基于张量投票算法的SAR图像道路提取方法

阐述了张量投票算法基本原理,提出了一种利用张量投票算法从合成孔径雷达(SAR)图像中提取道路网的方法.首先利用一个比值算子和一个相关算子的融合检测算子将道路基元榆测出来;然后再利用方向可调滤波器进行SAR图像的局部方向估计;最后对方向估计结果进行张量编码,并采用张量投票算法构建道路网.基于真实SAR图像的实验结果显示,此方法对斑点噪声不敏感,不需对SAR图像进行复杂的预处理,就能快速、准确地检测SAR图像中的道路网.     

一种SAR图像分割新方法

合成孔径雷达（SAR）图像中固有的相干斑噪声,严重影响了图像分割算法性能。为了改善SAR图像分割质量,本文提出了一种联合PM扩散模型和各向异性MRF模型的图像分割方法。首先对传统PM扩散模型的扩散系数进行简化和近似,限制模型的解的唯一;然后使用改进后的模型对原始SAR图像进行非线性扩散,在抑制噪声的同时保持图像结构细节;继而,通过在标记场势能函数中引入观测数据灰度信息,将经典的基团势能改进为基于灰度加权的各向异性势能,提高边缘像素和图像奇异点的分割准确率。实验表明,本文算法的分割结果区域连通性更好,边缘轮廓分割更精细。     

一种改进的提高SAR图像分辨率的偏微分方程方法

目的提高SAR图像的分辨率,滤除噪声干扰。方法利用了P-M非线性扩散方程在提高SAR图像分辨率时既能滤除噪声又能很好保护边缘的优势,借鉴了边缘增强扩散方程能够增强图像边缘的特性,提出了一种将两种方法相结合的处理方式。结果得到了一种将2种方法相结合的混合模型。结论该方式既避免了P-M非线性扩散方程无法改善SAR图像边缘的缺陷,又回避了边缘增强扩散方程容易产生虚假条纹的劣势,使图像的整体分辨率得到了提高。     

全极化SAR的方向角纠正在估算裸土含水量时的应用

应用JPL/AIRSAR的L波段全极化数据,分别计算理论模型算法和圆极化算法的方向角,并对全极化SAR数据进行角度纠正,将结果与改进的积分方程模型（AIEM）预测值进行对比。结果表明：HH和VV极化下后向散射系数和同极化比的均方根误差由1.93,1.37,1.89 dB分别下降到1.62,1.24,1.62 dB和1....     

一类张量方程的基于梯度的迭代方法

从张量的角度研究线性系统的数值解,利用分层确定原则及张量导数运算,得到求解一类特殊的张量方程基于梯度的迭代方法,然后推广到求解较为一般的张量方程,讨论了算法的收敛性,并用数值实验进一步验证了理论结果。     

一种基于MRI图像的相干增强张量扩散方程离散方案

相干增强张量扩散方程的离散方案对图像的去噪效果尤为重要。在保持空间导数算子旋转不变性的前提下,根据大脑MRI图像的结构特征,并考虑MRI图像的噪声服从莱斯(Rician)分布的特点,以峰值信噪比(PSNR)和结构相似性(MSSIM)为目标函数对空间导数算子的取值进行优化。实验结果表明,提出的离散方案在峰值信噪比和结构相似性方面均优于其他旋转不变性离散方案。     

求解张量绝对值方程的非精确LM方法

通过引入互补函数将张量绝对值问题重新表述为张量互补问题.针对重构的张量互补问题，建立了自适应非精确LM算法，并证明了算法的收敛性.数值实验结果表明所提出的算法是有效的.     

基于张量秩校正的图像恢复方法

针对医学图像和视频图像的恢复问题,基于张量表示,研究有限样本下的低秩张量数据恢复问题,在张量奇异值分解(t-SVD)理论的基础上,提出了张量秩校正模型和两阶段张量秩校正方法,第一阶段是用张量核范数最小化模型求得预估解,第二阶段,根据预估解,求解张量秩校正模型,获得更高精度的解.构建了求解张量秩校正模型和张量核范数最小化模型的张量近似点算法,使得可以在实数域上对张量直接进行计算,并且从理论上证明了该算法的收敛性.通过对医学图像和视频图像的数值仿真实验,验证了本文所提出模型和方法的有效性,实验结果显示,张量秩校正模型和方法能够取得更高的恢复精度.     

基于区域划分的SAR图像相干斑各向异性扩散滤波算法

经典的细节保持各向异性扩散滤波算法(DPAD)在抑制SAR图像乘性相干斑噪声时,存在同质区块效应现象与边缘区噪声残留问题,为此提出了一种基于区域划分的各向异性扩散滤波算法。该算法通过在DPAD扩散方程中耦合方向扩散来抑制边缘区域相干斑与同质区块状起伏;通过阈值化的边缘强度映射对SAR图像实施同质区与边缘区的区域划分,并对不同区域采用不同尺度局域窗分别实施各向异性扩散滤波,从而在抑制同质区相干斑的同时有效保护边缘。实验结果表明：与多种各向异性扩散抑斑算法相比,本文算法在保护边缘的同时,能明显降低同质区块效应现象与边缘区噪声残留问题。     

求解张量绝对值方程的两步非精确Levenberg-Marquardt算法

张量绝对值方程可以重构为张量互补问题来求解。针对重构的张量互补问题，提出了两步非精确Levenberg-Marquardt (LM)算法，并给出了LM参数μk的一个新的选取方式，同时证明了所提出算法的收敛性定理。一些数值实例被测试，实验结果表明该算法是有效的。     

结合无监督聚类的SVM二叉树在SAR自动目标识别系统中的应用

结合向量机二叉树是近年发展起来的一种新的多分类识别器,该方法现已证明能有效提高分类精度以及训练速度[1].提出了结合无监督聚类的SVM二叉树的SAR目标自动识别,并对MSTAR的T-72 Variant数据库进行实验,取得了良好的识别效果,为SAR自动目标识别的多类别问题提供了一种新方法和新思路.     

极化干涉合成孔径雷达技术发展与应用

极化干涉SAR技术是近年SAR遥感领域内的研究热点.本文首先概述了极化干涉SAR技术基本理论,并总结了目前极化干涉SAR技术的应用现状;然后在详细介绍国外ALOS-PALSAR、TerraSAR-X和RADARSAT-2三个典型星载极化SAR系统的基础上,分析了极化干涉SAR技术的应用前景.     

双向卡尔曼滤波器在机载SAR运动补偿中的应用

运动补偿系统设计是机载SAR实现高分辨率的一项关键技术,DGPS/IMU组合导航系统已成为当前高分辨率机载SAR基于传感器的运动补偿技术的发展趋势之一.将一种双向卡尔曼平滑滤波算法应用于DGPS/IMU组合导航系统中,实验表明与多传感器组合导航系统数据处理中最常用的算法工具--卡尔曼滤波器相比,该算法可以为机载SAR提供更高精度的运动补偿信息.     

融合目标轮廓和阴影轮廓的SAR图像目标识别

针对合成孔径雷达图像目标识别问题,在基于图像成像模型分析基础上,提出了一种融合SAR目标轮廓和阴影轮廓的目标识别算法.首先提出了一种基于去控制标记符的SAR图像分割算法,得到SAR图像目标轮廓和阴影轮廓,然后用这2种轮廓融合,用傅立叶描述子将二维数据转为一维数据,最后用基于串接准则的融合算法得到识别结果,进行SAR目标识别.基于MSTAR的实验结果验证了本算法的有效性.实验结果证明:目标轮廓和阴影轮廓的结合,除反映本身包含的局部空间结构信息外,还能反映SAR目标的高度信息,较单一轮廓特征,是一种更为稳健的特征.     

粗糙地面上复杂目标的电磁散射特性

粗糙地面与复杂目标的耦合散射特性研究一直是雷达目标识别领域比较有应用价值的课题.针对粗糙地面与目标的复合电磁散射特性进行重构,包括复合模型的雷达截面积(radar cross section,RCS)特性以及合成孔径雷达(synthetic aper-ture radar,SAR)成像特性.首先,对复杂目标进行几何建模并对粗糙面进行数值建模,构建地面与目标的一体化几何模型.然后基于空间射线分集技术、射线追踪技术以及劈边结构识别算法分离出复合模型中散射中心,包括面结构和劈边结构对应的散射中心,基于属性散射中心模型正向的确定散射中心对应的各个参数,最终建立起粗糙地面上复杂目标的散射中心参数化模型.并通过对其重构的散射特性与实测结果进行对比,分析了地面与目标的耦合作用.研究对雷达目标识别领域具有很大的应用价值.     

基于SAR图像滤波的小波模糊聚类算法

针对合成孔径雷达(SAR:Synthetic Aperture Radar)图像固有的相干斑噪声,提出了基于小波模糊聚类算法的去噪方法.该方法把信号和噪声的小波系数的分割看为一个两类模式分类问题.通过将小波系数幅值和高频子图像中的边缘信息作为聚类特征进行噪声系数分离,实现了精确分离小波系数,滤除相干斑噪声的目的.该算法不需要选择阈值和了解噪声的先验知识,有较强的数据自组织能力.实验结果表明,二维聚类滤波的信噪比提高了近8%,图像显示效果也得到了明显改善.     

基于小波域中心矩特征的SAR图像识别

为克服合成孔径雷达(SAR: Synthetic Aperture Radar)图像的方位敏感性和平移敏感性给识别带来的困难, 提出一种基于二维离散小波变换与中心矩特征提取的SAR图像目标识别方法。该方法通过对图像的二维离散小波分解提取低频子带图像, 同时提取具有平移不变性的中心矩作为特征向量, 利用支持向量机进行目标分类和识别。实验结果表明, 该方法在有效抑制噪声的情况下, 很好地克服了SAR图像对目标方位的敏感性, 在减少计算量的同时具有较高的识别率。     

基于小波纹理与改进FCM的SAR机场类目标提取

定义了几种小波纹理,提出一种基于小波纹理与改进FCM(模糊C均值聚类)的对SAR(合成孔径雷达)图像进行机场类目标自动提取方法.利用小波多尺度分析对影像分解,得到不同方向上小波频带,然后对不同的小波频带进行小波纹理分析--用频率共生矩阵4个关键特征来描述小波纹理特征向量.应用PCA(主成分分析)的方法去相关,进行特征空间的降维处理,并使用改进FCM进行分割,进而提取出目标.实验结果表明:此种无需初始点的非监督算法自动化程度高,机场类目标提取成功率和定位准确率分别达到97.3%和99.3%,为此类目标的定位提供了良好的参考.     

基于注意力与多尺度的4类脑电信号解码

为了增加主动式脑-机接口（BCI）指令集的数量,提出了一种基于运动想象和言语想象的时序编码实验范式。通过将1个运动想象和1个言语想象分时序进行,获得了4类想象方式：1）运动想象;2）言语想象;3）先运动想象再言语想象;4）先言语想象再运动想象。针对上述实验范式的脑电信号设计一种基于注意力与多尺度神经网络（AMEEGNet）：首先通过一个空洞卷积和三个不同大小尺度的二维卷积提 取信号的鲁棒性时间表示;然后使用深度卷积和可分离卷积提取空间特征和频域特征;此外,在模型中添加挤压激励模块,以自适应提取具有高分类精度的特征;最后采用一个具有全连接的网络层进行分类。该模型在拥有四类想象的时序编码实验数据集上获得了71.1%的平均准确度,且在同一数据集上EEGNet,MMCNN,Shallow ConvNet,TSGL-EEGNet分别取得57.9%,60.5%,68.3%,68.4%的精度,可见所提模型识别准确率最高。     

Sentinel-1双极化数据舰船目标几何特性提取

 舰船目标几何特性提取是合成孔径雷达（SAR）图像海上目标检测识别的重要基础。在具有几何真值样本的基础上,通过参数寻优和拟合回归,能够提高几何特性提取的精度,这在TerraSAR-X数据上已有研究。本文考虑Sentinel-1大部分情况下均能提供双极化数据这一特点,探索双极化信息能否进一步提升几何特性提取的精度。基于OpenSARShip测试库,首先使用二维度滤波进行图像处理,该图像处理过程中的关键参数使用交叉熵方法进行寻优,在大样本基础上,得到最优参数;之后,在目标几何特性的图像处理提取结果上,综合传感器、环境、目标3方面信息,特别是融合双极化信息,使用多元线性回归模型进行拟合,得到比仅用单极化信息更高的几何特性提取精度,证实了双极化信息的可用性。