全极化合成孔径雷达地势高度信息检测技术

从全极化合成孔径雷达(SAR)图像数据中,可提取方位向的地势倾斜度信息,形成极化SAR三维成像.重点研究了极化合成孔径雷达三维成像算法;提出了由Stokes矢量推导的极化椭圆方向角解模糊算法;讨论了目标极化散射特性对提取地势高度信息的影响以及处理方法;并利用真实的极化SAR图像数据得到了极化三维成像结果.     

基于超分辨极化SAR图像的舰船检测算法

极化合成孔径雷达(synthetic aperture radar, SAR)图像超分辨处理具有聚集目标能量,提高图像分辨率,抑制相干斑噪声的能力。扩展了多通道幅度和相位估计(amplitude and phase estimation, APES)谱估计算法,并以此实现了极化SAR图像的超分辨处理。运用基于K分布的单极化检测器和基于SPAN、PWF的全极化检测器对实测SAR图像进行了舰船检测。通过分析超分辨极化SAR图像杂波统计分布、弱小目标检测性能、目标区域区分精度、目标轮廓及拓扑结构提取效果等,验证了基于多通道APES谱估计的超分辨极化SAR图像的舰船检测性能。     

基于C均值分类的极化SAR图像白化斑点滤波方法

极化合成孔径雷达SAR图像相干斑抑制基本原理是依据各通道间的极化信息差异。提出在各极化通道上分别进行非监督C均值分类,在标号图像中对各区域的水平通道平均散射强度、交叉极化通道与同通道强度比以及同极化通道间的相关系数等参数进行估计,将估计值应用到极化白化滤波器(PWF)中,从而得到改进的PWF滤波输出。经真实极化SAR图像检验,表明该方法能够提高传统PWF滤波器在均匀区域对相干斑的抑制能力。     

基于多纹理的合成孔径雷达图像相干斑抑制

相干斑抑制是合成孔径雷达 (syntheticapertureradar,SAR)图像后处理的首要问题。在多纹理假设下 ,采用最大似然方法来同时估计多个极化通道纹理参数。该方法保存了极化信息 ,消除了极化通道间的耦合 ,取得了较好的相干斑抑制效果 ;并与极化白化滤波 (polarimetricwhiteningfilter,PWF)和Lee的最优权值算法作了比较     

基于极化状态提取的极化SAR图像变化检测算法

极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)图像中同一目标在不同时相下的散射特性会因数据采集条件的变化而发生变化,从而影响变化检测结果的正确性。针对这一问题,提出了一种基于极化状态提取的极化SAR图像变化检测算法。首先利用不变样本目标提取图像的最优极化状态,并将此极化状态下的接收功率比值作为变化检测特征量,最后利用双阈值判别方法提取变化区域实现变化检测。利用美国UAVSAR系统采集的全极化SAR实测数据进行实验,结果表明,本文算法能有效检测出地物的变化情况,且检测虚警少、轮廓清晰。     

全极化沿航向干涉SAR系统参数优化设计

为最大化全极化沿航向干涉合成孔径雷达(synthetic aperture radar, SAR)系统相对于单极化沿航向干涉SAR系统的运动目标检测优势,建立了一种以可测速区间长度之比为目标函数的优化模型,提出了相应的最优解求解方法。仿真实验结果表明,与模型最优解对应的参数设置充分利用了雷达系统的极化信息,最大化了全极化干涉系统在运动目标检测方面的优势。     

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     

极化SAR图像中的弱小舰船目标检测

结合最新的子空间数据分析方法--非负矩阵分解(nonnegative matrix factorization, NMF),对极化合成孔径雷达(synthetic aperture radar, SAR)图像中的弱小舰船目标提出一种全新的有效检测方法。该方法利用极化协方差矩阵分解,得到包含极化图像能量的特征值组,组成满足NMF要求的非负矩阵;然后采用稀疏限制的NMF来提取其中的主要特征,以此将舰船目标检测出来。采用国内全极化和双极化实测海洋数据进行实验,验证了本文方法的有效性。     

校正法拉第旋转影响的极化SAR图像定标算法

提出了一种改进的极化定标算法,应用于受法拉第旋转影响的极化SAR图像定标.假设系统具有良好的极化隔离度,即极化通道间串扰可忽略,将三角反射器作为点目标定标体,利用各通道测量值与定标体的理想散射矩阵元素间的关系,依次对通道不平衡度、法拉第旋转和绝对幅度增益进行校正.给出了算法步骤,实验的数值结果和点目标的极化特征图都验证了定标算法的有效性.     

一种联合极化的距离瞬时多普勒ISAR成像方法

在传统的逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像中,基于Clean技术的距离瞬时多普勒ISAR成像能够有效地提取散射点中心,因此得到了广泛应用。相比于传统ISAR,极化逆合成孔径雷达(polarimetric inverse synthetic aperture radar, Pol ISAR)能够提供更丰富的信息。本文研究了一种联合极化的距离瞬时多普勒ISAR成像技术,该方法能够对多个极化通道进行联合距离瞬时多普勒成像处理,更准确地提取强散射点信息,减少目标数据量,使各极化通道信息得到有效的融合,同时也能进一步减弱噪声的影响,避免大量虚假点的产生。仿真数据验证了本文方法的有效性。     

基于相似度网络融合的极化SAR图像地物分类

从极化合成孔径雷达(synthetic aperture radar, SAR)图像中提取多种特征向量堆叠成一个高维特征向量用于地物分类,将导致部分特征向量的分类能力减弱或丧失。针对此问题,将每种特征向量看作为不同视角数据,提出了一种基于一致相似度网络融合的极化SAR图像非监督地物分类方法。首先,将极化SAR图像进行过分割,基于超像素提取5种特征向量以构建5个相似度矩阵;其次,采用一致相似度网络融合多视学习算法生成融合的相似度矩阵;然后,基于该矩阵进行谱聚类;最后,提出一种分类后处理策略修正错分像素。仿真和实测极化SAR图像地物分类结果表明,该方法性能优于其他5种经典方法。     

Polarimetric whitening filter for POLSAR image based on subspace decomposition

Speckle filtering is an indispensable pre-processing step for applications of polarimetric synthetic aperture radar （POLSAR）, such as terrain classification, target detection, etc. As one of the most typical methods, the polarimetric whitening filter （PWF） can be used to produce a minimum-speckle image by combining the complex elements of the scattering matrix, but polarimetric information is lost after the filtering process. A polarimetric filter based on subspaze decomposition which was proposed by Cu et al specializes in retrieving principle scattering characteristics, but the corresponding mean value of an image after filtering is not kept well. A new filter is proposed for improving the disadvantage based on subspace decomposition. Under the constraint that a weighted combination of the polarimetric SAR images equals to the output of the PWF, the Euclidean distance between an unfiltered parameter vector and a signal space vector is minimized so that noises can be reduced. It is also shown that the proposed method is equivalent to the subspace filter in the case of no constraint. Experimental results with the NASA/JPL airborne polarimetric SAR data demonstrate the effectiveness of the proposed method.     

原始数据压缩对全极化SAR极化信息的影响

合成孔径雷达(synthetic aperture radar,SAR)原始数据压缩能有效降低星上下传数据率,但同时也引入压缩误差,对全极化SAR而言将造成极化信息的失真。利用仿真数据,在不同信杂比下,研究当前普遍使用的4 bit量化、8∶3分块自适应量化(block adaptive quantization,BAQ)和8∶4 BAQ 3种压缩方法引入的极化失真。仿真结果表明,数据压缩对图像残余通道不平衡的影响较小,一定条件下可忽略,对图像残余串扰的影响,只有在信杂比远高于40dB的条件下才表现出来,其他情况下将淹没于背景杂波中,这为全极化SAR数据压缩方法的选择提供了参考。     

基于h/q分解和贝叶斯迭代分类的跑道检测算法

提出一种无监督分类的机场跑道检测方法。首先利用h/q分解对原图像中所有像素点进行粗分类,建立初始样本模板;利用初始样本模板对原图像进行贝叶斯迭代分类,得到分类图;结合跑道的极化散射特性、弱回波特性及形态学处理方法,从分类图中提取出疑似跑道区域;最终应用跑道的结构特征进一步辨识疑似跑道区域,检测出真实机场跑道目标。通过美国UAVSAR系统采集的多组全极化合成孔径雷达(synthetic aperture radar,SAR)实测数据验证本文算法的有效性,实验结果说明,所提算法能有效、正确地检测出复杂场景下极化SAR图像中的机场跑道区域,且结构完整清晰,虚警率低。     

原始数据压缩对简缩极化SAR极化信息的影响

简缩极化(compact polarimetric,CP)合成孔径雷达(synthetic aperture radar,SAR)是近年发展起来的一种特殊极化SAR,为了降低原始数据率,需要进行数据压缩,压缩误差将影响数据的极化信息。利用仿真数据,在不同信杂比下研究了当前普遍使用的4 bit截取、83分块自适应量化(block adaptive quantization,BAQ)和84 BAQ3种压缩方法引入的极化失真,并比较了简缩极化SAR不同工作模式对压缩噪声的敏感性。定义了一个指标以评价简缩极化SAR数据的极化精度。仿真结果表明,在信杂比远高于40 dB时84 BAQ性能最佳,83 BAQ性能最差,其他信杂比下3种压缩方法性能趋于一致,而π/4模式对压缩噪声的敏感性最强。     

综合多特征的高分辨率极化SAR图像分割

针对高空间分辨率全极化数据的特点,基于分形网络演化分割算法框架,本文提出了一种综合K分布统计特征、Pauli分解特征和空间形状特征的高分辨率全极化SAR图像分割方法。该方法采用对数似然函数定义K分布统计特征异质度,对Pauli分解特征加权定义极化分解特征异质度。在此基础上,综合统计、极化分解和形状特征构建对象相似性准则,建立高分辨率全极化SAR图像多特征综合分割流程。通过模拟数据和ESAR全极化数据实验并与其他分割方法比较,验证了本文分割方法的有效性。