改进分块局部最佳维纳滤波算法的干涉相位滤波

针对合成孔径雷达干涉相位滤波问题,提出了一种改进的分块局部最佳维纳滤波算法。该算法是加性高斯白噪声下的线性最小均方误差估计,利用目前图像滤波最前沿的技术——非局部技术,来联合估计图像的一、二阶矩。针对干涉相位中噪声的空变性,在应用中提出了两点改进:估计噪声的标准差时,用均值代替中值;根据噪声标准差的最大值和均值的比值,自适应地确定类的数量。仿真和实测数据表明,改进后的分块局部最佳维纳滤波算法是有效的,并优于其他三种算法。     

基于多尺度特征聚类算法的不确定目标检测

提出一种基于无样本的SAR图像目标检测分类方法。针对空战过程中难以获得大量SAR图像目标样本问题,采用基于全局CFAR的多尺度SIFT特征进行目标纹理描述,并针对特征维度较高及特征描述之间存在的冗余问题,通过PCA算法对其进行降维处理后,采用DBSCAN算法对潜在目标区域的多尺度SIFT特征进行分类实现目标检测。通过单一目标和多类目标图像进行实验验证,实验结果表明该方法具有一定的有效性和可行性。     

基于极化特征识别的地貌识别策略

为满足其近感测量精度,需对探测范围内的地貌环境进行有效识别。提出一种基于最优投影的地貌识别算法,为现代空域近感平台提供必要的地貌识别能力。定义了利用目标散射矩阵特征值构成的特征参数,且该参数与探测信号强度、角度等参数均无关,仅相关于探测区域内的地形结构特征。并结合Krogager关于目标散射矩阵分解的相关思想,建立带参数的标准散射体旋转不变矩阵,将探测区域内的地貌极化散射矩阵投影至标准体,得到目标散射矩阵在每一标准体的权值,并通过最优化投影进一步判定该地貌属性,从而达到识别的目的。     

平流层飞艇合成孔径雷达成像优化策略

平流层飞艇具有驻空高度高且时间久、覆盖范围广、使用效费比高等特点,在侦察监视等领域应用前景广阔。结合平流层飞艇平台特性,分析平流层飞艇合成孔径雷达(Synthetic Aperture Radar,SAR)与机载SAR的异同;针对平流层飞艇SAR的脉冲重复频率冗余及大振幅低频率运动误差,提出优化方案,并开展仿真分析验证。仿真结果表明所提优化运动补偿方法能够有效消除平流层飞艇运动误差影响。     

一种新的高分辨率SAR图像目标自动鉴别方法

目标鉴别是SAR图像目标识别系统的关键环节,用以消除预筛选阶段因异常检测产生的大量虚假的感兴趣区域切片。针对目标鉴别问题,提出了一种新的目标自动鉴别方法,首先对CFAR检测的结果做基于面积特征的预鉴别处理,而后对获得的ROI目标切片提取鉴别特征,并在特征分析的基础上设定特征判决阈值,实现序贯鉴别处理。利用X波段SAR图像数据检验了上述方法,给出了鉴别输出的ROI切片。     

基于小波域隐Markov模型的SAR图像滤波方法

在小波域隐Markov模型(HMM)的基础上提出一种新的合成孔径雷达(SAR)图像的滤波方法。首先根据小波变换的内在特征,建立小波域的隐Markov树(HMT)模型,通过EM算法可以获得该HMT模型的参数估计。然后根据SAR图像的统计性质,将SAR图像的乘法斑点杂噪声在局部范围内近似为加性白高斯噪声,通过最小均方差(MMSE)估计可以获得信号的小波变换值。通过对真实SAR图像的应用,结果说明该方法可以在保存图像细节特征的情况下有效地抑制图像的噪声。     

一种基于G0分布的SAR图像快速CFAR检测方法

杂波统计模型是决定CFAR检测算法性能的关键因素.G0分布能对单视和多视SAR图像中均匀、一般不均匀和极不均匀区域精确建模,但存在参数估计复杂、阈值表达式难以求解的问题,限制了其实用性.针对这些问题,分别采用矩估计法和二分法来完成参数的估计和阈值的求取,并通过目标区域预筛选和迭代计算等手段进一步提高了计算效率,得到了一种兼顾检测效果和效率的快速CFAR检测方法.实验结果验证了该方法的有效性.     

一种INSAS的干涉相位初值的估计方法

分析了干涉合成孔径声纳(InSAS)处理中初始相位误差对数字高程图的影响。提出了采用多点的配准时延信息估计干涉相位初值的方法,该方法可提高干涉相位初值估计的精度和可靠性。对几种配准时延信息计算方法估计的干涉相位初值进行了比较和分析。干涉仪合成孔径声纳湖试样机试验数据处理结果,验证了该方法的有效性。     

SAR/GMTI动目标检测软件平台的结构设计与实现

该软件平台旨在对SAR/GMTI动目标检测算法的仿真、测试与评估,是一个运用MFC技术结合opencv库的复杂系统。针对平台中对算法、数据维护困难问题,提出一种新型的MVADE软件模型。该模型对MVC中的Model参照MVP模式采用责任分离思想进行优化,做到视图、业务逻辑、算法、数据四层的松散解耦从而降低平台的维护难度。目前初步实现了软件架构的搭建和场景仿真,丛林区域检测,DPCA等算法的嵌入,测试结果验证了该软件模型的有效性。     

基于Hough变换的叶簇环境下SAR/GMTI动目标检测算法

叶簇环境下,当动杂波比较复杂时,常规的目标检测算法CFAR和DPCA不能有效地滤除杂波。提出了一种基于Hough变换的叶簇环境下SAR/GMTI动目标检测算法(HD),该算法在叶簇杂波比较复杂的情况下能够有效滤除动杂波,提取出动目标。首先,介绍了叶簇扰动环境下的场景建模,并且给出了建模分析和建模场景仿真;其次,给出了HD算法推导过程;最后,在建模基础上对该算法和常规算法进行了对比仿真实验。实验结果表明,该算法在较低信噪比情况下也能保持较高的检测概率。