结合属性散射中心模型和空间变 迹法的 SAR 图像旁瓣抑制方法

针对合成孔径雷达( synthetic aperture radar,SAR) 图像旁瓣抑制问题,提出结合属性散射中心模型和空间变迹法 (spatially variant apodization, SVA)的新途径。 空间变迹法作为一种经典超分辨率图像处理技术,能在抑制旁瓣的同时保持良 好的主瓣分辨率。 属性散射中心可以很好地描述目标在高频区的电磁散射特性,是分析 SAR 图像的有力工具。 基于属性散射 模型的参数估计得到的先验知识再利用空间变迹法处理 SAR 图像,达到抑制旁瓣的目的。 实验结果表明,该方法可以有效抑 制 SAR 图像旁瓣。     

改进的SAR图像干扰抑制算法

合成孔径雷达(SAR)图像中出现干扰条纹是由电视、广播和各类通信系统辐射源的频率在系统带宽内,造成接受的信号中混有干扰信号。由于这些干扰通常具有高于系统背景噪声的功率电平,会对SAR造成不同的影响。在某些系统中SAR信号在距离频域沿着距离向相邻的点会具有一定的相关性。如果某些频谱值被干扰信号污染,则可以利用它周围的点估计出该频段的信息。基于这一想法,提出一种干扰抑制算法,能有效的估计出被干扰影响的频谱信息。当频谱中干扰信号所污染的频段的个数较多时,相比传统方法,这种方法能更为有效地估计出原始信号。     

基于DPCA技术的SAR杂波抑制研究

杂波抑制技术是实现合成孔径雷达动目标检测与成像的关键技术之一。本文介绍了相位中心偏置天线技术(DPCA)的基本原理,在DPCA原理的基础上建立了杂波抑制模型,并进行了仿真模拟。结果表明,DPCA技术能很好地抑制杂波。     

基于小波域马尔可夫随机场模型的SAR图像相干斑抑制算法

相干斑噪声是SAR图像的固有特点。对相干斑抑制的要求是在平滑噪声的同时,尽量保持原始图像的结构信息。现有的许多相干斑抑制方法各有优点和不足,没有普遍的适用性。基于图像在小波域的马尔可夫随机场模型(MRF)结构,结合SAR图像中相干斑噪声的统计特性,本文提出了一种新的小波域相干斑抑制方法。仿真及实测数据处理结果表明,该方法在有效抑制相干斑的同时,更好地保持了边缘结构。与小波域软阈值去噪方法和Lee滤波器相比,该方法在噪声平滑及边缘保持上都取得了较大的改进,并得到了较好的视觉效果。     

两种抑制线性调频信号脉冲压缩旁瓣的加权方法

脉冲压缩技术在现代雷达系统中具有越来越重要的应用,而抑制旁瓣是脉冲压缩技术中的一个重要课题.本文研究了线性调频信号脉冲压缩的旁瓣抑制问题,分析了频谱加权法和冲激响应加权法的原理.对两种方法的谱平滑效果,脉冲压缩信号的主旁比及数字脉冲压缩的量化效应等进行了仿真研究,得出了一些有意义的结论.     

基于压缩感知的SAR宽带干扰抑制方法

压缩感知合成孔径雷达成像能够利用较少的观测数据清晰的恢复目标图像,但当回波中存在宽带压制干扰时,会严重破坏场景稀疏性,造成成像质量恶化。研究了一种基于选择性测量的自适应压缩感知宽带压制干扰抑制方法,通过构造一种压缩域投影滤波器并结合噪声联合检测算法,自适应感知干扰的位置信息,对合成孔径雷达（SAR）回波信号进行选择性测量,从“源头”上避免了干扰对SAR目标回波信号稀疏性的影响。仿真结果表明,该方法在减少SAR系统处理数据量的同时,使SAR成像质量明显提高,证明了该方法的有效性。     

基于三维匹配块的SAR图像相干斑抑制研究

合成孔径雷达(SAR)图像中存在相干斑噪声,不能准确反映照射区域的散射特性,增加了信息提取的难度。三维匹配块(BM3D)算法是在变换域中的稀疏表示,将相似的图像块分到一个三维空间中,从而达到去噪的目的。通过对噪声模型特征的分析及参数设置,将适用于加性噪声模型的BM3D算法应用到乘性噪声中。采用仿真与传统方法对比表明,利用BM3D算法抑制相干斑噪声,其边缘保持指数达到了0.484 5,在降噪的同时又较好地保存了图像的细节特征,验证了算法的有效性。     

基于加权纹理特征的SAR图像目标识别算法

由于SAR图像与光学图像的显著差异,光学图像的目标识别算法并不能应用到SAR图像中,因此研究SAR图像的目标识别具有重要的意义。传统的基于模型的SAR图像目标识别算法中将所有的特征同等看待,然而不同特征对于目标分类的贡献度可能差别很大。给不同的特征赋予不同的权重,可能会改变目标在特征向量空间中的相对位置,从而给出更合理的识别结果。采用SAR图像的纹理特征作为分类特征,在支持向量机分类算法中加入使用ReliefF算法计算得到的特征权重。试验结果表明这种加权后的目标识别算法具有更高的目标识别率。     

一种新的SAR窄带干扰抑制方法

合成孔径雷达易受电视网、通信网等无线设备的电磁干扰,严重影响成像质量。本文在分析SAR受到的干扰特点和信号模型的基础上,提出了一种基于压缩感知的SAR窄带干扰抑制方法。该方法根据SAR回波信号和窄带干扰信号在Chirplet字典上的调频斜率参数不同,在SAR回波信号重构过程中对干扰信号进行筛选并抑制,再把去除干扰后的压缩数据利用常规SAR成像算法进行成像。仿真结果表明,该方法不仅能有效抑制窄带干扰,而且大大减少了SAR系统成像处理的数据量,验证了本文所提方法的有效性。     

一种基于SAR图像视觉特征的改进像素掩蔽方法

像素掩蔽模型用于描述人眼视觉对图像噪声的敏感性与图像局部特征的关系,在图像压缩、数字水印嵌入、信息隐藏等领域中有重要应用.由于SAR图像反映目标及背景对微波的散射特性,其可视化特征与传统的光学遥感图像存在较大差异,导致基于光学图像的像素掩蔽模型不适用于SAR图像.提出一种基于SAR图像视觉特征的改进像素掩蔽方法,应用于对数变换后的SAR图像,在保持视觉质量的同时,可以显著的提高嵌入信息的强度.实验结果显示,该方法应用于基于小波变换的数字水印算法,可以极大的提升方法的鲁棒性和不可见性.     

A novel autofocus algorithm based on maximum total variation criteria for SAR images

A novel autofocus algorithm for synthetic aperture radar (SAR) based on total variation is presented in this paper. The method, which starts with a complex phasedegraded SAR image, after the phase errors model is introduced into the range-compressed phase-history domain, carries out phase errors correction by changing the focus till the total variation of the azimuth profile is maximized. Compared with the minimum entropy autofocus algorithm, the autofocus algorithm has less computational complexity and is easier to implement. The simulation and the processing results of the measured data show the validity of the proposed method. Translated from Journal of Xidian University, 2006, 33(2): 167–172 [译自: 西安电子科技大学学报]     

一种基于参数估计的运动舰船SAR成像方法

海面舰船不仅存在自身动力带来的平移运动,还受风浪等影响存在摇摆运动和振荡运动等复杂运动形式,传统SAR成像算法难以获得聚焦舰船图像,首先建立了海面振荡舰船和摇摆舰船的SAR成像几何模型,在此基础上了推导并分析了回波信号特点,针对回波特点提出了基于附加多普勒参数估计与补偿的舰船成像方法,使用平滑伪魏格纳分布（SPWV）提取并估计附加多普勒参数,能够明显改善振荡舰船和摇摆舰船SAR成像的聚焦效果,最后通过仿真实验证明了该方法的有效性。     

结合全局和局部稀疏表示的SAR图像目标识别方法

提出结合全局和局部稀疏表示的合成孔径雷达(SAR)目标识别方法。基于全局字典的稀疏表示可以比较各个训练类别对于测试样本的相对表征能力。而基于局部字典的稀疏表示则体现各个类别对于测试样本的绝对描述能力。因此,两者的结果具有良好的互补性,可以为正确决策提供更充分的信息。采用D-S (Dempster-Shafer)证据理论对两者的决策矢量(即重构误差)进行决策融合从而得到更为稳健的识别结果。基于MSTAR数据集进行了目标识别实验并与其他SAR目标识别方法进行了充分对比,实验结果证明了提出方法的有效性。     

一种新的基于小波变换的SAR图像相干斑噪声抑制方法

本文从SAR图像相干斑噪声的产生机理出发,分析了各种滤波方法的优缺点后,在传统小波去噪的基础上提出了一种新的基于小波变换的SAR图像相干斑噪声抑制方法。该方法通过对小波分解后的高频区域进行二阈值分割,结合高频区域的方向特性和中值滤波方法,引入方向滤波窗口对不同分区进行不同的噪声抑制处理。实验结果证明了该方法的有效性,即此方法不仅拥有良好的去噪能力,而且能够很好的保持原图像的边缘信息.     

结合稀疏表示和协同表示的SAR图像目标方位角估计

提出结合稀疏表示和协同表示的合成孔径雷达(synthetic aperture radar,SAR)图像目标方位角估计方法。稀疏表示和协同表示分别在稀疏约束和最小误差的约束下对测试样本进行重构,具有良好的互补性。分别在稀疏表示和协同表示下选取与测试样本具有较强相关性的训练样本。通过交集操作获得两者中最稳定的部分样本。根据这些样本的方位角真值以及求解的系数合理加权,获得测试样本的方位角估计值。基于MSTAR数据集中3类目标的SAR图像进行方位角估计实验并与现有方法进行对比。实验结果表明方法的估计精度、稳定性以及噪声稳健性均优于现有的几类SAR目标方位角估计方法。