“合成孔径雷达图像处理”课程教学实践探讨

"合成孔径雷达图像处理"是我校面向电子信息类博士、硕士研究生的专业选修课。本文介绍了课程教学过程中教学内容、实施形式、考核方式等方面的经验和做法,对教学组织实施过程中的问题进行了思考和探讨,拿出顺应技术发展和授课对象的需要的举措,加强改进课程教学方法,以适应学科发展和人才培养的需求。

合成孔径雷达高分辨率成像虚拟仿真实验平台设计

合成孔径雷达(synthetic aperture radar,SAR)系统组成复杂,搭载于飞机、卫星等运动平台上才可实现数据获取,难以开展基于SAR雷达实物的实验教学。为解决此问题,设计并搭建了SAR高分辨率成像虚拟仿真实验平台。该虚拟仿真实验平台将系统设计技术、实验设计技术、数据采集过程、信号处理技术、图像评估技术等SAR实验的完整流程进行了高展示度、高保真度、高交互性的计算机模拟。一方面,该虚拟仿真实验可以帮助学生理解SAR设计、工作和应用的流程,巩固相关课程基础知识,激发学习雷达信号处理知识的兴趣;另一方面,可以考查学生对相关知识的综合应用能力,增强学生解决实际问题的技能。该仿真平台已成功应用于虚拟仿真教学课程实践,教学效果良好,对培养新工科技术型人才具有重要意义。

合成孔径雷达图像与可见光图像配准方法综述

合成孔径雷达(SAR)图像与可见光图像之间存在大量互补特性,二者的综合利用能够提供更丰富的信息。由于SAR图像与可见光图像之间存在多种差异,作为信息融合的基础,两种图像的配准问题成为当前亟待解决的难题。通过对SAR图像与可见光图像的配准方法进行梳理和总结,根据配准过程对专家先验信息的依赖程度及是否具有训练、学习过程这两个角度,将SAR图像与可见光图像配准方法分为基于特征的方法和基于深度学习的方法两大类,并对两类方法的关键技术进行分析,重点阐述了基于几何特征的配准和深度学习的配准,然后介绍配准结果的通用评价指标以及常用的成对的SAR图像与可见光图像数据集,最后总结目前SAR图像与可见光图像配准仍然存在的问题并展望未来发展趋势。

基于星载合成孔径雷达图像交叉谱的全球海浪特征研究

星载合成孔径雷达(Synthetic Aperture Radar, SAR)因其全天时、全天候的观测能力,为全球海洋动力环境要素研究提供了重要数据支撑。然而,SAR海浪成像是非线性过程,现有理论中的近似求解会导致海浪谱反演的信息缺失。SAR图像交叉谱技术的提出一定程度上突破了这一限制,能够很好地量化海浪谱特性及海浪传播方向。本研究延续前人系列成果,利用最新提出的面向径向海浪的图像谱强度,开展不同尺度海浪随局地风速的变化趋势分析,并基于雷达视向图像谱强度提取了谱峰波数,进而结合欧洲空间局环境遥感卫星先进合成孔径雷达波模式在开阔大洋获取的近400万景SAR图像,分析了谱峰波数的全球分布特征,为量化全球风浪耦合过程提供新视角,揭示了海浪与风速耦合关系的空间分布与季节变化规律。

非平衡状态下合成孔径雷达图像几何畸变仿真

合成孔径雷达成像过程中,受地形高低起伏影响,图像上几何信息会发生畸变,严重影响图像的清晰度。为此,提出非平衡状态下合成孔径雷达图像几何畸变校正方法。使用非下采样Shearlet变换、硬阈值算法去除几何畸变图像内噪声,利用模糊对比度、隶属度函数增强畸变图像的层次感,通过矩技术算法得出目标对象方位角,结合牛顿迭代、间接定位算法获得目标对象在畸变图像中坐标,根据距离-多普勒频率模型、插值方法对图像重新采样,通过遍历DEM完成畸变图像校正。实验结果表明,所提方法畸变校正效果好,且校正80个图像用时低于1.5s。

小波包域值法去除合成孔径雷达图像斑点噪声

合成孔径雷达 (SAR)图像的斑点噪声使图像的解译能力明显降低 ,影响了SAR图像的应用 ,去除图像斑点噪声是SAR图像处理及应用的前提。去除的方法在图像域有很多 ,在频率域 ,也有基于FFT变换和小波变换的许多方法。文中根据沙漠地区的SAR图像的特点 ,对基于图像域和频率域的几种滤波方法进行了比较 ,提出了一种基于小波包变换的SAR图像斑点噪声去除方法 ,结果表明该方法既去除了斑点噪声 ,又保持了边缘特征信息。

合成孔径雷达图像的近岸海面风场反演

根据海面微波散射原理 ,给出了星载合成孔径雷达 (SyntheticApertureRadar,SAR)图像海面风场反演的方法。该方法包括SAR图像辐射定标、海面风向确定和风速计算。利用该方法由加拿大RadarsatSAR图像反演获得了中国海南省东南部近岸海区海面风场 ,并与预报风场作了比较。结果显示 ,二者相符得很好 ,风速的均方根误差为 0 94m/s ,风向的均方根误差为 4 0 3°。

合成孔径雷达图像统计滤波降噪方法

基于统计滤波方法需要在尽可能大的同质区域内进行滤波处理的要求 ,根据 MHR和 EPOS算法采用的可变窗口思想 ,提出了从八个不同方向上逐步扩大窗口 ,直到出现边界的搜索算法 ,在保持图像边界信息的同时滤除了斑点噪声的影响 .对于噪声统计量 ,提出了利用了比例图来估计其大小的方法 ,并由此求出搜索的域值 .实验结果表明 ,该方法处理的

利用SAR-FAST角点检测的合成孔径雷达图像配准方法

合成雷达孔径图像配准作为变化检测和图像信息融合的基础,对多时相SAR图像的解译具有重要作用。该文提出一种基于SAR-FAST角点检测的图像配准方法。首先,选用迭代引导平滑算法抑制斑点噪声对角点检测的影响;然后,以检测点为圆心,选择合适的检测半径,在圆周上选取检测窗口,统计与检测点不相似的窗口数量,判断检测点是否为角点;最后,对候选角点进行分析,根据其强度分布特点进一步剔除误检点。实验结果表明,SAR-FAST可以检测到足够数量且稳定性和重复性好的角点,应用于图像配准,也能获得较好的配准效果。

弹载合成孔径雷达成像处理及定位误差分析

论文基于弹载合成孔径雷达(SAR)空间几何关系,描述了雷达信号数学模型;给出了弹载SAR成像方法;详细分析了弹载SAR水平初始方位角、载体速度的测量误差对于成像定位的影响;推导了各种误差影响成像结果的数学表达式;给出了非直线运动大下冲角情况下,误差分析的计算机仿真和在匹配制导中的实验结果。

利用区域划分的合成孔径雷达图像相干斑抑制算法

为在有效保护合成孔径雷达(SAR)图像边缘特征的同时进一步提高乘性相干斑噪声的抑制性能,提出了一种基于区域划分的SAR图像相干斑抑制(DABRS)算法.首先利用带方向的高斯-伽马平行窗通过比率运算生成边缘强度映射(ESM),并利用阈值化ESM对SAR图像进行区域划分,然后利用改进的变窗Kuan滤波与改进的Sigma滤波分别对SAR图像的均匀区域与边缘区域进行相干斑抑制.为进一步提高抑斑效果,两种改进抑斑算法均采用迭代滤波方式,且改进Kuan滤波的窗尺度随迭代次数的增加而增大.实验结果表明:与多种抑斑算法相比,DABRS算法在抑斑与边缘保护方面具有优势,等效视数提高超过30%,边缘保持指数提高8%以上,而且抑斑图像同质区还具有更平滑的视觉效果.

针对合成孔径雷达图像的新型LOG边缘检测算法

传统LOG边缘检测算法对合成孔径雷达图像进行边缘检测时,对噪声敏感,同时也易损坏部分低强度边缘。针对这一问题,提出了一种新型的LOG边缘检测算法,首先采用双边滤波和自适应中值滤波来代替传统LOG算子中的高斯滤波,再计算平滑后图像的拉普拉斯,最后提取运算后的零交叉点作为图像的边缘。仿真实验表明,本文方法在脉冲噪声环境下具有显著的去噪效果,而且能较好地保护边缘,提高了检测精度,相对传统LOG算法具有更好地检测效果。

合成孔径雷达图像特征关键度分析与分类算法研究

针对合成孔径雷达(SAR)图像目标分类问题,从灰度和纹理特征分析出发,提出了一种SAR图像分类特征量的关键性度量指标。利用关键系数的概念定义了关键特征量、次关键特征量、非关键特征量和关键度。从灰度模型和纹理模型的特征统计量中选择关键度高的特征量,如灰度模型中的均值和方差、纹理模型中的角二阶矩、对比度、均匀性和相关性。针对SAR图像分类往往是多类别、多特征的情况,通过构造特征向量,定义向量距离,按照最小距离方法进行目标分类。为了提高计算速度和更好地描述特征量,引入了窗口方法。仿真和计算结果表明该方法行之有效。

基于双密度双树复数小波变换的合成孔径雷达图像降噪研究

针对合成孔径雷达(SAR)图像相干斑噪声抑制问题,本文将双密度双树复数小波变换(DD-DT CWT)结合具有局部方差估计的双变量收缩阈值函数(BSF)构成一种新的SAR图像降噪算法实现合成孔径雷达图像降噪.首先将SAR图像用双密度双树复数小波变换进行多尺度分解,考虑小波系数间的相关性,用双变量概率密度函数作为小波系数及其父代系数的统计关性的模型,并通过Bayesian估计理论导出相应的非线性双变量收缩函数对图像不同方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像.分别用仿真SAR图像和实际图像对算法进行验证,并与其它方法的性能进行比较,对不同算法处理后图像进行了主客观评价,分析结果表明,新算法的去噪效果明显优于传统的小波变换方法,不仅有效实现了图像降噪,而且较好保留了图像细节.含噪SAR图像经该算法处理后,图像性能指标均有提高.

条带模式合成孔径雷达回波数据的聚束成像算法处理

对条带模式 SAR和聚束模式 SAR的关系进行了研究 ,给出了一种如何利用聚束成像算法来处理条带模式 SAR的原始回波数据的方法 ,这种方法基于两种模式成像处理器输入数据的不同特点和 Dechirp解调原理 ,同时使用了频谱扩展的方法。在没有聚束模式 SAR原始回波数据的情况下 ,可使用本文的方法利用条带 SAR数据来模拟聚束 SAR数据 ,以便研究聚束成像算法。此外在条带 SAR成像过程中 ,利用文中给出的算法 ,可以对某一小的目标区域进行精细成像。也可将此方法用于条带

合成孔径雷达图像舰船尾迹检测算法

针对合成孔径雷达(SAR)图像舰船尾迹检测问题,提出了基于解析字典的相干斑噪声抑制算法和基于Radon变换的尾迹检测算法.首先,利用基于解析字典的形态成分分离算法对SAR图像进行成分分离,得到含有舰船尾迹的结构成分图像和含有相干斑噪声及海杂波的纹理成分图像.然后,对包含舰船尾迹的结构成分进行局部Radon变换,并通过基于峰值聚类决策的舰船尾迹识别算法对真假局部峰值点进行判别,得到真实尾迹产生的局部峰值点,确定舰船尾迹的具体位置.实验结果表明,该算法能有效地完成SAR图像舰船尾迹检测.

一种合成孔径雷达图像阴影和目标检测的方法

提出了一种进行高分辨率SAR（synthetic aperture radar）图像阴影和目标检测的新思路.首先给出了基于等效视数模型的图像RCS（radar cross section）重构算法进行阴影检测,然后通过非线性积累,达到目标检测的目的.与CFAR（constant false alarm rate）检测相比,能够检测到阴影和更多感兴趣的目标.

基于合成孔径雷达图像的河流检测方法研究

针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像中水体的梯度比陆地的梯度要小的特点,提出了一种利用图像梯度信息和Fisher准则检测河流的方法;首先利用梯度算子求出图像的梯度;再对得到的梯度图像运用Fisher准则分割出水体区域;最后利用数学形态学滤除分割图像中存在的大量细小噪声,并运用面积、灰度、方差等特征进一步消除虚警目标,检测出河流;实验结果表明,该方法具有较强的抗相干斑噪声特性,能够自动、快速地检测出SAR图像中河流目标。

合成孔径雷达图像目标识别问题研究

首先对合成孔径雷达 (SAR)图像目标识别的研究背景和国内外发展现状作了简单介绍 ,然后分析了SAR图像目标识别问题的复杂性 ,讨论了SAR目标识别系统的一般方案与方法 ,提出了基于多源信息融合和人机协作的识别框架 ,进而展望了SAR图像目标识别技术今后的发展方向。

海洋合成孔径雷达图像斑点噪声的滤除

针对海洋合成孔径雷达(SAR)图像结构信息不明显、水下目标识别困难这一问题,提出了基于经验模式分解(EMD)的算法和H(o|¨)lder指数调整相融合的框架,该框架可以有效地滤除海洋SAR图像的斑点噪声并增强其结构信息,使得人眼可以分辨其特征信息。该融合框架利用EMD将海洋SAR图像分解成不同频率成分的分量,不同层次的分量根据其结构信息和噪声的特征用不同的H(o|¨)lder指数来调整,H(o|¨)lder指数的大小随着分量层数的增加而减小,即在不同尺度下分别抑制斑点噪声,从而恢复其中所包含的结构信息。试验结果表明,利用该框架可以有效抑制SAR图像中的斑点噪声和增强与水下目标相关的结构信息,使人眼可以分辨海洋SAR图像的特征结构。