基于系统噪声抑制的ScanSAR辐射校正方法

SAR回波数据中难免会存在系统噪声,传统的成像处理和辐射校正均不考虑系统噪声的影响,这会影响SAR图像的辐射质量。特别是对ScanSAR而言,在对扇贝效应进行去除时,在低信噪比区域,如果不考虑系统噪声,会使得校正后存在很大的残余误差,不仅影响图像可视化效果,同时导致辐射精度的下降。定量分析了系统噪声在辐射校正中的影响,介绍了系统噪声的抑制方法和噪声估计手段,在此基础上提出了基于系统噪声抑制的ScanSAR方位向辐射校正整体方案。算法在幅度图像上对系统噪声进行了抑制,并在图像域进行了方向图补偿。经实验验证,确实提高了ScanSAR扇贝效应的校正结果,提升了图像质量。

一种改进的基于峭度指标的FastICA算法

基于峭度指标的FastICA算法具有较快的收敛速度和较高的计算效率,被广泛应用于多光谱图像的特征提取。经典的FastICA算法基于固定点迭代法得到图像的各个独立成分,在迭代过程中,每一个独立成分的求解都需要所有像元的参与。因此,当数据量较大或图像中像元较多时,FastICA的计算量很大,此时它的速度优势就会大打折扣。遥感数据一般都具有较大的尺寸,因此如何将FastICA直接应用于遥感数据,是一个具有实际意义的问题。通过引入多光谱图像协峭度张量的概念,将FastICA的固定点迭代问题转化为代数形式的张量计算,避免每次迭代过程中需所有像元参与的缺陷,因而大大降低计算复杂度。多光谱图像实验结果表明,该算法明显快于传统的基于峭度指标的FastICA算法。

一种基于谱聚类算法的高光谱遥感图像分类方法

结合K-means算法和谱聚类方法的优点,提出一种新的高光谱图像聚类方法。该方法在对高光谱图像数据进行特征降维的基础上,采用K-means算法对图像进行粗聚类处理,然后采用谱聚类方法对粗聚类结果进行较高精度的聚类。与K-means聚类算法相比,该方法有效提高了高光谱图像聚类的分类精度。对模拟数据和真实的高光谱数据的对比实验表明,相对于K-means和谱聚类方法,该方法具有良好的聚类性能。

基于切比雪夫多项式的HRWS星载SAR成像算法

提出了一种新的适用于高分辨率宽测绘带的chirp scaling(CS)成像算法。该算法通过引入切比雪夫多项式插值代替了传统CS算法中的泰勒级数展开,得到了新的二维频谱信号的近似,并在此基础上推导出了完整的成像流程。详细分析了切比雪夫多项式插值得到的二维频谱近似和传统形式的区别,比较了两者在相同展开阶次下的残余误差大小和空变性,并分析了新的二维频谱近似带来的成像质量和距离向分块数方面的性能差异。分析表明该算法具有精度高、误差小、误差空变性弱等特点,能提升成像质量同时减少距离向分块数,适用于高分辨率宽测绘带应用场景。最后,通过仿真实验结果验证了算法的有效性。

基于多角度合成SAR图像的目标识别性能分析

合成孔径雷达(synthetic aperture radar,SAR)在合成孔径累积时间内仅在小范围方位角获取目标的后向散射特性,导致SAR图像对观测方位向的变化极其敏感。通过图像非相干合成方法将不同方位向上的多幅同目标SAR图像合成单幅特征更明显的SAR图像,通过二维主成分分析方法提取特征和k-近邻分类方法实现目标识别。在两组不同数据集上对识别性能进行分析。实验结果表明,多角度SAR的识别率比单一角度更高。多角度SAR对观测平台俯视角的变化具有较强的鲁棒性。

基于广义最小最大凹惩罚项的ISAR稀疏成像方法

介绍一种基于广义最小最大凹(generalized minimax concave,GMC)惩罚项的ISAR稀疏成像方法。该方法的惩罚项形式与L_1范数最小化方法不同,不仅使最小二乘损失函数凸性最小,而且避免了L_1范数最小化方法系统性幅值低估问题。通过仿真实验说明GMC算法在ISAR成像中的幅度保持特性。利用Yak-42飞机的实际数据进行ISAR成像,结果表明GMC算法在成像精度方面优势明显,具有更好的成像效果。

基于稠密卷积神经网络的遥感图像自动色彩校正

对于单幅遥感光学图像,目前已经有很多有效的色彩校正算法,但是这些算法需要人工经验或对场景的先验知识,无法满足对快速增长的海量遥感图像进行自动化处理的需求。针对这一问题,提出一种基于稠密卷积神经网络的遥感图像自动色彩校正方法DCN(dense convolutional networks)。该模型可以预测遥感图像的RGB通道的颜色校正系数K,从而对原始图像进行自动色彩校正。DCN使用稠密模块代替部分卷积层,用更少的层数实现更多的连接。DCN模型由3 000幅GF-2号遥感图像在Tensorflow框架上训练得到,损失函数为颜色校正系数向量与真值向量之间的色偏角θ。经过测试验证,校正后的图像与原图像仅有很小的色偏角,且与真实地物颜色吻合。与传统方法相比,该方法在训练后,可直接使用生成的模型对训练集中未出现的图像进行颜色校正,无需对场景的先验知识和人工经验,也无需参考图像,可实现对海量遥感光学图像的自动化色彩校正。与传统的卷积神经网络CNN(convolutional neural networks)相比,基于DCN的模型拥有更少的参数和更好的泛化能力,而且不受输入图像大小的限制,在测试集上有更好的结果。

一种改进的基于奇异值分解的亚像素级图像配准算法

基于奇异值分解(SVD)的相位相关法是一种经典的具有亚像素级精度的图像配准算法,但当两幅待配准图的平移量较大或噪声较强时,该配准算法中的积分法得到的相位解缠结果往往不可靠。根据线性相位的单调变化特性,提出一种改进的相位解缠算法,通过比较相邻相位差和趋势斜率的一致性判断是否进行校正,从而得到真实相位值。针对真实光学图像的实验表明,该方法可以有效地对积分法所得到的结果进行校正,进而提高匹配精度。

高分辨率SAR图像中矩形建筑物特性分析与三维重建(英文)

近年来不断发展成熟的合成孔径雷达技术将获取的图像分辨率提高到分米级.在高分辨率条件下,建筑物在SAR图像上表现出的空间信息更加丰富,结构特征更加明显.首先提出了分解模型对高分辨SAR图像中矩形建筑物的特性进行详细分析.在此模型中,散射效应根据不同的贡献来源被细分,以便于解析建筑物图像特征在不同的SAR成像条件下的几何结构和空间分布规律.然后基于建筑物图像表征的结构先验,提出了一种新的单幅高分辨率SAR图像建筑物检测和3-D重建算法,其中包括模型匹配的图像特征的提取,以及先验引导的重建过程.最后,选用了实际高分辨率SAR图像进行建筑物检测和三维重建实验并对重建结果进行了讨论.

基于生成对抗网络的半监督遥感图像飞机检测

遥感图像上的飞机目标检测是一件极富挑战性的工作,吸引了广大研究者的兴趣。基于人工神经网络的方法是当前遥感图像飞机目标检测的主流方法,这类方法要求人工标记大量的数据用于训练。对训练图像的人工标注工作费时费力,是制约有效利用大规模数据的主要瓶颈之一。为解决这个问题,提出一种基于生成对抗网络(generative adversarial networks,GAN)的半监督检测方法。在遥感图像飞机目标检测中,该方法不需要标记全部用于训练的图像,只需要标记其中一小部分样本,再和大量未标记数据一起进行训练便能取得优异的检测结果。该方法结合传统的检测网络和基于GAN的半监督学习网络。在对抗训练过程中,生成器学习数据分布并生成假样本,判别器判别真假样本,同时判别器还需要从标记数据中学习类别信息。最后,判别器学习到的决策分类面不仅仅区分出标记数据,而且平行于数据分布的边界。实验证明,在存在大量可供训练的图像的基础上,减少标注数据的比例,全监督学习方法性能会大幅下降;而本文提出的半监督学习方法,由于利用了未标注的数据,能保持更好的检测性能。

基于方位调制的快速分解因子BP算法

BP算法的低效极大地限制了其在大范围场景和实时性要求高的场合下的应用。利用空间上相邻的点存在近似相等的"等效距离"原理,基于已有的两类快速BP算法,提出一种基于方位调制的快速分解因子BP算法。一方面利用基于方位调制的BP算法减少等效合成孔径长度,另一方面利用快速分解因子BP算法减少合成孔径范围内孔径点数。该算法在已有的快速BP算法基础上进一步提高效率,且能够并行实现,在机载实时成像和卫星在轨实时成像方面有一定的应用潜力。仿真和实测数据验证了该算法的有效性。

一种基于普通分布目标的极化SAR幅相不平衡快速评价方法

目前,有多种算法利用定标场和布设的定标器估算幅相不平衡,但基于定标场和定标器的方法存在时间和空间上的局限性,不能满足常态化极化质量监测的需求。基于地物的散射统计特性,提出一种基于普通分布目标的极化SAR幅相不平衡快速评价方法。给出该方法对地物散射特性的要求,并采用统计计算的策略,降低方法对地物的要求。该方法能够实现幅相不平衡的便捷常态化评估。半物理仿真实验和GF-3实测数据实验验证了该方法的有效性。

一种新的桥梁区域时序InSAR相位解缠方法

时间序列InSAR技术是一种空间遥感技术,可用于获取基础设施的高精度微小形变信息,相比传统测量手段,该技术有较多优点,在桥梁形变检测方面有广阔的应用前景。但现有的时间序列InSAR技术中的相位解缠算法在大型斜拉桥形变检测上存在较大解缠误差,导致目前该技术还难以获取正确的斜拉桥形变结果。提出一种新的时间序列InSAR相位解缠算法。通过构建约束三角网络,对残差点进行分块,利用二分图最优权匹配方法获取最优的正负残差点匹配结果,从而获取正确的解缠相位。在洞庭湖大桥数据上进行实验验证。该算法在解缠精度上明显优于稀疏网络最小费用流(MCF)算法,有效减少了解缠误差。

MooseFS热备元数据节点设计与实现

针对MooseFS元数据节点的单点故障问题,对MooseFS源码进行改造,为其增加一个热备的备元数据节点,并通过主备之间同步元数据,备节点回放操作日志等技术使得备元数据节点内存中的元数据时刻跟主元数据节点保持一致。当主元数据节点发生故障切换到备元数据节点后,备元数据节点无需从本地加载元数据即可快速接替主元数据节点对外提供服务。测试结果表明,备元数据节点本地和内存中的元数据均与主元数据节点保持一致,且故障恢复时间小于1s。

一种基于背景先验的飞机目标检测方法

针对现有高分辨率遥感影像目标检测算法的不足,该文提出了一种基于背景先验的飞机目标检测方法:针对固定设施基本不变的特点,将无飞机的固定设施历史影像与同一地区的待检图进行变化检测,再结合飞机的形状、尺寸信息从变化检测结果中提取飞机目标;为了减小高分辨率遥感图像中噪声的影响,采用对象为基本分析单元;通过Mean Shift分割获取对象,采用TSVM分类方法进行变化检测;为了在滤除噪声时不丢失飞机边缘,采取了双边滤波的滤波方法。实验结果证明该方法具备较高的准确率,适用于固定设施中的目标检测。

一种有效的高分辨率SAR目标特征提取与识别方法

提出了一种有效的高分辨率SAR目标特征提取与识别方法,根据SAR图像目标对多尺度Gabor滤波器组的不同响应,充分利用多尺度信息及尺度间的相依性提取新的多尺度特征,该特征综合考虑了SAR图像目标的宏观和微观固有的尺度特性,从而更能反映目标的本质特征;并利用Fisher核映射使得非线性变换比线性变换更能刻画实际中的复杂模式。实验给出了MSTAR数据库中三类目标特征的空间聚类及分类情况,结果表明了该多尺度特征的有效性。