对比度最优自聚焦算法

该文研究了一种适用于SAR的自聚焦算法,称作对比度最优自聚焦算法(Contrast Optimiza-tion Autofocus Algorithm,COAA)。该算法是一种原理简单、收敛快、计算量小、鲁棒性强的自聚焦算法,该文着重研究了COAA的实现方法。通过计算机仿真模拟证明了该算法的有效性。将COAA运用于中关村地区L-SAR数据并得到了理想的图像,这说明该算法具有重要的实际应用价值。最后,该文通过一些具体例子验证了该算法与其他算法相比具有更强的鲁棒性。

对比度最优与子孔径相关自聚焦算法的比较

为了选用快速高效的自动聚焦算法对机载 SAR数据进行聚焦处理 ,针对两种自聚焦算法对比度最优法 (Contrast Optimization,简称 CO)与子孔径相关法 (Map Drift,简称 MD) ,利用中科院电子所机载 L波段合成孔径雷达 (SAR)的实际数据和仿真的点目标对这两种算法进行了对比实验研究 .给出了分别用两种算法处理的点目标冲激响应和实际 SAR图像 .通过对比分析 ,表明 CO算法比 MD算法计算速度快。

基于对比度最优的SAS图像自聚焦

合成孔径声纳(synthetic aperture sonar:SAS)成像中,主要通过自聚焦校正剩余相位误差。对比度最优自聚焦算法(contrast optimization autofocusing algorithm:COAA)是典型的参数化自聚焦方法,一般用于估计二次相位误差。SAS图像中的二次相位误差主要由前向速度偏差和视线方向加速度引起,本文将COAA用于校正SAS图像中由于速度偏差引入的二次相位误差。仿真和实测数据处理结果表明,对比度最优自聚焦算法可以有效补偿图像中的由于速度偏差引起的相位误差。

基于粒子群算法的最优照度均匀度LED阵列设计

通过设计LED阵列排布,使得接收平面上的照度均匀度最大,这对LED照明系统具有十分重要的意义。不同于传统的数值计算的方法,此次采用粒子群算法来进行LED阵列排布的优化,使其在接收平面上的照度均匀度最大。首先推导了线性LED阵列的照度分布函数,并通过对比度来对照度分布函数的均匀度进行评价。然后采用粒子群算法求取均匀度最大时的LED排布,并同数值计算得到的结果进行比较,验证粒子群算法的可行性。

一种基于杜鹃搜索算法的图像自适应增强方法

图像增强是图像处理中关键步骤,基于归一化的非完全Beta函数变换的图像增强具有理想的增强效果。然而合理选取归一化的非完全Beta函数的参数是算法的关键和难点,常需要人工干预或是计算非常耗时。杜鹃搜索算法是一种新型的仿生智能算法,具有自适应、自组织等智能特性,具有强大的寻找优化解的能力。这里将杜鹃搜索算法用于归一化的非完全Beta函数参数的自适应选取,实现了基于杜鹃搜索算法的归一化的非完全Beta函数图像增强方法,实际图像增强实验结果表明了该方法的有效性和可行性。

基于先验误差模型的机载高分宽幅DBF-SAR自聚焦算法

高分宽幅(HRWS)数字波束形成(DBF)合成孔径雷达(SAR)利用多通道空间采样代替部分时域采样,可以有效缓解SAR成像时高分辨率与宽测绘带间的矛盾,具有重要的军用和民用价值。现有常规DBF-SAR成像算法都假设雷达传感器相对位置精确已知,实际应用中受传感器位置测量误差影响,由位置不精确导致的相位误差会严重影响DBF-SAR高精度成像能力。在极坐标格式算法(PFA)框架下,推导了DBF-SAR成像处理后,残留相位误差的解析模型,分析了该误差对成像质量的影响。依据推导的先验相位误差解析结构模型,提出了一种基于图像对比度最优化准则的自聚焦算法。新算法通过引入先验相位结构信息,极大降低了待估参数的空间维数,可以同时改善自聚焦算法的参数估计精度和计算效率。数据处理结果验证了理论分析的正确性和所提算法的有效性。