基于强角点的SAR图像自动配准

图像配准技术在合成孔径雷达图像处理中占据至关重要的位置。针对合成孔径雷达图像配准对时间和精度的需求,提出基于角点特征的配准算法。提取两幅图像的角点构造三角形,计算三角形的角度,寻找两幅图像对应的相似三角形,用三角形的顶点坐标求得仿射变换系数,参考图像进行仿射变换,与待配准图像比较相似性,最大相似性对应的变换图像为配准结果。引入用于视频追踪的强角点,对该算法进行验证。实验数据表明该算法的快速准确,并具有一定的抗噪性。     

稀疏步进频合成孔径雷达成像算法

提出了一种适用于稀疏步进频信号的成像算法,以较少的时间和频谱资源完成了雷达目标成像。该算法将稀疏步进频回波数据等效为均匀步进频回波数据的观测值,利用压缩感知重构算法实现目标区域的距离向重构,然后经过距离徙动校正与方位向脉压完成对目标场景成像。仿真结果表明:该算法在发射频点高度稀疏条件下仍能实现高分辨成像。采用地基雷达实测数据验证了算法的有效性。     

星载逆合成孔径激光成像雷达空间碎片观测

分析了星载ISAIL对空间碎片目标成像的原理,根据空间碎片目标自旋运动的特点,提出了一种结合压缩感知与复逆Radon变换的低重频成像算法。该算法结合压缩感知技术和复逆Radon变换，只需发射带宽很窄的激光信号,并对单个距离单元处理即可实现对目标的高分辨率二维成像，解决了系统脉冲重频率对成像的限制。仿真验证表明：此算法不仅可以解决对空间碎片目标成像过程中系统重频率不够的问题,而且通过大幅度减小信号带宽降低了激光信号调制技术对成像的影响，算法是可行性。     

典型目标的合成孔径雷达回波生成与图像仿真

分析了典型目标的合成孔径雷达(SAR)回波与图像仿真对验证SAR成像算法的有效性、开展SAR图像解译和SAR图像自动目标识别等方面的研究具有重要作用,在现有的SAR回波信号和图像仿真方法基础上,提出了一种新的目标SAR回渡信号和图像仿真方法,该方法把目标特性分析的曲面像素法和基于二维傅立叶变换(2DFFT)的SAR回波信号仿真数学模型相结合,采用曲面像素法来计算目标的散射率,用基于2DFFT的回波生成方法来计算SAR回波,实现了典型目标的合成孔径雷达回波生成和图像仿真,并给出了相应的仿真结果,证明了该方法的有效性.     

ISAR像自动识别中的预处理算法

目标逆合成孔径雷达（inverse synthetic aperture radar, ISAR）像通常表现为随视角变化的稀疏散射中心分布,这严重影响了ISAR像特征提取和目标识别的性能。以获得清晰且稳定的ISAR像为目的,研究了一种新的预处理算法:首先根据斑点噪声和横条纹干扰特点,对图像使用全局迭代阈值抑制斑点噪声,局部散射点强度削减抑制横条纹干扰,然后分别利用形态学处理和邻域平均法填充和平滑图像,最后对图像做质心、尺度和视角的归一化。仿真结果表明,该算法有效地提高了ISAR像的稳定性,有利于后续的目标特征提取与识别。     

大气湍流对受光阑限制的多色高斯-谢尔模型光束总光强分布特性的影响

基于广义惠更斯-菲涅尔原理,采用Rytov相位结构函数二次近似和窗口函数的复高斯展开法,推导出了受光阑限制的多色高斯-谢尔模型(GSM)光束在大气湍流中的总光强公式,详细研究了大气湍流对受光阑限制的多色GSM光束总光强分布特性的影响.研究表明,光束截断参数、光束相干参数和源光谱带宽越小,大气湍流对受光阑限制的多色GSM光束总光强影响就越小.特别地,湍流对受光阑限制的多色GSM光束的影响比无光阑限制时要小;在大气湍流和自由空间中,受光阑限制的多色GSM光束比准单色GSM光束扩展大.     

基于B-CFAR预处理的自动匹配目标识别法

针对传统模板匹配识别算法中 ,受目标旋转带来的识别率与运算速度难以两全的问题 ,文章采用了一种改进算法。首先在匹配之前用双参数恒虚警检测 (B-CFAR)提取感兴趣的区域 (ROI) ,这样排除了一些干扰 ,不仅能提高识别率 ,而且对于数据量很大的合成孔径雷达 (SAR)图像匹配速度也有所提高 ,然后对图像上每点窗口内计算方向性并依此选取相应方向的模板 ,最后用相应模板对图像进行匹配。将此算法运用在复杂二维 SAR图像飞机识别中 ,结果表明得到了良好的识别效果     

基于频域稀疏压缩感知的雷达目标三维散射中心反演方法

基于平面阵列的微波天线结构可以获取多视角下的目标散射中心三维分布。针对平面阵列稀疏分布导致的目标成像及散射中心反演精度较差的问题, 设计了一种基于组合巴克码的稀疏孔径分布方式。在此基础上, 利用稀疏孔径回波和频域主成分分析得到参考复数信号。利用该参考复数信号对原始回波进行干涉处理, 获得回波频谱的稀疏表征方式。在频域建立基于压缩感知的目标散射中心三维分布模型并进行优化求解, 得到重构后的目标三维频谱, 并逆变换至空间域, 可实现目标散射中心幅度及三维位置重建。暗室试验数据处理结果表明, 所提方法在X波段和稀疏采样率为50%的条件下, 目标散射中心幅度及三维位置反演精度均优于90%。     

天然气汽车改装中CNG喷射器喷嘴孔径的确定

在压缩天然气汽车(CNGV)的改装过程中,CNG喷射器喷嘴孔径这个工艺参数,极为关键却又难以把握。为了提高安装作业的效率及精度,探究出一种能辅助安装者更快更准地确定所需孔径的方法,提出了以模糊模式识别原理的算法,根据待改装车辆的发动机功率、行驶总里程和当前火花塞使用中的行驶里程这3个指标,对喷嘴孔径的尺寸进行识别,以实现在CNG系统安装前对孔径进行确定。在MATLAB中对该算法进行验证时,发现采用随机性更好的分组抽样且对算法的数据运算过程进一步匹配修正后,孔径的识别精准性显著提高。经过与此前的实际安装记录数据的核对,最终证实了该算法的可行性及准确性。     

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。