基于干涉极化SAR数据的森林树高反演

将C1oude极化干涉散射模型和ESPRIT算法结合来降低森林参数反演的运算量.利用ESPRIT算法对Cloude模型中的散射相位中心进行估计,再将估计得到的散射相位中心代入Cloude模型,从而得到树木高度等参数.采用中国天山地区SIR-C/X-SAR L波段全极化干涉数据对森林地区植被树高进行了反演实验.实验表明,与直接采用Cloude的极化干涉模型进行反演相比,在反演精度不变的情况下,运算时间仅是单独使用Cloude模型的1%～2%.     

基于极化干涉SAR数据的树高反演方法

为了利用极化干涉合成孔径雷达(SAR)实现精确、快速的树高反演,该文改进了基于极化干涉模型的传统线性度计算公式,提出了树高反演置信度。对置信度高的散射单元,用各极化方式下复相干点拟合得到的直线结合ESPR IT算法快速确定体散射复相干的位置,查表得到树高;对置信度低的散射单元直接用ESPR IT算法近似树高。实验结果表明,与传统方法相比,改进的线性度模型效果更好;体散射复相干估计结果符合极化干涉模型;用置信度指导树高反演,运行时间约为全部利用极化干涉模型反演的25%。     

基于极化SAR干涉反演DEM的方法

为了将极化信息有效的和干涉信息融合,提高数字高程模型(DEM)反演的精度,提出一种基于相似性参数的相干增强方法,基于加权中值滤波的相位滤波器以及基于加权的枝切法的相位解缠方法。该文从理论上分析了该方法和传统方法的性能。实验结果表明:与传统方法相比,该方法可以充分利用极化信息,有效地增强相干性,并将相位的质量提高7%,有效地抑制了噪声,将残余点数减少了95%以上,并快速精确地得到了三维地形图。     

基于极化SAR干涉反演DEM的方法

为了将极化信息有效的和干涉信息融合,提高数字高程模型(DEM)反演的精度,提出了基于相似性参数的相干增强方法,基于加权中值滤波的相位滤波器以及基于加权的枝切法的相位解缠方法。该文从理论上分析了该方法和传统方法的性能。实验结果表明:与传统方法相比,该方法可以充分利用极化信息,有效地增强相干性,并将相位的质量提高7%,有效地抑制了噪声,将残余点数减少了95%以上,并快速精确地得到了三维地形图。     

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。     

基于Poisson重建的极化SAR图像对比增强

为了能够同时增强多类目标,提出一种基于Poisson重建的极化合成孔径雷达(SAR)图像对比增强方法.该方法对多类目标和对应的背景杂波分别进行广义相对最优极化增强(GOPCE), 并得到相应的最优极化状态和特征系数;以此定义图像中各像素点的最优局部梯度,并在最小二乘准则下,根据局部梯度建立离散Poisson方程;通过快速Fourier变换求解该Poisson方程,得到最终的多目标增强图像.实验结果表明: 利用极化SAR数据,使用该方法增强后的图像的直方图保持应有的峰值,且更加均衡,能够达到增强多类目标的效果,从而有利于目标检测等后续处理.     

基于卫星红外遥感的云顶高度反演算法综述

针对近年来利用卫星可见和红外波段遥感数据反演云顶高度的算法,对国内外研究进展和存在的问题进行综述。首先,主要介绍以红外窗区和CO_2吸收技术为主的红外波段反演算法;在此基础上,进一步介绍目前相关国家和地区的业务算法,对这些方法在实际应用中的优缺点予以评述,提出针对中国地区云顶高度反演的解决方案。将来,有发展前途的方法为基于红外分裂窗的查算表法,利用静止卫星的分裂窗数据及极轨卫星云廓线雷达数据,建立基于分裂窗亮温差和11μm通道亮温的云顶高度查算表,根据分裂窗亮温差和11μm亮温查表得到云顶高度。     

星载FPI干涉条纹的细化和反演算法

中国科学院空间中心自行设计搭建了带有大口径望远镜的星载FPI原理样机获取了干涉条纹图像。条纹图像滤波和分割自动化处理已经完成。条纹图像的细化对反演计算中高层大气风场信息的精度至关重要。深入探讨细化概念和细化算法,进行细化条纹滤波修整。采用VC++进行实现,应用效果明显,得到验证。最后,依据原理样机实际情况,探讨中高层大气风速的反演算法,说明其可行性。     

基于极化SAR的城市建筑物提取

城市建筑物信息与人类的生存息息相关,建筑物信息的提取在很多社会领域和科学领域都有着非常重要的意义。全极化SAR影像比单极化SAR影像所包含的信息量丰富的多,为了保证建筑物提取精度,本文利用全极化SAR影像提取城市建筑物信息。将经典的H/α/A-Wishart分类方法引入建筑物提取的研究中,不仅快捷简便,且能保证提取精度。选择一景极化SAR影像进行实验,由于实验数据自身的质量以及研究区域建筑物分布问题都对建筑物提取造成困难,尽管如此,利用该方法仍然保证了一定的建筑物提取精度。     

极化干涉合成孔径雷达技术发展与应用

极化干涉SAR技术是近年SAR遥感领域内的研究热点.本文首先概述了极化干涉SAR技术基本理论,并总结了目前极化干涉SAR技术的应用现状;然后在详细介绍国外ALOS-PALSAR、TerraSAR-X和RADARSAT-2三个典型星载极化SAR系统的基础上,分析了极化干涉SAR技术的应用前景.     

相位误差对InSAR相对测高精度影响

为研究InSAR系统相对测高精度的变化规律,从InSAR系统高程测量的原理出发,给出了相位误差对相对测高精度影响的分析方法,并详细分析了信噪比、体散射、时间去相干等非理想因素对相位误差的影响.对不同波段星载InSAR系统,采用该方法进行了相对测高精度随下视角变化的理论分析,得出在短波长固定基线条件下存在使相对测高精度最优的下视角,并通过计算仿真验证了该最优下视角的存在.该方法和结论有助于星载InSAR系统的参数设计和性能分析.     

基于SAR测量的改进型VIE降雨反演算法

提出一种新型降雨反演算法,该算法是对沃尔塔积分方程（Volterra integral equation,VIE）降雨反演算法的改进.首先,对雷达接收到的回波数据进行预处理,得到降雨起点和降雨宽度等信息;然后,仅利用沃尔塔积分反演算法处理少量特定区域,通过深度挖掘数据变化的规律来分析得出降雨分布的类型和降雨速率;最后,根据通常研究对象的分布对称性,结合已经获得的信息反演得到整个区域的降雨分布情况.通过仿真结果可知,该算法高效、计算速度快,并且具有较高的精度.     

基于模型微调与AM Softmax的极化SAR图像分类

针对极化SAR图像分类中卷积神经网络（CNN）方法训练时间长、收敛速度慢,原始Softmax函数无法对极化SAR图像的类内差异有效应对的问题,提出一种基于模型微调与加性边际Softmax（AM-Softmax）的极化SAR图像分类方法。该方法通过预训练网络的整体微调,来改进CNN模型的效率和分类准确率,然后以AM-Softmax替代Softmax,以解决SAR图像中类内变化较大的问题,进一步提升分类精度。实验表明该方法具有快收敛的优势并且能够较好解决极化SAR图像类内差异较大的问题,模型的分类总体精度达到96%以上。     

基于能量谱函数相关系数的极化SAR数据滤波方法研究

有效的极化SAR相干斑滤波器需要在抑制噪声的同时避免图像细节信息的模糊。然而固定大小窗口的滤波器很难做到两方面都好的效果。由于极化总功率(Span)图像可以有效地反映地物极化散射特征的变化,提出根据Span图像局部能量谱函数的相关系数值自适应地选择窗口大小,能够在均质地区选择较大窗口而在异质地区选择较小窗口,再利用方向窗选择像素进行最小均方误差(MMSE)滤波。实验结果表明,该方法能在滤除噪声的同时,有效地保持对地物细节的分辨能力,为极化SAR数据的后期处理和应用打下基础。     

基于运动模式识别的高程估计算法研究

在室内行人定位系统中,行人的高程定位精度关系到整个定位系统的可靠性。本文提出一种基于腰间传感器的室内行人高程估计算法。首先利用支持向量机识别行人上楼下楼动作,针对行人的运动状态采用自适应的高程估计算法。针对气压计测量值易受环境影响的问题,采用了基于EKF融合气压和加速度的高度估计算法,提高了高度估计算法的稳定性。经实验验证,当室内人员进行平地走、上楼等一连串动作后,基于差分气压测高法计算的高度误差为9.92%,基于加速度估计的行人高度误差为9.52%,EKF融合后定位误差下降到2.32%,提高了高程估计的精度。     

基于Occam反演算法的微地震速度模型反演

为了能够对微地震震源进行精确定位, 需要已知压裂井和监测井所在工区内准确的地层速度模型。针对这一问题, 在采用Occam反演算法的基础上, 提出一种利用初至波的走时差信息代替旅行时进行速度模型反演的方法。利用该方法, 可以在无须已知射孔起始时间的情况下反演得到地层速度模型。通过模型数据的处理以及对结果的分析, 表明虽然受到初至到时拾取误差的影响, 采用上述方法反演得到的速度模型会存在一定的误差, 但利用该模型可以将射孔位置定位到其真实位置附近, 表明该速度模型可用于进行微地震震源定位。     

超宽带SAR成像的快速BP算法

在后向投影（BP）算法的基础上,提出了一种快速后向投影（FBP）算法。以点目标和多点目标为例,将该算法应用于超宽带合成孔径雷达成像并与原始（BP）成像算法进行比较,仿真结果证明了该算法的快速性和有效性。     

一种基于Pauli分解和SVM的全极化SAR监督分类算法

全极化SAR影像准确分类的一个重要前提是充分提取反映地物实际物理性质的特征。然而现有的全极化SAR特征提取算法和分类算法众多,却均存在各种各样的问题。无论极化特征提取方法还是分类算法,都会影响最终的分类精度。针对此问题,在多次实验的基础上,提出一种综合Pauli极化特征分解和SVM的分类策略,简称为Pauli-SVM算法。首先通过经典的Pauli分解法提取全极化SAR影像的奇次散射、偶次散射、体散射等极化特征,并将这些信息组合成一个特征向量,然后引入高精度的SVM分类算法,选择训练样本后对全极化SAR影像进行监督分类。在江苏溧水和南京横溪镇两个研究区,以ALOS卫星的PALSAR影像为研究数据,进行监督Wishart分类算法、Freeman特征提取法结合SVM的分类算法、Yamaguchi特征提取法结合SVM的分类算法、Pauli-SVM算法的分类对比实验。结果表明,新提出的Pauli-SVM算法可以有效的提高分类的准确性。     

基于多输出支持向量机和遗传算法的岩土参数反演方法

提出了基于多输出支持向量机(M-SVM)和遗传算法(GA)的岩土参数反演方法.在进行参数反演过程中,根据正交试验产生一系列参数的可能组合;采用有限元法(FEM)得到坝体不同测点处的位移计算值.将不同的材料参数组合作为输入,相应的位移计算值作为模型的输出来训练M-SVM模型,以便模拟坝体位移和材料参数之间的复杂关系.采用GA来求解材料参数反演所对应的优化问题.在进行最优材料参数搜索的过程中,采用训练好的M-SVM模型来替代有限元计算,以获得坝体位移的计算值,从而大大减少了计算所需的时间.根据某面板堆石坝沉降的监测数据和有限元仿真模型,实现了以上反演过程.反演分析的结果表明,本文提出的岩土参数反演方法具有计算精度高和计算效率高等优点,可以应用于实际工程中.