把图像划分为阴影、背景和目标区,直接达到SAR图像目标检测的结果。本算法在平滑图像的同时,克服了多视平滑降低图像分辨率的固有缺陷,并且能较好地保持图像的边缘信息,能极大地提高后续SAR图像解释的效率。     

正交小波基在SAR的多普勒参数求取中的应用

在合成孔径雷达技术中 ,对于多普勒参数的估计 ,即多普勒质心 fdc 和多普勒频率变化率fdr 的估计是非常重要的。提出了一种采用频谱支集紧小波基的计算信号瞬时参数的快速局部算法 ,且这种方法有良好的抗噪能力 ,在求取多普勒质心和多普勒频率变化率中取得了较为满意的效果。     

CTZ在聚束SAR极坐标格式成像算法中的应用

在高分辨率机载聚束模式合成孔径雷达SpotlightSAR(syntheticapertureradar)的成像算法中 ,极坐标格式成像算法是目前应用最广的一种 ,但由于这种算法需要在空间频率域进行从极坐标分布到直角坐标的二维插值过程 ,因此计算量很大。对如何将CZT(ChirpZ变换 )用于该算法进行了详细研究。应用CZT的好处是在方位向的处理上可以减少很多计算量。在给出了具体的实现过程和计算量分析的同时 ,利用E SAR实际数据对所述方法进行了验证 ,其结果对具体的SAR处理机设计具有一定的参考价值。     

UWB-SAR图像中二面角目标的检测

目标的散射特性常依赖于雷达和目标间的姿态角,该依赖性在大积累角的UWB-SAR(UltraWide-BandSAR)中尤为明显,但是经过成像处理,这种关系在图像中被掩盖了。通过分析SAR图像的频谱特点,提出一种方向滤波与双参数恒虚警检测相结合的方法,利用目标响应的方向性检测大处理角UWB-SAR图像中的目标点。对仿真数据处理的结果表明,该方法具有结构简单、性能优良稳定等优点。     

基于正则变换的雷达目标成像识别

本文提出一种基于正则变换的雷达目标成像识别方法。该方法首先将各个训练目标在不同方位角时的距离剖面像构成综合矩阵,并对之作正则变换建立正则子空间;然后将每类目标各方位的像向该子空间投影形成子像,并以其平均结果作为库目标的特征矢量。对未知目标,以其子像对库目标特征矢量的欧氏距离最小为分类准则,进行了识别模拟实验。