基于仿真SAR图像深度迁移学习的自动目标识别

使用深度卷积神经网络实现SAR图像的自动目标识别在训练过程中需要大量的标注数据。为解决由SAR实测数据获取成本高、标注数据量不足带来的问题,提出一种在由CReLU激活函数和批归一化改进的卷积神经网络上,使用仿真SAR图像提升最终目标识别性能的方法,把从大量仿真SAR图像学习到的有效知识迁移到实测SAR图像数据上。在训练中,先用仿真SAR图像预训练卷积神经网络,结合迁移学习的方法,有效地解决由SAR图像数据不足带来的过拟合问题。在MSTAR数据集上验证方法的有效性,识别准确率提高到99.78%,并在少量SAR图像样本数据上也取得不错的识别效果。

基于迁移学习仿真SAR图像的目标识别研究

合成孔径雷达(SAR)图像的目标识别研究在军事、国防等领域具有特殊的应用价值。为了更高效、准确地识别SAR图像中的目标物,实验利用卷积神经网络对SAR图像进行训练,以获取良好的识别模型。但小样本集合的SAR图像存在识别效果差,易导致结果过拟合等问题。为此,研究并提出了一种基于卷积神经网络仿真SAR图像迁移学习的目标识别方法。通过选取数据量较大的仿真SAR图像数据集预训练Inception-ResNet-v2网络模型,得到相应的网络参数。结合迁移学习的方法,将预训练模型得到的网络参数迁移到目标模型上作为目标模型的初始化参数,使用SAR图像对目标模型进行识别训练,并同步进行参数优化和迭代训练。实验有效解决了SAR图像数据不足所产生的过拟合问题,并且模型识别的准确率得到提升。通过MSTAR数据集验证了该算法的有效性,识别的准确率达到99.57%。

地面车辆目标高质量SAR图像快速仿真方法

为满足基于模板的SAR地面车辆目标识别对海量高质量模板图像的工程应用需求,该文提出了一种基于射线追踪技术的SAR信号级高效仿真方法。该方法通过构建地面车辆目标SAR仿真场景物理模型并利用射线追踪方法准确模拟SAR探测过程中电磁波与场景中目标与环境的作用机理,实现对地面环境的宽带相干杂波、表面粗糙的复杂目标的宽带电磁散射以及地面-目标间耦合散射的快速计算,并通过SAR成像处理和图像相似度评估确认形成高质量SAR模板图像。数值结果验证了该文方法的准确性和高效性。

典型地面车辆目标SAR图像仿真与评估

典型地面车辆目标SAR图像仿真对SAR图像解译和目标识别具有重要意义。在光学区目标雷达散射截面仿真基础上,研究实现了典型地面车辆目标SAR图像仿真技术,给出了坦克目标的SAR图像仿真结果。在此基础上,进一步研究了SAR图像仿真性能评估技术,在目视定性评估的基础上,引入了两个面向SAR图像解译与目标识别的SAR图像仿真性能定量评估指标。最后,通过目标仿真SAR图像与MSTAR实测SAR图像的比对,对仿真性能进行了定性、定量的分析与评估,验证了方法的有效性。

基于电磁散射特性计算的目标SAR图像仿真

目标SAR图像仿真对SAR系统设计与验证、SAR图像几何纠正与地理编码、SAR图像解译和目标识别以及SAR成像处理等具有重要意义。SAR图像仿真总体分为基于信号的仿真和基于特征的仿真,不同应用决定了其相应的仿真方法也各不相同。面向SAR图像解译与目标识别应用,采用基于信号的仿真,研究实现了基于电磁散射特性计算的目标SAR图像仿真,给出了仿真信号的数学模型及仿真流程,并通过简单几何体以及实际目标的SAR图像仿真实验结果验证了其有效性。

基于面元投影模型的SAR建筑物快速图像仿真

SAR图像仿真技术是SAR图像理解与应用的重要辅助工具。该文根据SAR图像建筑物解译的需求,结合建筑物的结构特点,提出一种基于面元投影模型的SAR建筑物快速图像仿真方法。该方法通过简化射线跟踪算法加速目标模型到图像平面的几何映射过程,并提出面元投影模型降低散射面元到图像分辨单元中的插值误差。相较于传统SAR图像仿真,该方法实现了仿真精度与速度间的平衡。实验结果表明,该文方法能够快速生成仿真结果,仿真图像与真实图像匹配度高,具有较强的实用价值。

基于栅格化模型的SAR图像仿真方法研究

SAR图像仿真的研究对于SAR图像目标识别与解译研究具有重要意义。提出了一种基于栅格化模型生成回波的SAR图像仿真方法:将目标的三维模型映射到栅格平面中,运用射线跟踪原理,获取目标几何信息计算回波并成像处理获得仿真图像。该方法与传统方法相比,射线跟踪的计算复杂度不依赖于原始模型面元数目,提高了计算速度,同时,可以通过调节栅格化采样率实现不同的仿真精度,满足不同的应用需求。实验结果表明,通过该方法获得的仿真图像与真实图像匹配度高,该方法可以有效辅助SAR图像目标解译工作。

单幅高分辨率SAR图像建筑物三维模型重构

提出了一种利用高分辨率SAR图像进行建筑物提取和三维重构的方法.首先,分析了高分辨率SAR图像建筑物产生的电磁散射的类型,给出了不同类型散射区域的后向散射计算方法,并在此基础上给出了一种利用建筑物三维CAD模型进行SAR建筑物特征区域图像仿真的方法;其次,给出了利用建筑物的二次散射结构确定建筑物底部轮廓位置和方向的方法,并提出了一种基于分布密度函数差异的仿真图像迭代匹配方法,进行建筑物高度的反演.仿真SAR图像后向散射系数用来划分建筑物不同的散射区域,通过计算特征区域之间的分布密度函数差异,以取得最大匹配度值的仿真图像对应的检验高度作为建筑物的反演高度;最后,选用了两幅不同屋顶类型的实际机载高分辨率SAR图像进行建筑物提取和三维重构实验,试验结果较为理想,验证了所提方法的可行性和有效性.

基于改进CycleGAN的合成孔径雷达图像仿真

目标和场景的跨模态数据对于以深度神经网络为基础的跨模态检测与多模态融合算法的性能提升有着极其重大的意义.由于SAR图像的特殊性,获得成对的数据集成本很高,且现有的SAR图像生成算法大多集中在提升图像多样性与小范围场景生成,对于特定场景的图像配对转化鲜有涉及.本文利用改进的循环一致性对抗网络CycleGAN实现SAR图像目标和场景的SAR图像的仿真,并利用最小二乘损失对网络进行改进,使网络性能获得提升,提高了成像的质量,论文所提方法对SAR图像进行了仿真实验,结果表明,本文方法生成图像的精细度与稳定度最优,实现了更好的仿真结果.

极化雷达图像目标相干系数判据的检测研究

由理想目标散射矢量与待识目标散射矢量的相干系数判据,对待识目标进行检测与同类识别.利用复旦大学电磁波信息科学教育部重点实验室的散射计算软件BART进行理想目标极化散射计算,构造目标散射矢量,并进行合成孔径雷达(Synthetic Aperture Radar,SAR)成像模拟.以此目标成像模拟数据作为目标识别样本,对全极化系统Pi-SAR观测海面养殖箱的成像数据,研究其相干系数判据的检测与识别.结果表明该方法是有效的.

分析圆柱油罐目标合成孔径雷达图像的新方法

该文提出了一种针对油罐目标的合成孔径雷达(SAR)图像的分析方法。该方法根据圆柱油罐具有圆型边缘和圆柱型外形的几何特点,利用物理光学法(Physical Optics,PO)和增量绕射长度(Incremental Length DiffractionCoefficients,ILDC)理论建立了油罐目标的散射模型,并基于该模型推导了圆柱油罐的散射中心分布特征,同时引入投影映射算法(Mapping and Projection Algorithm,MPA)建立了成像模型,有效利用了单一视角的散射数据进行SAR图像模拟,仿真结果与实际SAR图像散射特征吻合,验证了方法的有效性。同时,利用45组实测数据得到了SAR图像散射中心的特征,并根据建立的散射模型和成像模型,分析和总结了油罐目标SAR图像的主要散射特征,为SAR图像中基于油罐目标的识别领域提供了理论依据。