基于三维图像快速分层滤波的聚焦梯度模拟方法

基于透镜成像模型推导出模糊函数σ与物距及透镜焦距的关系．采用对深度三维图像自适应分层滤波方法，引入差异度函数，按差异度函数把深度图像分解成Ｋ个ｚ方向上不相交的子图像，通过对子图像的滤波合成，降低算法的复杂度，并使滤波后的误差控制在给定范围内，引入ａｌｐｈａ值、按层合成等手段解决滤波后的遮挡及边界问题．

一种改进选点及加窗处理的相位梯度自聚焦算法

相位梯度自聚焦(Phase Gradient Autofocus,PGA)算法被广泛应用于补偿合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相位误差。PGA算法的处理流程中,选点和加窗这两步操作对于算法性能的影响非常大。传统的PGA算法常因选点质量不佳或窗宽估计有误而导致聚焦效果变差,收敛速度变慢。本文提出一种基于能量-信杂比最大准则的强点选择方法和一种自适应窗宽估计方法。利用能量和信杂比两个维度从图像数据中筛选出理想的孤立强散射点,结合并改进两种传统加窗方法自适应地估计窗宽,实现算法稳定性和收敛速度的提升。仿真和实测数据处理结果证实了本文算法的有效性。

相位梯度自聚焦在FFBP聚束SAR处理中的应用

基于孔径分解和图像递归融合的快速分解后向投影算法具备接近频域算法的运算复杂度和媲美后向投影算法的聚焦性能.与频域成像算法不同,使用快速分解后向投影算法重建的直角坐标系图像或极坐标系图像均无法满足传统自聚焦方法的使用条件.为了解决这个问题,在原快速分解后向投影算法的基础上创新地引入了虚拟极坐标系,提出了改进快速分解后向投影算法,为自聚焦处理提供图像域与距离压缩相位历程域之间的傅里叶变换对关系.其次,建立全新的重叠子孔径构型,提出了嵌套多孔径相位梯度自聚焦的改进快速分解后向投影算法.最后,利用X波段聚束合成孔径雷达实测数据对该方法进行了验证.

相位梯度自聚焦算法的性能分析及改进

描述了相位梯度自聚焦 (PGA)算法的实现步骤 .基于对PGA算法的性能分析及对PGA算法的基本步骤所起作用的研究 ,提出了两种改进的方法 .首先 ,通过对加窗方法的改进 ,提高了算法的聚焦速度 ;另外 ,通过选择适当的距离行进行处理 。

相位梯度自聚焦算法在条带模式SAR中的应用

相位梯度自聚焦 ( PGA)算法是一种稳健的高分辨 SAR相位校正方法 ,在 SAR领域得到广泛应用。但PGA是对聚束模式成像提出的 ,不能直接用于条带模式。本文利用两种模式之间的内在联系 ,将条带模式 SAR数据分块处理 ,等效成聚束模式数据。然后 ,用聚束照射 SAR成像算法实现成像 ,此时就可以利用 PGA完成各块子图像的自聚焦过程 ,最后将各子图像适当拼接 ,从而实现条带模式 SAR的 PGA处理 ,外场数据的处理证实了本文方法的可行性 ,同时 ,分块处理条带 SAR数据实现了聚束照射 SAR与条带模式 SAR成像算法上的统一。

基于相位梯度自动聚焦的机载雷达成像试验

针对缺乏高精度机载运动测量系统情况下获得的某国产机载L波段合成孔径雷达(L-SAR)系统原始信号数据,采用完全数据驱动的基于相位梯度自动聚焦矫正信号相位的方法进行重聚焦成像处理试验.对点目标场景和分布目标场景的机载L-SAR信号数据成像处理试验表明:该成像方法能够有效地估计和补偿相位误差,从而获得方位向分辨率显著提高的机载L-SAR图像,是一种可以满足仅靠数据驱动实现高精度机载L-SAR成像处理的有效方法.

基于最优对比度准则的SAR图像相位梯度自聚焦算法

相位梯度自聚焦(PGA)算法是SAR图像自聚焦领域的经典算法。在分析经典PGA算法性能的基础上,提出了基于最优对比度准则的SAR图像相位梯度自聚焦算法。该算法改进了PGA算法的加窗方法和迭代终止条件,提高了PGA算法的鲁棒性和实时应用性能。理论分析和实验结果证明了该算法的有效性。

FMCW SAR相位梯度自聚焦算法研究

调频连续波合成孔径雷达(FMCW SAR)是一种新近提出来的成像雷达体制,它结合调频连续波与合成孔径成像技术,具有体积小、重量轻、成本低、分辨率高等一系列优点。在SAR成像中,相位误差是成像质量下降的主要原因。针对FMCW SAR的特点,分析了二阶相位误差对成像质量的影响,然后以二阶相位误差为例建立了存在相位误差的FMCW SAR信号模型,研究了适合于FMCW SAR的相位梯度自聚焦算法,仿真结果表明该算法能够校正相位误差的影响,提高了成像精度。

条带式合成孔径声呐相位梯度自聚焦算法

相位梯度自聚焦(PGA)算法是一种稳健的高分辨SAR相位校正方法,在SAR领域得到广泛应用;但PGA是针对聚束式合成孔径雷达提出的,不能直接用于条带式合成孔径声呐,为补偿小运动误差对合成孔径声纳图像造成的影响,文中考察了条带式合成孔径声呐运动误差模型和聚束合成孔径声呐运动误差模型之间的内在关系,推导了条带式合成孔径声呐的误差模型,提出了把相位梯度自聚焦应用到条带式合成孔径声呐的相应方式.首先,将条带式合成孔径声呐的成像沿方位向分割为有重叠的小的条带,然后,用聚束式PGA算法分别对各分块后的图像进行自聚焦处理,最后将各聚焦后的分块图像以适当的方式拼接在一起形成新的图像,从而实现条带模式合成孔径声呐的PGA处理.水池数据的处理证实了本文方法的可行性和有效性.

双基地合成孔径雷达相位梯度自聚焦算法

研究并提出了一种双基地合成孔径雷达(BSAR)相位梯度自聚焦(PGA)算法。首先分析了PGA算法的推导过程,对其推导前提和适用范围进行了研究,指出其应用于BSAR自聚焦的合理性。然后对BSAR两维分辨矢量及点扩展函数特性进行分析,得出误差导致图像散焦的方向。根据双基地SAR图像特点,提出了当PGA算法应用于BSAR时应根据成像几何对图像进行旋转,沿垂直距离分辨方向进行的方法。计算机仿真证明改进后的PGA算法是一种有效的双基地SAR自聚焦算法。

一种适用于机载/固定站构型BiSAR成像的改进相位梯度自聚焦方法

在机载/固定站构型双站合成孔径雷达(Airborne/Stationary Bistatic Synthetic Aperture Radar,A/S-BiSAR)成像中,回波信号方位不变性的假设不再成立;完成距离徙动校正和距离压缩之后,同一距离单元处信号的多普勒调频率具有沿方位向变化的特性。该信号特性导致了传统的相位梯度自聚焦(Phase Gradient Autofocus,PGA)方法对相位误差的估计精度显著下降。针对该问题,该文提出了一种改进PGA方法。与传统PGA方法相比,该方法通过增加对样本信号的剩余二次相位补偿,有效减小了变化的多普勒调频率对相位误差估计的影响,从而提高了对相位误差的提取精度;此外,该方法考虑了对距离空变相位误差的估计和补偿,使之适用于宽测绘带条件下的A/S-BiSAR成像。实测数据的处理和分析验证了该文方法的有效性。

随机样本选择的合成孔径雷达距离空变相位梯度自聚焦算法

针对距离依赖的相位梯度自聚焦(phase gradient autofocus,PGA)算法中样本选择的问题,本文提出了一种新的基于随机样本选择的距离依赖PGA(range-dependent PGA,RDPGA)算法。不同于传统算法利用固定门限对特显点样本进行硬剔除的选择方式,该算法利用样本的信杂比(signal to clutter ratio,SCR)构造了样本选择概率密度函数,在每次PGA迭代估计过程中,利用该概率密度函数对样本进行随机选择。随机样本选择方法不仅通过增加距离依赖样本的丰富性保证了RDPGA的估计精度,同时还保证了高质量样本在模型参数估计中提供较高贡献,在保持高效性的同时进一步提升了算法的稳健性。实测数据处理结果表明所提算法具有较高的估计精度和稳健性。

相位梯度自聚焦算法在机载合成孔径雷达运动补偿中的应用

研究了机载合成孔径雷达运动补偿中可以补偿任意阶相位误差的相位梯度自聚焦(PGA)算法,提出一种PGA快速算法。与雷达成像算法结合后,图像测量精度得到提高。

改进的机载SAR相位梯度自聚焦算法

相位梯度自聚焦算法的关键步骤是加窗处理,窗宽度的确定决定了成像效果,宽度过大将会引入大量的噪声,反之将无法包含足够成像用的散焦信息.文中针对复杂场景中强散射点的划分不同,提出了一种改进的相位梯度自聚焦方法,该方法通过对强散射点的划分设定阈值,采用门限式加窗方法.与原有相位梯度自聚焦方法成像的比较中,在分辨率和清晰度上优越于原有方法,最后使用机载雷达真实数据对该方法的有效性进行检验.

对海面重拖尾杂波下相位梯度自聚焦算法的改进

由于海杂波的随机动态特性,用合成孔径雷达(Synthetic Aperture Radar,SAR)对海面上的舰船目标成像时,相位梯度自聚焦算法(Phase Gradient Autofocus,PGA)的聚焦效果变差.在统计海杂波的分布特性之后,在大多数情况下可以用α-stable分布模型比较好地描述海杂波的幅度特性,尤其对于拖尾较大的海杂波.用分数低阶统计模型和相位梯度自聚焦算法结合起来(PGA-FLOS),可以有效地改善海面上舰船目标的成像效果.仿真和对实测海面数据处理都证明了文中算法的有效性.

基于子孔径相位误差拼接的相位梯度自聚焦算法

随着雷达技术的发展,合成孔径雷达的成像精度也得到了大幅提升,与之相匹配的,也需要能更精确地进行运动补偿的算法。由于惯导精度无法满足需求,如果仅使用惯导数据对运动误差进行补偿,补偿的结果中含有残余的距离单元徙动,这会损失图像的精度。本文首先分析了残余的距离单元徙动对快速分解后向投影成像算法和相位梯度自聚焦算法的影响,再将用于聚束SAR相位误差补偿的相位梯度自聚焦算法进行优化,提出了基于子孔径相位误差拼接的相位梯度自聚焦算法,使其可以对残余的距离单元徙动进行补偿,并可以将其应用到条带SAR的运动补偿中,最后利用Ku波段雷达的实测数据验证算法的有效性。

基于投影近似子空间跟踪技术的自聚焦算法

基于特征向量法的自聚焦算法具有比相位梯度自聚焦(Phase Gradient Autofocus,简称PGA)算法更好的算法性能,但该算法必须对协方差矩阵进行特征分解,所以运算量大.利用投影近似子空间跟踪(Projection Approxima-tion Subspace Tracking,简称PAST)技术的自聚焦算法可以解决上述问题.通过实际数据处理结果对比,证明基于PAST技术的自聚焦算法是一种可满足实时处理要求的有效自聚焦方法.

一种基于最小熵准则的SAR图像自聚焦算法

研究了一种新颖的SAR图像自聚焦算法。该方法从复图像域出发 ,利用最小熵准则盲解卷积原理 ,通过多维搜索完成相位误差校正。同相位梯度自聚焦算法相比 ,最小熵算法无需在图像域分离出强点目标 ,因而特别适用于无任何明显特征的图像。

一种改进的SAR图像聚焦算法

针对现有的相位梯度自聚焦(phase gradient autofocus,PGA)算法的加窗方法和特显点选取所存在的问题,提出一种改进的PGA算法。该算法提出一种新的确定相位误差点扩展函数支撑域的方法,此方法计算方位向上能量分布的平均值作为支撑域外的平均能量,以此来确定加窗的宽度。基于这种自适应加窗方法,还提出一种改进的特显点选取方法,该方法能够选择信杂比大的特显点,去掉信杂比小的特显点。试验结果表明,与传统的加窗方法和特显点选取方法相比,该方法能够得到更好的聚焦效果。

快速分解后向投影SAR成像的自聚焦算法研究

SAR图像的自聚焦处理依赖图像域与距离压缩相位历程域之间的傅里叶变换对(Fourier Transform Pairs,FTP)关系。与频域算法不同,时域算法下的这种FTP关系不仅复杂,且难以获取。为了兼顾图像快速重建和自聚焦处理,该文首先对快速分解后向投影(Fast Factorized Back-Projection,FFBP)算法进行必要的改进和适当的优化处理,提出了IFFBP(Improved FFBP,IFFBP)算法,为自聚焦算法的使用奠定了基础。其次,针对数据处理的实际需求,该文提出了一种结合中等精度惯导粗补偿、嵌套相位梯度自聚焦(Phase Gradient Autofocus,PGA)精补偿的IFFBP算法处理流程。最后,通过仿真实验和实测数据处理验证该文方法的有效性。