多方位高分辨率SAR的三维目标自动重建（二）多方位重建

提出从多方位米级分辨率SAR图像自动重建三维立体建筑物目标的方法.第一部分给出了建筑物目标像的自动检测与提取.第二部分定义一组几何参数描述建筑物目标像,给出参数分布的概率描述.由此建立多方位目标像的参数相关模型,给出其极大似然估计.设计了一种有效的多方位自动重建算法,从多方位检测结果中以较高的可靠性重建建筑物目标.分别用4方位虚拟场景的模拟SAR图像和机载全极化X波段Pi-SAR图像做试验.比较实际场景,重建结果证明了本方法的有效性.也给出了发展多方位星载SAR应用的初步建议.     

基于多方位分辨率图像的低频SAR地面运动目标检测方法

该文利用多方位分辨率图像,提出了一种适用于低频SAR的运动目标检测算法。首先分析了多方位分辨率图像上静止和运动目标像的变化特点。通过计算方位向3 dB宽度、距离模糊数和归一化能量,发现了散焦像的变化规律。其次,基于该特点,提出了一种低频SAR图像中运动目标的检测方法。该方法克服了传统方法搜索量大、信噪比要求高的缺点,能够迅速检测出图像中的运动目标,且速度检测范围大,具有较好的实用性。最后,利用仿真和实测数据证明了文中理论分析的正确性和所提方法的可行性。     

几何模型约束的SAR图像建筑物提取

利用高分辨率SAR图像进行建筑物提取的常规方法是首先利用二次散射特征线确定建筑物边界, 然后利用叠掩、阴影等散射特征来提取建筑物高度.当建筑物目标走向与星载SAR方位向夹角较大时, 其二次散射特征不明显, 常规重建方法不能取得理想结果.针对这类建筑物目标, 在分析SAR图像上的散射特征为平行四边形条带的基础上, 提出一种基于几何模型约束的建筑物自动提取与三维重建方法.将该方法应用于TerraSAR-X聚束模式图像, 并对提取结果进行了分析和评价, 表明该方法能够有效提取建筑物目标及其三维信息.     

基于机器学习的阵列层析SAR建筑物目标提取方法

阵列层析SAR通过交轨向布置多个不同高度天线、方位向合成孔径和斜距向大带宽信号，具备三维成像能力，单次航过即可实现观测区域的三维点云获取。受限于阵元数目和基线长度，高程向分辨率较低，同时建筑物区域存在叠掩，在三维重建过程中提取建筑物目标特征效率较低。针对这个问题，该文提出了一种基于机器学习的建筑物目标识别和提取算法，通过基于多元线性回归的点云分割、基于梯度算子的边缘提取和基于聚类分析的建筑物分区重建，进行建筑物立面、顶面和地面的提取，能够得到较好的立面与地面相交的脚印信息，大大提高了特征提取效率。通过国内首次机载阵列层析SAR实验数据处理结果，验证了该方法的有效性。      

高分辨率SAR图像中矩形建筑物特性分析与三维重建

近年来不断发展成熟的合成孔径雷达技术将获取的图像分辨率提高到分米级.在高分辨率条件下,建筑物在SAR图像上表现出的空间信息更加丰富,结构特征更加明显.首先提出了分解模型对高分辨SAR图像中矩形建筑物的特性进行详细分析.在此模型中,散射效应根据不同的贡献来源被细分,以便于解析建筑物图像特征在不同的SAR成像条件下的几何结构和空间分布规律.然后基于建筑物图像表征的结构先验,提出了一种新的单幅高分辨率SAR图像建筑物检测和3-D重建算法,其中包括模型匹配的图像特征的提取,以及先验引导的重建过程.最后,选用了实际高分辨率SAR图像进行建筑物检测和三维重建实验并对重建结果进行了讨论.     

基于边缘特征的SAR图像目标检测方法

如何快速而准确地检测出SAR图像中的目标是一个极富挑战性的课题.利用图像边缘特征和模糊集理论设计了一种快速有效的SAR图像目标检测算法.该算法先利用模糊软阈值小波降噪方法去除相干斑噪声,然后用模糊边缘检测器检测出降噪图像的边缘,最后利用形态学操作算子提取出边缘图中的目标区域.与基于亮度特征以及基于纹理特征的检测算法相比,提出的检测算法能够快速、准确地检测出目标,而且产生的虚警数量较少.SAR实测数据的实验结果表明,提出的算法是有效的且具有很好的应用前景.     

一种基于小波SAR图像斑噪声抑制的改进算法

基于小波变换的合成孔径雷达(SAR)图像斑噪声抑制算法,能很好的减小相干斑噪声对SAR图像的影响.但该算法在平滑噪声的同时,往往也会使图像的边缘变得模糊,降低了SAR图像的分辨率.比例边缘检测算法能较完整和准确的检测出SAR图像的边缘.我们试图提出一种改进算法,结合小波方法和比例边缘检测两种算法的优点.利用比例边缘检测提取出SAR图像的边缘图,用小波的方法对去边缘的图像进行去斑噪声处理,再把边缘图叠加到去噪后的图像上.试验证明这种算法能够在去除SAR斑噪声的同时,较好的保持SAR图像边缘.     

基于变分的SAR图像目标特征增强方法

研究了SAR图像目标特征增强的变分方法.通过分析P-M扩散方程中的扩散系数,得出梯度(Canny)边缘检测算子对SAR图像的非恒虚警性使得滤波后图像的边缘变得模糊.而ROA算子能有效地检测出图像中的边缘,但较难检测出图像中的强散射点目标.基于SAR幅度图像中相干斑噪声的Rayle igh分布,从最大后验概率估计出发,结合ROA边缘检测图像以及SAR幅度信息来构造扩散系数,建立SAR图像目标特征增强的变分模型.实测SAR图像处理结果显示该方法在充分抑制均匀区域的相干斑噪声的同时能较好地保护并增强图像的边缘和强散射区域.     

基于阴影的SAR图像车辆目标三维特征提取

目标长、宽、高三维几何特征,对SAR图像解译与目标识别等具有重要意义。从SAR成像几何出发,根据SAR观测俯仰角、目标及阴影之间的几何关系,研究提出了基于两维高分辨SAR图像阴影信息的车辆目标三维几何特征提取方法。该方法既可由某一方位角的单幅SAR图像提取目标三维几何特征,也可通过任意有限(3～5)个方位角SAR图像的融合提取目标三维几何特征,而且融合还可有效提高目标三维几何特征的提取精度。通过大量MSTAR实测SAR图像数据的实验结果,验证了其有效性。     

基于调频率捷变的抗移频干扰SAR成像方法

随着合成孔径雷达(SAR)图像的分辨率提高,基于高分辨率SAR图像的舰船检测成为海洋遥感应用中的一个重要课题。针对高分辨率SAR图像,为获取精确的、完整的舰船目标信息而提出一种基于改进的相干散射点(CS)提取的舰船检测方法。该方法的核心是利用SAR图像复数据的确定目标特性,提取出CS,该方法不仅利用了图像复数据的幅度信息,同时利用了相位信息。首先对于原始高分辨率SAR图像复数据进行距离向子视处理,获取子视图像像素的相关系数;然后,由于SAR图像分辨率较高,为获取完整的舰船目标信息,引入局部图像平均相关系数处理;最后设定相关系数阈值,从海域中提取出舰船目标,完成舰船检测。仿真实验结果验证了该检测方法的有效性。     

一种利用SAR和可见光图像融合检测目标的方法

本文利用军事目标在SAR图像中具有较大的雷达散射截面,后向散射强以及在可见光图像中几何外形清晰的特点,提出一种利用SAR图像和可见光图像多维特征检测目标的方法。该方法分为图像预处理,目标检测和融合检测三部分。首先,利用基于特征匹配的方法对多传感器图像进行配准。其次,利用全局双参数恒虚警(CFAR)方法检测SAR图像中的目标,经过滤波处理后,确定感兴趣区域(Region Of Interesting,ROI)并提取目标的SAR图像特征;将ROI映射到可见光图像中,对该区域进行边缘检测、滤波、连通性分析、提取目标的可见光图像特征。最后,在特征层利用特征向量距离准则融合检测目标。实验结果表明该方法性能优于单传感器检测方法,且能有效的改进目标检测性能。      

高分辨率星载SAR单视图像斑点噪声抑制实现方法

本文提出了实现高分辨率星载合成孔径雷达单视图像斑点噪声抑制的TDRGMAP方法.它以最大后验概率滤波器实现斑点平滑,以无偏修正使其适用于单视图像,结合边缘和线条检测,并加以点目标检测及保持,获得高空间分辨率和高辐射分辨率的SAR单视图像.本文详细阐述了TDRGMAP方法的机理和实现,最后利用仿真生成的星载SAR单视图像进行实验,证明了TDRGMAP方法的有效性.     

SAR图像目标综合检测方法

基于SAR(合成孔径雷达)图像杂波结构,结合小波变换和自适应维纳滤波提出了一种新的抑制SAR图像相干斑噪声方法,该方法能够较好保留杂波边缘和点目标.分析了抑制SAR图像相干斑噪声后的多分布特性,研究了相应的SAR目标检测,提出了一种新的SAR图像目标检测方法及其实现.实际SAR图像测试结果表明了本文方法的有效性.     

基于圆迹SAR的建筑物轮廓信息提取

利用圆迹SAR 对目标的全方位观测的特点,该文提出一种基于圆迹 SAR 数据的建筑物轮廓信息提取以及所处地面的高度估计的方法。首先,通过雷达立体测量的方法粗估计出目标建筑物所处地面的海拔高度。然后,以该高度为基准上下一定范围内划分多个成像平面层,在各个成像平面上对建筑物进行圆迹SAR成像。最后,在圆迹SAR图像中选择建筑物二次反射亮线构成封闭线框的一副图像,从该幅图像中提取建筑物在水平面的轮廓信息,同时将该图像对应的成像平面高度确定为目标建筑物所在地面的高度。P波段机载圆迹SAR实测数据验证了该方法的有效性。     

基于纹理特征和数学形态学的SAR图像目标检测方法

SAR图像目标检测是SAR图像解译的基础。针对含有目标的SAR图像,利用垂直方向的边缘纹理检测方法对预处理后的图像进行垂直边缘检测,再运用数学形态学中的腐蚀运算和膨胀运算对垂直方向边缘图进行虚警滤除处理,从而得到感兴趣的目标检测区域。详细地给出了SAR图像目标检测步骤,并将本方法与其他方法的检测结果进行了比较,实验结果表明,在均匀杂波背景与非均匀杂波背景下,该方法能够快速有效地实现SAR图像目标检测。     

一种SAR图像舰船目标快速检测方法

基于SAR图像的舰船目标自动检测是海洋监视应用的重要方面,但随着SAR成像能力和图像分辨率的提高,传统的CFAR检测方法已不能满足舰船目标自动检测的要求。针对中高分辨率SAR图像中舰船目标自动检测问题,提出一种基于像素筛选G0分布的SAR图像舰船目标快速检测方法,该方法首先根据像素灰度值出现频率选取阈值对杂波像素进行筛选,然后通过抽样定理对图像进行降分辨率处理,最后再在经过像素筛选的降分辨率图像中实现基于G0分布的自适应CFAR检测。NASA/JPL AIR-SAR实测数据的实验结果表明,该方法不仅能有效减少中高分辨率SAR图像舰船目标自动检测的虚警,而且能显著提高检测效率。     

基于多特征联合的高分辨率SAR图像机动目标快速获取

提出了一种高分辨率SAR图像机动目标快速获取方法.该方法首先利用SAR图像中的对比度信息采用CFAR检测以确定图像中潜在目标区域的位置,然后提取每一个潜在目标区域的尺寸特征、形状特征以及对比度特征进行基于投票机制的目标鉴别,从而滤除自然杂波虚警以及部分人造杂波虚警.实测数据的结果证明了该方法的有效性.     

边缘区域约束的导向滤波深度像超分辨率重建算法

为了解决TOF(Time of Flight)相机获取的深度像分辨率较低的问题，基于导向滤波器提出了一种边缘区域约束的超分辨率重建算法。首先对低分辨深度像进行初始上采样，利用多尺度边缘检测提取深度像的边缘区域；然后根据同场景中灰度图像与深度像的边缘相似性，提取公共边缘区域；最后，根据灰度图像的边缘像素在公共边缘区域中的位置约束导向滤波器的系数生成，重新对导向滤波器的系数进行加权，从而构建出高分辨率的深度图。通过标准数据库Middlebury数据集进行验证，与3种近年来基于滤波的超分辨重建算法相比较，文中方法既能有效地保护重建深度像的边缘结构，同时具有较高的计算效率。研究结果可以为低分辨激光成像雷达的目标识别、场景重建等对实时性要求较高的工程应用提供理论依据。     

基于四阶矩的SAR图像目标检测

SAR图像中车辆目标检测是一个备受瞩目的关注点,运用传统的低阶矩方法进行SAR图像中目标检测,尤其是在图像中含有乘性噪声和在分辨率降低时,普遍存在检测率不高,不能充分体现出目标相对背景杂波的特性。本文根据SAR图像中目标的特性,提出基于四阶矩的方法对SAR图像进行目标检测。实验表明,采用四阶矩方法后,在乘性噪声和分辨率降低状况下,四阶矩方法的检测概率相对传统的二阶矩方法有明显提高。未来四阶矩将更广泛地用于SAR图像中对目标进行检测,有重大的应用前景。     

基于雷达散射特性的高分辨率SAR图像自动目标识别

高分辨率SAR的迅速发展为自动目标识别提供了可能,为了克服存储海量模板带来的计算复杂性,发展基于模型的目标识别现已成为新的国际研究热点.先由目标的真实三维模型依据电磁波散射理论计算雷达散射截面(RCS),利用宽带合成孔径技术得出目标散射特性的空间分辨率图像,进而基于模拟图像实现目标的CFAR检测.最后利用我国机载高分辨率SAR图像对该方法进行实验,验证了本文提出的基于雷达散射特性目标识别的有效性.