改进的联合子空间投影的InSAR干涉相位估计方法

提出一种基于联合子空间投影技术的新方法来进行干涉合成孔径雷达相位滤波。所提方法采用的联合观测矢量的优点是,在任意配准误差μ（不超过1个像素）的情况下,观测矢量所对应的协方差矩阵的噪声子空间维数都和精确配准时的噪声子空间维数相同。所提方法在采用联合噪声空间投影方法的同时,充分利用观测矢量中相邻分辨单元的相干信息,因此在降低相位噪声的同时,还具有自动配准合成孔径雷达图像的功能,进而实现相应像素间干涉相位的准确估计。实测数据及仿真数据的处理结果验证了所提方法的有效性。     

基于联合像素模型的InSAR干涉相位稳健性估计

针对InSAR处理中存在图像配准误差时,由特征值估计噪声子空间维数失效的问题,提出了一种基于干涉相位和特征向量构造的投影矢量来确定噪声子空间维数,进而估计InSAR干涉相位的方法.该方法在图像存在配准误差时,不仅能够准确地估计出噪声子空间的维数,同时增强了联合像素方法估计干涉相位的实用性和稳健性.通过仿真数据和实测数据的处理结果验证了方法的有效性.     

基于加权子空间拟合的干涉相位估计方法

提出复合导向矢量的概念,并通过对测量的信号子空间与复合导向矢量张成的子空间进行拟和,推导出一种基于加权子空间拟合思想的干涉相位估计方法,该方法具有自适应图像配准和降低相位噪声功能,因而可以在图像配准精度很差(可以允许达到一个分辨单元)的条件下准确地估计相应像素间的干涉相位.仿真和实验数据表明估计结果优于基于子空间投影方法的估计结果.     

利用Cameron分解进行极化干涉图像对的配准研究

针对常规极化干涉SAR配准仅仅用一个通道的极化数据进行干涉数据对配准,导致配准精度不高的问题,提出了一种利用Cameron相干目标分解进行极化干涉图像对的配准方法。该算法充分利用了全极化数据丰富的信息,进行极化干涉图像对的配准。利用SIR-C天山地区的数据对提出的算法进行了验证,结果证明该算法能提高配准的精度和鲁棒性,有利于后续的数据处理。     

基于平均周期图的InSAR复图像配准方法

提出了一种新的干涉合成孔径雷达(InSAR)复图像配准算法,新算法使用干涉相位图的平均周期图作为配准的评价测度函数,采用数据分段求平均的方法降低了评价函数的估计方差,从而提高了配准的精度与可靠性。还分析了评价函数的估计偏差对配准的影响。最后使用平均周期图法进行了配准实验,试验结果验证了新算法在提高配准精度方面的有效性。     

基于回波数据的机载双天线InSAR运动补偿

基于定位定向系统(position and orientation system,POS)测量数据实现补偿不适用于基线非刚性的系统,因而研究了基于回波数据的干涉相位误差补偿方法——频谱分割方法,分析了干涉相位误差与载机姿态变化造成的斜距误差之间的关系,阐明了算法原理及适用条件.分析了算法的关键参数对补偿精度的影响,提出定量化的选取标准.基于相位误差随距离向变化的模型,改善了算法精度,给出了算法流程.最后利用该算法处理了实际机载双天线InSAR数据,结果表明该方法具有较高的精度,可以在缺乏测量数据的情况下完成干涉相位误差补偿.     

基于超复数相位相关的彩色图像配准算法

由于数学上的限制,在使用传统相位相关技术对彩色图像进行配准时,必须先将其转化为灰度图像,在此过程中损失了图像的色度信息,导致配准精度的降低。针对此问题,提出了一种具有亚像素精度的彩色图像配准方法。首先通过数学推导得到一种新的超复数相位相关表达式及相关系数与图像位移间的解析表达式,然后使用最小二乘法从相关系数矩阵中,直接估计出图像间存在的位移。该算法能够充分利用彩色图像的灰度和色度信息,提高配准精度。仿真实验结果证明了算法的有效性。     

基于结构的SAR图像配准

由于SAR图像中相干斑的存在，使得已有用于光学遥感图像自动配准的算法往往无法直接应用。基于人工通过地物结构推毫匹配关系进行配准的想法。提出了一种基于结构的SAR图像自动配准算法，该算法首先通过检测出的点目标构造“虚拟结构”，然后再综合新提出的“虚拟结构”不变量及结构区域不变矩作为相似测度完成匹配检测，最后用LMS算法估计出变换参数从而实现SAR图像的自动配准。实验结果表明，该算法不仅能够有效实现SAR图像的自动配准，而且能有效避免SAR图像中相干斑对配准过程中特征检测和匹配造成的影响。     

基于图像配准的弹道目标ISAR图像横向定标

逆合成孔径雷达(inverse synthetic aperture radar, ISAR)图像横向定标是估计目标外形尺寸的关键。针对弹道目标,从理论上证明了任意两幅ISAR图像仅当横向正确定标的情况下才能完全配准。基于这一原理,提出了一种新的基于控制点仿射变换的ISAR图像横向定标方法,给出了横向比例尺的计算过程。最后采用测量数据对算法进行了验证,仿真实验结果表明,该算法能够准确估计横向比例尺,定标精度较高。     

多源图像实时配准融合系统

多源图像配准融合方法的理论研究较多,已有的融合系统往往针对特定应用通用性差,并且不具备实时性,而具有并行分布式计算机体系结构的通用实时图像融合系统有望解决这一问题。该系统的核心是基于标准总线上实时操作系统,以ADSP并行完成多源图像实时配准和融合,CPLD实现总线和视频同步控制。具有运算能力强、I/O带宽大、可扩展性和通用性强的特点,并以此构成了高速实时融合系统。实用表明此方案是可行的。     

INSAR理想干涉相位计算的快速方法及精度分析

理想干涉相位图是指通过场景DEM数据、SAR图像对以及雷达观测参数得到的无噪声的仿真干涉相位图,它在InSAR处理过程的应用前景越来越广泛.详细地阐述了一种快速生成理想干涉相位图的方法,并从理论上分析了该快速算法的精度,最后针对网格节点和圆锥场景分别进行了仿真,验证了该方法的可行性.     

基于改进矢量量化的SAR图像压缩算法

由于SAR图像像素之间相关性比较弱,考虑到矢量量化在信源弱相关的条件下,也能取得比较好的压缩效果,将矢量量化用于SAR图像压缩中。同时,针对SAR图像纹理丰富,容易受到斑点噪声影响的特点,改进算法将区域整体图像信息从量化空间中分离出来,而且删除了每次聚类后含有最少矢量的胞腔。该算法有效的减少了量化空间大小,使生成码字分布更加合理。实验结果表明,矢量量化对于SAR图像压缩是有效的,并且,改进算法提高了图像整体压缩效果,较好的保留了点线面目标,同时在斑点噪声抑制方面做出了有益的工作。     

基于局部频率估计和有限元的相位展开方法

针对干涉数据质量不同的区域采取不同的展开策略,在最小二乘意义下利用有限元方法最小化不同的代价函数来实现。引入局部频率估计解决了相位展开的"坡度欠估计"问题,使用有限元方法利用了其可以适应任意不规则区域求解的特性。仿真和实测数据处理结果验证了本文方法的有效性,且与其它方法相比具有较高的精度。     

基于支持向量机的InSAR干涉图相位解缠法

提出了一种基于支持向量机的InSAR干涉图区域分割相位解缠法,以支持向量机为分类工具,利用干涉图中的残差点、相位导数方差等相位属性对干涉图中像元分类,把干涉图分割成高质量非掩模区域和低质量掩模区域.先用改进的Itoh方法对非掩模区域解缠,然后应用区域生长策略对掩模区域解缠.最后用真实的和模拟的干涉相位图试验表明算法比现有的传统算法如枝切法等InSAR干涉图相位解缠方法更有效.     

基于支持向量机的概率密度估计方法

介绍了基于支持向量机的概率密度估计。从概率密度的定义出发，利用支持向量机求解线性算子方程的方法，直接估计出密度。建立了几种不同的支持向量机仿真模型来进行概率密度估计。从仿真结果来看，该种方法与Parzen窗的精度等级类似，同时又具有Parzen窗方法所不具备的稀疏解。     

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FFT相位差的载波估计算法仿真与改进

由于栅栏效应,直接用FFT估计频率和相位仅能获得非常粗的精度。精确的估计需要在FFT谱线基础上做进一步的插值等运算。文献[1,2]提出了基于FFT相位差的载波频率和相位估计算法,利用两段FFT谱线间的相位差消除了栅栏效应的影响,获得了精确的估计。但经过仿真,该文献提出的方法估计性能依赖于所估计信号的频率,在某些频率点能获得很好的估计性能,但在少数频率点附近性能恶化严重。对该问题进行了理论分析,找出性能恶化的原因所在并提出了改进办法,克服了原文献算法的缺点。仿真表明,在整个频率动态范围内,改进后算法都非常稳定,具有很好的估计性能。同时改进后算法同样运算简单,便于实现。     

多参数装备费用的支持向量机预测

支持向量机是一种采用结构风险最小化原则代替传统经验风险最小化原则的新型统计学习方法 ,具有完备的理论基础。首先应用支持向量机原理建立了基于支持向量机的多参数装备费用预测模型 ,然后采用模型对整套机载电子设备费用进行了预测。通过与多元线性回归和神经网络的预测结果对比 ,建立的新型装备费用预测模型具有更好的预测精度     

基于Bayes估计的多传感器数据融合方法研究

对多传感器数据融合方法进行研究 ,以 Bayes估计理论为基础得到了多传感器最优融合数据 ,并将它与其它方法得到的融合数据进行了比较 .