极化SAR目标相对最优极化研究

极化SAR通过测量地物目标的散射回波得到极化散射矩阵或Stokes矩阵,利用极化合成技术得到任意发射和接收极化组合下的天线接收功率。目标相对最优极化就是选取一种收发极化状态使得研究目标和背景地物的接收功率对比度达到最大。文中首先分析了目标相对最优极化的模型,指出了它们的优缺点,然后提出了一种新的改进模型,并用交替迭代方法进行了模型的解算,最后结合荷兰Flevoland地区全极化数据作了试验,证明了其有效性和正确一陆。     

基于多波段全极化SAR图像的建筑轮廓自动提取方法

多波段全极化合成孔径雷达(Multiband-PolSAR)可以获得地物目标在频率、极化两个维度上的多个观测量,在地物信息提取方面具有良好的应用潜力。然而数据维度增加,其数据处理和应用难度也随之增加,相较于处理单波段单极化SAR数据,处理Multiband-PolSAR数据需要额外考虑多维数据配准和融合的问题。该文选择以建筑轮廓自动提取应用为目标,依托中国科学院空天信息创新研究院在国家高分辨率观测系统重大专项支持下牵头研制的一部机载多维度SAR系统获得的数据,引入SAR-SIFT方法解决了多维数据配准的问题。其次,该文提出一种基于目标散射机制的多维信息融合方法,改进了Ferro 等人(doi: 10.1109/TGRS.2012.2205156)提出的全自动非监督建筑轮廓提取方法,证明了多波段多极化信息融合方法的作用。多波段多极化信息融合前后的实验结果表明,融合后的特征图像对比度增高,像素的空间连续性变好,且对单体建筑轮廓的识别更精准,自动提取的多边形矢量与真实建筑轮廓的吻合度更高。该文是连接多维SAR技术与建筑提取应用的重要一环,并且为基于多维SAR的3维建筑结构重建研究创造了条件。     

基于全极化SAR非监督分类的迭代分类方法

本文在全极化合成孔径雷达(SAR)特征分解和最大似然估计(ML)分类的基础上,提出基于全极化SAR极化特征分解及最大似然估计的非监督分类迭代算法.这种方法灵活性好、精度高.本文提出了迭代分类方法的几种方案.针对特征分解和ML分类的各自特点,进行了分析比较,可以根据实际需要选择适合的迭代方法.并利用NASA JPL实验室的实测数据对该迭代分类算法进行了实验研究,得到了很好的实验结果.实验结果证明这种迭代算法有很好的适应性和很强的鲁棒性.     

双波段全极化SAR图像非监督分类方法及实验研究

该文首先采用H/分类对像素进行了初始猜测,然后进一步采用Bayes最大似然估计(ML）分类法对像素进行重新归类．不同波段电磁波对地物散射具有不同的属性,因而我们采用双波段全极化SAR数据结合的分类方法,得到了更好的分类结果．SAR图像的相干斑会影响图像的分类准确度和精度．在进行分类处理前,对双波段全极化SAR图像相干斑进行矢量滤波处理．该文使用NASA/JPL实验室在天山地区的实测数据对这些分类算法进行了实验研究．给出了单波段以及双波段全极化SAR分类结果的伪彩色图．其中双波段全极化SAR滤波后数据具有相对最优的分类结果．     

加权全极化SAR图像非监督Wishart分类方法

为提高基于极化目标分解与复Wishart非监督分类方法中对不同类别地物中心散射相关矩阵的估值精度与合理性,本文提出了加权全极化SAR图像非监督Wishart分类方法,该方法通过对求解每一类地物散射相关矩阵时,进行数值加权,使得求解的散射相关矩阵更能代表地物类别的中心。本文详细阐述了该方法的原理和实施步骤,并通过对AIRSAR的L波段实际数据进行分类实验,可知该加权算法无论在分类精确度上还是在迭代速度上,性能都有所提高。     

AdaBoost算法实现全极化SAR图像分类

文中提出了一种基于AdaBoost算法的全极化SAR(Synthetic Aperture Radar)图像分类方法.该方法将AdaBoost算法与HH、HV和VV三个极化通道数据结合起来,对全极化SAR图像进行分类,充分利用了极化信息和AdaBoost算法的快速收敛性.将该方法的仿真结果与H/α分类方法仿真结果进行比较,发现该方法分类模糊程度较低,在细节上分类更为准确,且在相同的情况下,该算法速度更快.     

极化SAR图像分类综述

对极化SAR(合成孔径雷达)图像分类进行综述.首先建立简略的极化SAB图像分类技术发展流程,并对国内外研究机构在该领域的主要研究成果进行归纳;然后对用于极化SAR图像分类的众多特征进行分类整理,指出其物理意义及在图像分类中的优缺点,并从有监督和无监督的角度综述了现有的极化SAR图像分类方法;最后对极化SAR图像分类存在的问题进行归纳,并指出将来的研究方向.     

一种联合特征值信息的全极化SAR图像监督分类方法

基于H/平面的分类器对于具有相似散射类型的地物的分类能力很差,为此该文直接使用特征值特征来进行分类。首先提取特征值特征,并使用一种自适应调整高斯分量个数的高斯混合模型对特征值分布进行较为准确地拟合,然后采用朴素贝叶斯分类器进行初步分类。针对可能存在特征值分布较为相近导致错分的问题,计算每两类地物的特征值分布的相似度,将相似度大于给定阈值的类别对组成相似性表,对于这些相似对再用基于Wishart距离的K近邻分类器进行细分。综合分析机载和星载SAR数据上的实验结果,表明这种方法能够克服基于H/的非监督分类方法对于特征值利用的一些不足,且与基于SVM的分类方法效果相当。      

一种基于差异度的极化SAR图像迭代分类方法

该文提出了一种用极化SAR数据协方差矩阵的相关性和回波功率差异来定义的目标间的差异度,并在这一差异度的基础上提出了一种新的迭代分类方法。该迭代方法与基于Wishart距离的迭代分类方法相比,不需要矩阵的求逆运算和矩阵的对数运算,降低了迭代过程的计算量,也不再需要目标的先验信息,扩展了其适用范围。该方法应用于NASA/JPL的SIR-C系统在香港地区的实测极化SAR数据,得到了很好的分类效果。     

基于INS/GPS数据的机载SAR图像地理编码系统研究

该文论述了根据飞机地理坐标数据对机载SAR图像进行地理编码的原理和方法;推导了系统的计算方程以及误差方程;分析了利用INS数据、GPS数据以及INS/GPS综合数据对机载SAR图像地理编码系统的设计特点,给出了系统的计算仿真结果。     

SAR图像相干斑抑制和特征增强的自适应正则化变分方法

研究合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相干斑抑制和特征增强问题.传统的SAR图像相干斑抑制方法通常会导致边缘和目标的模糊,针对该问题,本文基于SAR图像的先验信息和处理理念,通过合理构造扩散系数和正则化参数,提出了一种新的更适合SAR图像相干斑抑制和特征增强的自适应正则化变分方法.理论分析和实验结果表明,该方法不仅能有效地抑制相干斑,而且还能有效保护并增强图像的目标和边缘特征.     

脑功能状态图及其获取方法

本文提出了一种表示脑功能情况的脑功能状态图以及由脑电信号获取它的方法.文中给出了家兔在癫痫诱发药物作用下,癫痫发作与未发作期间的脑功能状态图.结果表明:脑功能状态图表示癫痫病况的信息具有充分性、显著性、直接性、简明性.     

AN EVIDENT SIDELOBE CONTROL METHOD BASED ON NSCT FOR SHIP TARGET IN SAR IMAGES

Evident sidelobe on faint ship target seriously affects the accuracy of the target segmentation in Synthetic Aperture Radar (SAR) images.To avoid this problem,a novel sidelobe control method based on N...     

星载SAR数据成像的并行和实时处理研究曙光机的应用实例

星载合成孔径雷达成像数据量大,实时性要求高。该文阐述在曙光2000-Ⅱ型巨型并行计算机上完成星载合成孔径雷达CS算法的并行处理。并利用该并行机完成了对CS算法的实时成像系统并行化结构的系统仿真。实验结果表明该文提出的并行算法可在曙光2000-Ⅱ型巨型并行计算机上获得很好的效果。     

合成孔径雷达的空间傅里叶分解成象

空间傅里叶分解法是一种新的合成孔径雷达(SAR)成象方法。这种方法考虑到了波前的球面特性,所以即使在近场条件下,也不会像传统方法那样由于采用了平面波近似而使图象畸变。本文提出了一种空间傅里叶分解法的实现算法。对计算机模拟数据的成象结果证明了这种算法的的有效性。     

多极化合成孔径雷达数据伪彩色合成处理

本文研究了利用多极化合成孔径雷达(SAR)数据产生极化伪彩色合成图的方法,提出了用M11归一化后得到的Stokes矩阵来产生目标的极化合成孔径雷达伪彩色图的新方法。由于它消除了目标总功率大小对图像色彩的影响,因而可以分析场景回波功率太强或太弱目标与极化特征图具有相同形状的目标。另外,还提出用极化特征图方法求出三种极化组合,使两类目标的回波功率相差达到最大,再合成处理成极化合成孔径雷达伪彩色合成图的方法。     

喇叭馈源混合相位中心的优化模型及计算法

本文提出了喇叭馈源混合相位中心的一种定义,给出了圆锥喇叭E面和H面混合相位中心的计算公式和相应的优化模型,也给出了求解该模型的快速优化方法,并用该方法对波纹喇叭混合相位中心进行了讨论和计算,还给出了相位中心随观察球面和工作频率的变化规律。     

SAR图像基于Rayleigh分布假设的最小误差阂值化分割

针对合成孔径雷达(SAR)图像的特点,本文提出基于灰度直方图的混合偏移Rayleigh分布假设下的最小误差阈值化分割算法,并与现有的基于Gauss和Poisson分布假设下的最小误差分割算法以及经典的Otsu算法作了比较。实验和Kolmogorov-Smirnov检验结果表明对SAR图像而言,基于Rayleigh假设的算法可以取得更好的分割效果。     

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.