稀疏步进频合成孔径雷达成像算法

提出了一种适用于稀疏步进频信号的成像算法,以较少的时间和频谱资源完成了雷达目标成像。该算法将稀疏步进频回波数据等效为均匀步进频回波数据的观测值,利用压缩感知重构算法实现目标区域的距离向重构,然后经过距离徙动校正与方位向脉压完成对目标场景成像。仿真结果表明:该算法在发射频点高度稀疏条件下仍能实现高分辨成像。采用地基雷达实测数据验证了算法的有效性。     

斜视干涉逆合成孔径雷达成像算法

针对雷达在斜视工作下的干涉相位模糊问题,提出了一种新的特显点干涉逆合成孔径雷达(ISAR)成像算法.该算法利用特显点信噪比较高、干涉相位估计值较为准确的特性,根据特显点的多普勒频率和横距信息拟合得到目标的多普勒频率与横距的关系,从而对整幅ISAR像进行横向定标,得到目标的干涉ISAR像.该算法能消除干涉相位缠绕,而且对噪声具有较强的鲁棒性,同经典的干涉ISAR成像算法相比,在正确成像时,该算法所需的信噪比可降低10～15 dB.     

基于局部自相似性的视频图像超分辨率算法

针对视频图像的特点,提出基于局部自相似性的视频图像超分辨率算法.该算法不依赖自然图像数据库作为样本块的图像来源,而是利用局部自相似性,通过在相关坐标邻域中搜索子图像块以实现高频补偿.设计上采样和下采样滤波器,以实现对高频补偿后的图像进行滤波从而产生最终的样本块,采用逐级放大、分多步组合达到视频图像的放大,从而实现了视频图像超分辨率算法.实验结果表明,对于视频序列图像,在主观视觉效果和均方根误差(root mean square error,RMSE)、结构自相似性算子(structural similarity index measurement,SSIM)等方面,算法能显著地提高其分辨率,取得很好的效果.同时,对视频图像利用局部自相似性方法,减少了图像块的检索时间,降低了算法运算量.     

超分辨率重建算法综述

超分辨率重建是指由同一场景的低分辨率退化图像,运用相应的算法重建一幅清晰的高分辨率图像。然而,传统的基于插值、基于重建和基于学习的方法已很难获得进一步的突破。近年新兴的过完备稀疏表示是一种新的图像表示模型,它为解决超分辨率重建中的难点问题提供了新的思路。本文通过分析超分辨率技术的以往研究和最新进展,着重讨论了各算法在重构时的优缺点,并对未来超分辨率重建技术进行了展望。     

基于线性预测外推的高分辨率雷达成像

为了提高实验室合成孔径雷达(SAR)成像系统的分辨率,采用自回归(AR)模型,对采集到的数据进行距离向和方位向上的线性预测外推,对外推后的数据进行快速傅里叶变换(FFT)。实验结果表明,相比于传统的快速傅里叶变换成像算法,在同样的硬件条件下,使用该方法可以提高该系统的纵向及横向的分辨率,得到更清晰的雷达图像,或使用较小孔径长度就可以获得相同质量的雷达图像;并且该算法计算速度较快,易于操作,便于在系统上实现实时成像。     

改进的斜视机载合成孔径雷达RD成像算法

距离一多普勒算法是合成孔径雷达成像处理中最常用的方法之一,通过在距离一多普勒域中插值来校正距离徙动.研究了机载合成孔径雷达在小斜视角下的成像算法,给出了机载斜视SAR的空间几何模型和回波信号特点.提出了改进的RD算法进行距离走动的校正,避免了插值运算,从而降低了计算复杂度.方法能满足小斜视角下的机载SAR成像处理,并进行了计算机仿真.理论分析和仿真结果表明:改进的RD算法是有效的,在峰值旁瓣比和积分旁瓣比几乎不变的情况下成像时间缩短了近3倍.     

星载合成孔径雷达成像斜地校正算法研究

根据星载合成孔径雷达(SAR)斜地校正模型和校正原理,提出了基于离散傅里叶变换(DFT)的频域sinc插值算法.将SAR图像沿距离向做离散傅里叶变换,在不破坏原信号频谱的条件下,进行频谱中心补0,再做逆傅里叶变换,完成对图像的插值.用该方法对复图像和灰度图像进行斜地校正,证明两种不同图像的sinc插值方法在效果上是一致的,均可完成对能量图像的插值.用Radarsat的数据成像,对复图像、求模图像和量化灰度图像进行频域sinc插值,验证了算法的可行性和有效性.     

微扫描超分辨率超声成像技术研究

针对提高超声成像的分辨率问题展开研究,提出了微扫描超分辨率超声成像的方法.通过将微扫描和超分辨率技术结合并应用于超声成像中,微扫描技术获取满足超分辨率技术的多幅低分辨率图像,然后应用超分辨率图像重建算法获取高分辨力图像,并对此过程进行了仿真.仿真结果表明:提出的基于微扫描的超分辨率超声成像方法在实际应用中有一定的可行性,对提高超声成像设备的分辨率具有参考价值.     

基于压缩感知的合成孔径雷达二维成像算法

通过对合成孔径雷达回波信号的分析,利用压缩感知理论基于信号稀疏性或可压缩性的基本原理,提出了方位稀疏表示的一种新方法,在此基础上给出了基于压缩感知的SAR回波信号处理方法和二维成像算法,实现了压缩感知对信号的全新采集和编解码,以较少的数据量实现成像,有效地抑制旁瓣,在一定程度上提高了成像中目标的分辨率,为有效降低高分辨合成孔径雷达的数据率提供了一种有效途径。通过对仿真数据和实测数据的处理验证了所提方法的可行性和有效性。     

基于数据统计特性的合成孔径雷达盲成像算法

为了解决合成孔径雷达(SAR)运动测量单元精度不高对成像的影响,提出了一种SAR盲成像算法。该算法利用SAR接收数据在距离Doppler域的统计特性,通过对比度最大化方法搜索正确的距离徙动轨迹,实现了在Doppler参数未知情况下的数据校直;还利用了不依赖速度初值的自聚焦方法。给出了实现步骤。星载SAR实测数据实验结果表明,该算法可以在无任何关于SAR平台运动的先验信息的情况下,实现高质量成像。     

图像超分辨率重建算法比较研究

针对超分辨率重建技术的基本理论以及研究现状给予了综述性研究,对当前的主要算法进行了比较分析.     

保细节自适应超分辨率融合算法

超分辨率融合是把配准好的低分辨率图像信息进行综合,形成高分辨率栅格上的均匀采样．为了改善图像超分辨率融合效果,对鲁棒超分辨率融合算法进行改进分析图像局部模式,给出角点和连接点的识别方法,进而设计了保细节自适应适用度函数,提出了保细节自适应超分辨率融合算法实验结果表明,算法不仅对配准误差具有鲁棒性,而且能很好地保存图像的边缘和细节特征,提高了融合图像的质量．     

基于量子算法的逆合成孔径雷达稀疏成像方法

经典稀疏重构算法的计算复杂度较高，易导致雷达系统面对较大规模雷达回波数据时实时成像处理能力不足。针对这一问题，将量子算法应用于逆合成孔径雷达成像的稀疏信号处理中，为雷达稀疏成像带来量子计算短时间内处理大规模数据的优势。首先，根据逆合成孔径雷达稀疏成像的经典算法，分析匹配滤波、稀疏重构等经典算法的量子化方法，建立经典算法与量子算法之间的映射关系；其次，在确定相应量子算法及步骤关系的基础上，构建能够实现稀疏成像经典算法功能的量子线路，提出基于量子算法的逆合成孔径雷达稀疏成像方法；最后，根据构建的量子线路，结合雷达回波信号，制备相应的量子态，输入到量子线路中获得成像结果。仿真实验表明：相较于经典稀疏成像算法，基于量子算法的稀疏成像方法能够在保证成像质量的同时，大幅降低雷达成像处理数据的计算复杂度。     

基于单帧图像的超分辨率算法

随着稀疏编码与压缩传感理论的逐步发展,如何应用于图像的超分辨率成为研究热点之一.基于示例学习的算法,提出了一种新的超分辨率算法,其特点在于只基于低分辨率图像本身,没有额外的样本库,运用自然图像的自相似性与冗余性,学习低分辨率图像块与高分辨率图像块之间的函数关系.为了从图像中获取更加全面的信息,采用Guided滤波、一阶导数和二阶导数2种方法来提取特征.此外,提出了一种新的字典学习算法R-KSVD,并且改进了后项处理过程.实验结果显示,提出的算法具有较好的超分辨率效果和稳定性.     

一种基于多尺度结构自相似性的图像超分辨率重建算法

多尺度结构自相似性是指图像中存在大量相同尺度,以及不同尺度相似结构的性质。提出一种基于多尺度结构自相似性的超分辨率重建算法;该方法通过图像旋转和金字塔分解,将输入图像的先验信息附加到训练库中;并对样本图像块聚类,分别训练针对各类的多个字典。在图像重建阶段,自适应选择最优字典;并利用相似图像块间的关系建立非局部约束项重建图像。最后利用迭代反投影算法进行图像后处理,进一步提升图像的超分辨率重建效果。实验结果表明,与SCSR、SISR和ASDS算法相比,算法能够取得边缘更为清晰的超分辨率重建效果。     

改进的机载合成孔径雷达小斜视角RD成像算法

介绍了RD（range-doppler）算法的基本原理,针对原有RD算法的不足从而提出了改进的RD算法,其主要思想是雷达接收回波后,加入均方误差最小准则窗函数的全相位滤波器来消除旁瓣.用这种改进的RD算法对小斜视角多点目标进行仿真.通过仿真验证这种改进的成像算法可以对不同的点目标成像,而且还可以将点目标之间存在的旁瓣消除.实验证明了原有RD算法存在的旁瓣问题可以通过改进的RD算法来解决.     

变焦序列图像超分辨率重建算法研究

超分辨率重建技术已经在相当多的领域中被应用,并且已经引起计算机视觉,图形图像处理等领域研究者的关注,目前是国内外图像处理领域的研究热点.随着对各种退化模型的研究,超分辨率重建越来越多的集中在空间域中.着重研究了基于变焦图像序列的超分辨率重建算法.首先,提出变焦变换的退化模型.然后从LR(低分辨率)图像序列中选择一副图像,将其插值放大后的图像作为初始HR图像.接着,根据退化模型和计算出的特征匹配点对,计算出某一幅LR图像和HR图像之间的变换公式.通过该变换公式,将HR(高分辨率)图像变换为模拟LR图像.求得模拟LR图像与这幅实际LR图像之间的差值.当差值大于设定阈值时,则将差值反投影并叠加至HR图像上,由此更新HR图像.最后,分别对仿真变焦图像序列、实际变焦图像序列进行超分辨率重建.对重建后的结果,利用峰值信噪比、结构相似度和高频能量在总能量中所占比例这三种评判标准,从三个角度进行评价.最终,实验结果显示,重建方法对变焦图像序列能取得较好的重建效果.     

基于SQI的超分辨率图像重建算法

提出了一种基于自商图像(Self Quotient Image-SQI)的超分辨率图像重建算法.该方法首先利用SQI提取光照不变量作为图像特征,并假设光反射分量具有分段平滑的特性,近似认为每一个小的图像块具有相同的增益系数;然后在流形学习的框架下,借助局部线性嵌套的思想构建高分辨率图像和低分辨率图像块间的关系,从而实现了超分辨率重建和图像增强.仿真结果表明,该算法有效地克服了传统方法受光照因素影响的缺点,在提高分辨率的同时克服了光照因素的影响,特别是对阴影效应的消除具有明显效果.     

基于残差邻域嵌入的超分辨率算法

通过对基于邻域嵌套的超分辨率算法研究,并受到多分辨率图像处理的启发,提出了一种改进的采用残差进行邻域嵌套的超分辨率算法。在灰度和彩色图像上的实验均表明该方法得到的结果具有更低的均方根误差,而且更好地保持了高频空间的细节,例如高对比度和锐利的边缘。     

一种彩色视频超分辨率重建算法

基于RGB三通道的超分辨率视频重建算法对彩色视频进行处理将导致算法的计算量过大,不利于其在彩色视频实时处理中的应用。针对这一缺点,本文基于核回归函数提出了一种高效的彩色视频超分辨率重建算法,该算法只需要对亮度分量进行超分辨率重构,在增大视频序列重构信息量的同时,大幅降低超分辨率重建算法的计算量,更适用于彩色视频的实时超分辨率重建场景中。