应用局部约束二维稀疏表示识别SAR图像目标

在分析典型稀疏表示分类方法和局限性的基础上,提出了一种基于局部约束的二维稀疏表示方法,以有效解决SAR图像目标识别问题。该方法对SAR图像进行图像预处理,在兼顾图像相邻列(行)对应稀疏表示系数邻近性和样本间局部性的基础上,构建了局部约束目标函数,并通过解闭式解,实现稀疏表示系数的更新求解。利用美国实测MSTAR数据对算法进行了仿真验证,实验结果表明所提出的方法可实现SAR图像目标的有效识别,并对训练样本数目具有一定的鲁棒性。     

合成孔径雷达图像及迷彩技术研究

从合成孔径雷达(SAR)成像的原理出发,围绕4种地物散射模式,给出了不同雷达波段对应的表面粗糙度范围.结合军事工程的SAR图像解译,提出了SAR图像的变形迷彩处理技术,重点研究了道路的反识别迷彩处理方法.对照国内外雷达后向散射系数σ0的实验数据,提出了工程伪装新材料的技术要求,指出了开发该类材料的研制途径,研究结果为SAR图像伪装防护研究及军事工程伪装新材料研制提供了理论依据.     

基于图像解译概率的SAR探测距离评估方法

SAR探测距离是评判SAR系统性能的关键指标,不同于普通雷达给出的针对点目标的探测数据,SAR系统给出的是面目标的雷达图像,因此对其探测距离的评估也要有别于普通雷达,因从其雷达图像质量入手进行考核其作用距离。提出了基于图像解译概率的SAR探测距离评估模型,并在此基础上分析研究了评估过程中相关参数的测量方法。SAR探测距离的评估技术研究成果已在外场试验中得到应用,具有一定的推广利用价值。     

一种SAR图像特征提取和目标分类的新方法

提出了一种利用二维离散小波变换与核主成分分析结合对SAR图像进行特征提取的新方法.该方法对SAR图像进行三层小波分解后提取低频子带图像的核主成分分量作为目标的分类特征,利用支持向量机完成目标分类.采用MSTAR实测SAR目标数据集进行特征提取和分类实验,实验结果表明:该方法可以有效提高目标的正确识别率.     

基于广义伽马分布的SAR图像相干斑抑制

引入广义伽马分布对SAR图像杂波的统计特性进行建模,在此基础上给出了一种自适应SAR图像相干斑抑制方法。该方法在贝叶斯理论框架下利用最大后验概率准则对地物的真实后向散射强度进行估计。分布模型的参数采用以梅林变换为基础的对数累积量方法进行估计。基于SAR实测数据的仿真实验结果表明,提出的方法能够有效地去除SAR图像中的相干斑噪声。     

基于PCA特征的快速SAR图像目标识别方法

目标识别是SAR图像解译的重要一环,受到广泛的关注,而实时性又是评估目标识别系统性能的主要指标之一.从实时的角度出发,提出了一种快速的SAR目标识别方法.该方法采用基于Hebb学习规则的主分量分析(PCA)进行特征提取,使用多层感知器神经网络(MLP NN)进行目标分类.实验结果表明,在维持较好识别性能的前提下,该方法具有内存需求少、运行速度快的特点,能用于实时处理.     

SAR图像阴影区域分割技术及其评估准则

提出了一种阈值化技术与形态学方法相结合的SAR图像阴影区分割方法.该方法首先通过寻找图像平均强度最小的子区域对阴影区域进行初始分割,之后进行图像翻转、阚值化处理,最后利用形态学处理消除虚假像素,进行简单的连通性滤波,实现阴影区的自动分割.给出了3种图像分割评价准则,并基于计算机仿真和图像分割评价准则验证了该阴影区分割方法的有效性.     

SAR图像目标分割与方位角估计

图像分割和目标方位角估计是进行SAR (SyntheticApertureRadar)图像自动目标识别的重要步骤。文章提出了一种基于MRF (MarkovRandomfield)模型的SAR图像分割算法 ,利用ICM (IterativeConditionalMode)局部优化方法 ,获得MAP (maximumaposteriori)准则下的图像分割结果 ,将图像分割为目标、阴影、背景三部分。然后确定目标离雷达最近的点 ,从而得到目标的主导边界 ,并估计出目标的方位角。用MSTAR (MovingandStationaryTargetAcquisitionandRecognition)数据进行实验 ,估计方位角的准确性与现有算法的结果相比 ,具有明显提高     

基于多尺度稀疏字典的SAR图像目标识别方法

针对合成孔径雷达目标识别问题,提出一种基于多尺度稀疏字典的SAR图像目标识别方法。稀疏字典选择是稀疏表示中的关键问题之一,该方法利用小波多尺度分析构造过完备稀疏字典,将训练样本图像在小波解析域中进行小波多层分解,充分利用小波多尺度分析突出图像局部特征的特点,并和过完备稀疏表示有效结合组成级联字典。通过求解测试样本相应的稀疏系数矢量并根据系数矢量中对应训练样本类别的重构误差判定目标类型。实验结果表明,该方法在识别前无需对SAR图像进行预处理,具有良好的识别效果。     

融合改进区域生长和图割理论的SAR图像分割

结合合成孔径雷达(synthetic aperture radar,SAR)图像生成特点,提出了一种融合改进区域生长和图割理论的SAR图像分割方法。该方法利用SAR图像成像机理的统计特性,给出了一种区域生长的新准则,用于获取SAR图像初始分割;然后以初始分割区域为顶点、区域间相似度为边权构建一个赋权无向图,运用采用全局信息的最小图割方法(minimum cut,MCut)进行区域合并,获得最终分割结果。新方法具有在图像分割过程中融合了图像的局部信息和全局信息的优点。实验结果表明了新方法的有效性。