微波视觉与SAR图像智能解译

高分辨率雷达成像技术和人工智能、大数据技术的快速发展,有力促进了雷达图像智能解译技术的进步。由于雷达传感器本身的特殊性和电磁散射成像物理的复杂性,雷达图像的解译缺乏光学图像的直观性,准确迅速识别分类的需求对雷达图像解译提出了迫切的挑战。在借鉴人脑光视觉感知机理和计算机视觉图像处理相关技术基础上,进一步融合电磁散射物理规律及其雷达成像机理,我们提出发展微波域雷达图像解译的“微波视觉”的新交叉领域研究。该文介绍微波视觉的概念与内涵,提出微波视觉认知模型,阐述其基础理论问题与技术路线,最后介绍了作者团队在相关问题上的初步研究进展。

方位向调制干扰对高分宽幅多通道SAR的影响

多通道合成孔径雷达(synthetic aperture radar,SAR)能够利用方位向多通道重构处理去除多普勒模糊,获得高分宽幅SAR图像。针对此特殊的多通道重构处理方式,研究了传统SAR方位向调制干扰对高分宽幅多通道SAR的影响,包括多普勒调制干扰和脉冲延迟转发干扰两种类型的方位向调制干扰方式,为高分宽幅多通道SAR干扰决策提供理论基础。理论分析指出,多普勒调制干扰信号经成像处理后将在方位向生成等间隔分布的虚假目标,并且幅度受与多普勒调制频率相关的正弦函数和匹配滤波损失联合调制;而脉冲延迟转发干扰信号在成像后将只有单个干扰目标出现,且目标的方位位置仅与延迟的脉冲数有关。仿真实验验证了理论分析的正确性。

基于长短路融合及数据平衡的SAR船舶检测算法

针对SAR图像检测船舶任务中的目标小、近岸样本目标检测困难等问题,文章提出一种名为长短路特征融合网络(Long and Short path Feature Fusion Network,LSFF-Net)的船舶检测网络。该网络通过长短路特征融合模块有效协调了大目标与小目标检测,避免小目标特征信息的丢失。网络中应用结构重参数化结构提高了模块学习能力。为了满足多尺度目标检测,加入特征金字塔网络,融合多尺度特征。为了应对近岸样本目标检测,设计数据重分配算法,提高了对近岸样本目标的检测精度。实验结果表明:在公开数据集检测时,算法的平均精度(Average Precision,AP)达到97.50%,优于主流目标检测算法。该方法为提高SAR图像中小目标和近岸样本目标检测精度提供了新的实现方案。

多域特征引导的无监督SAR图像舰船检测方法

如何在合成孔径雷达(SAR)图像标注样本有限的条件下,提升舰船检测性能一直是SAR图像处理中的热点问题。本文提出一种多域特征引导的无监督域适应方法,将知识从有标注的源域(光学图像)转移到未标注的目标域(SAR图像),降低对标记SAR图像数据依赖。同时,设计了频域转换模块、注意力区域增强模块和自适应权重模块来缩小光学、SAR图像域之间的域差距,提高源域与目标域特征对齐效率,增强网络在挑战性样本下的特征迁移能力。在公开发布的数据集上进行了大量实验。结果表明:所提的模块较基础模型AP50提升10%,总体性能优于其他先进的方法。

基于遗传算法的无人机载穿墙三维SAR航迹规划方法

传统手持或车载穿墙雷达由于架设高度受限,无法对城市高层建筑内部目标进行透视成像,无人机载穿墙雷达具有灵活机动、高效便捷、无高度限制等优势,可对城市高层楼宇进行大范围三维穿透探测。三维层析合成孔径雷达(SAR)成像广泛采用多基线扫描模式,以获得高度向高分辨能力,但存在高度向空域欠采样导致的栅瓣问题。对此,该文提出一种基于遗传算法的无人机载穿墙三维SAR航迹规划方法,通过非均匀化飞行航迹,削弱周期性的雷达回波能量叠加,从而抑制栅瓣、实现更优的成像质量。该算法结合飞行距离与无人机载穿墙雷达成像质量的内在关系,建立了无人机航迹规划代价函数;利用遗传算法对3种典型的无人机飞行轨迹关键控制点进行基因编码,并进行基因杂交、变异等以优化种群与个体;最终通过最小化代价函数,分别筛选出3种典型飞行模式下的最优飞行航迹。仿真和实测数据的三维成像结果表明:相较于传统等间距多基线飞行模式,所提方法显著抑制了成像目标的栅瓣效应;此外,无人机斜线飞行的航迹长度明显缩短,提高了无人机载穿墙SAR成像效率。

考虑速度聚束效应的SAR海浪成像仿真方法

针对合成孔径雷达(SAR)海浪成像仿真技术对于速度聚束效应的考虑不充分,仿真数据无法准确反映实际SAR数据的问题,建立一种充分考虑速度聚束效应的SAR海浪成像仿真方法并进行了实验验证。计算了SAR图像强度的概率密度分布的仿真结果与理论结果之间的均方误差(MSE),在风速分别为5、10和15 m/s时,考虑速度聚束效应前、后比对结果的MSE分别为0.1012、0.1576、0.0556与0.0179、0.0314、0.0088。仿真结果表明,所提SAR海浪成像仿真方法有效提高了仿真数据的准确性,对SAR海浪成像的应用具有一定实用价值。

SAR图像飞机目标智能检测识别技术研究进展与展望

合成孔径雷达(SAR)采用相干成像机制,具有全天时、全天候成像的独特优势。飞机目标作为一种典型高价值目标,其检测与识别已成为SAR图像解译领域的研究热点。近年来,深度学习技术的引入,极大提升了SAR图像飞机目标检测与识别的性能。该文结合团队在SAR图像目标特别是飞机目标的检测与识别理论、算法及应用等方面的长期研究积累,对基于深度学习的SAR图像飞机目标检测与识别进行了全面回顾和综述,深入分析了SAR图像飞机目标特性及检测识别难点,总结了最新的研究进展以及不同方法的特点和应用场景,汇总整理了公开数据集及常用性能评估指标,最后,探讨了该领域研究面临的挑战和发展趋势。

面向SAR图像目标分类的CNN模型可视化方法

卷积神经网络(CNN)在合成孔径雷达(SAR)图像目标分类任务中应用广泛。由于网络工作机理不透明,CNN模型难以满足高可靠性实际应用的要求。类激活映射方法常用于可视化CNN模型的决策区域,但现有方法主要基于通道级或空间级类激活权重,且在SAR图像数据集上的应用仍处于起步阶段。基于此,该文从神经元特征提取能力和网络决策依据两个层面出发,提出了一种面向SAR图像的CNN模型可视化方法。首先,基于神经元的激活值,对神经元在其感受野范围内的目标结构学习能力进行可视化,然后提出一种通道-空间混合的类激活映射方法,通过对SAR图像中的重要区域进行定位,为模型的决策过程提供依据。实验结果表明,该方法给出了模型在不同设置下的可解释性分析,有效拓展了卷积神经网络在SAR图像上的可视化应用。

格式塔感知规律在SAR图像中的有效性初探

合成孔径雷达(SAR)图像是当前微波视觉研究领域的重要数据源。计算机视觉以光学视觉规律为理论基础,无法有效解译SAR图像。因此,借鉴人类视觉感知规律和计算机视觉技术,并融合电磁物理规律的微波视觉成为当前微波遥感领域的一个重要研究方向。探索微波视觉的认知基础对于完善微波视觉理论体系至关重要。该文旨在探讨光学感知规律在微波视觉中的有效性,作为完善微波视觉理论的基础尝试。格式塔感知规律是一类经典的视觉理论,常用于描述人类视觉系统对外部光学世界的感知规律,是计算机视觉的认知理论基础之一。在此背景下,该文以SAR图像为研究对象,借鉴认知心理学实验的设计流程,对格式塔感知规律中的感知组合律和感知不变律在SAR图像中的有效性进行初步研究,探索微波视觉的认知基础。实验结果表明,格式塔感知规律不能够直接应用到SAR图像的算法设计中,人类视觉系统从光学世界中总结出的知识概念、视觉规律在SAR图像中表现不佳,未来需要针对SAR图像等微波图像的特点总结相应的微波视觉认知规律。

大幅宽SAR图像嵌入式舰船实时检测系统设计

针对星载或机载高分辨率合成孔径雷达(synthetic aperture radar,SAR)实时成像后的大幅宽SAR图像舰船实时检测的应用需求,传统的基于FPGA+DSP的嵌入式系统很难同时实现SAR成像处理和基于人工智能技术的大幅宽SAR图像舰船实时检测,为此设计了一种基于3U VPX FPGA+GPU架构的大幅宽SAR图像嵌入式舰船实时检测系统;提出了一种基于YOLOv5s的舰船检测模型,采用基于L2-范数稀疏性惩罚的缩放因子控制法进行轻量化,轻量化舰船检测模型的参数量减小了47.39%,计算量减少了18.67%,平均检测精度为0.968;将轻量化舰船检测模型应用于大幅宽SAR图像嵌入式舰船实时检测系统,并针对典型的10 km×10 km的大幅宽图像应用场景,设计开发基于多线程技术和基于GPU的众核并行计算技术的大幅宽SAR图像嵌入式实时检测系统软件;通过公开的SAR数据集进行功能验证和性能评估,该系统能够满足不同分辨率的大幅宽SAR图像舰船实时检测需求。

基于快速异源配准的高分辨率SAR影像海岛区域正射校正

随着高分辨率合成孔径雷达(SAR)卫星的陆续发射,对天气条件多变的海岛区域进行全天候、全时段的高精度观测已变得可行。作为多种遥感应用的关键前置步骤正射校正,依赖于高精度控制点来纠正SAR影像的几何定位误差。然而,在海岛区域获取符合SAR校正要求的人工控制点不仅成本高,且风险大。为了应对这一挑战,该文首先提出了一种光学与SAR异源影像的快速配准算法,然后基于光学参考底图自动提取控制点,实现了海岛区域SAR影像的正射校正。所提出的配准算法分为两个阶段:首先构建异源影像的共性密集特征,然后在降采样后的特征上进行逐像素匹配,避免了异源影像特征点重复性低的问题。为了降低匹配复杂度,引入了海陆分割掩模以限定搜索范围。接着,对初步匹配点进行局部精细匹配,以减少降采样带来的不准确性。同时,引入海岸线均匀采样点以提升匹配结果的均匀性,并通过分段线性变换模型生成正射影像,确保了稀疏岛屿区域的整体校正精度。该算法在多景海岛区域的高分辨率SAR影像上表现出色,平均定位误差为3.2 m,整景校正时间仅需17.3 s,均优于现有多种先进的异源配准与校正算法,显示出其在工程应用中的巨大潜力。

基于GB-SAR的矿山边坡局部变形演化与失稳预测

为了提高地基合成孔径雷达(ground-based synthetic aperture radar, GB-SAR)边坡监测效果与失稳预测能力,在广东省某石灰石矿山架设地基雷达,开展实地监测试验,结合矿山地质条件与监测数据研究不同类型的岩体变形演化特征,根据变形特征选择位移最大点的监测数据利用速度倒数法进行失稳预测。通过分析典型案例的监测数据来优化速度倒数法的算法,进而对矿山试验数据进行研究。研究结果表明:通过分析雷达三维模型变形图的局部位移差异,能够初步判断边坡岩体的变形破坏方式;适当增大移动平均滤波法的移动时间周期C,能够更早地发现灾害征兆,更好地识别岩体加速变形阶段及临滑阶段。研究结果可为基于雷达的滑坡预测提供参考。

基于改进SBR的舰船SAR成像快速仿真计算方法

针对SAR(Synthetic Aperture Radar)舰船成像仿真应用中电磁散射特性计算效率低下的问题,在现有SBR(Shooting and Bouncing Rays)算法的基础上,本文提出两方面改进.一是基于叶节点空间邻域编码搜索的射线管相交面元检测算法,通过只追踪射线管中心射线并搜索叶节点空间周围潜在相交面元,在有效提升相交检测速度的同时避免遗漏相交面元;二是射线管三角剖分快速分裂算法,将射线管和相交面元投影至射线管虚拟孔径面,利用Delaunay三角剖分算法自适应地将射线管快速分裂成连续的子射线管.对典型舰船目标进行RCS(Radar Cross Section)计算及SAR成像仿真实验,结果表明,在保证计算精度的前提下,本文方法计算效率比Kd树(K-dimension tree)加速SBR方法提升14倍以上,比经典自适应射线管分裂SBR方法提升3倍以上,计算效率显著提高.

基于邻域显著性的可见光和SAR遥感图像海面舰船协同检测方法

在遥感图像舰船检测任务中,可见光图像细节和纹理信息丰富,但成像质量易受云雾干扰,合成孔径雷达(SAR)图像具有全天时和全天候的特点,但图像质量易受复杂海杂波影响。结合可见光和SAR图像优势的协同检测方法可以提高舰船目标的检测性能。针对在前后时相图像中,舰船目标在极小邻域范围内发生轻微偏移的场景,该文提出一种基于邻域显著性的可见光和SAR多源异质遥感图像舰船协同检测方法。首先,通过可见光和SAR的协同海陆分割降低陆地区域的干扰,并通过RetinaNet和YOLOv5s分别进行可见光和SAR图像的单源目标初步检测;其次,提出了基于单源检测结果对遥感图像邻域开窗进行邻域显著性目标二次检测的多源协同舰船目标检测策略,实现可见光和SAR异质图像的优势互补,减少舰船目标漏检、虚警以提升检测性能。在2022年烟台地区拍摄的可见光和SAR遥感图像数据上,该方法的检测精度AP50相比现有舰船检测方法提升了1.9%以上,验证了所提方法的有效性和先进性。

轻小型SAR卫星平飞模式设计

对于轻小型合成孔径雷达(SAR)卫星在轨使用时对重点区域多目标观测效能提升的需求,提出轻小型SAR卫星平飞模式设计方法。介绍了卫星平飞模式设计方法,提出载荷平面相控阵天线距离维大角度扫描能力设计;针对区域多目标,提出条件触发方式目标决策策略,以及星上雷达工作参数计算策略;基于建立的目标决策和任务规划模型,分别针对卫星左侧视、在侧视、平飞、左右机动侧视等4种工作模式下进行多目标观测效能评估仿真分析。结果表明:相比于卫星斜飞模式下,平飞模式目标观测效能可提升至41%;相比于卫星左右机动侧视模式下,平飞模式目标观测效能可提升至73%。因此,设计的卫星平飞模式可有效提升面向区域多目标的观测效能。

基于电磁散射模型的海上舰船双基SAR图像仿真

合成孔径雷达(synthetic aperture radar,SAR)在地海环境遥感和目标探测识别中发挥着重要作用。相对于单基SAR,双基SAR能够通过调整发射机和接收机的角度对场景进行多方位观测,因此开展海上舰船目标双基SAR图像仿真可为非合作目标的特征研究和探测识别提供方法和手段,在目标探测识别方面有着重要意义。为此,本文利用基于面元化的简化小斜率近似(facet-based simplified small slope approximation,FBS-SSA)方法与几何光学/物理光学(geometrical optics/physical optics,GO/PO)混合方法,提出了一种基于电磁散射模型的海上舰船目标复合场景双基SAR图像仿真方法,实现了不同双基角下的海上舰船SAR图像仿真,并分析了雷达飞行方向与舰船角度、发射机和接收机相对位置、极化、海况对雷达图像的影响。结果表明,双基角、极化、舰船朝向都会对双基SAR图像产生较大的影响,因此可以通过获取不同双基角度下的复合场景SAR图像特征从而可以更好地开展舰船识别。此外,SAR图像中的阴影特征也可作为舰船识别的辅助手段。

复杂运动舰船目标SAR成像空/时变散焦特性研究

合成孔径雷达(sythetic aperture radar,SAR)能够对海上舰船目标进行全天时、全天候成像,但是运动舰船在高分辨率SAR图像上的方位向散焦会严重影响后续对舰船目标的识别。由于舰船运动的非合作性,目前对复杂运动舰船在SAR图像中的散焦特性认识不足。本文首先从SAR成像原理出发,理论推导得出舰船复杂运动引起的SAR回波信号相位误差的空变性和时变性是导致其SAR图像质量下降的决定性因素。在此基础上,构建了一个复杂运动舰船目标SAR成像模拟器,通过对不同运动状态、不同合成孔径时间舰船点、线、面目标的SAR成像仿真,揭示了复杂运动舰船目标SAR成像空/时变散焦特性。其中,空变性会造成舰船在SAR图像上非均匀散焦;时变性使得舰船在SAR图像上变为一条方位向能量带。最后,结合空/时变散焦特性,探讨了未来SAR运动舰船重聚焦技术的发展方向。

基于时频分析的SAR目标微波视觉特性智能感知方法与应用

合成孔径雷达(SAR)目标识别智能算法目前仍面临缺少鲁棒性、泛化性和可解释性的挑战,理解SAR目标微波特性并将其结合先进的深度学习算法,实现高效鲁棒的SAR目标识别,是目前领域较为关注的研究重点。SAR目标特性反演方法通常计算复杂度较高,难以结合深度神经网络实现端到端的实时预测。为促进SAR目标物理特性在智能识别任务中的应用,发展高效、智能、可解释的微波物理特性感知方法至关重要。该文将高分辨SAR目标的非平稳特性作为一种典型的微波视觉特性,提出一种改进的基于时频分析的目标特性智能感知方法,优化了处理流程和计算效率,使之更适用于SAR目标识别场景,并进一步将其应用到SAR目标智能识别算法中,实现了稳定的性能提升。该方法泛化性强、计算效率高,能得到物理可解释的SAR目标特性分类结果,对目标识别算法的性能提升与属性散射中心模型相当。

基于融合距离的极化SAR图像非局部均值滤波

在极化合成孔径雷达(synthetic aperture radar,SAR)图像降噪领域,常见的非局部均值滤波仅依靠像素间的统计距离进行相似性度量,忽略了像素点的空间信息。本文结合极化SAR数据统计特性和图像空间特征作为像素间的相似性度量,提出了一种利用融合距离来计算相邻窗口权重的方法——基于融合距离的非局部均值滤波器。融合距离的引入使得滤波器能够更全面的评估像素间的相似性,从而得到更合适的像素权重。此外,本方法还引进变异系数对邻域窗口的权重进行评估,通过该参数可以控制滤波的程度。在多幅极化SAR图像上的实验结果表明,所提出的滤波器能够在有效抑制斑点噪声的同时保留较为完整的图像边缘信息和极化散射特性。

基于改进SBR技术的地面目标SAR图像快速生成技术

传统的弹跳射线(shooting and bouncing ray,SBR)技术主要适用于自由空间目标的电磁散射计算,当用于地面目标与背景复合场景的电磁散射计算和合成孔径雷达(synthetic aperture radar,SAR)图像建模与仿真时,在小擦地角下其计算误差显著增大。针对此问题,提出了一种基于“四路径”模型的改进SBR技术,其考虑了目标与邻域地面之间的多次反射效应以及目标与远区地面之间的多径散射效应对地面目标散射回波的影响。首先构建一个尺寸略大于目标包围盒的粗糙地面实体模型;然后结合“镜像法”改进射线追踪技术,分析电磁波在目标各部件间、目标同实体地面之间以及同虚拟半空间分界面之间的射线传播过程;最后结合高频渐近方法完成电磁散射计算。利用精确数值法计算结果对所提出技术进行了验证,并将其应用于地面目标的SAR图像高逼真度仿真,同实测SAR图像比对表明了所提技术具有良好的适用性。