基于SPGA算法的低频超宽带 SAR运动补偿方法

对已经初步聚焦的低频超宽带(ultra wideband, UWB)合成孔径雷达(synthetic aperture radar, SAR)图像进行基于图像域的相位误差补偿,可进一步提高图像聚焦质量。依据UWB SAR运动误差模型,提出了基于条带式相位梯度自聚焦（strip phase gradient autofocus, SPGA）算法的相位误差补偿方法。该方法有效地补偿大合成孔径、宽测绘带低频UWB SAR图像中的二维空变相位误差。仿真和实测数据处理结果验证了所提方法的有效性。     

基于SNIC的双时相SAR图像超像素协同分割算法

针对面向区域的合成孔径雷达(synthetic aperture radar,SAR)图像变化检测方法中存在的双时相图像边缘和空间对应关系不一致的问题,提出了一种基于简单非迭代聚类(simple non-iterative clustering,SNIC)的双时相SAR图像超像素协同分割算法.首先,构造一幅包含双时相S...     

一种新的双通道运动目标测速定位方法

利用双通道合成孔径雷达(synthetic aperture radar,SAR)数据的协方差矩阵的第二特征值,可以有效地检测地面运动目标。在此基础上,提出一种新的运动目标测速定位方法,该方法通过提取双通道SAR数据的协方差矩阵非对角元素相位信息来对运动目标进行测速和定位。仿真数据和实测数据都验证了该方法的有效性,实验结果表明该方法的测速精度优于传统沿航迹干涉(ATI)方法。     

基于频谱旋转ωk算法的大斜视SAR地面动目标成像

针对大斜视条件下合成孔径雷达(synthetic aperture radar, SAR)地面运动目标成像存在的聚焦困难、几何形变严重、十字旁瓣大等问题, 提出一种基于频谱旋转ωk算法的大斜视SAR动目标成像算法。首先, 在推导具有精确斜距表达式的斜视动目标回波信号模型的基础上, 获得了初步成像结果并提取动目标的感兴趣区域(region of interest, ROI)数据。然后, 构造相位补偿函数并利用最小熵算法完成动目标参数估计, 再根据估计的参数对ROI数据进行相位补偿, 获得聚焦的动目标图像。进一步利用频谱旋转消除了几何形变, 利用稀疏增强方法减小了动目标旁瓣, 最终得到聚焦、无几何形变、低旁瓣的动目标图像。仿真实验验证了所提算法的有效性。     

基于深度卷积神经网络的SAR舰船目标检测

针对传统合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测算法检测精度易受斑点噪声影响,且只能提取底层特征及其泛化性较差的问题,提出了一种基于深度卷积神经网络的SAR图像舰船目标检测算法。首先将目前先进的单次多盒检测器(single shot multibox detector,SSD)检测算法应用到SAR图像舰船目标检测领域,指出了其在该领域存在的局限性,在此基础上提出了基于SSD的新的检测方法,包括融合上下文信息,迁移模型学习,在公开的SSDD数据集上进行了训练和测试,对实验结果进行了对比分析,实验结果表明,相比于原始的SSD检测算法,所提出的方法不仅提高了目标检测精度,同时也保证了算法的检测效率。     

一种增大SAR方位向成像场景范围的新方法

讨论合成孔径雷达(synthetic aperture radar,SAR)子孔径聚束算法的数学模型,提出一种新方法-子孔径参考信号相位对齐算法.该方法本质是将各个子孔径参考信号的相位调整为同相,然后构造新的聚束窗函数进行SAR成像.理论分析表明,在不增加采样数据的条件下,该方法能增大雷达方位向成像场景范围.计算机仿真结果证实了该方法的正确性.     

基于形态学自适应分块的高分辨SAR多特征增强算法

传统基于l1范数正则化算子(least absolute shrinkage and selection operator,LASSO)模型的合成孔径雷达(synthetic aperture radar,SAR)压缩感知类稀疏成像算法易丢失弱散射点.基于扩展型组LASSO系列模型的算法虽可增强SAR结构特征以保留弱散...     

基于高斯字典原子稀疏表示的高精度宽角SAR成像方法

为了提高从宽角合成孔径雷达(synthetic aperture radar, SAR)图像中提取目标后向散射各向异性特性的性能,在宽角SAR字典稀疏表示模型的基础上,提出一种基于高斯字典原子的高精度宽角SAR成像方法。在字典构造上,采用不同中心位置、相同方差的高斯函数。在求解稀疏表示系数上,采用广义最小最大凹惩罚稀疏重构算法求解。最后，根据稀疏表示系数的重构结果以及构造的字典得到目标的后向散射各向异性特性。通过仿真实验和Backhoe数据对算法进行验证,结果表明,该方法能够高精度地提取目标的后向散射各向异性特性。     

可变先验贝叶斯学习稀疏SAR成像

针对合成孔径雷达(synthetic aperture radar,SAR)在稀疏成像中,传统贝叶斯机器学习算法存在先验固化、成像结果容易过拟合等问题.提出一种可变成像先验贝叶斯(varying imaging prior Bayes,VIP-Bayes)学习稀疏SAR成像算法.首先,引入可动态灵活表征目标散射特征的广...     

基于目标适合传输的SAR图像编码

基于目标的图像编码是解决无人机载合成孔径雷达（synthetic aperature radar, SAR）图像在有限带宽信道上实时传输的有效办法。本文算法采用双参数恒虚警(constant false alarm rate, CFAR)检测将SAR图像分割成目标与背景,子带变换后根据感兴趣区（regions of interest, ROI）掩膜将子带系数分类成目标与背景序列,以稳健固定码率网格编码量化（fixed rate trellis coded quantization, FRTCQ）高保真编码目标区,以FRTCQ低分辨率编码背景来实现大幅度地压缩。对SAR图像编码实验表明,本文算法既能取得较好的目标区保真度,又能达到较高的压缩比,同时计算复杂度增加有限。     

New CFAR target detector for SAR images based on kernel density estimation and mean square error distance

A new constant false alarm rate (CFAR) target detector for synthetic aperture radar (SAR) images is developed. For each pixel under test, both the local probability density function (PDF) of the pixel and the clutter PDF in the reference window are estimated by the non-parametric density estimation. The target detector is defined as the mean square error (MSE) distance between the two PDFs. The CFAR detection in SAR images having multiplicative noise is achieved by adaptive kernel bandwidth proportional to the clutter level. In addition, for obtaining a threshold with respect to a given probability of false alarm (PFA), an unsupervised null distribution fitting method with outlier rejection is proposed. The effectiveness of the proposed target detector is demonstrated by the experiment result using the RADATSAT-2 SAR image.     

低频UWBSAR图像中的目标检测

低频ＵＷＢＳＡＲ不同于窄带高频ＳＡＲ信号。本文针对ＶＨＦ／ＵＨＦＵＷＢＳＡＲ目标与杂波特点，建立了信号模型；在综合现有的几种检测方法基础上，提出了一种新的检测方案，即结合的变化检测和双参数ＣＦＡＲ检测。实验仿真结果表明：这种方案检测过程简单，杂波抑制性能好。     

Distribution-based CFAR detectors in SAR images

1. INTRODUCTION Many researches have been made on automatic target recognition (ATR) from SAR images in the past few years. Lincoln Laboratory has developed a complete, end-to-end ATR system[1-4]. The whole system inclu- des three stages: detection (or prescreening), discri- mination and classification. In the detection stage, a two-parameter CFAR (constant false alarm rate) detector is used as a prescreener to select candidate targets in an SAR image on the basis of local brightne…     

大幅面星载SAR图像中机场检测算法

重点研究了大幅面星载合成孔径雷达图像中的目标检测问题.选取机场区域作为检测目标,提出了一种基于区域形状特征的检测算法.算法使用自适应聚类分割法解决大幅面图像中复杂背景下的小目标分割问题,选取椭圆近似法代替常用的最小外接矩形和边界框法计算区域的尺寸和体态特征.通过对多幅实际获取自不同场景的大幅面星载合成孔径雷达图像进行实验,结果表明,本算法可快速、准确地检测出包含在场景中的单个或多个结构不同的机场区域.     

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。     

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。     

基于聚类字典学习和稀疏表示的SAR图像抑斑方法

针对合成孔径雷达(synthetic aperture radar, SAR)图像相干斑抑制问题,提出一种基于聚类字典学习和稀疏表示的SAR图像抑斑方法。本方法以相干斑噪声的非对数加性模型为基础,通过改进相似度测度的K-means聚类和主成分分析方法进行字典学习,克服了相干斑噪声非高斯性带来的影响,形成具有结构性聚类的字典原子;在稀疏分解方面,通过引入方差稳定因子,建立了适用于抑制SAR相干斑噪声的稀疏表示模型,并通过交替迭代算法进行代价方程求解;同时算法还增加了点目标保护措施,避免了对图像点目标“过滤波”。通过卫星、无人机SAR图像的抑斑实验证明,相比经典的SAR图像抑斑方法,所提的方法在抑斑的视觉效果上和客观评价指标上都有较大的提升。     

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。