面向极化SAR图像配准的极化特征

不同波段的极化合成孔径雷达(SAR)图像间的配准,是多波段极化SAR数据融合中的一个重要问题。该文从地物的极化散射机理出发,提出了一种适用于尺度不变特征变换(SIFT)配准算法的极化特征。该特征包含了地物目标主要散射成分的信息,并反映了其他弱散射成分的强度分布,可在不同波段极化SAR图像中保持稳定。实验结果表明:与使用散射总功率(Span)实现多波段极化SAR图像配准的方法相比,该特征在不同波段下的差异较小;使用SIFT算法配准后,该特征图像可得到更多的关键点和正确配准点,且配准点的分布较分散,从而有效地提高了多波段极化SAR图像的配准性能。     

极化目标分解在目标分类中的应用

极化目标分解是从极化SAR数据中提取目标特征的重要方法,可以将其概括为两大类:基于S inc lair矩阵的相干目标分解和基于Mueller矩阵、相干矩阵、协方差矩阵的部分相干目标分解.利用相干目标分解中的基于Pau li矩阵分解法、Krogager分解法和Cam eron分解法,对实测极化SAR数据进行分类实验,结果表明极化目标分解对于从极化SAR数据中提取目标特征,进而对其进行分类是可行和有效的.     

基于Wishart分类器和图谱聚类的极化SAR图像分类

针对极化SAR的Wishart分类器存在的问题和具有的特点,本文提出一种基于Wishart分类器的图谱聚类的极化SAR图像分类方法.该方法充分考虑了极化SAR数据的统计特征和图像上的复杂几何结构特征,在采用Wishart分类器进行初始分类的基础上,运用图谱聚类进行极化SAR图像的分类.实验结果表明,与仅用Wishart分类器和图谱聚类对极化SAR数据进行分类相比,该方法具有更好的分类效果.     

基于映射投影（MPA）的复杂地面场景极化SAR成像模拟

建立地表面植被、建筑物等目标综合场景的极化合成孔径雷达（SAR）成像模拟，提出基于映射和投影（MPA）的算法，考虑了可穿透性植被目标的散射与衰减、树及建筑物墙面与地面之间的多次散射，以及成像空间中任意位置地物的散射、吸收与遮蔽.用非球形粒子层作为植被散射辐射传输模型，对建筑物和地面散射采用积分方程法（IEM）粗糙面模型.通过包括植被、建筑物、粗糙地面、河流等复杂场景的MPA快速计算，模拟极化SAR成像的场景散射系数图和SAR原始数据.     

基于Riemann核Fisher准则的极化SAR图像人造目标检测

人造目标检测是极化合成孔径雷达(synthetic aperture radar,SAR)图像自动解译中的重要环节。该文提出了一种基于Riemann核Fisher准则的人造目标检测方法。核函数通过Hermite正定矩阵流形上的Riemann度量来构造。极化协方差矩阵映射到核函数诱导的高维特征空间后用Fisher准则进行判别。该方法考虑到了极化SAR数据特殊的矩阵结构,并且不需要任何统计模型假设,因而特别适于检测极化SAR图像中的人造目标。以舰船目标检测为应用背景验证了该方法的有效性。实验结果表明:该方法优于其他常用的检测器,特别是在低目标杂波比条件下。     

张量扩散滤波在极化SAR图像降噪中的应用

为完成对全极化SAR图像相干斑噪声的有效抑制,引入了张量扩散模型。分析并引入了规范化的张量扩散模型,并对扩散张量的设计进行了分析。结合全极化SAR图像数据的格式,对扩散方程进行了改造,提出了适用于协方差矩阵数据格式的滤波方程,并给出了算法的实施步骤。对AIRSAR数据集中的样本图像Flevoland进行了定性的、定量的实验,实验结果表明,新的算法能够有效的提高等效视数并保持图像的空间分辨率和SAR数据的极化属性。     

采用联合域字典稀疏表示的极化SAR图像分类

针对传统字典学习算法难以有效保持极化SAR图像的空间结构以及难以处理大规模数据的问题,提出了一种基于空域和极化域的联合域字典学习和稀疏表示的分类方法.该方法采用基于联合域流形距离的快速AP聚类进行字典学习.利用局部线性编码对极化SAR图像进行空域和极化域的联合域稀疏表示,充分利用了极化SAR数据集潜在的信息,有效保持极化SAR数据结构的同时降低了算法的时间复杂度.试验结果表明:所提算法适应性强,收敛速度快,能够提高极化SAR图像的分类精度.     

Cameron分解法在极化SAR图像分析中的应用

利用Cameron分解法对极化SAR图像进行分析,将目标的极化散射矩阵与8类具有特定散射机理的典型散射体匹配,根据匹配角度提出了一种分类算法,从而对地物目标进行分类;实验结果表明,该分类算法对于分类地物目标,进而分析其散射机理是十分有效的。     

基于外推陷波滤波的孤立强散射旁瓣抑制

为了有效抑制极化合成孔径雷达(SAR)图像中的孤立强散射旁瓣,并同时保持图像统计特性和极化散射特性,提出了一种基于二维外推陷波滤波的孤立强散射旁瓣抑制的方法。该方法首先运用Chirp-Z变换进行AR(1)模型参数辨识,并在此基础上推导得到了基于稳态Kalman预测理论的数据外推公式;然后,运用线性相位等波纹陷波滤波器实现强散射信号滤除;最后,在频域还原强散射信号主瓣,并精确补偿滤波时引入的图像幅度误差。不同于空间变迹法和自适应旁瓣抑制方法,该方法处理过程简单,且有效保持了图像分辨率、图像统计特性和极化散射特性。仿真和实测数据处理验证了该方法的有效性。     

极化SAR图像处理中L分布杂波统计分析

首先推导了G-Weibull（Generalized Weibull）杂波在复幅度以及强度上的概率密度函数以及其高阶矩特征,然后利用散射影响因子服从G-Weibull分布的变量与Gauss分布变量的相干斑乘积模型,得到了适用于极化合成孔径雷达（SAR）图像处理的L分布杂波分布函数,并推导了其高阶矩特征以及极化合成孔径雷达（极化SAR）中的多视处理的协方差矩阵的概率分布函数和矩特征。针对实测数据,给出了极化SAR单视与多视图像L分布参数的矩估计方法,指出矩估计是视图数的渐进无偏估计,并利用仿真数据和实测数据进行了检验,验证了推导的正确性。极化SAR中多视图像L分布杂波的统计理论对极化SAR目标检测、识别等领域的新技术研究具有一定的理论指导意义。     

极化电子在极化核子上的散射

利用密度矩阵和把散射振幅按某种在转动、反射和时间反演下不变的量来展开的方法,从量子电动力学求得了任意极化电子在任意极化核子上散射的微分截面.最终所得的表达式可以用来判断实验应当测量何种极化态才最有利于更精确地决定核子的形状因子.     

利用相对极化散射矩阵对目标进行分类的研究

在目标极化散射的经典理论基础上,根据单站雷达收发信号的特点提出了一种新颖的便于测量和计算的目标相对极化散射矩阵,并运用广义逆矩阵理论给出了该矩阵求解的方法.相关实验结果证明,通过计算目标相对极化散射矩阵可以快速有效地实现对目标的初步分类.     

基于改进广义相对最优极化的极化SAR舰船检测方法

为了提高极化合成孔径雷达(SAR)图像的舰船检测性能,提出了一种基于改进广义相对最优极化模型的极化SAR图像融合方法.改进的模型包含两个因子的乘积.第一个因子是最优极化状态下的雷达接收功率;第二个因子对应最优检测准则下的3个极化参数(极化熵、平面相似性参数、二面角相似性参数)的融合结果.使用该方法融合图像能够使得目标和...     

基于双极化SAR数据的建筑栋数信息提取研究

通过分析建筑物在不同极化数据上后向散射特征的不同,提出一种基于双极化SAR数据的建筑栋数信息检测方法.该方法主要包括建筑初检测、联合HH与VV数据的检测结果修正以及使用面积阈值去除虚警3个主要部分.最后,在双极化TerraSAR—X图像上进行了验证和评价,并与基于单极化SAR数据进行建筑栋数检测得到的结果进行对比,显示了方法的有效性.     

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。     

基于鲁棒主元分析的SAR图像目标分割

合成孔径雷达(SAR)图像的目标分割,是SAR图像自动目标识别的关键预处理步骤。与一般SAR图像目标区域分割方法不同,鲁棒主元分析融合了主元分析(PCA)与压缩感知(CS)理论中稀疏矩阵的先进思路,利用多帧具有相似性的SAR图像,构建一个观测矩阵D,通过求解一个凸优化问题,重建出一个低秩矩阵A和一个稀疏矩阵E。将矩阵A和E的列向量矩阵化,即可完成SAR图像目标与背景的分离。实验结果表明,鲁棒主元分析算法避免了复杂的SAR图像背景建模,针对同一目标的多帧SAR图像,所提方法对SAR图像目标和背景的分割问题具有可行性和有效性;与经典的最优阈值分割算法相比,误分率明显降低。     

基于极化合成孔径雷达图像的斑点滤波方法

斑点噪声是由合成孔径雷达(SAR)的相干成像原理造成的固有缺陷,为了更好地进行SAR图像地形分类、目标检测等后续处理,提出一种用于极化SAR图像的滤波方法.该方法利用新的优化函数和约束条件,在保持图像功率等于Lee滤波功率的前提下,通过最小化信号子空间向量与原始向量的欧式距离,达到降斑的目的.实验结果表明: 利用旧金山地区的真实极化SAR数据,使用该方法滤波的图像结果与原有的子空间滤波器相比,更接近原始图像的均值,并且通过滤波提高了不同类别的目标在特征空间的区分度,从而有利于不同类型地物的分类.     

基于非局部平均的SAR图像相干斑抑制算法

针对合成孔径雷达图像的乘性相干斑噪声抑制问题,文中给出了一种基于非局部平均的SAR图像相干斑抑制算法.该算法把经过对经对数变换和高斯平滑的图像计算高斯加权欧式距离作为相似性测量参量,以能分辨平坦区与边缘区的变差系数的倒数作为原始SAR图像的自适应衰减因子,最后联合相似性测量参量和自适应衰减因子形成新的负指数加权系数,对SAR原始图像进行非局部加权滤波.实验结果表明,与多种传统算法相比,本算法的抑斑图像视觉效果更加清晰,在高灰度值区域的相干斑抑制性能和边缘保护方面有明显提高.     

利用相对极化散射矩阵对目标进行分类的研究

在目标极化散射的经典理论基础上,根据单站雷达收发信号的特点提出了一种新颖的便于测量和计算的目标相对极化散射矩阵,并运用广义逆矩阵理论给出了该矩阵求解的方法。相关实验结果证明,通过计算目标相对极化散射矩阵可以快速有效地实现对目标的初步分类。