基于FMLNet的光学成像雨（雾）信息自主消除算法

航天发射和回收任务中,通过运载火箭以及无人机获取的光学图像易受雨雾的影响导致成像质量下降。为了同时满足雨纹消除和除雾应用需求,进一步提升雨（雾）图像信息恢复的质量,将特征提取、多尺度映射、局部极值以及非线性回归处理相结合,设计一种新的雨（雾）信息自主消除网络（FMLNet）,提出一种基于FMLNet的光学成像雨（雾）信息自主消除算法。使用Maxout单元层生成几乎所有与雨（雾）相关的特征,运用一种新的非线性激活函数（BReLU）以提高恢复无雨（雾）图像的质量,使其特征提取层和非线性回归层与经典CNN网络具有明显的不同。分别对雨（雾）图像数据集进行实验测试,结果表明,算法在峰值信噪比（PSNR）和结构相似指数测度（SSIM）评价指标上均优于其他常用算法。通过各算法处理效果的视觉观察比对,该算法能够很好地进行图像雨纹消除和图像除雾,能将不同雨（雾）场景下的图像恢复至细节丰富的干净场景图,图像复原度更高、视觉效果更好,从而验证了算法的有效性。     

舰用红外成像跟踪系统的技术要求与统计分析

基于舰用红外成像跟踪系统,阐述了目标特性,提出了捕获的技术要求与影响目标捕获的主要因素,概括了跟踪系统的关键性能和误差源,分析了捕获跟踪的视场及响应时间并探讨了系统动态性能的统计分析方法;对系统的设计、研制和使用管理具有一定的启发作用和理论指导作用。     

地面热成像系统观察条件下目标能见度模型

本文在研究大气自我传输特性的基础上,对目标与背景的辐射传输特性进行了分析,提出了大气干扰辐射度,视辐射对比度和视辐射对比阈的概念,推导了地面热成像系统观察条件下的目标能见度模型公式,并通过实验初步验证了该能见度模型公式的可信性。     

神经网络距离-多普勒超分辨雷达成像

研究利用神经网络实现超分辨雷达成像。该方法首先根据Tuff的前后向线性预测(FBLP)方程用神经网络得到样本序列的AR模型参数,然后利用神经网络作线性预测外推,再用神经网络对外推后的数据作离散哈特来变换(DHT)。从哈特来变换可以方便地得到外推数据的离散傅里叶变换,从而得到距离-多普勒超分辨雷达像。利用微波暗室数据对这一方法进行了数字仿真,结果表明这种方法是可行的,即使在低信噪比下也有较好的性能。     

星机双基地SAR方位向成像性能分析

星机双基地合成孔径雷达（Synthetic Aperture Radar, SAR）系统中,由于收发平台运动速度差异较大,因此需要对收发波足（波足是指波束在地面的投影）的运动速度进行合理的设置,减小收发波足速度差,尽可能的提高收发波足覆盖范围和时间,进而实现高分辨、大方位场景成像。根据收发波足覆盖时间的相互关系,分析了收发波足共同覆盖范围内的方位向成像性能。分析了收发波足方位向位置偏移对方位向成像性能的影响,从而对星机双基地SAR系统的波束同步精度提出了要求。仿真结果表明,本文提出的方法能够很好的分析收发波足同步误差对成像性能的影响,能够为星机双基地SAR系统设计提供重要参考。     

稀疏贝叶斯学习框架下的扩展目标雷达关联成像

传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该方法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该方法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

星载光学遥感成像系统复杂性分析

为研究星载光学遥感成像系统的复杂性,由复杂系统的基本特征与系统研究的基本原则出发,通过对成像全链路流程的分析,确定光学遥感成像系统的复杂性来源及其表现形式。建立星载光学成像的数学模型,以系统重要参数——调制传递函数为基点,通过正过程建模分析和逆过程测量计算相结合的方式,分析了系统复杂性研究的基本原则,即还原论与整体论相结合、定性与定量相结合的过程。由正、逆过程的对比分析,一方面阐述了系统性能与各个环节参数之间的关系,另一方面又由正则化盲反卷积的方式得到图像中真实的调制传递函数。二者相辅相成,既能通过补偿系统复杂性因素影响提升系统性能,又能进一步指导系统优化设计。     

一种改善雷达测距测角精度的窄带补偿方法

多通道间幅相不一致会影响三维成像雷达的成像质量。针对步进频率体制三维成像雷达,分析了系统窄带部分通道间幅相不一致对目标三维(距离、方位角、俯仰角)成像的影响,并提出了一种基于中频注入补偿信号的补偿方法。