基于相干矩阵的SAR极化对比增强研究

针对SAR极化对比增强问题,本文在传统的Lagrange乘子法的基础上,提出了一种基于极化相干矩阵(T矩阵)的新方法,并通过SAR数据实验,验证了其有效性和优越性。本文方法基于Pauli极化基,使极化匹配矢量元素对应于Pauli基元素所代表的地物散射机理,其元素模值大小反应了散射特性的强弱。实验结果表明,此方法可获得更优的极化匹配矢量、极化对比度及其极化对比增强图像效果。

利用自适应最优极化对比增强检测SAR影像边缘

针对边缘检测中极化信息利用率不高的问题,提出了一种结合自适应最优对比增强与均值比的合成孔径雷达边缘检测新方法,并分析新算法特性后,推导了其快速版本。实验结果表明,新方法具有更好的检测性能。

粒子群算法在极化SAR目标对比增强中的应用

针对SAR极化对比增强中存在计算复杂的问题,将粒子群算法应用到极化SAR目标增强当中,并通过数据实验,验证了其优越性。该方法将对比增强问题抽象成最优化问题,将统计得到的区域平均协方差矩阵作为粒子群优化算法的输入,计算每个粒子的适应度值,更新粒子群的个体最优和全局最优值,通过迭代得到最优对比度。实验结果表明,与传统的最优极化对比增强算法相比,基于粒子群优化算法的极化对比增强方法能达到更好的对比度,而且实现较为简单。

部分极化条件下的极化对比度增强优化的快速方法（英文）

介绍了一种包含完全极化情形和部分极化情形在内的通用信号杂波噪声比(SCNR)模型。基于该模型,提出了一种适用于收发极化状态受约束的极化对比度增强优化(OPCE)的快速方法。该方法证明OPCE问题等价于某类线性代价函数的极值问题,且该类线性代价函数的极值问题的求解比OPCE问题的求解容易。从而构建了快速解决OPCE问题的方法。理论分析和数值实验验证了该方法的可靠性和高效性,与基于三步法的全局搜索方法(GSM)相比,该方法仅需要5%的计算时间。