CN107817492A - 宽角合成孔径雷达的成像方法及装置 - Google Patents
宽角合成孔径雷达的成像方法及装置 Download PDFInfo
- Publication number
- CN107817492A CN107817492A CN201710877718.2A CN201710877718A CN107817492A CN 107817492 A CN107817492 A CN 107817492A CN 201710877718 A CN201710877718 A CN 201710877718A CN 107817492 A CN107817492 A CN 107817492A
- Authority
- CN
- China
- Prior art keywords
- aperture
- sub
- msub
- image
- mrow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/904—SAR modes
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种宽角合成孔径雷达的成像方法，包括：对宽角合成孔径雷达的整个孔径的回波进行后向投影成像，确定部分已知支撑集；按照一预定角度，将整个孔径划分为多个子孔径，确定重构模型；基于硬阈值迭代算法，根据所述重构模型、部分已知支撑集和后向投影成像算子，确定子孔径图像的散射强度；提取孔径图像的所有坐标在各子孔径图像中散射强度的最大值，确定综合图像。此外，本发明还提供了一种对应的装置。本发明通过后向投影，基于改进压缩感知方法和部分已知支撑集的硬阈值迭代算法，改进了传统压缩感知的宽角合成孔径雷达子孔径成像方法，有效重构了WASAR中各向异性目标的各方位散射，减少了虚假目标数量，能达到更好的视觉效果。
Description
技术领域
本发明涉及雷达成像技术领域，尤其涉及一种宽角合成孔径雷达的成像方法及装置。
背景技术
宽角合成孔径雷达(wide angle synthetic aperture radar，WASAR)指的是合成孔径角度满足使方位向分辨率大于距离向分辨率要求的一类合成孔径雷达(syntheticaperture radar，SAR)观测模式。由于收集了很大角度范围内观测目标的雷达后向散射信息，所以WASAR可以得到高分辨率的雷达图像，从而提供了常规SAR所不具备的目标识别与可视化的潜力。
WASAR成像需要考虑目标随观测角度变化的散射特性。由于叠掩、闪烁现象以及目标非理想几何特性等因素，目标的散射信息在WASAR观测角度范围内存在较大变化，使用常规成像算法难以发挥WASAR的潜在优点。
为解决各向异性散射的问题，主要有子孔径方法和全孔径方法。子孔径方法将整个孔径划分为若干子孔径，然后每个子孔径内假设散射呈各向同性，然后用传统的窄角方法，如压缩感知(compressed sensing，CS)进行成像。全孔径方法建立包含各子孔径联合，对子孔径图像联合求解。子孔径方法由于基于单个子孔径进行重构，对各向异性重构不够精确；利用全孔径方法进行重构，计算量和内存占用较大。
发明内容
(一)要解决的技术问题
本发明的目的在于提供一种宽角合成孔径雷达的成像方法及装置，以解决上述的至少一项技术问题。
(二)技术方案
本发明提供了一种宽角合成孔径雷达的成像方法，包括：
对宽角合成孔径雷达的整个孔径的回波进行后向投影成像，确定部分已知支撑集；
按照一预定角度，将整个孔径划分为多个子孔径，确定重构模型；
基于硬阈值迭代算法，根据所述重构模型，结合所述部分已知支撑集和后向投影成像算子，确定多个子孔径图像的散射强度，以确定各子孔径图像；以及
提取孔径图像的所有坐标在各子孔径图像中散射强度的最大值，确定综合图像。
在本发明的一些实施例中，确定部分已知支撑集之前，包括步骤：对后向投影成像得到的孔径图像的幅值进行排序，并从中提取一预定数量k的非零元素，将k个非零元素在孔径图像中对应的坐标作为部分已知支撑集，k为正整数。
在本发明的一些实施例中，按照幅值从大到小或者从小到大对所述孔径图像的幅值进行排序指，从大到小提取一预定数量k的非零元素。
在本发明的一些实施例中，按照一预定角度，将整个孔径划分为多个子孔径，确定重构模型，具体包括步骤：按照一预定角度β，将整个孔径划分为i个子孔径，确定第i个子孔径的回波；根据所述第i个子孔径的回波，确定观测矩阵；以及根据所述观测矩阵，确定重构模型。
在本发明的一些实施例中，第i个子孔径的回波ri满足公式：
其中，s(xm，yn)为位于(xm，yn)处的散射强度，fp为第p个采样频率，P为频率采样个数，1≤p≤P，c为光速，θq为第q个采样方位角，Q为方位角采样个数，1≤q≤Q；
所述观测矩阵满足公式：ri＝Φi·si，其中，si为第i个子孔径雷达的散射强度，观测矩阵Φi满足公式：
重构模型满足公式：其中，|| ||0表示取0范数，s.t.表示受限制于，T0 C为T0的补集。
在本发明的一些实施例中，基于硬阈值迭代算法，根据所述重构模型，结合所述部分已知支撑集和后向投影成像算子，确定多个子孔径图像的散射强度，具体包括步骤：确定后向投影成像算子及回波生成算子初始化迭代参数：将子孔径的回波的散射强度si初始化为0，将子孔径图像中的非零元素的个数记为j，设定迭代步长为μ，最大迭代步数为Tmax，迭代步数初始值t＝0；对第i个子孔径的回波进行迭代；以及计算迭代参数Res，判断是否同时满足Res＞ε和t＜Tmax，其中ε为预定误差，否则返回对第i个子孔径的回波进行迭代，直至迭代结束确定各子孔径图像的散射强度，以确定各子孔径图像。
在本发明的一些实施例中，后向投影成像算子及回波生成算子满足公式：
其中，及表示傅里叶变换对，及表示方位向相干叠加算子及其逆过程；
对第i个子孔径的回波进行迭代，满足以下公式：
其中，为在部分已知支撑集T0对应的元素，表示对于T0的补集T0 C选取其前j-k个幅值的最大值；
迭代参数Res满足公式：Res＝||si(t+1)-si(t)||2，t＝t+1，其中，|| ||2表示取模。
在本发明的一些实施例中，通过广义似然比检验提取孔径图像的所有坐标在各子孔径图像中散射强度的最大值，且所述综合图像满足公式：
基于同一发明构思，本发明还提供了一种宽角合成孔径雷达的成像装置，包括：
存储器，用于存储指令；
处理器，用于根据所述指令执行前述的成像方法。
(三)有益效果
本发明的宽角合成孔径雷达的成像方法及装置，相较于现有技术，至少具有以下优点：
1、通过建立基于改进压缩感知的WASAR子孔径模型，利用部分已知支撑集的硬阈值迭代算法和后向投影模拟算子，提取了提取孔径图像的所有坐标在各子孔径图像中散射强度的最大值，能够有效重构WASAR中各向异性目标的各方位散射，减少虚假目标数量，达到更好的视觉效果。
2、利用后向投影模拟算子，使得计算更简单，内存占用更少。
附图说明
图1为本发明实施例的宽角合成孔径雷达的成像方法的步骤示意图。
图2A为现有的压缩感知方法对WASAR重构的结果示意图。
图2B为本发明实施例的宽角合成孔径雷达的成像方法对WASAR重构的结果示意图。
图3A是现有的压缩感知方法和本发明对目标1的各向异性重构结果示意图。
图3B是现有的压缩感知方法和本发明对目标2的各向异性重构结果示意图。
图4为本发明实施例的宽角合成孔径雷达的成像装置的结构示意图。
具体实施方式
基于现有的压缩感知方法由于基于单个子孔径进行重构，对各向异性重构不够精确的技术缺陷，本发明提供了一种宽角合成孔径雷达的成像方法及装置，建立基于MCS的WASAR子孔径成像模型，以及基于部分已知支撑集(partial known support)的硬阈值迭代算法(iterative hard thresholding，IHT-PKS)结合后向投影(backprojection，BP)回波模拟算子进行求解上述模型，能够有效重构WASAR中各向异性目标的各方位散射，减少虚假目标数量，达到更好的视觉效果。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
本发明实施例的一方面，提供了一种宽角合成孔径雷达的成像方法，图1为本发明实施例的宽角合成孔径雷达的成像方法的步骤示意图，如图1所示，该方法包括步骤：
S1、对宽角合成孔径雷达的整个孔径的回波进行后向投影成像，确定部分已知支撑集。
其中，在确定部分已知支撑集之前，还可以包括步骤S11、对后向投影成像得到的孔径图像的幅值进行排序，并从中提取一预定数量k的非零元素，将k个非零元素在孔径图像中对应的坐标(可以用孔径图像中的行和列来表示)作为部分已知支撑集，k为正整数。其中，可以按照幅值从大到小或者从小到大对孔径图像的幅值进行排序，且提取一预定数量k的非零元素时需要按照从大到小的顺序。
S2、按照一预定角度，将整个孔径划分为多个子孔径，确定重构模型。
步骤S2具体包括以下子步骤：
S201、按照一预定角度β，将整个孔径划分为i个子孔径，确定第i个子孔径的回波：
其中，s(xm，yn)为位于(xm，yn)处的散射强度，fp为第p个采样频率，P为频率采样个数，1≤p≤P，c为光速，θq为第q个采样方位角，Q为方位角采样个数，1≤q≤Q，Q和P的数目可以根据实际需求进行调整。
S202、根据所述第i个子孔径的回波，确定观测矩阵：ri＝Φi·si，
其中，si为第i个子孔径雷达的散射强度，观测矩阵Φi满足公式：
S203、根据所述观测矩阵，确定重构模型，该重构模型满足公式：其中，|| ||0表示取0范数，s.t.表示受限制于，T0 C为T0的补集。
S3、基于硬阈值迭代算法，根据所述重构模型，结合所述部分已知支撑集和后向投影成像算子，确定多个子孔径图像的散射强度，以确定各子孔径图像。
步骤S3具体包括以下子步骤：
S301、确定后向投影成像算子及回波生成算子其中，后向投影成像算子及回波生成算子满足公式：
其中，及表示傅里叶变换对，及表示方位向相干叠加算子及其逆过程；
S302、初始化迭代参数：将子孔径的回波的散射强度si初始化为0，将子孔径图像中的非零元素的个数记为j，设定迭代步长为μ，最大迭代步数为Tmax，迭代步数初始值t＝0；
S303、对第i个子孔径的回波进行迭代；且对第i个子孔径的回波进行迭代满足公式：
其中，为在支撑集T0对应的元素，表示对于T0的补集T0 C选取其前j-k个幅值的最大值；
S304、计算迭代参数Res，判断是否同时满足Res＞ε和t＜Tmax，其中ε为预定误差，该预定误差可以根据实际的误差要求进行选择，否则返回步骤S303，利用公式，对第i个子孔径的回波进行迭代，直至迭代结束，确定各子孔径图像的散射强度，以确定各子孔径图像，
其中，迭代参数Res满足公式：Res＝||si(t+1)-si(t)||2，t＝t+1，||||2表示取模。
S4、提取孔径图像的所有坐标在各子孔径图像中散射强度的最大值，确定综合图像。
在本发明的一些实施例中，可以通过广义似然比检验提取孔径图像的所有坐标(可以用孔径图像中的行和列来表示)在各子孔径图像中散射强度的最大值，且所述综合图像满足公式：
下面，通过仿真实验对本发明提供的一种基于改进压缩感知的宽角合成孔径雷达的成像装置及方法进行验证。图2A为现有的压缩感知方法对WASAR重构的结果示意图，图2B为本发明实施例的宽角合成孔径雷达的成像方法对WASAR重构的结果示意图，如图2A和图2B所示，能够看出在图2A中，目标1附近出现了虚假目标，而图2B中目标1周围没有虚假目标。可见，本发明的方法和装置可以减少虚假目标的数量。
图3A是现有的压缩感知方法和本发明对目标1的各向异性重构结果示意图，图3B是现有的压缩感知方法和本发明对目标2的各向异性重构结果示意图，如图3A和图3B所示，本发明的方法对孔径图像的各向异性的重构精度明显要高于现有的压缩感知方法。
本发明实施例的另一方面，还提供一种宽角合成孔径雷达的成像装置，图4为本发明实施例的宽角合成孔径雷达的成像装置的结构示意图，如图4所示，该装置包括：
存储器1，用于存储指令；
处理器2，用于根据存储器1中的指令执行前述的宽角合成孔径雷达的成像方法。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种宽角合成孔径雷达的成像方法，包括：
对宽角合成孔径雷达的整个孔径的回波进行后向投影成像，确定部分已知支撑集；
按照一预定角度，将整个孔径划分为多个子孔径，确定重构模型；
基于硬阈值迭代算法，根据所述重构模型，结合所述部分已知支撑集和后向投影成像算子，确定多个子孔径图像的散射强度，以确定各子孔径图像；以及
提取孔径图像的所有坐标在各子孔径图像中散射强度的最大值，确定综合图像。
2.根据权利要求1所述的方法，其中，确定部分已知支撑集之前，包括步骤：
对后向投影成像得到的孔径图像的幅值进行排序，并从中提取一预定数量k的非零元素，将k个非零元素在孔径图像中对应的坐标作为部分已知支撑集T0，k为正整数。
3.根据权利要求2所述的方法，其中，按照幅值从大到小或者从小到大对所述孔径图像的幅值进行排序指，从大到小提取一预定数量k的非零元素。
4.根据权利要求2所述的方法，其中，按照一预定角度，将整个孔径划分为多个子孔径，确定重构模型，具体包括步骤：
按照一预定角度β，将整个孔径划分为i个子孔径，确定第i个子孔径的回波；
根据所述第i个子孔径的回波，确定观测矩阵；以及
根据所述观测矩阵，确定重构模型。
5.根据权利要求4所述的方法，其中，第i个子孔径的回波ri满足公式：
<mrow>
<msup>
<mi>r</mi>
<mi>i</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<mi>p</mi>
</msub>
<mo>,</mo>
<msub>
<mi>&theta;</mi>
<mi>q</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>{</mo>
<msup>
<mi>s</mi>
<mi>i</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>m</mi>
</msub>
<mo>,</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>{</mo>
<mo>-</mo>
<mi>j</mi>
<mfrac>
<mrow>
<mn>4</mn>
<msub>
<mi>&pi;f</mi>
<mi>p</mi>
</msub>
</mrow>
<mi>c</mi>
</mfrac>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>m</mi>
</msub>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>q</mi>
</msub>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>q</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>}</mo>
</mrow>
</msup>
<mo>}</mo>
<mo>,</mo>
</mrow>
其中，s(xm，yn)为位于(xm，yn)处的散射强度，fp为第p个采样频率，P为频率采样个数，1≤p≤P，c为光速，θq为第q个采样方位角，Q为方位角采样个数，1≤q≤Q；
所述观测矩阵满足公式：ri＝Φi·si，
其中，si为第i个子孔径雷达的散射强度，观测矩阵Φi满足公式：
重构模型满足公式：其中，|| ||0表示取0范数，s.t.表示受限制于，T0 C为T0的补集。
6.根据权利要求5所述的方法，其中，基于硬阈值迭代算法，根据所述重构模型，结合所述部分已知支撑集和后向投影成像算子，确定多个子孔径图像的散射强度，具体包括步骤：
确定后向投影成像算子及回波生成算子
初始化迭代参数：将子孔径的回波的散射强度si初始化为0，将子孔径图像中的非零元素的个数记为j，设定迭代步长为μ，最大迭代步数为Tmax，迭代步数初始值t＝0；
对第i个子孔径的回波进行迭代；以及
计算迭代参数Res，判断是否同时满足Res＞ε和t＜Tmax，其中ε为预定误差，否则返回对第i个子孔径的回波进行迭代，直至迭代结束确定各子孔径图像的散射强度，以确定各子孔径图像。
7.根据权利要求6所述的方法，其中，后向投影成像算子及回波生成算子满足公式：
其中，及表示傅里叶变换对，及表示方位向相干叠加算子及其逆过程；
对第i个子孔径的回波进行迭代，满足以下公式：
其中，为在部分已知支撑集T0对应的元素，表示对于T0的补集T0 C选取其前j-k个幅值的最大值；
迭代参数Res满足公式：Res＝||si(t+1)-si(t)||2，t＝t+1，其中，|| ||2表示取模。
8.根据权利要求5所述的方法，其中，通过广义似然比检验提取孔径图像的所有坐标在各子孔径图像中散射强度的最大值，且所述综合图像满足公式：
9.一种宽角合成孔径雷达的成像装置，包括：
存储器，用于存储指令；
处理器，用于根据所述指令执行如权利要求1至8任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710877718.2A CN107817492A (zh) | 2017-09-25 | 2017-09-25 | 宽角合成孔径雷达的成像方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710877718.2A CN107817492A (zh) | 2017-09-25 | 2017-09-25 | 宽角合成孔径雷达的成像方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107817492A true CN107817492A (zh) | 2018-03-20 |
Family
ID=61607165
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710877718.2A Pending CN107817492A (zh) | 2017-09-25 | 2017-09-25 | 宽角合成孔径雷达的成像方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107817492A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110297240A (zh) * | 2019-06-26 | 2019-10-01 | 中国科学院电子学研究所 | 方位向宽波束合成孔径雷达的成像方法及装置 |
| CN112734812A (zh) * | 2020-12-24 | 2021-04-30 | 北京建筑大学 | 确定散射体数量的方法、装置、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120105276A1 (en) * | 2010-10-27 | 2012-05-03 | Robert Ryland | Synthetic aperture radar (sar) imaging system |
| CN102662171A (zh) * | 2012-04-23 | 2012-09-12 | 电子科技大学 | 一种sar层析三维成像方法 |
| CN105162472A (zh) * | 2015-08-24 | 2015-12-16 | 电子科技大学 | 一种基于贪婪迭代的块稀疏信号重构方法 |
| CN105182333A (zh) * | 2015-08-24 | 2015-12-23 | 西安电子科技大学 | 基于矩阵填充的稀疏场景下采样sar成像方法 |
| CN103698763B (zh) * | 2013-12-12 | 2016-01-13 | 电子科技大学 | 基于硬阈值正交匹配追踪的线阵sar稀疏成像方法 |
| CN105974412A (zh) * | 2016-06-07 | 2016-09-28 | 电子科技大学 | 一种用于合成孔径雷达的目标特征提取方法 |
-
2017
- 2017-09-25 CN CN201710877718.2A patent/CN107817492A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120105276A1 (en) * | 2010-10-27 | 2012-05-03 | Robert Ryland | Synthetic aperture radar (sar) imaging system |
| CN102662171A (zh) * | 2012-04-23 | 2012-09-12 | 电子科技大学 | 一种sar层析三维成像方法 |
| CN103698763B (zh) * | 2013-12-12 | 2016-01-13 | 电子科技大学 | 基于硬阈值正交匹配追踪的线阵sar稀疏成像方法 |
| CN105162472A (zh) * | 2015-08-24 | 2015-12-16 | 电子科技大学 | 一种基于贪婪迭代的块稀疏信号重构方法 |
| CN105182333A (zh) * | 2015-08-24 | 2015-12-23 | 西安电子科技大学 | 基于矩阵填充的稀疏场景下采样sar成像方法 |
| CN105974412A (zh) * | 2016-06-07 | 2016-09-28 | 电子科技大学 | 一种用于合成孔径雷达的目标特征提取方法 |
Non-Patent Citations (3)
| Title |
|---|
| LUISA F POLANIA等: ""Compressive Sensing for ECG Signals in the Presence of Electromyographic Noise"", 《2012 38TH ANNUAL NORTHEAST BIOENGINEERING CONFERENCE》 * |
| RAFAEL E .CARRILLO等: ""Iterative hard thresholding for compressed sensing with partially known support"", 《2011 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING》 * |
| ZHONGHAO WEI等: ""WASAR imaging with backprojection based group complex approximate message passing"", 《ELECTRONICS LETTERS》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110297240A (zh) * | 2019-06-26 | 2019-10-01 | 中国科学院电子学研究所 | 方位向宽波束合成孔径雷达的成像方法及装置 |
| CN110297240B (zh) * | 2019-06-26 | 2021-07-02 | 中国科学院电子学研究所 | 方位向宽波束合成孔径雷达的成像方法及装置 |
| CN112734812A (zh) * | 2020-12-24 | 2021-04-30 | 北京建筑大学 | 确定散射体数量的方法、装置、电子设备及存储介质 |
| CN112734812B (zh) * | 2020-12-24 | 2023-07-11 | 北京建筑大学 | 确定散射体数量的方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Refraction corrected transmission ultrasound computed tomography for application in breast imaging | |
| Kuwahara et al. | Microwave imaging for early breast cancer detection | |
| CN108008385B (zh) | 基于稀疏贝叶斯学习的干扰环境isar高分辨成像方法 | |
| CN106501865B (zh) | 一种边缘嵌套加权的稀疏成像方法 | |
| CN110074813A (zh) | 一种超声图像重建方法及系统 | |
| Vishnevskiy et al. | Image reconstruction via variational network for real-time hand-held sound-speed imaging | |
| CN109661684A (zh) | 用于现实交互式超声模拟的射线追踪方法 | |
| US20220370033A1 (en) | Three-dimensional modeling and assessment of cardiac tissue | |
| CN106569191A (zh) | 一种利用高分辨率成像获取目标rcs的方法 | |
| US20170032702A1 (en) | Method and Apparatus For Generating an Ultrasound Scatterer Representation | |
| CN109598697A (zh) | 二维乳腺造影数据组的确定 | |
| CN101673413A (zh) | 基于表面数据的植物枝体三维形态建模系统及方法 | |
| CN105813572A (zh) | 基于图像信息的图像复合 | |
| CN110458876A (zh) | 基于sar-sift特征的多时相polsar图像配准方法 | |
| CN103810712B (zh) | 一种能谱ct图像质量的评价方法 | |
| Zhao et al. | Ultrasound transmission tomography image reconstruction with a fully convolutional neural network | |
| CN102842122A (zh) | 基于小波神经网络的增强现实图像方法 | |
| CN109782279A (zh) | 一种基于压缩感知的双基地isar成像方法 | |
| CN108885781A (zh) | 用于根据低剂量或低kV计算机断层扫描图像合成虚拟高剂量或高kV计算机断层扫描图像的方法和系统 | |
| CN107346541A (zh) | 一种基于超声射频时间序列小波分析的组织定征方法 | |
| CN107817492A (zh) | 宽角合成孔径雷达的成像方法及装置 | |
| CN108761397A (zh) | 基于电磁散射模拟的极化sar模型分解评价方法 | |
| Sun et al. | Estimating parameters of the tree root in heterogeneous soil environments via mask-guided multi-polarimetric integration neural network | |
| CN106646664B (zh) | 基于gpu的人体微波回波模拟方法及系统 | |
| Zhang et al. | Learning ultrasound rendering from cross-sectional model slices for simulated training |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180320 |