基于证据理论的SAR图像融合识别方法

由于事物的多样性、现代战争的欺骗性和破坏性,军事目标经常会发生部分外形改变的情况,基于几何散列表技术可以有效解决这个问题,但在特征库中已知目标不满足360度全姿态角时,该方法的识别效果下降.为了提高正确识别率,提出一种基于D-S证据理论融合的识别方法,并详细探讨了在贝叶斯结构和准贝叶斯结构下基本概率赋值的构建.利用MSTAR数据对该方法进行了仿真实验,验证了该方法的有效性和可行性.     

SAR成像导引头干扰建模评估与仿真系统设计

针对SAR成像导引头干扰的仿真、验证和评估等问题,论述了SAR成像导引头干扰的建模与评估,以及仿真系统的设计.该仿算系统能在信号级进行目标环境、干扰和导引头的建模与仿真,模拟出多种干扰信号存在的情况下,信号环境模拟、回波信号采集、信号处理等处理过程,并能对干扰效果进行评估,通过仿真试验验证了仿真系统的有效性和实用性.该...     

一种基于仿真图像模板的SAR目标分类方法

在基于实测图像模板的SAR目标分类方法中,环境因素、成像参数等差异性造成了模板库存储量过大与完备性需求的矛盾.针对此问题提出一种基于仿真图像模板的SAR目标分类方法,通过减少模板库的存储量来降低实测数据的采集成本.该方法首先采用正则化方法对图像进行预处理来减少噪声,在此基础上提取目标峰值特征,然后利用几何哈希匹配算法实现目标的分类.实验中的仿真图像模板库采用RadBase软件生成,结果表明新方法对MSTAR实测数据进行目标分类的精确度较高,适应性较好.     

SAR图像中道路自动提取的不确定性与仿真

详细分析了SAR图像道路自动提取中的各种不确定性因素,并给出相应参数选取准则与提取性能评价.首先根据SAR图像中道路的典型特征建立起局部结构模型,然后针对SAR影像的统计特性,对模型中路体区域与两侧区域的均值比变量函数进行概率分析,由变量函数的参数不确定性分析得出合理的参数选择准则,再依照准则选取合适参数,据K-S假设检验理论对图像中道路点进行判定提取.经过不同参数提取方案的实验及结果评价验证了不确定性理论.参数选取准则可用于指导SAR图像道路自动提取,以更好服务于匹配制导,制图等实际应用.     

SAR图像目标方位角估计与分析

SAR成像对目标方位角特别敏感,方位角估计的准确性会直接影响目标的分类和识别.目标方位角估计方法主要有包络盒准则法、轮廓线变换法和主轴原则法.每种方法都有其局限性,且估计范围是[0, 180],可是目标方位角实际范围是[0, 360].为了能获得任意角度且相对精确目标方位角,提出了一种综合SAR图像目标方位角估计方法.该方法融合了的单一估计法的优点,并利用目标的相关信息,突破了以往仅从图像的角度估计方位角的缺点.实验表明这种方法是有效的、可行的.     

基于计算机图形学的SAR图像几何畸变仿真

分析了传统的SAR图像几何畸变仿真方法,对其重采样方法和几何模型进行修正使其能够适用于机载SAR图像几何畸变仿真.指出了传统仿真方法在计算效率和精度方面的不足,并提出了能够提高这两项指标的基于计算机图形学的SAR图像几何畸变仿真方法.通过该方法在DEM数据阴影区计算、典型目标几何畸变仿真中的应用,证明了该方法能够高效地计算阴影遮挡和高精度地重采样.     

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。     

SAR图像几何特征的仿真

合成孔径雷达(SAR)图像由于其特有的几何畸变和斑点噪声的影响,给图像定位和解译造成许多困难,而通过仿真方法研究其几何影响可为SAR图像研究提供有力的工具。该文研究了合成孔径雷达图像(SAR)几何特征的仿真。首先研究了SAR图像的几何影响:透视收缩(foreshortening)、掩叠(layover)和阴影(shadow)。然后,提出了SAR图像几何畸变和斑点噪声(speckle)的仿真方法,并给出了计算机仿真山地、建筑物和车辆的SAR图像。最后,讨论了SAR图像几何仿真的一些应用。     

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。     

相干斑噪声背景下的SAR图像分类方法研究

研究了相干斑噪声抑制对合成孔径雷达 (SAR)图像分类的影响。分别采用Kuan自适应滤波和小波变换软门限滤波两种方法进行了相干斑噪声抑制 ;对于SAR图像的分类则采用了图像的灰度以及基于灰度级共生矩阵的 4种纹理特征 ,并利用最大似然分类器进行了监督分类。处理结果表明 ,相干斑噪声的抑制尽管可以提高SAR图像的质量 ,但是由于在相干斑噪声得到抑制的同时 ,地物的固有结构信息也受到损失 ,因此分类精度提高甚微 ,在某些情况下甚至有所下降。针对这种情况 ,提出了一种改进的特征提取方法 ,将基于原图像的灰度级共生矩阵提取的纹理特征与滤波后图像的灰度特征进行组合用于分类。实验结果表明 ,改进的特征提取方法提高了SAR图像的分类精度。     

基于联合时频特征和HMM的多方位SAR目标识别

研究了联合时频特征和隐马尔科夫模型(hidden Markov model, HMM)的多方位合成孔径雷达(synthetic aperture radar, SAR)目标识别方法。利用HMM模型可以有效地对多方位SAR目标特征分析及识别。在HMM多方位SAR目标识别中的关键之一是SAR目标回波高分辨率距离像(high resolution range profile, HRRP)的特征提取。提出了一种时变频因子加权Fisher鉴别的特征提取方法。利用MSTAR实测SAR目标数据集进行了特征提取和识别实验,实验结果验证了方法的有效性。     

基于复值HRRP CICA特征的多方位SAR目标识别

提出了一种基于雷达目标复距离像复值独立分量分析（complex independent component analysis, CICA）的合成孔径雷达（synthetic aperture radar, SAR）目标多方位散射特征提取和识别方法。根据雷达目标散射机理,将目标高分辨率复距离像建模为多个散射中心的复相干叠加。在分析复距离像的基础上,采用CICA方法实现了距离像中每个散射中心响应的分离。针对每个散射中心响应,利用高阶矩方法提取特征矢量。分类器基于隐马尔可夫模型（hidden Markov model, HMM）设计。采用美国运动和静止目标获取与识别（moving and stationary target acquistion and recognition, MSTAR）计划公开发布的目标实测数据进行算法实验,实验结果说明了提出方法具有较好的识别率。     

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。     

一种改进的基于SVM的SAR目标及阴影图像分割方法

提出了一种基于支持向量机(support vector machine, SVM)的合成孔径雷达(synthetic aperture radar, SAR)目标及阴影图像的改进分割方法。利用分类的思想对SAR图像进行分割,其中分类器是通过循环不断更新训练样本的方式完成训练,循环次数由计算相邻两次分割图像熵的差值来控制。用DARPA (defense advanced research project agency)和Sandia实验室提供的实测数据进行分割实验。结果表明,所提算法得到的分类器性能更加优越,同时能够减少初始分割中阈值的选取对分类器性能的影响,有效地提高了SAR目标及阴影图像的分割质量。     

对合成孔径雷达卫星信号侦察建模与仿真分析

根据SAR卫星天线波束方位向方向性图的特点,建立了SAR卫星天线方位向增益模型,并根据SAR卫星的运动规律,推导了对SAR卫星旁瓣进行侦察的侦察方程。建立了对SAR信号侦察场景模型以及算法流程,仿真计算了在给定跟踪时间的情况下,实现对卫星信号侦察对地面侦察设备的要求。     

高超声速制导炮弹终端滑模控制

针对高超声速制导炮弹的动力学耦合与非线性控制问题,设计一种基于反馈线性化的终端滑模控制器。首先,兼顾控制系统设计的简便性要求与高超声速制导炮弹的强非线性特点,建立非线性控制模型。然后,对模型中动力学耦合问题,根据微分几何理论对其进行反馈线性化,实现俯仰通道与偏航通道的解耦。最后,对两通道分别设计终端滑模控制器,且控制器有限时间收敛。仿真结果表明,所设计的控制器能够快速稳定的追踪指令信号,且在外界干扰与参数摄动的情况下依然具有良好的鲁棒性。     

基于小波分解的贝叶斯SAR图像去斑方法

提出了一个新的有效的基于小波变换的SAR图像去斑方法。尽管小波分解具有去除相关性的作用,但是图像中边缘等几何结构特征仍然存在,因此本文引入一个几何先验模型,结合噪声和有用信号的条件分布进行贝叶斯估计,得到每一系数作为有用信号的后验概率,以之作为修正因子修正小波系数,获得了满意的去斑效果。与现有的去斑方法的主要的不同之处在于使用了噪声和信号的实际分布函数,文中给出了这些分布的经验表达式,以及直接从图像上计算这些分布参数的方法。对实验结果的量化评估证明本方法较软、硬阈值法的优越性。     

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。