环形孔径折叠成像系统的光-数联合无热化设计(封面文章·特邀)

环形孔径折叠成像系统通过光路折叠可以实现光学系统的小型化。然而环形孔径折叠成像系统由于仅使用一块基底材料,且没有补偿镜,无法通过光学被动无热化实现宽温度范围的高质量成像。为了减小温度对成像质量影响的同时简化光学系统结构,引入波前编码的方法来设计光-数联合的环形孔径折叠成像系统。文中研究了光-数联合的环形孔径折叠成像系统设计原理,推导了遮拦比与相位掩膜板参数的关系,以实现离焦一致性。在图像解码部分,文中研究了不同权重下的点扩散函数(PSF)的图像复原效果,通过模拟退火算法构建了合成PSF模型。根据理论分析设计了光-数联合的环形孔径折叠成像系统,焦距为70 mm,系统总长为25 mm,F数为1,全视场8°。在−40~60℃范围内,高温和低温下的峰值信噪比(PSNR)比其他方法分别提高了4.7090 dB和5.0442 dB,实现了单一滤波器的图像复原。文中研究在简化红外成像光学系统的同时,采用光-数联合的方法克服了环形孔径折叠成像系统的温度限制,为宽温度范围红外系统小型化提供了新的思路。

一种大孔径静态干涉高光谱成像数据压缩方法

大孔径静态干涉成像遥感数据的数据量较大,需要寻找一种合适的方法对其压缩。从大孔径静态干涉成像机理出发,分析了干涉数据的空间和干涉维冗余性,并基于现有成熟混合压缩编码方法,提出了基于相似干涉曲线与不同光程差之间冗余去除的算法,对冗余数据进行去除预处理。对干涉数据进行基于曲线表的干涉曲线编码表示,对不同光程差之间的图像进行相关性预测,减少了大孔径静态干涉成像遥感图像的量化深度并降低了图像的信息熵,再结合JPEG2000算法进行无损或有损压缩。实验结果表明,对于大孔径静态干涉成像数据,该算法可实现压缩比为3.1倍的无损压缩,有损压缩的率失真曲线也优于其他对比算法,其复原图像反演出的光谱曲线的光谱角和相对二次误差均优于其他对比算法处理的数据,有效保护了光谱信息。

基于混凝土缺陷超声检测的合成孔径聚焦成像

由于混凝土的随机性,超声波在混凝土中传播伴随着强烈的衰减、反射以及散射作用,回波信号信噪比低,带有损伤信息的有效反射信号同背景噪声混叠畸变。传统超声信号处理难以识别缺陷的具体信息,本文引入了频域合成孔径聚焦算法对超声回波数据进行成像处理,并开展了对混凝土空洞缺陷的数值模拟和试验研究,采用道内平衡处理方法,对混凝土深部信号进行了增强处理,提高了缺陷回波的质量,对多次自发自收数据进行了频域合成孔径成像处理,空洞缺陷的绕射波被收敛,提高了100 kHz超声波的检测成像效果;同时预制了双空洞混凝土试件,使用宽频带窄脉冲探头进行现场混凝土空洞缺陷超声波检测试验,结果与数值模拟结果基本吻合,证明了合成孔径聚焦技术能够使混凝土缺陷的绕射波得到了很好的收敛,有效提高了小孔径超声波探头的分辨率。

环形孔径成像系统的杂散光抑制方法研究

文章提出了一种针对单片式环形孔径成像系统的杂散光抑制结构,根据系统杂散光分析设计了消杂光结构,推导了遮光罩几何公式。在仿真软件中对离轴角为0°~90°范围内的杂散光进行光线追迹,并绘制了点源透过率(PST)曲线。当红外波段离轴角小于15°时,杂散光PST值降低了2数量级,而当离轴角大于15°时,杂散光PST值降低了2至4数量级。结果表明,在实现小型化特点的前提下,文中设计的遮光罩结构使环形孔径系统具有良好的杂散光抑制能力。

基于卷积注意力的逆合成孔径雷达成像方法

近年来,卷积神经网络由于其强大的特征提取能力和对数据的灵活表达,已成功应用于逆合成孔径雷达(ISAR)的稀疏成像。然而常规的卷积神经网络对于特征给予相同的权重,缺乏聚焦重要信息和抑制冗余信息的能力,导致成像效果欠佳。为了解决这个问题,提出了基于卷积注意力的逆合成孔径雷达成像方法,在网络中加入卷积注意力模块,在通道和空间两个维度上进行特征细化,提高网络对于特征的表达能力,并且可以在残差连接中减少原始特征中的伪影干扰,提高成像质量。实验结果表明,基于卷积注意力的成像方法可以重建高质量ISAR图像,且相较于全卷积神经网络成像方法具有更好的成像效果。所成图像熵值从0.355 9降到0.221 2,证明了所提方法的有效性。

基于事件相机的合成孔径成像

合成孔径成像(Synthetic aperture imaging,SAI)通过多角度获取目标信息来等效大孔径和小景深相机成像.因此,该技术可以虚化遮挡物,实现对被遮挡目标的成像.然而,在密集遮挡和极端光照条件下,由于遮挡物的密集干扰和相机本身较低的动态范围,基于传统相机的合成孔径成像(SAI with conventional cameras,SAI-C)无法有效地对被遮挡目标进行成像.利用事件相机低延时、高动态的特性,本文提出基于事件相机的合成孔径成像方法.事件相机产生异步事件数据,具有极低的延时,能够以连续视角观测场景,从而消除密集干扰的影响.而事件相机的高动态范围使其能够有效处理极端光照条件下的成像问题.通过分析场景亮度变化与事件相机输出的事件点之间的关系,从对焦后事件点重建出被遮挡目标,实现基于事件相机的合成孔径成像.实验结果表明,所提出方法与传统方法相比,在密集遮挡条件下重建图像的对比度、清晰度、峰值信噪比(Peak signal-to-noise ratio,PSNR)和结构相似性(Structural similarity index measure,SSIM)指数均有较大提升.同时,在极端光照条件下,所提出方法能有效解决过曝/欠曝问题,重建出清晰的被遮挡目标图像.

基于复合正则化的稀疏SAR成像方法研究

随着高分辨率对地观测要求的不断提高,合成孔径雷达(Synthetic Aperture Radar,SAR)的应用将越来越广泛。针对高分辨率SAR成像存在数据量大、存储难度高、计算时间长等问题,目前常用的解决方法是在SAR成像模型中引入压缩感知(Compressed Sensing,CS)的方法降低采样率和数据量。通常使用单一的正则化作为约束条件,可以抑制点目标旁瓣,实现点目标特征增强,但是观测场景中可能存在多种目标类型,因此使用单一正则化约束难以满足多种特征增强的要求。本文提出了一种基于复合正则化的稀疏高分辨SAR成像方法,通过压缩感知降低数据量,并使用多种正则化的线性组合作为约束条件,增强观测场景中不同类型目标的特征,实现复杂场景中高分辨率对地观测的要求。该方法在稀疏SAR成像模型中引入非凸正则化和全变分(Total Variation,TV)正则化作为约束条件,减小稀疏重构误差、增强区域目标的特征,降低噪声对成像结果的影响,提高成像质量;采用改进的交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)实现复合正则化约束的求解,减少计算时间、快速重构图像;使用方位距离解耦算子代替观测矩阵及其共轭转置,进一步降低计算复杂度。仿真和实测数据实验表明,本文所提算法可以对点目标和区域目标进行特征增强,减小计算复杂度,提高收敛性能,实现快速高分辨的图像重构。

一种改进的基于惯导运动补偿的实时成像方法

合成孔径雷达(SAR)作为一种主动式的对地微波遥感技术,具有全天候、全天时和远距离的特点。通过发射大带宽信号,获得距离向的高分辨。通过平台相对静止场景的运动形成合成孔径,获得方位向的高分辨,SAR平台的运动是成像的基本条件。对于机载SAR,由于载机在大气中飞行时受到大气湍流等因素的影响,不可能保持理想的运动状态,必然会产生运动误差,运动误差会导致相位误差和包络移动,从而导致图像散焦等问题。如何对SAR进行运动补偿是实现成像的关键。基于惯导数据的运动补偿是实现高分辨成像的重要手段之一。根据惯导数据的特点,结合卡尔曼滤波原理和SAR成像的几何模型,提出了一种基于卡尔曼滤波的惯导数据滤波和重采样方法。该方法可以有效剔除运动参数野值,精确地获得雷达平台的运动参数。文中所提出的运动补偿方法能和SAR成像算法很好的结合,实测数据的成像结果验证了该方法的准确性和有效性。

海底小目标高分辨合成孔径声呐成像技术研究进展

海底小目标的成像探测问题是海底探测领域的经典难题,合成孔径声呐技术为小目标高分辨成像与探测提供了主要技术手段。本文分析了现阶段合成孔径声呐所面临的主要能力提升问题,介绍了合成孔径声呐高分辨成像的基本原理以及多子阵成像技术,并且针对合成孔径声呐面临的技术难点,对运动误差估计与补偿技术、高测绘效率成像技术、非稳定直航下的高分辨成像技术进行了讨论,介绍了相关技术路线与研究进展,并在此基础上展望了海底小目标高分辨成像技术的发展趋势与应用前景。

Golay3稀疏孔径成像系统共相误差研究

稀疏孔径成像系统在校正共相误差后可实现多个子孔径干涉成像,达到提高成像分辨率的目的。本文以Golay3稀疏孔径成像系统为研究对象,分析了子孔径间存在不同活塞误差和倾斜误差时,系统的MTF和面目标成像情况。研制了一套Golay3稀疏孔径成像系统,以USAF1951分辨率板为面目标进行了成像实验。通过调整光束折转调整模块中的平面反射镜位置,校正了子孔径的活塞误差和倾斜误差,实现了三孔径合成成像,并对理论分析结果进行了验证。实验结果表明:所研制系统的角分辨率为1.77μrad,接近于等效单口径成像系统的理论极限分辨率1.18μrad。所研制的Golay3稀疏孔径成像系统能有效校正共相误差,提高成像分辨率。

一种基于元学习的稀疏孔径ISAR成像算法

稀疏孔径逆合成孔径雷达(ISAR)成像的目标是从不完整的回波中恢复和重建高质量ISAR图像,现有方法主要可以分为基于模型的方法和基于深度学习的方法两大类:一方面,基于模型的稀疏孔径ISAR成像方法往往具备显性的数学模型,对雷达回波的成像过程有清晰的物理建模,但算法有效性上不如基于学习的方法。另一方面,基于深度学习的方法通常高度依赖训练数据,难以适配空间目标ISAR成像任务中高实时、高动态的现实应用需求。针对上述问题,该文提出了一种基于元学习的高效、自适应稀疏孔径ISAR成像算法。所提方法主要包含基于学习辅助的交替迭代优化和元学习优化两部分。基于学习辅助的交替迭代优化继承了ISAR成像机理的回波成像模型,保证了方法数学物理可解释性的同时避免了方法对数据的依赖性;基于元学习的优化策略通过引入非贪婪优化策略,提高了算法跳出局部最优解的能力,保证了病态非凸条件下的算法收敛性能。最后,实验结果表明:该文方法可以在不依赖训练数据、不进行预训练的情况下实现高效、自适应的稀疏孔径ISAR成像,并取得优于其他常规ISAR成像算法的性能。

基于参数估计与子孔径提取的船舶ISAR实时成像算法

机载逆合成孔径雷达(ISAR)成像是在远距离、全天时、全天候条件下对动态船舶进行微波成像和目标分类的关键技术。长时间累积可以带来更好的ISAR图像信噪比和信杂比,但船舶的摇摆等未知运动会显著影响长时间聚焦效果。对此,提出一种结合船舶运动参数估计与子孔径搜索的船舶成像实时处理方法。在平动补偿的基础上,根据船舶多普勒展宽、中心线斜率的变化曲线和散射点时频曲线估计船舶的旋转运动参数,实时提取最佳成像孔径,结合参数估计进行极坐标格式化和转动补偿,获取清晰的船舶图像。在不同实测数据集上进行对比验证,结果表明,相较传统成像方法,本文方法可以有效提升长周期聚焦处理的效果,实时获取高分辨率的ISAR船舶图像。

基于动态阵元合成孔径聚焦超声成像的平板陶瓷膜内部缺陷三维重建

针对平板陶瓷膜内部缺陷可视效果差和超声三维重建运算数据量大等问题,提出了一种基于动态阵元合成孔径聚焦超声成像的平板陶瓷膜内部缺陷三维重建方法。动态阵元合成孔径聚焦超声成像方法是通过在缺陷区域使用多阵元合成孔径,在非缺陷区域使用单阵元合成孔径。采用动态阵元合成孔径聚焦超声成像方法获取多个位置序列的平板陶瓷膜的缺陷B扫描图像,并采用体绘制的方法,实现了平板陶瓷膜缺陷的三维可视化。实验结果表明,采用动态阵元合成孔径聚焦超声成像方法时划痕的重建相对误差在1.27%~2.70%之间,对孔洞的重建相对误差在2.38%~3.03%之间,重建速度平均提高了26.57%。通过对缺陷的三维重建,使得缺陷的呈现更加直观,为后续的缺陷分析的客观性提供了保障。提出的方法具有良好的适应性、经济性,在无损检测领域有重要的意义。

基于非局部深度先验的编码孔径快照光谱成像重构算法

在编码孔径快照光谱成像(CASSI)重构领域,重构质量的提升受到图像先验正则化和优化方法的双重影响。针对传统正则项设计复杂、调参效率低下及现有深度先验正则项感受野局限、难以捕捉长距离依赖等问题,以及基于模型的优化方法重建精度不足、端到端优化方法缺乏解释性的挑战,文章提出了一种创新的基于非局部深度先验的CASSI重构算法。该算法通过构建非局部深度先验网络,在先验正则化方面实现高光谱图像空间与光谱维度的全局信息和长程依赖的深入捕捉;在优化方法上,引入了深度展开网络的多阶段架构,加快了收敛速度,并显著提高了重建质量。仿真结果显示,新算法重建图像的峰值信噪比(PSNR)较传统方法提高了13.12 dB,较最新的深度学习方法提升了1.06 dB;同时,计算复杂度降低了43.4%,参数量减少了53.2%,有效保证了深度学习方法的计算效率。试验验证结果显示新算法能够还原更多细节、恢复更多的结构和纹理,视觉效果较好,进一步验证了该算法的有效性。这一研究可为深度学习在计算光谱成像重构领域的应用提供一定参考。

逆合成孔径成像雷达隐身目标零样本识别

针对现有算法不具备识别出未在训练过程中出现的新类别目标的能力问题,提出了针对逆合成孔径成像雷达(inverse synthetic aperture imaging radar,ISAR)隐身目标零样本学习识别方法。首先,基于飞行类动态目标三维网络化物理模型,使用FEKO电磁场仿真软件进行编程,实现ISAR可见的源目标图像数据生成;然后,在此基础上形成不同飞机类目标细节属性的文本语义特征表达。所提出的新类型算法网络模型采用两个变分自编码器,分别进行了图像和语义的特征生成,从而让网络学习到模态不变的特征表达。使用可见类别数据训练网络,并获得能够凭借语义信息生成图像特征的模型。训练识别采用该学习模型不可见的未知新类别目标,从不可见未知的新类别文本语义生成不可见未知的新目标图像特征信息,支撑了不可见未知的新目标识别,统计未知的新类别识别正确率为75%。

基于CV-FISTA网络的稀疏孔径ISAR成像方法

逆合成孔径雷达(inverse synthetic aperture radar,ISAR)在雷达目标识别、空间监视和弹道导弹防御等领域发挥着重要作用。针对传统稀疏孔径ISAR成像算法对参数敏感和收敛速度慢的问题,提出一种基于复值快速迭代收缩阈值算法网络的稀疏孔径ISAR成像恢复方法。将加速近端梯度方法引入稀疏重构算法中,并将其迭代步骤构建为深度展开网络的隐藏层,构建初始参数相同的随机散射点和飞机散射点的数据集,将复值一维距离像作为网络的输入,利用ISAR像对应的标签对网络进行训练和验证。该方法直接处理复数数据替代传统的分实虚部两路计算方法,显著减少了计算负担。仿真实验表明,相较于传统模型驱动算法,通过对网络进行训练避免了手动调参过程,收敛速度更快,成像质量更高,而且对于特征差异较大的数据具有更好的泛化能力。

基于多核DSP的星载双基FMCW SAR成像算法实现

调频连续波(frequency modulated continuous wave,FMCW)合成孔径雷达(synthetic aperture radar,SAR)降低了传感器的峰值传输功率,使系统的重量和成本最小化,被广泛应用于机载平台。将双基地构型与FMCW技术相结合,应用于星载平台,即构成星载双基地FMCW SAR。本文对距离多普勒(range-Doppler,RD)算法进行改进,建立起一种高性能的适宜星载双基地平台的FMCW SAR成像频域算法,这种算法的处理精度明显提高,成像效果更好。基于多核数字信号处理器(digital signal processor,DSP)构建适用于星载双基SAR成像算法的并行处理架构,完成软硬件设计实现。验证了所提软件架构可以满足实时成像需求,以及算法工程化实现的可行性。

微透镜阵列的合成孔径成像激光雷达收发光学系统

为解决合成孔径成像激光雷达受制于相干天线定理的问题,扩大成像视场,提高相干收发光学系统效率,提出并研制了基于4×4尾纤式微透镜阵列接收的相干收发光学系统,建立了全视场光学系统耦合效率计算模型,完成了高精度的收发光学系统集成装调及系统光学效率测试。结果表明:发射链路与16路接收链路的光轴最优偏差优于4″,中心视场光学系统效率优于73.1%,全视场光学系统效率优于65.5%,可满足激光雷达成像试验要求。

基于卷积注意力机制的无透镜对抗编码成像

相较于单孔径光学无透镜成像技术,编码孔径成像(Coded Aperture Imaging,CAI)技术具有更高的光照强度和更高的分辨率,近年来引起了广泛的关注。然而,现有的CAI技术存在成像时间分辨率较低和成像性能较差的限制。深度学习技术由于其强大的复杂特征建模能力,被广泛应用到各类信号处理领域中。本文提出利用深度学习技术解决上述问题,构建基于卷积注意力机制的生成对抗网络模型(Convolutional Attention Mechanism Based-Generative Adversarial Network,CAM-GAN)来适应不同的情境和任务要求,提高CAI效果与稳定性。通过引入卷积注意力机制模块使生成器选择性地聚焦于数据的特定区域,恢复原始图像的细节和结构。在此基础上,以生成对抗网络的形式进行网络的训练,生成更逼真、更高质量的图像。在公开数据集的实验结果表明,与其他方法相比,CAM-GAN在图像质量上表现出色,取得了最高的峰值信噪比值,相较于次优的UNet-GAN算法提高了约0.32,充分证明了深度学习技术在CAI领域中的应用潜力。

非盲源KPCA剩余噪声比阈值层析SAR成像方法

合成孔径雷达(SAR)层析成像技术是基于干涉SAR测量技术发展而来的先进三维成像技术。层析SAR通过第三维反演技术将叠掩在同一距离-方位分辨单元的散射体进行分离而实现SAR的三维成像。因此,叠掩在同一距离-方位分辨单元的散射体分离是层析成像的关键。文中提出了一种非盲源散射体分离算法,结合核主成分分析和剩余噪声比阈值,估计同一距离-方位分辨单元内散射体的个数,并反演其位置。在满足完整度的同时,尽可能抑制噪声。该方法利用核主成分分析,人为增加核矩阵维度,从而减少系统的导向向量偏差;并且加入剩余成分中噪声强度比的计算作为算法的约束条件,从而降低了噪声信号误判的可能性。实验结果表明,所提方法在各个方面都优于传统的层析反演方法,并且高度重建精度得到一定程度的提高。