结合自适应字典学习的稀疏贝叶斯重构

贝叶斯压缩感知是一种基于统计分析的压缩感知算法,具有很好的鲁棒性,能够充分利用信息间的相关性,它的重构依赖于图像的稀疏性表达.针对贝叶斯压缩感知的深层次稀疏化问题,笔者结合自适应字典学习思想,提出一种冗余自适应字典表示的稀疏贝叶斯学习算法.该算法对图像进行局部分块,从待重建图像的迭代中间图像分块中学习字典,并以该字典作为图像的稀疏变换基,通过稀疏贝叶斯学习算法获得稀疏解.实验结果表明,基于自适应字典的贝叶斯学习算法能提高稀疏化,明显改善图像的重构质量.     

利用压缩感知的短孔径高分辨ISAR成像方法

压缩感知理论揭示：对于稀疏信号可以利用非常有限的观测数据对信号本身进行精确恢复．基于此思路提出了一种利用短孔径有限数据实现高分辨逆合成孔径雷达成像的新方法,将逆合成孔径雷达成像转换为利用正交基重构稀疏信号的问题,然后利用压缩感知对目标像高分辨优化重建．同时,根据压缩感知理论对新成像方法的分辨率理论上界进行了推导．对舰船和机动飞机的实测数据的处理结果验证了新方法的有效性和稳健性．     

基于贝叶斯压缩感知的频率步进探地雷达成像算法

针对传统压缩感知频率步进探地雷达成像算法存在计算量大和对噪声和重建正则化参数敏感的问题,提出一种基于稀疏贝叶斯学习的贝叶斯压缩感知成像算法。该成像算法的核心通过稀疏贝叶斯线性回归模型中相关向量机的学习来实现对探测场景反射系数的重构。仿真结果表明,相比其他的经典算法,所提成像算法能够更好地利用了探测场景的统计先验信息,能够更好地兼顾重构精度和计算效率。     

基于空时频三维稀疏字典的单通道CSA多参数联合估计

针对单射频通道的压缩感知阵列(compressed sensing array, CSA),提出了一种基于稀疏重构的多参数联合估计方法．首先利用目标在空域和频域上的稀疏特性,以及线性调频(LFM)信号的自相关特性,构建了一种空-时-频三维稀疏字典用于回波信号的稀疏表达;然后基于压缩感知理论对回波信号的投影向量进行稀疏重构,能够直接估计出目标的速度、角度以及距离信息．仿真结果验证了多目标场景下本文所提出的多参数联合估计算法的有效性．     

改进的Beta过程因子分析图像修复算法

图像修复是利用图像已知信息对图像破损区域进行填充修复的过程,而非参贝叶斯技术在图像稀疏表示中被认为是一种有效的字典学习方法,作为一种有效的非参贝叶斯算法,基于Beta过程因子分析算法(BPFA)在去噪、修复以及压缩感知方面有很广泛的应用.然而现有的BPFA算法在对含噪的破损图像修复时收敛速度慢,针对这个问题本文在BFPA算法更新字典时与K-SVD算法相结合,提出一种基改进的BPFA学习算法,改进算法利用K-SVD算法简单收敛速度快的特点,在原有算法更新参数时,利用OMP稀疏编码更新字典候选集以达到提高算法的收敛速度的效果.得到的结果表明本文算法能够更好地修复含噪破损图像获得较好的视觉效果.     

稀疏表示框架下的SAR目标识别

稀疏表示选择最佳线性表示重构信号,可避免合成孔径雷达(SAR)目标识别中的方位角估计难题,同时减轻强相干噪声影响。稀疏字典选择是稀疏表示中的关键问题之一,该文提出分别使用级联方式和并联方式构造稀疏字典实现SAR目标识别。首先对训练样本进行对数归一化处理,使用主成分分析(PCA)特征提取和降维;然后对处理后的数据分别组成级联字典和并联字典,采用截断牛顿内点法(TNIPM)获得目标的稀疏表示;最后,在两种字典的稀疏表示框架下设计分类器对SAR目标识别。通过对比实验,验证了该文的字典构建方式在稀疏表示框架下对SAR目标识别的有效性。     

基于压缩感知的多目标认知成像方法

为利用有限雷达资源实现对多ISAR目标的实时高分辨成像,提出了一种基于压缩感知的相控阵雷达多目标稀疏孔径认知高分辨成像方法．在对目标稀疏特性认知的基础上,构建了基于目标横向稀疏度和成像积累时间的雷达资源动态分配函数,并给出了成像质量评估标准,最终实现了有限雷达资源条件下不同ISAR目标的高分辨认知成像．仿真结果表明,利用该方法成像不仅可以减少雷达成像发射脉冲数,而且可以有效减少雷达观测时间,同时还能获得高质量的目标ISAR像．     

基于压缩感知稀疏分解的一维距离像目标识别

近年来对压缩感知理论的研究,进一步证明了信号的稀疏表示方法在信号压缩、特征提取等方面的有效性及巨大的应用潜力。作为信号处理领域的典型应用之一,雷达目标识别已有许多成熟的算法,其中一些基于高分辨距离像进行识别,但是这些方法大多忽略了高分辨距离像信号自身的稀疏特点。为此提出了一种基于压缩感知稀疏分解实现高分辨一维距离像目标识别的算法。此算法首先构建组合正交冗余字典,在满足信号表示准确性的情况下,兼有正交字典运算快捷的特点;然后,通过改进的分组匹配稀疏分解算法,根据距离像训练样本快捷地求取其类别字典;最后,基于类别字典对测试样本进行分类实现目标识别。仿真实验证明该目标识别算法简捷、识别率较高、抗噪能力强。     

基于快速正交匹配追踪的无线传感网中目标定位算法

高效准确的多目标定位是无线传感器网的基本任务之一。传统基于贪婪类的稀疏表示方法在多目标定位中计算效率不高。针对该问题,提出一种基于QR分解的快速正交匹配追踪的多目标定位算法。该算法对无线传感器覆盖区域进行网格划分来设计过完备字典,从而将多目标定位问题转化为稀疏信号恢复问题。该方法利用了传感器接收目标信号强度的稀疏特性,然后使用快速正交匹配追踪来恢复测量值,进而通过稀疏性来定位目标。通过列满秩矩阵的QR分解思想,利用递归形式来对子字典矩阵求逆,避免了传统方法中对该矩阵的直接求逆,使得运算量大为降低。仿真结果表明,与传统的正交匹配追踪压缩感知重构方法相比,该方法不损失定位精度,提高了运算效率。     

一种利用稀疏统计特性的超分辨ISAR成像方法

为提高短孔径逆合成孔径雷达的成像分辨率,利用逆合成孔径雷达图像的稀疏统计特性,提出了一种超分辨成像算法．通过结合逆合成孔径雷达像的强稀疏性,对成像过程建立近似的统计概率分布模型．利用最大后验概率及贝叶斯估计方法,推导了稀疏控制参数的显式表达,并通过共轭梯度法优化求解图像．另外,联合恒虚警概率检测和带宽外推技术的步进式成像过程,提高了参数估计和超分辨成像算法的稳健性．     

一种深度神经网络SAR遮挡目标识别方法

提出了一种利用深度神经网络的合成孔径雷达图像部分遮挡目标的特征提取和目标识别新方法.该方法首先对合成孔径雷达图像进行预处理,然后提取预处理后合成孔径雷达目标的小波域低频子带图像作为训练数据,最后利用深层稀疏编码模型进一步提取合成孔径雷达遮挡目标的有效特征向量作为目标的特征以完成目标识别.采用MSTAR数据库中的3类目标进行目标遮挡模拟及识别实验.结果表明,新方法可以综合利用遮挡目标的局部和整体结构信息以提高目标的正确识别率,是一种有效的合成孔径雷达遮挡目标特征提取和目标识别方法.     

多极化SAR图像目标的智能识别应用研究

针对小样本集的多极化合成孔径雷达(SAR)图像目标,提出利用迁移学习、多极化SAR图像增广以及网络架构适应性改进,实现了多极化SAR图像目标端到端的智能分类识别;利用实测机载全极化SAR目标图像进行了实验.实验结果表明,与传统机器学习SVM方法相比,基于多极化SAR深度学习方法所包含的多个神经网络隐含层能自适应地提取目标高层语义特征,其目标分类识别精度更高,从而验证了本文深度学习方法用于多极化SAR图像目标识别分类的有效性.     

Time-domain compressive dictionary of attributed scattering center model for sparse representation

Parameter estimation of the attributed scattering center(ASC) model is significant for automatic target recognition(ATR). Sparse representation based parameter estimation methods have developed rapidly. Construction of the separable dictionary is a key issue for sparse representation technology. A compressive time-domain dictionary(TD) for ASC model is presented. Two-dimensional frequency domain responses of the ASC are produced and transformed into the time domain. Then these time domain responses are cutoff and stacked into vectors. These vectored time-domain responses are amalgamated to form the TD. Compared with the traditional frequency-domain dictionary(FD), the TD is a matrix that is quite spare and can markedly reduce the data size of the dictionary. Based on the basic TD construction method, we present four extended TD construction methods, which are available for different applications. In the experiments, the performance of the TD, including the basic model and the extended models, has been firstly analyzed in comparison with the FD. Secondly, an example of parameter estimation from SAR synthetic aperture radar(SAR) measurements of a target collected in an anechoic room is exhibited. Finally, a sparse image reconstruction example is from two apart apertures. Experimental results demonstrate the effectiveness and efficiency of the proposed TD.     

姿态图像缺失情况下的SAR目标识别

针对目标姿态图像缺失的情况,提出通过姿态图像合成的方式增加训练集的姿态覆盖程度,并将扩充后的图像也用于训练目标分类器.受稀疏表示模型的启发,建立了一种合成孔径雷达图像姿态合成模型.该模型根据少量已知姿态的图像,线性组合出缺失姿态下的近似图像.在运动和静止目标获取与识别数据集上的实验表明,通过合成缺失姿态下图像的方法可有效提升目标识别的精度,特别是在训练数据集中姿态缺失严重时,文中方法提升尤为明显.     

多视角ISAR成像研究

提出了多视角逆合成孔径雷达(ISAR)成像方法,对不同视角回波数据子孔径内部与外部分别选用不同对齐基准的方法进行包络对齐,然后采用多特显点综合法进行自聚焦．对各个视角接收信号融合,给出了一种参数化方法与非参数化方法相结合以进行稀疏孔径外推的算法,经外推后通过方位向FFT得到目标ISAR图像,该算法可有效应用于合成孔径雷达稀疏孔径成像．     

Multistatic passive radar imaging algorithm for the gapped aperture

Due to usually a small number of narrowband external illuminators and their uneven distribution, a single external illuminator and several receivers are used to synthetize aperture equivalently. The form of the target echo of the multistatic passive radar system is analyzed, and then the relationship of Fourier transform pair between target scattering function and the echo received by radar is deduced. Based on the prior knowledge of sparse distribution of the target, the algorithm of Compressed Sensing is used to recover the scattering coefficient of targets. Finally, the positions of receivers have been optimized by minimizing the correlation of the dictionary matrix based on minimizing the correlation coefficient of the dictionary matrix by the algorithm of Simulated Annealing (SA). Simulations show that the performance of the recovery of the image is improved significantly after optimizing.     

Separation and imaging of the anisotropic scattering targets in the wide-angle SAR

In the wide-angle synthetic aperture radar(SAR),the scattering behavior of many illuminated objects might vary with the observation angle,which results in the degradation of the resolution and interpretability of the reconstructed imagery.To solve this problem,a sparse-based source separation and imaging method is proposed in this paper.The distinct scattering behaviors of the isotropic and anisotropic scattering targets are employed to formulate a composite projection operator.Then,the sparse constraint is utilized to suppress the cross-projection energy and imaging of the mix-received wide-angle SAR data is realized.Finally,the imagery of the anisotropic scattering targets can be derived with improved focal quality and interpretability.Numerical simulation verifies the validity of the proposed methodology.The resolution and resolution of the reconstructed image have been significantly improved.     

New Precision Guidance Method Based on Bistatic Synthetic Apterture Radar

A new method is presented to improve guidance precision. This method is based on bistatic synthetic aperture radar. The illuminator works in side looking mode, providing the synthetic aperture and the receiver is disposed on the seeker which operates in the forward looking mode. The receiving antenna is composed of four sub-antennas and so four synthetic aperture radar (SAR) images are to be generated. Target is positioned in SAR images by image matching. The bearing and elevation of image element of target are measured by the principle of monopulse angular measurement. Theory of the proposed method is derived and simulation on bearing measurement is done. Simulation shows that the method is valid and if SNR of target's image is above 30 dB, the angular measuring difference is within the confines of 0.04 degree.     

Improved Ship Target Detection Accuracy in SAR Image Based on Modified CFAR Algorithm

基于修正CFAR算法的高精度SAR图像舰船目标检测

王勇,郭天骄

(哈尔滨工业大学 电子与信息工程学院,哈尔滨 150001)

创新点说明：

本文基于舰船目标实测数据SAR成像结果,提出一种新的二维SAR图像舰船目标检测算法,具体创新性可说明如下：

1）首先使用Otsu算法大致确定舰船目标的大小,进而自适应地确定CFAR滑动窗的尺寸,使算法更有普适性。

2）介绍了CFAR算法的改进形式,在提高运算速度的同时大大提升了检测效率。

3）所用的综合算法包含了形态学分割算法,解决了传统Otsu、CFAR算法不能处理多目标融合、角反射过强等问题,降低了漏警概率。

研究目的：

传统CFAR舰船检测算法效率低、无法根据图像分辨率和舰船目标大小来确定滑动窗大小,而且无法解决多目标融合等问题,基于此,本文设计一种综合算法可解决基于SAR图像的舰船目标检测问题。

研究方法：

1）对图像进行Otsu二值分割处理,量取分割后的每个区域的尺寸;

2）采用改进的CFAR算法,将积分运算简化为求和迭代运算,将阈值初始化为二倍窗内灰度值均值,窗大小根据Otsu算法分割后的每个区域的长宽来确定;

3）对经过CFAR算法后的图像进行形态学开运算处理。开运算算子采用一条线段,长度同样根据Otsu算法分割后的每个区域的长宽来确定。

结果：

1）说明了SAR图像进行Otsu处理后的图像特点,以及Otsu算法可以迅速获得舰船目标大小的优点。

2）给出了改进的CFAR算法的计算流程,此算法能够根据上一步估计的舰船目标大小来调整滑动窗大小,计算高效迅速,而且比较精确。

3）采用形态学开运算算法,并能根据Otsu算法分割后的每个区域大小来确定开运算算子,开运算处理后融合的多目标彼此分离,强角反射得到了去除,降低了漏警概率和虚警概率。

结论：

对于一幅含有舰船目标的SAR图像,可以通过Otsu、CFAR、开运算处理来进行舰船目标检测,降低漏警概率和虚警概率,提高算法的普适性和精确性。此外,通过对CFAR算法改进可大大提升运算效率。本文的研究结果对SAR舰船目标检测算法的实际应用奠定了良好的理论和实验基础。

关键词：舰船检测,Otsu算法,恒虚警检测,开运算