无人机载双站干涉SAR系统关键技术分析与实验验证研究

双站干涉合成孔径雷达(SAR)技术可突破单站双天线干涉SAR的基线限制,获得更加灵活的基线构型,有利于提升干涉测量精度。无人机载双站干涉SAR机动性好、飞行成本低,具有很高的应用价值,也能为无人机载分布式干涉、三维成像等提供关键支撑,具有重要的研究意义。中国科学院空天信息创新研究院牵头设计研制了国内首套无人机载双站干涉SAR系统,并在内蒙古百灵机场开展了飞行实验。该文简要介绍了该系统方案设计、基本构成和主要性能,并重点介绍了该系统的空间、时间及相位同步和数据处理关键技术,然后介绍了首次飞行实验的方案和实施研究情况,最后给出了实验数据处理结果,验证了关键技术和该无人机载双站干涉SAR系统0.5 m高程测量精度等主要指标,为后续多无人机平台协同开展分布式干涉数据获取及处理研究提供了基础。

基于散射点拓扑和双分支卷积神经网络的SAR图像小样本舰船分类

随着合成孔径雷达(SAR)图像在舰船检测和识别领域的广泛应用,准确而高效地进行舰船分类已经成为一个亟待解决的问题。在小样本学习场景下,一般的方法面临着泛化能力不足的问题,因此该文引入了额外的信息和特征,旨在增加模型对目标的理解和泛化能力。该文通过散射关键点构建拓扑结构以表征舰船目标的结构和形状特征,并计算拓扑结构的拉普拉斯矩阵,将散射点之间的拓扑关系转化为矩阵形式,最后将SAR图像和拉普拉斯矩阵分别作为双分支网络的输入进行特征提取。在网络结构方面,该文设计了一个由两个独立的卷积分支组成的双分支卷积神经网络,分别负责处理视觉特征和拓扑特征,并用两个交叉融合注意力模块分别对两个分支的特征进行交互融合。该方法有效地将目标散射点拓扑关系与网络的自动学习过程相结合,从而增强模型的泛化能力并提高分类精度。实验结果表明,在OpenSARShip数据集上,所提方法在1-shot和5-shot任务的平均准确率分别为53.80%和73.00%。而在FUSAR-Ship数据集上,所提方法分别取得了54.44%和71.36%的平均准确率。所提方法在1-shot和5-shot的设置下相比基础方法准确率均提升超过15%,证明了散射点拓扑的应用对SAR图像小样本舰船分类的有效性。

MPOLSAR-1.0:多维度SAR多波段全极化精细分类数据集

地物精细分类是合成孔径雷达(SAR)的主要应用方向之一。在多波段全极化SAR工作模式下,可充分获取目标不同波段信息和极化响应特征,有望提高目标分类精度。然而国内外现有的数据集仅有个别波段、少数地区、少量样本的低分辨率全极化分类数据。为推动多波段全极化SAR分类应用的发展,在高分航空观测系统应用校飞与验证项目支持下,利用多维度SAR在海南的校飞数据构建了一个样本量充分大、地物类别较为丰富、分类可靠性较高的多波段全极化精细分类数据集。该文概述了该数据集的构成,给出了发布数据(MPOLSAR-1.0)的信息描述方式、数据集制作流程和方法,并分别基于极化特征分类方法和经典机器学习分类方法给出了初步的分类实验结果,为该数据集的共享和应用提供支撑。

基于多波段全极化SAR图像的建筑轮廓自动提取方法

多波段全极化合成孔径雷达(Multiband-PolSAR)可以获得地物目标在频率、极化两个维度上的多个观测量,在地物信息提取方面具有良好的应用潜力。然而数据维度增加,其数据处理和应用难度也随之增加,相较于处理单波段单极化SAR数据,处理Multiband-PolSAR数据需要额外考虑多维数据配准和融合的问题。该文选择以建筑轮廓自动提取应用为目标,依托中国科学院空天信息创新研究院在国家高分辨率观测系统重大专项支持下牵头研制的一部机载多维度SAR系统获得的数据,引入SAR-SIFT方法解决了多维数据配准的问题。其次,该文提出一种基于目标散射机制的多维信息融合方法,改进了Ferro等人(doi:10.1109/TGRS.2012.2205156)提出的全自动非监督建筑轮廓提取方法,证明了多波段多极化信息融合方法的作用。多波段多极化信息融合前后的实验结果表明,融合后的特征图像对比度增高,像素的空间连续性变好,且对单体建筑轮廓的识别更精准,自动提取的多边形矢量与真实建筑轮廓的吻合度更高。该文是连接多维SAR技术与建筑提取应用的重要一环,并且为基于多维SAR的3维建筑结构重建研究创造了条件。

基于对数域加性信号分解的时序SAR图像相干斑抑制方法

随着合成孔径雷达(SAR)在测绘带宽度、空间以及时间分辨率上的大幅提升,由不同时间获取的SAR图像配准得到的时间序列能更加精确地提供观测区域的动态变化信息。然而,相干斑噪声以及沿时间维度突变信号为后续的解译工作带来了严重挑战。尽管现有的主流方法可以对时序SAR图像的相干斑进行有效抑制,但沿时间维度突变信号会对去噪结果产生干扰。为更好地解决此问题,该文提出了一种基于对数域加性信号分解的方法,能同时抑制相干斑噪声并且对时序图像中的稳定信号和沿时间维度突变信号进行分离,从而消除突变信号对于去噪结果的影响。在仿真数据受到突变信号干扰的情况下,所提方法与其他主流方法相比,其去噪结果在峰值信噪比(PSNR)指标上取得了大约3 dB的提升。在哨兵1号数据上,所提方法能鲁棒地对时序图像中的相干斑噪声进行抑制,并且得到的突变信号成分也为后续的解译工作提供了参考数据。