SAR图像并行拼接方法研究与实现* 〖HT4K〗——基于改进完全二叉树模型

随着SAR成像技术的快速发展，SAR图像覆盖的地域范围与成像精度也在迅速增长，这对SAR图像拼接工作的实时性提出了挑战;文章对SAR图像序列特征进行深入分析，提出了采用基于分割的完全二叉树模型进行SAR图像的并行拼接，并使用MPI点对点通信方式对之进行了不同数量机群规模下的实现；对比实验证明，基于该方法的并行拼接工作比传统并行拼接方法在降低拼接时耗上更加有效，且并行拼接后的完整图像效果良好.     

一种用小波包进行SAR原始数据压缩的方法

提出了一种对合成孔径雷达（ＳＡＲ）原始数据在载体进行压缩的方法，原始数据先用分块自适应量化（ＢＡＱ）减小数据动态范围，但不减少量化位数，然后对数据进行小波包正交以变换，根据频率包络的能量变化自适应地进行数据压缩，即高能量区域用较多位来表示，低能量区用汪的位数来表示，处理带宽以外的区域不不再进行编码，用ＢＡＱ编码法对块内频域中的数据进行编码，实验表明所提出的ＷＴ－ＢＡＱ算法优于ＦＦＴ－ＢＡＱ的ＢＡＱ     

星-机-地雷达遥感试验

近年来雷达数据的定标已引起广泛关注,雷达数据的反演及分类都直接依赖测量数据的精度,为了提供定量的散射测量值,必须进行外定标.目前常用的定标方法是采用点目标法,但是,采用点目标法定标存在一系列问题.例如,定标用点目标信号与背景比值要足够大,周围地表与定标体间的相干耦合作用也将导致误差.再者,大尺度的定标器制造过程可能出现几何变形.因此,利用分布式目标进行雷达数据定标是一种有效的方法.本次试验是在航天飞机成象雷达(SIR-C/X-SAR)过顶北京试验区时,进行机载合成孔径雷达(SAR)同步飞行试验,同时,地面进行车载散射计实时测量及地表参数实测,简称星—机—地雷达遥感试验。     

基于地理坐标参数的SAR图像自动概略配准法

提出了一种新的基于地理坐标参数的SAR(Synthetic Aperture Radar)图像自动概略配准方法.该方法利用SAR图像的地理坐标(经纬度)参数,用多项式拟合主辅图像中像元的地理坐标随其图像坐标的变化,首先得到主图像中心像元地理坐标值,然后在辅图像中找到某个像元,其地理坐标等于主图像中心像元的地理坐标,此辅图像中像元的图像坐标与主图像中心像元的图像坐标之差即为概略配准的偏移量.用真实的SAR数据研究证明,本文提出的方法运算速度快,配准精度高.     

小卫星分布式雷达

小卫星分布式雷达是一种新概念雷达系统 ,具有重要的应用前景。本文讨论了小卫星分布式雷达的基本概念 ,探讨了其在未来航天装备中的作用和地位 ,阐明了小卫星分布式雷达技术的科技内涵 ,最后提出了对我国发展天基雷达的几点思考     

鲁棒Hausdorff距离在SAR／惯性组合导航图像匹配中的应用研究

分析了适用于SAR景象匹配辅助导航系统的图像匹配算法的特点，提出了一种新型Hausdorff距离的鲁棒型图像匹配算法．首先分析了传统的Hausdorff距离算法的不足，然后引入了一种能有效消除高斯噪声影响的新算法．同时针对此算法图像匹配时全局搜索的不足，提出了扫描终止法技术，以有效解决图像匹配实时性的问题．针对高斯噪声的大小对图像匹配的影响进行了仿真实验．仿真结果表明，新图像匹配算法能大大提高合成孔径雷达图像的匹配精度和实时性，对组合导航系统的精度提高有重要的意义，是一种行之有效的方法．     

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.     

高速俯冲SAR多模式实时信号处理系统

针对高速俯冲SAR多模式实时信号处理系统的特殊性,提出了一种设计与实现方案.对高速俯冲SAR应用背景及工作模式进行介绍,并说明了本系统所使用的SAR成像算法.在此基础上,提出了可包容单通道多子图的扫描SAR处理和三通道单脉冲处理的系统架构设计方法,并对其中的关键技术如原始数据流方式、高效率数据共享方法、快速模式切换方法和低功耗休眠功能进行具体描述.挂飞试验的实时处理结果验证了本系统的正确性和有效性.     

SAR与TM影像像元级融合方法探讨

以加拿大Radarsat SAR与美国Landsat TM影像为数据源,分别将SAR与TM的DN值转换为表征地物特征的后向散射系数和反射率,采用修正的SVR融合法进行融合,利用最佳指数法跟常用的融合方法作了定量比较.结果表明:修正后的SVR法融合后图像无论是光谱信息保持性、融合后信息量都优于常用的融合方法.     

SAR image de-noising via grouping-based PCA and guided filter

A novel synthetic aperture radar(SAR)image de-noising method based on the local pixel grouping(LPG)principal component analysis(PCA)and guided filter is proposed.This method contains two steps.In the first step,we process the noisy image by coarse filters,which can suppress the speckle effectively.The original SAR image is transformed into the additive noise model by logarithmic transform with deviation correction.Then,we use the pixel and its nearest neighbors as a vector to select training samples from the local window by LPG based on the block similar matching.The LPG method ensures that only the similar sample patches are used in the local statistical calculation of PCA transform estimation,so that the local features of the image can be well preserved after coefficients shrinkage in the PCA domain.In the second step,we do the guided filtering which can effectively eliminate small artifacts left over from the coarse filtering.Experimental results of simulated and real SAR images show that the proposed method outstrips the state-of-the-art image de-noising methods in the peak signalto-noise ratio(PSNR),the structural similarity(SSIM)index and the equivalent number of looks(ENLs),and is of perceived image quality.