SAR图像组合分割算法

由于存在乘性斑点噪声的影响,给SAR图像分割造成很大困难,本文研究利用最大似然区域增长分割算法,提出区域增长前引入自适应边缘检测,图像分割性能获得较大提高.介绍了我们研究的分割性能优异的模拟退火分割算法,提出了分割性能接近模拟退火并且在SAR图像分割中比较实用的模拟退火和最大似然混合分割算法,并给出了这些分割算法的分割性能比较,以及在实际分割SAR图像时应当如何选择分割算法.     

流水线结构的高效SAR快视成像处理器

本文由快视成像算法的特点出发,提出了一种流水线结构SAR快视成像处理机的实现方法.这种方法充分考虑到了DSP和FPGA的运算特点,突出了快视成像处理的实际需求.系统硬件实现的复杂度较低,仅仅采用加减操作即可完成方位向信号的处理,易于实时成像,在观测大范围现象以及图像预览等方面有广阔的应用前景.     

0.1米分辨率机载SAR系统的带宽实现 和成像算法研究

研究X波段0.1米分辨率机载SAR系统的超大带宽实现和高准确度成像算法要求的相关问题.深入分析频域合成带宽方法,提出一种适用于去斜率接收信号的类频域合成带宽方法,详细讨论两种方法在实现过程中的具体操作问题,包括频域方法的滤波器设计和解决类频域方法的宽测绘带混叠现象.对Chirp Scaling算法、Chirp z-transform算法和Omega-K算法的聚焦处理进行比较,分析算法的聚焦准确度和计算效率性,给出近似算法对测绘距离和测绘带宽度限制的表达式.讨论合成带宽与成像算法的联合问题,分析两种联合情况的执行过程和特点,给出频域合成带宽直接嵌入成像算法的数据处理流程.最后,通过仿真数据验证了整个分析过程和解决方法.     

基于边缘检测小波变换的图像融合研究

本文用基于极大值图像边缘检测的小波变换进行图像融合,即通过用B样条函数构造适用于图像边缘检测的小波对输入图像进行两个互相垂直方向的分解,然后分别用小波系数比较的融合准则和边缘比较的融合准则进行融合,实验发现由此融合的图像质量优于基于典型小波分解的融合.进行了仅用图像边缘融合并通过简单重构生成输出图像的实验,发现由此得到的融合图像质量可以在可接受的范围内,但可使参与融合的像素大幅度减少,这对于某些要求数据压缩,存储量较少的工程化图像融合系统有一定参考价值.     

基于单通道SAR多子孔径空频处理的动目标检测算法

该文提出了一种基于单通道多子孔径空频自适应处理的运动目标检测方法:首先给出了基于方位频谱划分获取子孔径的处理过程,构造出类似于多通道的子图像。详细分析了多子孔径空时等效信号的原理,将不同合成中心时刻的子孔径序列所获得的回波信号等效成同一时刻不同空间位置所获得的回波信号,利用时延差异来获取空间信息,建立起后续处理的2维信号模型。在此基础上,结合多通道杂波抑制的思想,提出了采用多子孔径间空频自适应处理实现杂波抑制与运动目标检测的算法。最后,仿真实验验证了该方法的有效性。     

星载合成孔径雷达系统偏航控制的精确计算

该文详细推导了星载合成孔径雷达系统中偏航控制角的精确计算公式;由于推导过程中卫星轨道采用了标准的椭圆轨道模型和地球的椭球体模型,从而解决了传统的近似计算方法所带来的残余偏差较大的问题。所得结果普遍适用于不同轨道和雷达参数的星载合成孔径雷达系统。文中同时给出了一种快速的近似计算方法,最后给出了采用TerraSAR-X系统参数时的仿真计算结果。利用该文提出的计算方法,采用偏航控制的多普勒中心校正误差可以达到0.01Hz量级,从而实现了偏航控制的精确计算。     

多尺度吉布斯模型的改进

本文分析了广泛用于描述图像纹理的MLL(multi-levellogistic)吉布斯(Gibbs)模型,并就其局限性进行了改进,实验结果证明改进后的模型能够更有效地描述自然纹理。     

基于原始数据域的星载双通道SAR-GMTI研究

提出了两种原始数据域的双通道SAR-GMTI实现方法.DPCA-Radon方法可以完成无杂波情况下的运动目标检测和估计,DPCA-Frft-ATI方法可以完成受杂波"污染"运动目标的检测和径向速度估计,该方法提高了信杂比,提高了目标检测和估计性能,优于通常的原始数据域方法,也优于图像域的方法,并且可实现运动目标的聚焦以及图像域的重新定位.仿真结果证明了其正确性和有效性.     

自适应方法在遥感图像处理中的应用研究

自适应方法为解决遥感图像处理发展中产生的新问题提供了有力的工具。自适应方法的算法、理论已经在遥感图像处理的降噪、分类、目标识别与跟踪、信息融合等诸多领域开始应用。经过试验与仿真分析,证明这些方法都取得了良好的效果。本文探讨了自适应方法在遥感图像处理中应用研究的新进展,对发展趋势作了展望。     

双通道与单通道相结合的运动目标检测新方法

本文在采用双通道相位偏置天线(Displaced Phase Center Antenna,DPCA)的基础上,将DPCA中每一个通道的天线进行子图像划分,再结合两个通道所得的子图像作幅值对消,实现杂波抑制与运动目标的检测。该方法在运动目标具有方位向速度或距离向加速度时可获得比传统DPCA更好的检测效果,并通过剪切平均的方法实现运动目标的聚焦。本文首先介绍了DPCA与单通道中子图像对消的基本原理;其次,提出了将DPCA与子图像对消相结合的运动目标检测新方法,并通过剪切平均的方法聚焦运动目标;最后,本文给出了运用该方法的具体步骤,并通过仿真实验验证了本方法的有效性。