基于H/A/α分解的全极化HRRP目标识别方法

针对现有基于H/A/α分解提取全极化高分辨率距离像(high range resolution profile,HRRP)特征的方法都没有考虑度量尺度对所提取特征性能影响的问题,提取了平均度量尺度下的特征子集,给出联合动态互信息概念用于选择最优平均度量尺度,并剔除特征子集中的冗余特征;在此基础上,结合Bagging和Boosting算法,提出一种宽带全极化雷达目标识别方法;最后在多类飞机目标HRRP样本集上验证了该方法的有效性。

双极化SAR图像H/α分解及替代方法研究

研究合成孔径雷达(Synthetic Aperture Radar,SAR)双极化图像的H/α分解的特点及应用方法。在分析各种双极化组合模式下的H/α分解的计算方法及特点的基础上,针对HHVV组合方式下的双极化H/α分解给出替代参数,并与全极化模式下的H/α分解进行对比。理论分析和实验结果表明,该替代参数不但具有更加明确的物理意义,而且具有更高的计算效率。

基于H/α分解原理的古河道信息提取——以松嫩平原西部地区为例

古河道对于重现古气候、古生态环境变化有着重要的意义。极化合成孔径雷达(SAR)数据以散射矩阵的形式记录了地物的后向散射信息,能有效地识别隐伏的古河道信息。本文以古河道发育的松嫩平原西部作为研究区域,选取Sentinel-1双极化数据(VV-VH)作为数据源,通过VV-VH双极化模式下的H/α分解处理,构建了由散射熵H与散射角α构成的二维H/α平面。依据雷达波在古河道充填沉积物中发生体散射以及在古河床底界面发生二次散射,并且体散射功率大于二次散射功率,确定了古河道散射类型属于H/α平面上的高熵多次散射。结合此特征与Sentinel-2影像,最终对研究区内的古河道信息进行了提取。研究表明,通过VV-VH双极化模式下的H/α分解方式可以提取到在Sentinel-2影像上无明显特征的古河道信息。

基于多尺度H/A/α分解的全极化HRRP特征提取

针对现有基于?/?/?分解的全极化高分辨率距离像(HRRP)特征提取方法没有考虑度量尺度对特征性能的影响问题,引入动态互信息思想设计了度量尺度评价准则,并提出了基于平均度量尺度、不定度量尺度和金字塔型度量尺度3种特征提取方法.采用两类飞机目标全极化HRRP数据对提取的特征子集进行了有效性分析,并通过识别多类飞机目标验证了3种方法提取的特征子集具有良好的类别可分性和稳定性.

基于极化特征参数和极化干涉最优参数的改进四元素分解方法

雷达目标的后向散射对目标姿态与雷达视线的相对几何关系十分敏感,同一目标相对于雷达视线的姿态不同时,散射特性十分不同。倾斜地表和倾斜建筑物等目标可能扭转后向散射回波的极化基,进而导致交叉极化分量过高,图像体散射成分过估计。该文针对图像体散射成分过估计的现象,提出一种基于极化特征参数(H/α)和极化干涉相似性参数(PISP)的极化干涉分解方法。该方法充分考虑了散射体在雷达视线方向上的散射多样性,对不同取向的倾斜地表和倾斜建筑物等目标产生的交叉极化分量进行更好的适配,得到更好的分解结果。最后,利用由中国科学院电子学研究所获取的机载C波段全极化干涉数据验证该方法在极化干涉分解中的有效性。实验结果表明,该改进算法可以有效、正确地区分地物散射特性。

基于H/α极化分解的弹道目标鉴别

提出了一种基于H/α目标分解理论的弹道目标极化鉴别方法。首先简要给出了H/α目标分解理论的定义和数学模型,然后阐述了真实弹头和诱饵的不同微运动特性,即真弹头具有姿态控制故运动稳定,而诱饵由于没有姿态控制而出现旋转、翻滚等随机运动。在此基础上提取反映目标时间维散射随机性的极化特征量——时间熵。接着利用基于弹头模型暗室测量数据的弹道导弹全极化回波仿真方法,获取了不同战情下弹头与诱饵目标动态特性回波,进而对时间熵进行计算。实验表明,真弹头时间熵值与诱饵熵值可分性明显;时间熵与目标特性有关,但当诱饵与真弹头外形高度逼真时,该特征可有效鉴别真假目标;时间熵亦与所用数据长度(统计窗口)有关,但当统计窗口长度增加到进动周期时,时间熵趋于稳定。

一种基于Freeman分解与散射熵的极化SAR图像迭代分类方法

该文提出了一种基于Freeman分解与散射熵的极化SAR图像迭代分类新方法。该方法首先通过Freeman分解提取3种散射机理成分的功率,同时通过H/α分解提取地物的散射熵;再利用这4个表征地物特性的参数将极化SAR图像中的地物划分为9个初始类,最后使用Wishart分类器对初始类进行迭代分类得到最终的结果。该方法合理利用了地物的极化散射信息,能够取得较好的分类效果,同时运算量也比较小。实测极化SAR数据的实验结果验证了该方法的有效性。

基于机组相关性的低频振荡多信号分类Prony分析

电力系统广域量测信号可分为同类信号(如所有机组的功角)和非同类信号(同一机组的功角、角速度、有功功率等)。分析低频振荡时,为避免数值淹没现象及样本函数矩阵的累积误差问题,提出了多信号分类Prony算法。对于大规模电力系统,根据机组相关因子建立相关矩阵,并依据相关矩阵通过图论中的α分解法进行机组分群,在机群中应用Prony算法对同类和非同类信号进行分析,获取振荡模式信息。算例结果验证了该方法的有效性。

复杂场景下的极化SAR图像机场跑道检测

提出一种基于极化分解分类与结构特征相结合的复杂场景全极化SAR图像机场跑道检测方法。首先利用先验信息粗选图像中各类样本目标进行H/α分解提取图像中各类训练样本,然后根据极化SAR图像的统计特性,利用贝叶斯分类器对图像进行分类,提取图像中机场跑道疑似区域,再结合机场跑道的五种结构特征用二叉树法进行判别,最终确定机场跑道区域。利用美国UAVSAR系统采集的多组全极化实测数据对算法进行实验,结果表明,该算法能够有效地检测出跑道,且检测的跑道结构完整,轮廓清晰,虚警率低。

关于可加映射线性性质的注记(英文)

目的提出复数分解的一些概念并给出一些关于复数分解的结果,从而研究可加映射的线性性质。方法采用算子论方法进行研究。结果证明了若可加映射f:X→Y满足f(μx)=μf(x)(|μ|=a>0,x∈X),则f是线性的。结论本文的结果对构造一个线性映射和判断一个映射是否线性的都非常有用。

基于时变散射特征与CNN的双极化SAR作物分类

作物类型分类是极化合成孔径雷达(PolSAR)图像中最重要的应用之一。然而,由于成本和系统限制,越来越多的双极化SAR系统已经投入使用。由于双极化模式的限制,双极化SAR数据集存在严重的贴现特性,使得双极化SAR图像难以获得令人满意的分类精度,因此有必要提取更适合于双极化SAR数据集的散射特征。基于H/α分解的基本理论,引入了一个新的参数来测量农作物的时变散射特性,并针对双极化SAR图像提出了时变散射特征驱动的卷积神经网络(CNN)。实验结果表明:提出的CNN分类方法达到了最高的分类精度。与不同的特征组合输入相比,提出的新参数能稳定地提高分类器的分类性能,H、α、θ和强度特征的组合也能达到最佳的分类性能。

基于全极化Radarsat-2数据的干旱区典型绿洲盐渍化信息提取

土壤盐渍化不仅破坏了当地的自然生态环境,而且严重影响着可持续发展。为了对干旱区盐渍地进行有效、实时的监测,利用全极化合成孔径雷达PolSAR(Polarimetric Synthetic Aperture Radar)遥感数据进行盐渍地信息的提取。提出对以渭-库绿洲为研究区的全极化Radarsat-2数据进行Pauli分解和H/A/α分解,获取其极化特征分量。在此基础上,利用支持向量机(Support Vector Machine)、最小距离分类(Minimum Distance Classification)以及最大似然分类(Maximum Likelihood Classification)方法进行监督分类,并对分类结果进行对比分析。研究结果表明,极化分解方法在盐渍化监测中具有较好的研究潜力,基于Pauli和H/A/α分解的SVM分类方法更适用于PolSAR数据盐渍地信息的高精度提取。

一种新的简缩极化SAR图像H/α特征空间

现有简缩极化(Compact Polarimetry)SAR图像H/α经验特征空间存在两个问题:一是没有考虑简缩极化模式下的散射熵普遍高于全极化模式;二是在散射机制重叠区域,简缩极化H/α空间的分类能力较弱,尤其是多次散射。针对以上问题首先定量分析了DCP模式简缩极化SAR的散射角与全极化SAR数据散射角之间的关系,且在对7组不同传感器的SAR数据分析的基础上,提出了散射熵的替代参数ED,基于Monte Carlo模拟实验得到了H/α分解的各参数(熵H、平均散射角α和替代参数ED)分解的稳态条件;然后通过统计各散射机制在ED/α分布的密度空间,提出了一种新的简缩极化SAR图像ED/α特征空间。实验结果表明:替代参数ED与全极化熵具有良好相关性,而且ED/α特征空间提高了散射机制分类的精度。