一种全实时SAR方位向数字预处理滤波器的设计

利用机载SAR方位向预处理的基本原理，巧妙地将方位向FIR滤波和降采样相结合，从而提出了一种SAR方位向预处理实时快速算法的VLSI结构，并利用HDL语言将该结构综合在了一片大规模CPLD上，得以硬件实现，外围辅助其它单元电路，研制成功了面向地学高分辨率机载SARY方位向预处理分机。经过使用证明，该分机可以适用于多种波段的机载SAR系统，达到了满意的处理效果。     

基于TMS320C6415实现机载SAR方位向预滤波处理

本文介绍了HJ-1-C卫星地面快视处理系统中方位向预滤波器的研制,该预滤波器采用了自行设计的、基于TMS320C6415的高速信号处理板,优化的软件设计保证了硬件资源的高效利用。本文对方位向预滤波处理的实现原理、硬件结构、软件设计进行了详细介绍。试验测试结果表明该预滤波器设计是成功的。     

基于TS201的SAR方位向预处理器的优化设计

为满足高分辨率、多模式合成孔径雷达(SAR)系统的方位向预处理需要,利用AD公司的高速DSP芯片ADSP-TS201来实现预处理功能,提高了距离向处理点数、FIR滤波器阶数和运算精度。预处理参数可以根据不同的需要实时改变。该文介绍了预处理器的原理,针对TS201的内部结构和指令特点对软件代码进行优化。实测表明,该预处理器在采用64阶FIR预滤波器、降4倍采样、输入距离线为16 384点时,PRF超过1 800 Hz。     

星载SAR船舶及尾迹探测技术研究

星载合成孔径雷达(SAR)对船舶探测作为一种受到普遍关注的获取船舶信息的有效手段,较之其它探测方法有着独特的优点。根据近年来星载SAR领域所取得的成果,对其探测船舶及其尾迹技术进行研究,以期获得较好检测船只及其尾迹的方法。     

一种实时自适应滤波的方法和在SAR方位向预处理中的应用

传统的SAR方位预滤波器采用的是固定系数的FIR低通滤波,在实际的飞行成像中,这类固定系数的滤波器会在方位向产生比较严重的幅度调制,进而严重影响实时成像质量,提出的SAR方位向自适应预滤波器克服了固定系数滤波器造成的图像方位调制干扰,同时极大改善了自动聚焦效果和成像质量。     

星载SAR在涡阳县冬小麦测产中的应用

由于雷达遥感的全天候、全天时的优势,使之成为南方大范围农业信息动态监测的最佳遥感手段。应用星载合成孔径雷达(SAR)-RadarSat-2,选择安徽省涡阳县冬小麦产区进行测产研究。利用SAR的多极化特点(HH/HV/VH/VV),针对此卫星影像比较选择VV极化,并在试验田取样,获得试验田产量,从而建立产量和后向散射系数关系的线性测产模型,在提取冬小麦种植区基础上,应用此模型对冬小麦进行大面积产量测产。通过计算,得到了超过80%精度的测产模型和冬小麦较准确的测产结果。研究结果表明:在冬小麦收割前一周左右应用SAR进行测产,从而为农保提供服务,这种思路和方法是行之有效的。     

复杂场景下深度表示的SAR船舶目标检测算法

雷达图像目标检测是国家海洋军事和经济发展的重点研究领域.与被动成像的光学雷达相比,合成孔径雷达(synthetic aperture radar,SAR)由于其高分辨率、全天候、全天时、主动式等特点,成为20世纪以来多国雷达研究的重要组成部分.图像目标检测是雷达图像解译的基础.提出一种复杂场景下深度表示的SAR船舶目标...     

SAR图像船只尾迹检测研究综述

利用星载合成孔径雷达(SAR)图像进行海面船只尾迹检测的研究在海洋领域具有重要意义。SAR海洋图像中尾迹线性特征的检测和精确定位是个难点,研究了SAR图像中船只尾迹的检测方法,根据近年来SAR图像海面船只尾迹检测的发展,总结了尾迹类型及其成像机理,分析了影响尾迹检测的因素和目前国内外的尾迹检测算法,通过对这些方法的对比分析得出它们的优缺点,并对今后的研究方向进行了展望。     

用于星载SAR数字AGC增益控制的双门限步进法

首先对自动增益控制(AGC)电路的模拟和数字实现方法进行了比较,指出星载合成孔径雷达(SAR)系统采用数字AGC的必要性;然后针对数字AGC增益控制产生算法进行了讨论,提出了一种实用的数字AGC增益控制产生算法--双门限步进法。该算法配合数控衰减器非常适合数字AGC的工程实现,实验结果证明:采用该算法的AGC设计具有很好的收敛性,并且在后续处理中能够精确地恢复信号原来的幅度。     

Suppressing azimuth ambiguity in spaceborne SAR images based on compressed sensing

In spaceborne synthetic aperture radar,undersampling at the rate of the pulse repetition frequency causes azimuth ambiguity,which induces ghost into the images.This paper introduces compressed sensing for azimuth ambiguity suppression and presents two novel methods from the perspectives of system design and image formation,known as azimuth random sampling and ambiguity separation,respectively.The first method makes the imaging results for the ambiguity zones as disperse as possible while ensuring that the imaging results for the main scene are affected as little as possible.The second method separates the ambiguity signals from the echoes and achieves imaging results without the ambiguity effect.Simulation results show that the two methods can reduce the ambiguity levels by about 16 dB and 99.37%,respectively.     

Ground moving target detection and location based on SAR images for distributed spaceborne SAR

In recent years, a new concept of spaceborne SAR implementation has been propos- ed[1,2], i.e., the distributed (constellation) spaceborne SAR implementation in which sev-eral formation-flying small satellites (or micro-satellites) cooperates to perform multiple missions. The coherent combination of ground echoes acquired by all small satellites can significantly improve the performance of ground moving target indication (GMTI), SAR mapping, interferometric SAR (InSAR), etc. Since the …     

基于卡方检验的SAR图像道路检测算法

为有效解决SAR图像道路检测算法中阈值优化的问题,提出了一种不需要固定阈值的检测方法.该方法由不同阈值组合的Tupin边缘检测算法得到边缘检测结果图集,并逐像素统计得到边缘密度图;引入卡方检验计算边缘密度图与边缘检测结果图集之间的相似性度量参数,优化得到最佳边缘相关等级;根据最佳等级得到最终的道路边缘检测结果.实验结果表明,该方法有较强的开放性与目标适应性,自动化程度高,有很强的工程实用性.     

融合注意力机制与改进SSD算法的SAR舰船目标检测方法

针对单次多盒检测算法(SSD)对复杂背景下合成孔径雷达(SAR)图像舰船目标的检测容易出现误检或漏检情况,提出一种基于融合注意力机制与改进的SSD算法的目标检测方法。首先在SSD算法上引入ResNet网络并进行改进,以提供丰富的语义信息和细节信息,提高算法的鲁棒性;其次融合通道和空间注意力增强对舰船目标的辨认能力,抑制海杂波等干扰信息;同时改进损失函数来解决舰船密集分布时的漏检问题,提高网络训练效果。数据集上的实验表明,该方法平均准确率(mAP)为87.6%,比SSD算法提高了4.2个百分点,目标的漏检和误检明显减少。相比SSD算法,该算法对复杂背景下的舰船目标有较好的辨别能力和鲁棒性,抗干扰能力有所提升。     

基于模糊理论的SAR图像海上舰船检测方法研究

舰船检测是合成孔径雷达图像海洋应用的一个重要部分,针对中分辨率近岸海域SAR图像,提出了一种基于模糊理论的海上舰船检测方法。该方法先利用改进的模糊增强算法对图像进行增强处理,以改变图像灰度的分布特性,从而分离图像中海洋区域和陆地区域,并结合最大熵分割法提取海洋背景中包含候选舰船的感兴趣区域,最后,对ROI区域进行分割,提取舰船的特征,并基于模糊推理技术实现对海上舰船目标的检测。     

双向特征融合的数据自适应SAR图像舰船目标检测模型

目的 利用合成孔径雷达（synthetic aperture radar,SAR）图像进行舰船目标检测是实施海洋监视的重要手段。基于深度学习的目标检测模型在自然图像目标检测任务中取得了巨大成功,但由于自然图像与SAR图像的差异,不能将其直接迁移到SAR图像目标检测中。针对SAR图像目标检测实际应用中对速度和精度的需求,借鉴经典的单阶段目标检测模型（single shot detector,SSD）框架,提出一种基于特征优化的轻量化SAR图像舰船目标检测网络。方法 改进模型并精简网络结构,提出一种数据驱动的目标分布聚类算法,学习SAR数据集的目标尺度、长宽比分布特性,用于网络参数设定;对卷积神经网络（convolutional neural network,CNN）提取的特征进行优化,提出一种双向高低层特征融合机制,将高层特征的语义信息通过语义聚合模块加成到低层特征中,在低层特征中提取特征平均图,处理后作为高层特征的注意力权重图对高层特征进行逐像素加权,将低层特征丰富的空间信息融入到高层特征中。结果 利用公开的SAR舰船目标检测数据集（SAR ship detection dataset,SSDD）进行实验,与原始的SSD模型相比,轻量化结构设计在不损失检测精度的前提下,样本测试时间仅为SSD的65%;双向特征融合机制将平均精确度（average precision,AP）值由77.93%提升至80.13%,训练和测试时间分别为SSD的64.1%和72.6%;与公开的基于深度学习的SAR舰船目标检测方法相比,本文方法在速度和精度上都取得了最佳性能,AP值较精度次优模型提升了1.23%,训练和测试时间较精度次优模型分别提升了559.34 ms和175.35 ms。结论 实验充分验证了本文所提模型的有效性,本文模型兼具检测速度与精度优势,具有很强的实用性。     

自适应权重金字塔和分支强相关的SAR图像舰船检测

目的 合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测在军事、民生领域发挥重要作用。由于SAR图像背景复杂且多为小尺度舰船目标,同时图像中的相干斑噪声导致舰船目标边缘模糊,现阶段目标检测模型无法快速高效地实现目标检测任务。为了提高模型检测精度,使模型具有更好的鲁棒性,提出了自适应权重金字塔和分支强相关的SAR图像检测模型。方法 对特征提取网络提取的特征图经过采样、融合处理获得特征自适应权重,然后利用权重指导每层特征图充分融合空间位置信息和语义信息,更好地检测小尺度目标;分支强相关模块融合分类分支和回归分支的特征,对融合后的待检测特征分别采用1×1、3×3对称卷积核和1×3、3×1非对称卷积核捕获不同的舰船特征;构建Io U(intersection over union)分支,利用Io U分支作用于分类分支,避免高Io U低分类置信度的候选框被抑制,通过设置平衡因子平衡Io U分支和分类分支,使其能更好地指导回归分支优化候选框。结果 在公开的遥感数据集SSDD(SAR ship detection dataset)上实验结果表明,本文模型的检测精...     

复杂背景下SAR近岸舰船检测

目的 船舶在合成孔径雷达（synthetic aperture radar, SAR）图像中的检测是研究热点,但目前适合近岸舰船检测的方法并不多。在SAR图像中,近岸舰船受到岸上建筑物的干扰严重,尤其是对于排列紧密的近岸船舶来说,其对比度相似,很难区分船舶与背景。为解决近岸舰船检测困难问题,提出了一种基于加权双向注意金字塔网络的近岸舰船检测方法。方法 本文在FCOS （fully convolutional one-stage）网络的基础上提出了一种新的双向特征金字塔网络。将卷积注意力机制模块（convolutional block attention module,CBAM）与金字塔网络的每个特征图进行连接,提取丰富的语义信息特征;借鉴PANet （path aggregation network）的思想,添加自下而上的金字塔模块,突出不同尺度船舶的显著特征。最后提出了一种加权特征融合方式,使特征图提取的特征信息的着重点不同,提高舰船检测精度。结果 本文在公开的SAR图像舰船数据集SSDD （SAR ship detection dataset）上进行实验。实验结果表明,相比原FCOS方法,本文方法的检测精度提高了9.5%;与对比方法相比,本文方法在同等条件下的检测精度达到90.2%。在速度方面,本文方法比SSD提高0.6 s,比Faster R-CNN （region convolutional neural network）提高1.67 s,明显优于对比方法。结论 本文通过改进特征网络和特征融合方式,提高了算法对SAR图像舰船目标检测中背景复杂、排列紧密的近岸舰船目标的定位效果,有效增强了对舰船目标定位的准确性。     

融入混合注意力的可变形空洞卷积近岸SAR小舰船检测

目的 在近岸合成孔径雷达(synthetic aperture radar, SAR)图像舰船检测中,由于陆地建筑及岛屿等复杂背景的影响,小型舰船与周边相似建筑及岛屿容易混淆。现有方法通常使用固定大小的方形卷积核提取图像特征。但是小型舰船在图像中占比较小,且呈长条形倾斜分布。固定大小的方形卷积核引入了过多背景信息,对分类造成干扰。为此,本文针对SAR图像舰船目标提出一种基于可变形空洞卷积的骨干网络。方法 首先用可变形空洞卷积核代替传统卷积核,使提取特征位置更贴合目标形状,强化对舰船目标本身区域和边缘特征的提取能力,减少背景信息提取。然后提出3通道混合注意力机制来加强局部细节信息提取,突出小型舰船与暗礁、岛屿等的差异性,提高模型细分类效果。结果 在SAR图像舰船数据集HRSID(high-resolution SAR images dataset)上的实验结果表明,本文方法应用在Cascade-RCNN(cascade region convolutional neural network)、YOLOv4(you only look once v4)和BorderDet(border d...     

基于RCS精确预估的机动目标切片仿真方法*

给出了一种基于目标RCS精确预估的机动目标SAR图像切片仿真方法。详细介绍了目标几何建模、电磁计算、目标成像的整个流程,并将仿真图像与MSTAR图像数据进行了对比。仿真实验结果表明,该方法有效解决了机动目标多参数空间SAR图像数据的获取问题。