全极化合成孔径雷达地势高度信息检测技术

从全极化合成孔径雷达(SAR)图像数据中,可提取方位向的地势倾斜度信息,形成极化SAR三维成像.重点研究了极化合成孔径雷达三维成像算法;提出了由Stokes矢量推导的极化椭圆方向角解模糊算法;讨论了目标极化散射特性对提取地势高度信息的影响以及处理方法;并利用真实的极化SAR图像数据得到了极化三维成像结果.     

圆轨迹环视SAR成像处理

圆轨迹环视合成孔径雷达（synthetic aperture radar, SAR）是一种能够实现广域观测的新模式合成孔径雷达,由于它特殊的运动轨迹,直线SAR的成像算法不能直接应用于圆轨迹环视SAR数据处理。然而,对于圆轨迹环视SAR系统而言,其响应函数具有“沿角度维平移不变”的特性。因此可以利用这一特性,借鉴条带SAR成像算法的思想,在频域研究圆轨迹环视SAR数据的成像方法。推导了圆轨迹环视SAR回波信号的精确二维频谱表达式,并在距离多普勒域给出了一种圆轨迹环视SAR成像方法。仿真实验验证了算法的有效性。     

基于改进的CNN和数据增强的SAR目标识别

针对合成孔径雷达(synthetic aperture radar, SAR)图像目标识别问题, 提出了基于改进的卷积神经网络和数据增强的SAR目标识别方法。首先在训练阶段引入Dropout, 随机删除部分神经元, 增强网络的泛化能力。其次, 在网络中引入L2正则化, 简化模型的同时降低结构风险, 并且能有效地抑制过拟合。然后, 采用Adam优化网络, 提高模型的收敛效率。最后, 采用优选的数据增强方法, 扩充SAR目标数据集, 为网络训练提供更为充足的样本, 进一步提高识别的准确率和模型的泛化性。在运动和静止目标获取与识别(moving and stationary target acquisition and recognition, MSTAR)数据集上进行了实验, 结果表明设计的卷积神经网络识别准确率高, 且具有更好的泛化性。     

基于改进ResNet网络的复数SAR图像舰船目标识别方法

合成孔径雷达(synthetic aperture radar, SAR)采用微波相干成像, 因此SAR图像本质上是复数的。传统基于神经网络的SAR图像目标识别方法, 通常只处理SAR图像的幅度信息, 无法有效利用SAR图像特有的复数信息。本文面向SAR图像中的舰船目标识别应用, 从SAR图像的本质出发, 首先通过组合SAR图像的实部、虚部和幅度三通道信息, 隐式地提供了输入数据的复数信息表示; 然后在ResNet18网络及其结构基础上引入通道注意力机制, 使网络能自适应学习实部、虚部和幅度三通道之间包含的复数信息; 最后引入标签平滑正则化, 解决因复数数据集样本较少出现的过拟合现象。基于OpenSARShip数据集的实验结果表明, 所提方法可以较好利用SAR图像本身的复数信息, 在一定程度上提升了基于深度神经网络的舰船目标识别效果。     

二维稀疏采样下的双通道SAR地面运动目标检测方法

多通道合成孔径雷达(synthetic aperture radar, SAR)地面运动目标检测系统具有良好的主瓣杂波抑制能力,但是其采样数据量过大的问题给数据存储与传输系统带来沉重负担。针对该问题,提出一种二维稀疏采样下的双通道SAR运动目标检测方法。该方法首先在距离和方位两维域进行随机稀疏采样,然后利用压缩感知技术对双通道的SAR回波数据进行联合处理,构造变换矩阵将目标能量支撑区从所有场景散射点的能量支撑区中进行分离,采用基于加权的最小l₁范数优化模型进行杂波抑制与运动目标成像。所提算法能够有效降低原始数据量,在杂波散射点的空间分布稀疏性较差的情况下,仍可以较好地检测地面运动目标。仿真实验验证了所提算法的有效性。     

SAR层析成像技术的发展和展望

合成孔径雷达（synthetic aperture radar, SAR）图像是雷达目标在二维成像平面上的投影,由投影引起的各种失真使得SAR图像解译极其困难。干涉SAR能获取连续地形的高程测绘,但不具备高度分辨能力。利用多部天线或多次航过形成高程上的合成孔径,SAR层析成像技术实现了对雷达目标的三维分辨能力,这对实现城区测绘、人造目标识别等均具有重要价值。总结了SAR层析成像系统及其信号处理技术的发展历程和研究进展,并对各种信号处理算法的性能优劣进行了研究与讨论。最后,指出了SAR层析成像技术的研究热点并对其发展趋势进行了展望。     

基于卷积神经网络与注意力机制的SAR图像飞机检测

在合成孔径雷达(synthetic aperture radar, SAR)图像应用领域, 对SAR图像中飞机目标的检测备受关注。针对现有检测算法模型运算复杂度高、检测性能较低的问题, 提出一种基于深度可分离卷积神经网络与注意力机制的SAR图像飞机检测算法。首先使用深度可分离卷积神经网络提取图像特征, 同时在网络中引入逆残差块, 以有效防止通道数压缩引起的特征信息丢失问题; 其次在网络中引入多尺度空洞卷积—空间注意力模块和全局上下文通道注意力模块, 通过重新分配显著区域和各特征图更有代表性的权值, 以更好地捕捉空间有效信息和通道间语义相关性, 提高模型特征表达能力; 最后在SAR飞机数据集(SAR aircraft dataset, SAD)上进行对比实验验证。实验结果表明, 所提算法具有更好的检测效果, 平均准确率达到86.3%, 检测速度达到22.4 fps/s。     

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。     

复图像域正则化特征增强SAR成像方法

通过分析合成孔径雷达(SAR)的成像过程和频域上的正则化特征增强方法,提出了一种在复图像域进行正则化特征增强的SAR成像方法,直接从SAR复图像域数据出发,利用先验信息,使用正则化方法重建高分辨率的SAR图像。实验结果表明,该方法能较好地保护目标并增强目标的可分辨性、抑制旁瓣和噪声、提高SAR图像的对比度。通过大量实验,研究了正则化参数的选取规律,总结出一些有用的结论。复图像域上的正则化特征增强方法的计算量比频域上的正则化特征增强方法的计算量大大减小。     

一种利用遗传算法的极化定标算法

由于极化合成孔径雷达发射与接收端受通道幅相不平衡、天线串扰、电磁波传播特性和系统噪声等因素影响,造成遥感数据不能反映真实目标特性。为获取目标的准确特征信息,必须对遥感数据定标。针对利用已知分布目标散射阵的极化定标问题,提出了一种基于复数纺码的遗传算法求解具有多变量、超定、非线性方程组的极化定标。文中详细分析了遗传算法及其三种实现,并通过仿真实验证实了该算法的有效性。     

一种有效的SAR图像分割与目标识别方法

在基于模板匹配的合成孔径雷达(syntheticapertureradar,SAR)目标识别中,一个关键问题就是如何从带有杂波的SAR图像中将目标正确分割出来,以便形成高质量的模板。针对这一问题提出了一种基于对数变换的自适应SAR图像分割方法并将其用于由美国国防高级研究计划署(DefenseAdvancedResearchProjectAgency,DARPA)和空军研究室(AirForceResearchLaboratory,AFRL)提供的实测SAR目标图像识别中。实验结果证明,经有效的目标分割后,不但提高了目标的正确识别率,还有效地提高了对假目标的拒识率,具有良好的鲁棒特性。     

基于深度特征融合的SAR图像与AIS信息关联方法

星载合成孔径雷达(synthetic aperture radar, SAR)和自动识别系统(automatic identification system, AIS)都可以获取到探测目标的相关信息，将两者获取的信息进行关联融合，有益于实现高效的海上侦察监视。由于数据之间存在的异构性，传统方法多依赖人工特征建立SAR图像与AIS信息的关联关系，但这些方法存在精度差、效率低等缺点。本文提出了一种基于深度特征融合的SAR图像与AIS信息关联方法，针对两种模态数据的特点分别设计了对应的特征学习网络获取单模态特征表示，进一步融合不同模态的特征信息以增强跨模态信息间的语义相关性，然后通过设计的关联学习目标函数进行跨模态特征之间关联学习。在构建的数据集上验证表明，所提方法关联精度高、适应性强，验证了所提数据集和方法的有效性。     

一种舰船目标SAR回波的快速仿真方法

为满足合成孔径雷达(synthetic aperture radar,SAR)在海洋遥感的应用需求,提出一种舰船目标SAR成像的快速仿真方法。对成像场景中重点关注的目标进行精确电磁建模,并利用"四路径"模型计算目标与海面的复合散射回波,对海面背景采用散射面元法计算回波;将舰船复合散射回波与海面回波进行合成得到总的SAR回波,利用聚束SAR成像处理方法获得SAR图像。结果表明:该算法避免了对整个成像区域进行复杂的电磁仿真,能够有效降低对海面大场景的电磁计算效率。由于在目标区域采用高频电磁算法,保留了目标的电磁散射的精细结构,为精确模拟SAR回波提供了一种准确而高效的仿真算法。     

稀疏场景下SAR方位向随机丢失数据的迭代成像算法

针对合成孔径雷达(synthetic aperture radar,SAR)方位向随机丢失部分数据导致目标模糊和能量分散的问题,提出基于稀疏优化理论的重建成像方法.该方法主要针对稀疏观测场景的SAR方位向随机缺失数据的回波信号进行成像处理,利用SAR回波模拟算子,避免了二维回波信号矩阵变成向量的操作,从而减小了内存占用...     

基于FDTD的高保真SAR回波信号仿真方法

针对传统合成孔径雷达(synthetic aperture radar, SAR)回波仿真算法忽略目标散射特性在观测时间内随方位角度和信号频率变化这一问题,提出一种基于时域有限差分方法(finite--difference time-domain method, FDTD)电磁散射计算的SAR原始回波数据生成方法,在此基础上提出了基于服务器的并行仿真策略及流程。该方法利用FDTD算法及后续仿真处理精确模拟了SAR系统线性调频脉冲信号从卫星传感器发射后,与场景目标发生相互作用,再被SAR系统传感器接收并生成原始回波数据的全部物理过程,从而得到高保真的SAR原始回波数据。最后,通过典型目标时间谱与空间谱的仿真对比实验及最终成像结果证明了本文所提算法的正确性及有效性。     

基于全局位置信息和残差特征融合的SAR船舶检测算法

针对合成孔径雷达(synthetic aperture radar, SAR)图像船舶目标尺度不一且易受海面、地面杂波和相干斑噪声的影响,难以提取目标多维特征且特征融合过程中易产生语义歧义,造成船舶目标检测率低,虚警率高的问题,提出一个基于全局位置信息和残差特征融合的SAR船舶目标检测算法。基于Faster区域卷积神经网络(region convolutional neural network, R-CNN)目标检测算法,在特征提取网络和特征融合网络中进行改进：在特征提取网络中使用高宽注意力机制提取目标在图像中的全局位置信息,增强目标的多维特征提取能力;在特征融合网络中使用带有残差连接的双向特征金字塔网络削弱特征融合过程中的语义歧义,降低复杂背景下的船舶目标虚警率,同时进行不同层级的多尺度特征双向融合,增强高低层特征的联系,提升多尺度船舶目标的检测能力。在SAR船舶数据集上达到98.2%的均值平均精度,超过部分算法2.4%以上。实验表明,所提算法有效提取了目标的多维特征,显著缓解了语义歧义问题,具有较好的检测能力和泛化能力。     

一种SAR图像目标识别方法

提出了一种新的合成孔径雷达 (SAR)图像目标检测和识别方法 ,该方法根据SAR图像统计分布特性 ,结合恒虚警检测算法和小波变换提取感兴趣的SAR图像目标特征 ,检测得到目标 ,采用马氏距离从杂波背景中识别该目标。实际SAR图像测试结果表明了该方法的有效性     

基于快速阈值迭代的SAR层析成像处理方法

合成孔径雷达层析成像(synthetic aperture radar tomography, TomoSAR)是将合成孔径原理应用到高程向进行三维成像,相比于传统的二维成像,增加了高程向的信息。传统谱估计方法可用于SAR层析成像,但其高程向分辨率较低。对于高程向分布稀疏的场景,压缩感知(compressive sensing, CS)方法可以用于高程向重建,且具有超分辨能力。阈值迭代算法(iterative shrinkage-thresholding,IST)可用于SAR层析成像,但其收敛速度比较慢。介绍了一种快速阈值迭代算法(fast iterative shrinkage-thresholding,FIST)用于SAR层析成像,该方法不仅保持了IST算法计算的准确性,而且具有较快的收敛速度。本文通过仿真实验说明FIST算法在多散射体分辨、单散射体位置估计等方面的特性,并利用TerraSAR-X北京地区实际数据进行SAR层析成像,分析成像效果。研究结果表明FIST算法在多散射体分辨、单散射体位置估计方面优势明显,其应用于SAR层析成像具有较好的成像效果。     

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。