基于星载SAR和AIS构建海面溢油监测方法

溢油事故对海洋环境造成的危害越来越严重,多种遥感技术被应用于海洋环境的监测,卫星遥感技术,特别是合成孔径雷达(SAR)遥感技术已成为海面溢油监测的重要手段;但由于海面溢油成像特征的复杂性,单一的遥感识别仍然存在较大难度。本研究提出结合船舶自动识别系统(AIS)等辅助信息,对海面溢油进行判别,再利用边缘检测算法自动提取溢油信息的方法,并以Radarsat-2数据为例进行案例分析。结果表明,该方法能够有效提高溢油识别和检测的准确性。     

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。     

海洋遥感图像中基于纹理的海面油膜识别

基于海面纹理特征,利用Borda算法进行了航空遥感图像中油膜和非油膜的识别研究。首先,对航空遥感图像进行纹理特征分析和提取:二值化处理并且提取谱相关性、方向粒度和条状粒度的纹理特征值;然后,建立海面油膜数据库,包括原始图像、特征向量,以及图像和纹理特征间的映射表;最后引入Borda算法,根据被测图像的特征来识别其是否含有油膜。实验结果表明,本模型能有效的识别油膜,能为大范围海面溢油检测奠定研究基础。     

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。     

宽带全极化雷达目标HRRP极化特征提取与优选

充分有效地利用全极化雷达目标HRRP极化信息是雷达目标特征提取领域一个热点问题.文中主要研究了宽带全极化雷达目标HRRP的三类极化特征的提取与优选:(1)将SAR领域常用的熵特征引入全极化HRRP中,分析了反映目标HRRP散射随机性的熵特征;(2)根据目标散射矩阵相似性参数理论,定义了目标HRRP与6种标准体散射矩阵相似性参数概率形式描述,并将其作为特征,这类特征反映了目标的物理结构特性;(3)提出了反映目标散射能量特性的Mueller矩阵相似性参数特征,并且证明了该参数特征的旋转不变性.这几类特征具有明确的物理意义.采用飞机目标多个姿态的实测数据进行了特征有效性验证和特征优选,并利用优选后的特征组成特征矢量对飞机目标识别,实验结果表明,提出的HRRP极化特征具有良好的稳健性和可分性.     

基于岸线特征点合并的极化SAR图像小型港口检测

为了对极化合成孔径雷达(polSAR)图像中小型港口目标进行自动检测,在分析小型港口特性的基础上,提出了一种基于岸线特征点合并的检测方法。首先,使用极化SAR图像水平集分割算法实现精确的海岸线提取,并通过数字曲线分裂归并算法提取海岸线轮廓特征点;然后针对小型港口轮廓特征点比非港口区域轮廓的密集的特性,提出了一种岸线特征点合并算法实现港口检测。分别用RADARSAT-2系统获取的新加坡和湛江海岸区域极化SAR数据对提出方法进行了试验。实验结果表明,该方法能够正确地检测沿岸小型港口。     

宽带全极化雷达目标HRRP极化特征提取与优选

充分有效地利用全极化雷达目标HRRP极化信息是雷达目标特征提取领域一个热点问题．文中主要研究了宽带全极化雷达目标HRRP的三类极化特征的提取与优选：（1）将SAR领域常用的熵特征引入全极化HRRP中,分析了反映目标HRRP散射随机性的熵特征;（2）根据目标散射矩阵相似性参数理论,定义了目标HRRP与6种标准体散射矩阵相似性参数概率形式描述,并将其作为特征,这类特征反映了目标的物理结构特性;（3）提出了反映目标散射能量特性的Mueller矩阵相似性参数特征,并且证明了该参数特征的旋转不变性．这几类特征具有明确的物理意义．采用飞机目标多个姿态的实测数据进行了特征有效性验证和特征优选,并利用优选后的特征组成特征矢量对飞机目标识别,实验结果表明,提出的HRRP极化特征具有良好的稳健性和可分性．     

一种基于Pauli分解和支持向量机的全极化合成孔径雷达监督分类算法

全极化合成孔径雷达(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极化特征分解和支持向量机(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PauliSVM算法可以有效地提高分类的准确性。     

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。     

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.     

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。     

基于水域跟踪的极化SAR图像桥梁检测

从精确的分割和连通桥梁跨越水域角度出发,该文提出一种基于水域跟踪的极化合成孔径雷达(polarimetric synthetic aperture radar,POL-SAR)图像桥梁检测方法。该方法首先使用极化SAR水平集分割方法实现精确的水陆分割,然后通过分支水域扫描及跟踪实现与桥梁检测相关各分支水域的连接,最后提取水域轮廓特征点确定桥梁端点,进而根据桥梁端点确定桥体区域实现桥梁检测。使用新加坡地区和中国海南陵水地区RADARSAT-2极化SAR数据进行实验,实验结果表明:该算法检测正确率高,且在大场景范围内实现了极短桥梁检测。     

基于极化定向角补偿的思茅松林地上生物量反演

目的 极化合成孔径雷达在森林遥感监测中得到了广泛的应用。由于法拉第旋转和地物结构特性,电磁波极化定向角发生偏移,导致散射特征在机理上存在模糊性。本研究主要分析极化定向角偏移对体散射分量和地上生物量反演的影响。方法 以ALOS PALSAR全极化星载合成孔径雷达(SAR)数据为数据源,基于L波段散射特征,考虑地面与树干之间的二面角散射贡献,研究提出了一种扩展极化水云模型;基于Yamaguchi四分量分解参数和扩展极化水云模型估测思茅松林地上生物量。结果 通过酉变换来补偿极化定向角偏移后,体散射分量高估得到修正,极化定向角补偿后的体散射与实测地上生物量的回归模型较未补偿前效果更好(决定系数R²从0.214提升到0.332)。采用Yamaguchi四分量和扩展极化水云模型的地上生物量估测值和实测值有较强的相关性(R²= 0.644)和较低的均方根误差(23.11 t/hm²)。结论 SAR数据在极化分解前应进行极化定向角补偿,以减少体散射高估和二面角散射低估的问题,提高地上生物量反演精度。半经验极化扩展水云模型具有很好的估测森林地上生物量的潜力。     

基于极化SAR图像的玛纳斯河流域典型区积雪识别

极化合成孔径雷达具备全天候的积雪观测能力,而且能提供丰富的极化特征用于积雪识别.选取2014年3月19日新疆玛纳斯河流域典型区Radarsat-2数据,首先对全极化SAR(Synthetic Aperture Radar)数据进行目标分解提取积雪极化特征,再利用J-M距离(Jeffreys-Matusita)进行特征选择,分析不同极化特征对积雪的可分性,最后利用最优特征集和支持向量机(Support vector machine,SVM)进行积雪识别.结果表明:Yamaguchi分解和Freeman分解的体散射分量、相干矩阵特征值和香农熵四种极化特征对积雪有较强的识别能力;多种极化特征联合识别相对于单一特征识别积雪具有较大优势,基于四种极化特征的积雪识别精度达到84%.利用极化特征进行积雪识别可获得较好效果,能够弥补可见光遥感难以识别云下积雪的不足.     

高分辨率极化SAR影像KummerU分布非监督分类方法

针对高分辨率极化SAR数据特征分布不再符合同质区域假设, 进而导致基于统计分布的极化SAR影像非监督分类方法精度下降的问题, 将具有广泛适用性的KummerU分布嵌入粒子群寻优聚类算法, 提出了新的极化SAR影像非监督分类算法(PSO-KummerU方法):首先基于极化SAR统计特征对数据进行初分类, 然后采用极化SAR统计特征与粒子群优化算法进一步进行聚类中心求解, 分类准则部分采用KummerU距离改进代替传统的Wishart距离度量准则; 采用3种非监督分类方法(H/α-Wishart、PSO-Wishart、PSO-KummerU方法)进行分类对比实验.实验结果表明:基于KummerU分布的PSO-KummerU方法与采用Wishart距离的聚类方法相比, 目视效果明显改进, 整体分类精度提高14%以上.     

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.     

大场景下的极化SAR机场检测

机场在军事和交通运输领域都有很重要的作用,对它的自动检测具有重大意义。该文提出了一种利用全极化合成孔径雷达(PolSAR)图像检测机场和跑道的方法。首先,通过一种改进的Freeman分解提取3种散射机制的能量作为像素点的特征,利用模糊C-均值聚类(FCM)算法分割图像来获得疑似机场目标区域(region of interest,ROI)。然后采用基于复wishart分布的K-均值聚类算法精细分割ROI,得到完整的机场跑道结构;提出一种检测机场主跑道的方法进行ROI辨识,最终确定机场目标。采用多组PolSAR数据进行验证,并比较了单、双和全极化图像的机场检测效果。结果表明:该方法具有较高的检测率和较低的虚警率,并且具有较好的抗噪性能。     

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。