CN112558066A - 双极化sar图像系统 - Google Patents
双极化sar图像系统 Download PDFInfo
- Publication number
- CN112558066A CN112558066A CN202011195399.5A CN202011195399A CN112558066A CN 112558066 A CN112558066 A CN 112558066A CN 202011195399 A CN202011195399 A CN 202011195399A CN 112558066 A CN112558066 A CN 112558066A
- Authority
- CN
- China
- Prior art keywords
- polarization
- target
- image
- data
- covariance matrix
- 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.)
- Granted
Links
Images
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
- G01S13/9021—SAR image post-processing techniques
- G01S13/9027—Pattern recognition for feature extraction
-
- 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
- G01S13/9004—SAR image acquisition techniques
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/024—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using polarisation effects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Astronomy & Astrophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开的一种双极化SAR图像系统,目标检测虚警率低,检测率高。本发明通过下述技术方案实现:收发转换模同时接收H发射天线水平极化信号及V极化接收天线的垂直极化信号,改变发射信号的极化形式,数据采集板将采集的混频信号数据进行数字下变频变到基带,分两路分别送入并联了参考函数模块的H通道脉压模块和V通道脉压模块进行距离脉冲压缩,参考函数模块对数据进行多普勒调频率、多普勒中心估计、距离弯曲校正,进行走动校正、参数估计和方位匹配滤波,获得双极化SAR图像后,对目标加以判定融合处理得到目标检测结果,对每个像素对应协方差矩阵进行矩阵奇异值SVD分解,得到协方差矩阵的特征值和每个SAR图像像素的极化熵值。
Description
技术领域
本发明是关于降低目标检测虚警率的SAR图像极化熵系统。
背景技术
合成孔径雷达(SyntheticApertureRadar,SAR)是一种工作在微波波段,记录地物回波幅度信息和相位信息的主动式的微波遥感成像传感器,不仅具备全天时、全天候、主动成像、高分辨率等对地观测能力,而且具有一定的穿透能力,可以反应地物结构信息的特点。并且通过调节观测视角,对目标的空间位置和形态特征具有较好的判别能力。这种独特的优势使SAR在土地利用调查、资源勘查、地质调查、地形测绘等方面发挥了巨大的作用。相对于传统的信息获取手段,SAR成像系统不仅可以获取高分辨率的图像,并且不受白天、黑夜、烟尘、云雾等环境因素的影响,具有全天候、全天时工作的特点。作为卫星数据的有效补充,SAR雷达在地形测绘、灾害监测评估、环境与国土资源监测等领域具有广泛的应用价值。特别是在灾害应急处理方面,SAR雷达系统能及时为灾害应急处理提供信息丰富、清晰准确的图像,对及时开展救援、进行受灾评估、减轻灾害损失具有重要意义。SAR成像系统作为一种高分辨电磁传感器能够真实地反演地面区域的纹理信息,极化SAR成像系统可以通过多极化天线获取更加全面的目标信息,提高雷达的检测、抗干扰和目标识别等能力,在对地侦察及遥感具有极高的应用价值。由于SAR的相干特性,雷达数据难免要受到相干斑的影响。现有加窗成像处理或相干斑滤波技术虽然可以在一定程度上压低旁瓣,削弱相干斑噪声,却会降低图像分辨率。如何对图像做出快速而准确的解译,如何有效地对目标进行分类或识别,已成为迫切需要解决的一个难题。如何从图像数据中提取出符合应用要求的目标特征,进而实现目标的分类与检测识别,已经成为能否对图像正确解译的关键步骤。众所周知,SAR系统是通过获取目标后向散射回波重建目标特征的。回波信号的形式与雷达系统的发射天线与接收天线紧密相连,发射天线的多种极化形式可形出不同形式的极化信号,不同极化方式的信号经过目标后向散射,经过接收天线的采集及后续的信号处理,可以得到目标HH、VV、HV、VH四种极化方式的不同的极化信息,前两者为同向极化,后两者为异向(交叉)极化,不同极化方式得到的影像是不同的。极化SAR系统正是通过切换不同极化天线改变发射信号的极化形式,并利用双极化天线进行数据接收。雷达系统对目标的检测、识别准确性对导弹最终能否击中目标起着关键性的作用,由于SAR图像与光学图像存在较大差异,SAR图像低分辨率及Sinc响应函数的特性导致相干斑的存在,恶化了图像质量。在对SAR图像处理前,均需要对SAR图像相干斑进行抑制。在计算SAR图像极化熵前,SAR图像也需要进行相干斑滤波。在目标识别的过程中,首先需要对SAR图像进行目标检测,再根据检测结果对目标进行识别,在检测过程中,通过恒虚警检测方法往往会出现杂波虚警,导致目标检测虚警率过高。常规雷达遥感数据主要是以回波散射幅度为主要探测因子,而极化雷达数据以散射矩阵的形式全面记录了地物散射回波信息,既有散射幅度信息也有相位信息口,因此极化雷达数据能够更为有效地为地物分类提供丰富的地物极化信息。极化合成孔径雷达(PolSAR)可以利用不同极化通道的SAR复图像区分物体的细致结构、目标指向、几何形状以及物质组成等参数,在遥感领域具有广阔的应用前景。极化合成孔径雷达(PolSAR)和极化干涉合成孔径雷达(PolInSAR)是建立在传统SAR体制上的新型SAR体制雷达,它们的出现极大地拓宽了SAR应用领域。PolInSAR利用高精度、高标定、全极化、单视复数据(SLC),通过干涉技术将雷达回波信号的幅度、相位以及极化信息进行融合,可以将被遥感对象的精细特征和空间信息与定向结构直接联系起来。与常规雷达数据相比,极化雷达数据以散射矩阵的形式全面的记录了地物散射回波信息,既有相位信息也有幅度信息,为目标检测、散射特性分析以及分类等应用提供了更多的极化信息。目标检测的核心就是 SAR图像的变化检测。只有检测方法有效才能保证动态监测、监视的效果,由于雷达系统回波的复杂性,数据量远大于光学图像,处理难度更大。双极化数据与光学遥感数据不同, SAR系统本身是一个相干系统,因此SAR图像会受到相干斑的影响。在SAR图像上,分辨单元的尺寸一般远大于散射体,而散射体在分辨单元内随机分布,它们在分辨单元内相干叠加,使未经任何处理的SAR图像看起来只是一幅杂乱的斑点和噪声。由于与光学遥感的成像原理不同,只要是由连贯SAR传感器中生成的图像都会产生斑点噪声。经多视处理后的图像斑点噪声仍然较为严重,无法准确地反应地物目标的散射特性,对判读真实的地物信息造成很大影响,因此SAR图像的变化检测方法成为制约SAR广泛应用的瓶颈问题之一。随着极化SAR系统的迅速发展,所获得的全极化数据也越来越丰富,SAR检测得到了越来越广泛的关注,极化SAR图像包含比单通道SAR图像更加丰富的信息。极化协方差矩阵中包含了雷达测量得到的全部极化信息,其复元素是进行多极化SAR数据分析和处理的基础。在极化SAR图像中,主要存在两类非平稳目标,一类具有周期性表面,如成片的田埂、犁沟或周期分布的农作物,另一类是具有特定朝向的人造目标,如道路,屋脊等。人造目标的种类繁多,如车辆、飞机、各种人工建筑等,它们一般都对雷达波表现为多个强的角反射器,在SAR图像上呈现为强目标,会导致强杂波环境中的检测结果存在很高的虚警。上述两类非平稳目标是不同的,但在现有的非平稳目标检测文献中都没有进行区分,也没有提出系统的分别检测这两类目标的方法。在合成孔径雷达SAR极化测量中,通常认为雷达视角相对于目标是不变的。然而实际上SAR通常具有较宽的方位向波束,在孔径合成过程中,所成的全分辨率SAR图像包含多个斜视角下的目标回波。在现有的文献中,一般是用极大似然比等统计参数来检测SAR图像场景中的所有非平稳目标。但通过实验发现,极大似然比对周期表面非平稳目标的敏感度并不好,对这类目标的检测不完整。
双极化SAR目标信息分解在极化目标分解理论中,双极化是指在一种极化模式的同时,加上了另一种极化模式,如(HH:水平发射水平接收)和(HV:水平发射垂直接收)。全极化要求同时发射H和V,也就是HH/HV/VV/VH四种极化方式。散射矩阵将入射波和散射回波的电场强度连接起来,是用来表示目标变极化效应的一个复矩阵,包含幅度信息和相位信息。散射矩阵是研究地物散射的基础,但散射矩阵只能够描述所谓相干或纯散射体的散射特征,如,球形粒子、非球形粒子、Bragg面等。从极化角度来看,散射矩阵不能用来描述所谓分布式散射体。由于斑点噪声的存在,分布式散射体只能用统计方式来描述。目标散射场的极化取决于入射场的极化,但通常与入射电磁波的极化不一致,目标对入射电磁波有着特定的极化变换作用,其变换关系由入射波的频率、目标形状、尺寸、结构和取向等因素决定。由于不同尺度的SAR图像会表示出不同细节程度的图像特征,为了得到更精确有效的变化检测结果,必须在图像处理过程中引入尺度概念。广义来讲,尺度是指在研究某一物体或现象时采用的空间或时间单位,也可指某一现象或过程在空间和时间上所涉及的范围和发生频率,包括时间上的尺度和空间上的尺度,在图像处理当中主要涉及空间尺度。在 SAR图像中,尺度和分辨率是密切相关的,空间分辨率的大小反映了空间细节水平以及和背景环境的分离能力,大尺度时分辨率较低,小尺度时分辨率较高。通常情况下,尺度增大时所表达的信息减少,但并不是呈简单的比例变化。不同的检测方法受尺度的影像不同,这就令选择检测方法增加了更多的困难。以往的观点都着重于分析图像的多尺度表述,并未考虑过尺度和所用变化检测方法之间的联系。为了防止目标本身的像素混入背景窗口,一般保护窗口的尺寸至少应该为目标大小的2倍。首先考虑样本窗口尺度,SAR图像所具有的统计特性使单一的像素点并不具有实际意义,解译和处理图像都建立在一定数量像元的集合上,因此我们在应用各种检测算法时都会取一个样本窗口,以窗口包含的像素为一整体运行算法,样本窗口遍历整个图像后得到最终的变化检测结果。因此样本窗口的大小作为一种尺度会直接影响到算法的准确性从而决定变化检测结果的优劣。通过改变尺度参数,就可以得到不同尺度下的序列图像,这些不同尺度的序列图像就反映了图像特征的变化情况。但是在密集的多目标的环境下,窗口的选择将受到很大的限制,这就会造成背景窗口中混入了目标像素,如果混入目标像素的灰度值不能高于背景杂波的灰度值,可能使目标的边缘部分漏检,降低了检测概率。
在实际中,对于一幅SAR图像而言,虽然目标与其周围背景的回波强度相差不大,但受各种因素的影响,在慢速平台下,由于姿态变化幅度大,伺服不断处于调整和更新中,导致波束指向地面时在孔径时间内发生摆动。传统的目标检测方法主要利用SAR图像幅度信息,仅利用SAR图像幅度信息进行目标检测,往往会产生大量的虚警。因此,有必要联合利用SAR图像幅度和相位信息进行目标检测,从而提高目标检测性能。在实际中由于人造目标受雷达入射波的频率、入射角、目标自身的结构特征等的影响,在雷达照射时间内幅度和相位不再保持恒定不变的特性,目标的回波能量主要集中在部分方位角范围内。结果发现,子孔径数目增加时,图像分辨率降低,从而导致目标的部分细节损失。当雷达波从二面角的法线方向入射时,回波能量最强。一旦入射方向偏离法线,回波能量就会迅速衰减。 SAR系统固有的相干斑噪声影响了目标图像质量,降低了分辨率、散射精度以及特征提取准确性,进而对后端应用构成影响。
SAR图像由合成孔径雷达SAR系统产生,是一种主动式的对地观测系统,可安装在飞机、卫星、宇宙飞船等飞行平台上,全天时、全天候对地实施观测、并具有一定的地表穿透能力。分辨率方面:SAR影像分辨率相对较低、信噪比较低,所以SAR影像中所包含的振幅信息远达不到同光学影像的成像水平;但其特有的相位信息是其他传感器所无法获取的,基于相位的干涉建模也是SAR的主要应用方向。成像机制差别:光学影像通常采用中心投影面域成像或推帚式扫描获取数据;而SAR处于信号处理的需要不能采用垂直向下的照射方式而只能通过测视主动成像方式发射和接受面域雷达波,并通过信号处理(聚焦、压缩、滤波等)手段后期合成对应于地面目标的复数像元。Shannon熵是度量雷达照射媒质无序程度的物理量,它可表示成散射强度部分熵、极化部分熵以及干涉部分熵之和。极化熵较多应用于目标分解理论,将场景中的目标按奇次、偶次散射、漫散射等特征进行区分,当目标散射极化熵H为0时,表示系统处于完TA2全极化的状态;值较低时,系统接近完全极化状态,特征值中有一个较大,另一个值很小可以忽略;较高值时,系统接近完全非极化状态, 2个特征值较接近;当值为1时,系统处于完全非极化状态,极化信息为零,目标散射完全变为随机噪声m。由此可见,熵H表征了目标的随机程度。散射角a表示从表面散射到二面角散射的平均散射机制。
发明内容
本发明的目的是针对现有技术存在的不足之处,是提供一种目标检测虚警率低,检测率高的双极化SAR图像系统,以解决常规目标恒虚警检测方法虚警率过高的问题。
为了实现上述目的,本发明提供的一种双极化SAR图像系统,包括:通过H极化通道、V极化通道共用收发转换模块进行双向通信的接收H极化发射天线、V极化接收天线,信号处理分系统和图像检测识别分系统,其特征在于:收发转换模同时接收H发射天线水平极化信号及V极化接收天线的垂直极化信号,通过双工器控制天线发射及接收,切换不同极化天线极化测量改变发射信号的极化形式,同时将H、V通道接收的目标后向散射回波信号送入混频器进行混频,混频器根据旁路串联的波形产生器和功率放大器放大信号,将混频信号送入数据采集板将采集的混频信号数据进行数字下变频变到基带,分两路分别送入并联了参考函数模块的H通道脉压模块和V通道脉压模块进行距离脉冲压缩,参考函数模块对数据进行多普勒调频率估计、多普勒中心估计、距离弯曲校正,再经Lee滤波器滤除乘性斑点噪声,进行走动校正、参数估计和方位匹配滤波,获得双极化SAR图像后,分别通过同向极化HH、HV通道,在幅度图像中的目标先验位置附近,将检测出目标的强散射点送入信号处理分系统的数据处理单元,检测多个子孔径图像之间的相干系数并进行图像极化熵运算及恒虚警目标检测,将恒虚警检测与图像极化熵相结合的方式对目标加以判定,将二者融合处理,得到目标检测结果,将双极化SAR图像复数据中每个分辨单元对应的数值建立成协方差矩阵,在协方差矩阵完成相干斑滤波后送入图像检测识别分系统,对每个像素对应协方差矩阵进行矩阵奇异值SVD分解,得到协方差矩阵的特征值,进而得到每个SAR图像像素的极化熵值。
本发明相比于现有技术具有如下有益效果:
目标检测的虚警率低,检测率高。本发明通过H极化通道、V极化通道共用收发转换模块进行双向通信的接收H极化发射天线、V极化接收天线,采用水平极化发射,水平极化及垂直极化同时接收,通过双工器控制天线发射及接收,切换不同极化天线极化测量改变发射信号的极化形式,极化测量可以大大提高成像雷达对目标各种信息的获取能力。同时将H、 V通道接收的目标后向散射回波信号送入混频器进行混频,混频后的混频信号经H通道脉压模块及V通道脉压模块,数据采集板将采集的数据经过数字下变频变到基带后进行距离脉冲压缩,采集的数据经过数字下变频变到基带后进行距离脉冲压缩、走动校正、参数估计、方位匹配滤波等步骤后,获得双极化SAR图像。在获得双极化SAR图像后,进行极化熵运算及恒虚警目标检测,将二者融合处理,得到目标检测结果。目标检测的虚警率低,检测率高,恒虚警检测过程并不直接依靠图像的细节,能在一定程度上抑制噪声干扰,这样由于雷达观测角度和噪声等对检测结果的影响也将减弱。将SAR图像极化熵作为一种极化域的评估指标可以提供目标的极化信息,根据极化熵的值域范围可以确定目标的物理属性,降低目标检测的虚警率,利用双极化SAR图像计算场景中每个分辨单元极化熵,获取目标极化信息,解决了常规目标恒虚警检测方法虚警率过高的问题。
漏检率很低。本发明将双极化SAR图像复数据中每个分辨单元对应的数值建立成协方差矩阵,在得到协方差矩阵后,通过Lee滤波器抑制SAR图像协方差矩阵的相干斑,利用多个子孔径图像之间的相干系数检测目标。分别通过同向极化HH、HV通道,在幅度图像中的目标先验位置附近,将检测出目标的强散射点送入信号处理分系统的数据处理单元,检测多个子孔径图像之间的相干系数并进行图像极化熵运算及恒虚警目标检测,将恒虚警检测与图像极化熵相结合的方式对目标加以判定,将二者融合处理,得到目标检测结果,通过恒虚警检测及极化熵检测降低了目标虚警概率,排除地杂波对局部检测区域的影响。实验结果表明,该方法不是通过简单地计算SAR图像中局部区域的均值及方差设定阈值确定目标,而是将恒虚警检测方法与图像极化熵相结合的方式对目标加以判定,有效地提高了目标检测概率,同时有效降低杂波虚警率。通过该方法可有效排除虚警目标,提高了抗干扰能力和制导精度,解决了强地杂波环境下目标检测、识别虚警率过高的问题。本发明通过双极化SAR图像计算出的极化熵提供目标极化信息,具有较强的工程实用价值,特别适用于精确制导导引头SAR图像目标检测。
附图说明
为了更清楚地理解本发明,现将通过本发明实施方式,同时参照附图,来描述本发明,其中:
图1是本发明双极化SAR图像系统工作原理框图。
图2是本发明SAR数学几何模型。
图3是本发明双极化SAR图像极化熵流程图。
图4是本发明协方差矩阵构成流程图。
图5是本发明协方差矩阵相干斑抑制流程图。
图6是本发明极化熵值计算流程。
图7是CFAR-极化熵目标检测模型,
图8是为CFAR检测模型极化熵检测模型。
图9是CFAR-极化熵目标检测流程图。
具体实施方式
参阅图1。在以下描述的优选实施例中,一种双极化SAR图像系统,包括:通过H 极化通道、V极化通道共用收发转换模块进行双向通信的接收H极化发射天线、V极化接收天线,信号处理分系统和图像检测识别分系统,其中:收发转换模同时接收H发射天线水平极化信号及V极化接收天线的垂直极化信号,通过双工器控制天线发射及接收,切换不同极化天线极化测量改变发射信号的极化形式,同时将H、V通道接收的目标后向散射回波信号送入混频器进行混频,混频器根据旁路串联的波形产生器和功率放大器放大信号,将混频信号送入数据采集板将采集的混频信号数据进行数字下变频变到基带,分两路分别送入并联了参考函数模块的H通道脉压模块和V通道脉压模块进行距离脉冲压缩,参考函数模块对数据进行多普勒调频率估计、多普勒中心估计、距离弯曲校正,再经Lee滤波器滤除乘性斑点噪声,进行走动校正、参数估计和方位匹配滤波,获得双极化SAR图像后,分别通过同向极化HH、HV通道,在幅度图像中的目标先验位置附近,将检测出目标的强散射点送入信号处理分系统的数据处理单元,检测多个子孔径图像之间的相干系数并进行图像极化熵运算及恒虚警目标检测,将恒虚警检测与图像极化熵相结合的方式对目标加以判定,将二者融合处理,得到目标检测结果,将双极化SAR图像复数据中每个分辨单元对应的数值建立成协方差矩阵,在协方差矩阵完成相干斑滤波后送入图像检测识别分系统,对每个像素对应协方差矩阵进行矩阵奇异值SVD分解,得到协方差矩阵的特征值,进而得到每个SAR图像像素的极化熵值。
信号处理分系统包括:顺次串联的数据采集单元、数据处理单元、信息处理单元,数据处理单元根据数据采集单元预先设定的窗口大小将图像划分为若干局部窗口,选择一个固定大小的局部处理窗口,按照局部处理窗口梯度最大方向选取窗口内的数据,根据选取窗口内的数据计算SAR图像的最大梯度方向和局部窗口内数据的均值及方差,根据图像不同的梯度方向将图像相邻像素值进行差分并选取相应的图像数值计算图像元素的均值及方差,采用最小均方误差准则,对散射系数进行线性估计,信息处理单元根据图像元素的均值及方差计算每个不同像素点的加权系数,对不同像素的加权系数与对应的协方差矩阵中的元素值相乘累加得到相干斑抑制后的协方差矩阵,然后对滑窗内像素对应的协方差矩阵进行加权累加,并进行SAR图像相干斑抑制,在协方差矩阵完成相干斑滤波后,将滤波后的协方差矩阵送入图像检测识别分系统,对每个图像像素的协方差矩阵进行矩阵奇异值分SVD分解,提取对应的特征值,根据特征值计算每个像素的极化熵。接下来同极化通道的SAR图像进行恒虚警阈值计算,计算图像的均值及方差,根据设定的虚警率计算目标检测门限。将满足门限的目标标记为疑似目标,同时提取疑似目标的极化熵加以判断,通过恒虚警检测及极化熵检测降低目标虚警概率,得到协方差矩阵的特征值,进而得到每个SAR图像像素的极化熵值。
参阅图2。信号处理单元根据目标区目标的方位角θ和俯仰角φ,在XYZ三维坐标系中构建SAR成像数学几何模型,双极化干扰机Jm在给出的SAR成像数学几何模型目标区中,雷达载机沿着x轴方向飞行,发射天线的极化矢量hHt=[htH,htv]T,其中,下脚标tH表示H 发射极化分量,tV表示V发射极化分量,T表示转置操作。
通道接收天线的极化矢量hHr=[hHrH,hHrV]T,其中,hHrH表示水平极化分量,hHrV表示垂直极化分量,下脚标HrH表示H发射、H接收的极化分量,HrV表示V发射、H接收的极化分量。
V通道接收天线的极化矢量hVr=[hVrH,hVrV]T,其中,hVrH表示水平极化分量,hVrV表示垂直极化分量,下脚标VrH表示H发射、V接收的极化分量,VrV表示V发射、V接收的极化分量。
双极化雷达H通道发射线性调频信号,雷达系统的H及V通道同时接收回波信号并进入信号处理单元,根据信号发射天线的极化矢量hHt=[htH,htv]T,双极化雷达发射信号在水平垂直极化基下可以表示为
双极化雷达发射信号et(t,τ)可以表示为et(t)=ar(t)exp(jπγt2)exp(j2πfct)(2)
式中,t为快时间,τ为慢时间,Pt是天线发射功率,R是雷达与目标的斜距,g(θ,φ)为天线方向图在方位角θ,俯仰角φ的增益,Pt/4πR2为随距离变化的信号功率,v为飞机速度,γ为线性调频信号调频率,ar是发射信号的窗函数,j是虚部单位,γ为线性调频信号调频率,fc是信号载频。
任意目标点(xn,yn)的回波信号es(t,τ)可以表示为
其中,雷达与目标的瞬时斜距式中,t为快时间,τ为慢时间,ar(·)为线性调频信号窗函数,aa(·)为方位向窗函数,c为光速,v为飞机速度,xn为任意点目标P在斜距平面中的横坐标,yn为目标到雷达在地面投影点的距离,n表示任意目标点标号,h为雷达相对于目标的高度。xL为合成孔径长度,OL为合成孔径中心。
本实施例设场景中存在N个目标,雷达H、V通道接收的信号可以表示为
则在快时间t,慢时间τ内的H通道接收的目标后向散射回波sHrs(t,τ)、V通道接收的目标后向散射回波sVrs(t,τ),sHrJ(t,τ)、sVrJ(t,τ)分别表示H、V通道在快时间t及慢时间τ内收到的干扰信号,nH(t,τ)及nV(t,τ)分别表示H、V通道在快时间t及慢时间τ接收机噪声,sHr和sVr分别表示H通道和V通道接收总的信号sHrs(t,τ)和sVrs(t,τ)的联立方程为
根据上述方程可以得到第n个地面目标H通道回波信号幅度值GsHn,且式中,σn表示第n个目标的横截面积,第n个地面目标V 通道回波信号幅度值GsVn=gh(θn,φn)gv(θn,φn)σnPt/(4πRn 2)2式中,Sn为第n个目标的极化散射矩阵。
信号处理单元将H及V通道接收的信号进行距离脉压后,分别对脉压后的数据进行多普勒调频率估计、多普勒中心估计、距离弯曲校正,将脉压后的数据进行方位匹配滤波,完成方位聚焦,具体成像算法不再赘述。获得快时间t及慢时间τ函数的图像IH及IV,具体可以表示为
式中,Br为两维脉压增益比,tn表示目标位置所对应的快时间点,τn为波束中心经过目标的慢时间点。
二维聚焦的SAR图像中目标的散射矩阵S、雷达系统相对于目标的入射信号及目标后向散射的回波信号关系可以表示为雷达工作于H发射,H、V接收的双极化体制,散射矩阵S简化为式中sHH表示水平发射水平接收分量,sVH表示水平发射垂直接收分量,sHV表示垂直发射水平接收分量,sVV表示水平发射垂直接收分量。
参阅图3。与信号处理分系统相连的图像检测识别分系统计算双极化SAR图像极化熵,计算流程主要包括双极化SAR图像协方差矩阵计算S1、协方差矩阵相干斑抑制S2、 SAR复图像极化熵计算S3和目标检测S4四个步骤,其中,
步骤S1,双极化回波信号经过信号处理分系统处理后,进行协方差矩阵计算,根据复图像数据元素周围8个点的复数据元素,采用对称向外延拓图像边缘的像素计算均值得到每个像素的协方差矩阵和双极化SAR复图像,保证整幅图像数据信息的完整性;
步骤S2,与协方差矩阵处理单元相连的相干斑抑制处理单元根据预先设定的滤波器滑窗窗口尺寸,计算滤波相干斑SAR图像的最大梯度方向,其中SAR图像的梯度方向包括0°、 45°、90°、135°,根据SAR图像0°、45°、90°、135°的梯度方向,将相邻像素值进行差分并选取相应的图像数值计算均值及方差,利用均值及方差计算不同像素的加权系数,将加权系数与对应的协方差矩阵相乘累加得到相干斑抑制后的协方差矩阵,完成协方差矩阵相干斑抑制;
步骤S3,与相干斑抑制处理单元相连的特征值分解单元获取协方差矩阵的特征值,对相干斑抑制后每个图像像素的协方差矩阵进行SVD分解。根据熵值定义计算SAR复图像每个像素的极化熵值,得到协方差矩阵的特征值;
步骤S4,与特征值分解单元相连的目标检测处理单元根据特征值分解单元得到的协方差矩阵特征值进行目标检测,利用在幅度图像中的目标先验位置附近检测出面目标的强散射点,先计算背景窗口均值与方差,根据背景均值与方差计算检测门限,选取局部满足门限值的目标,判断极化熵相同位置目标的熵值是否满足条件,如不满足设定的熵值门限,则认为是杂波干扰并将其剔除,并结束程序。
参阅图4。为了更好地理解本发明,下面介绍协方差矩阵的构造流程。
S1-1,协方差矩阵生成单元根据HH通道和HV通道SAR图像复数据,将S矩阵非零矢量构建成极化矢量kp,生成目标散射协方差矩阵C,然后对HH通道、HV通道双极化数据进行聚焦成像,获得目标散射矩阵中水平发射水平接收分量sHH及水平发射垂直接收分量sVH,依据双极化散射系数矢量化得到极化矢量kp,kp=[sHH sVH]T; (9)
由于协方差矩阵C为奇异矩阵,同时为了避免矩阵分解出现0特征值,可以采用计算像素周围的均值作为该像素点的数据,进而协方差矩阵C可以进一步表示为
其中,<>为统计均值,||||表示求模操作,*表示复共轭,sHH表示水平发射水平接收分量,sVH表示水平发射垂直接收分量。
S1-3,根据统计协方差矩阵C复数周围8个像素求均值,计算得到所需要像素的值像素,将协方差矩阵复数数据周围8个点平均,判断所有像素计算是否完毕,是,结束,否则返回再判断所有像素计算是否完毕。
参阅图5为了更好地理解本发明,下面介绍相干斑抑制的原理及流程。
在计算SAR图像极化熵前,基于乘性斑点噪声模型建立一种自适应的Lee滤波器,对 SAR图像进行相干斑滤波,Lee滤波器首先选择一个固定大小的局部处理窗口,根据窗口内的数据计算均值及方差,以图像局部均值及方差作为判别依据,采用最小均方误差准则,对散射系数进行线性估计,在对实际的散射强度S进行估计时,确定假设SAR图像在第m行,第 n列的观测数据值为I(m,n),真实的散射强度为S(m,n),相干斑噪声强度为N(m,n),得到观测数据值I=SN,观测数据的均值其中,相干斑均值在对实际的散射强度S进行估计时,实际的散射强度可由其观测数据和观测数据的局部均值表示,w为加权系数。在计算加权系数时,根据窗口选择数据最大梯度方向确定数据边界和最小准则计算实际的散射强度根据均方误差具体实施步骤如下:
步骤S2-1:数据处理单元根据数据采集单元预先设定的窗口大小,将图像划分为若干局部窗口,计算局部窗口内数据的均值;局部窗口大小为3×3,梯度方向为0°、45°、90°、 135°;计算HH幅度图像窗口内数据最大梯度的方向,判断最大梯度方向,
步骤S2-2:按照梯度最大方向选取窗口内的数据,存储最大方向数据,并存储在数组内;
步骤S2-3:滑动窗口内数据的均值及方差;
步骤S2-5:是则,在完图像中所有的像素的梯度后,各个像素根据加权系数计算累加,求和,计算出加权系数对滑窗内像素对应的协方差矩阵进行加权累加,得到相干斑滤波协方差矩阵和滤波后的协方差矩阵。
参阅图6为了更好地理解本发明,下面介绍极化熵的原理及流程
在计算每个像素复数据极化熵中,
步骤S3-1:步骤S3-1:在双极化模式下,图像检测识别分系统将每个像素为2阶形式的协方差矩阵C进行SVD特征分解,分解为特征矩阵为U2,使每个像素的协方差矩阵C,得到分别对应的矩阵特征值λ1、λ2,并且存在λ1≥λ2;
步骤S3-2:在图像检测识别分系统得到每个像素SVD分解的特征值后,按照其中每个特征值的占据特征值总和的比例和极化散射熵定义计算每个像素的极化熵值,假设图像尺寸为M行,N列,第m行,第n列协方差矩阵的特征值为λmn1,λmn2,则所计算的像素的最小极化熵Hmn=-pmn1 log pmn1-pmn2log pmn2 (14)
参阅图7、图8。CFAR-极化熵检测模型和极化熵检测模型采用双参数CFAR检测算法,通过由目标窗口、防止目标能量泄露到背景窗口中的保护窗口和划定杂波区范围的背景窗口组成的CFAR检测窗口,3个窗口以一定的搜索间隔在SAR图像中平滑,在雷达自动检测系统中计算检测门限,统计杂波背景均值及方差,计算检测门限。
参数CFAR检测算法是在雷达自动检测系统中计算检测门限,使杂波和干扰对系统的虚警概率影响最小的目标检测算法,具有实现简单、快速高效、鲁棒性强的优点。CFAR 检测窗口由目标窗口、保护窗口和背景窗口组成,其中保护窗口防止目标能量泄露到背景窗口中,目标窗口的尺寸与目标大小有关,一般选取面目标尺寸的3倍,保护窗口和背景窗口尺寸可以根据经验选取。
参阅图9。CFAR-极化熵目标检测
S4-1,收发转换模块接收H极化通道产生的HH通道幅度数据由数据处理单元根据根据设定 的背景窗口尺寸选取杂波数据,根据窗口内的数据计算背景窗口杂波均值及背景窗口数据的 方差,进而根据窗口数据均值及背景窗口数据的方差计算出目标检测阈值,
S4-2,图像检测分系统根据CFAR检测计算出的阈值选取满足条件的目标点,对目标点所在 位置坐标进行存储,检测窗口内每个像素是否>幅度阈值门限,是则确定疑似目标,否则返 回根据窗口数据均值及背景窗口数据的方差计算出目标检测阈值;
S4-3判断确定疑似目标极化熵是否<熵阈值,是,确定为目标的像素坐标的极化熵值,并标 记为目标,结束;在搜索完图像中所有的像素点后,读取确定为目标的像素坐标的极化熵值, 判定熵值是否满足设定的阈值,满足阈值,标记为目标,否则标记为杂波。
目标检测单元判断每个像素的能量是否大于门限值。设定阈值a,CFAR检测的准则为
CFAR检测的前提条件是认为目标-杂波分布满足高斯分布,其分布函数为φ为标准正态分布,设期望虚警概率为pfa,则检测的阈值为a=φ-1(1-pfa),若令目标的检测概率为 pf,且信杂比为RSCR,目标为非起伏目标,目标的检测概率可以表示为 Pd=1-φ(φ-1(1-pfa)-RSCR)。
本发明的范围并不局限于所描述的具体技术方案。对上述这些实施例的多种修改,对本领域的专业技术人员来说将是显而易见的。本发明所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。任何对所描述的具体技术方案中的技术要素进行相同或等同替换获得的技术方案或本领域技术人员在所描述的具体技术方案的基础上不经过创造性劳动就可以获得的技术方案,都应当视为落入本发明的保护范围。
Claims (10)
1.一种双极化SAR图像系统,包括:通过H极化通道、V极化通道共用收发转换模块进行双向通信的接收H极化发射天线、V极化接收天线,信号处理分系统和图像检测识别分系统,其特征在于:收发转换模同时接收H发射天线水平极化信号及V极化接收天线的垂直极化信号,通过双工器控制天线发射及接收,切换不同极化天线极化测量改变发射信号的极化形式,同时将H、V通道接收的目标后向散射回波信号送入混频器进行混频,混频器根据旁路串联的波形产生器和功率放大器放大信号,将混频信号送入数据采集板将采集的混频信号数据进行数字下变频变到基带,分两路分别送入并联了参考函数模块的H通道脉压模块和V通道脉压模块进行距离脉冲压缩,参考函数模块对数据进行多普勒调频率估计、多普勒中心估计、距离弯曲校正,再经Lee滤波器滤除乘性斑点噪声,进行走动校正、参数估计和方位匹配滤波,获得双极化SAR图像后,分别通过同向极化HH、HV通道,在幅度图像中的目标先验位置附近,将检测出目标的强散射点送入信号处理分系统的数据处理单元,检测多个子孔径图像之间的相干系数并进行图像极化熵运算及恒虚警目标检测,将恒虚警检测与图像极化熵相结合的方式对目标加以判定,将二者融合处理,得到目标检测结果,将双极化SAR图像复数据中每个分辨单元对应的数值建立成协方差矩阵,在协方差矩阵完成相干斑滤波后送入图像检测识别分系统,对每个像素对应协方差矩阵进行矩阵奇异值SVD分解,得到协方差矩阵的特征值,进而得到每个SAR图像像素的极化熵值。
2.如权利要求1所述的双极化SAR图像系统,其特征在于:信号处理分系统包括:顺次串联的数据采集单元、数据处理单元和信息处理单元,数据处理单元根据数据采集单元预先设定的窗口大小将图像划分为若干局部窗口,选择一个固定大小的局部处理窗口,按照局部处理窗口梯度最大方向选取窗口内的数据,根据选取窗口内的数据计算SAR图像的最大梯度方向和局部窗口内数据的均值及方差,根据图像不同的梯度方向将图像相邻像素值进行差分并选取相应的图像数值计算图像元素的均值及方差,采用最小均方误差准则,对散射系数进行线性估计,信息处理单元根据图像元素的均值及方差计算每个不同像素点的加权系数,对不同像素的加权系数与对应的协方差矩阵中的元素值相乘累加得到相干斑抑制后的协方差矩阵,然后对滑窗内像素对应的协方差矩阵进行加权累加,并进行SAR图像相干斑抑制,在协方差矩阵完成相干斑滤波后,将滤波后的协方差矩阵送入图像检测识别分系统,对每个图像像素的协方差矩阵进行矩阵奇异值分SVD分解,提取对应的特征值,根据特征值计算每个像素的极化熵;接下来同极化通道的SAR图像进行恒虚警阈值计算,计算图像的均值及方差,根据设定的虚警率计算目标检测门限,将满足门限的目标标记为疑似目标,同时提取疑似目标的极化熵加以判断,通过恒虚警检测及极化熵检测降低目标虚警概率,得到协方差矩阵的特征值,进而得到每个SAR图像像素的极化熵值。
3.如权利要求2所述的双极化SAR图像系统,其特征在于:信号处理单元根据目标区目标的方位角θ和俯仰角φ,在XYZ三维坐标系中构建SAR成像数学几何模型,双极化干扰机Jm在给出的SAR成像数学几何模型目标区中,雷达载机沿着x轴方向飞行,发射天线的极化矢量hHt=[htH,htv]T,通道接收天线的极化矢量hHr=[hHrH,hHrV]T,V通道接收天线的极化矢量hVr=[hVrH,hVrV]T,天线极化状态矢量在正交基(x,y)下表示为 对应hH,对应hV,其中,下脚标tH表示H发射极化分量,tV表示V发射极化分量,T表示转置操作,hHrH表示水平极化分量,hHrV表示垂直极化分量,下脚标HrH表示H发射、H接收的极化分量,HrV表示V发射、H接收的极化分量,hVrH表示水平极化分量,hVrV表示垂直极化分量,下脚标VrH表示H发射、V接收的极化分量,VrV表示V发射、V接收的极化分量,表示极化辅助角,ξ为极化相位差。
4.如权利要求3所述的双极化SAR图像系统,其特征在于:双极化雷达H通道发射线性调频信号,雷达系统的H及V通道同时接收回波信号并进入信号处理单元,根据信号发射天线的极化矢量hHt=[htH,htv]T,双极化雷达发射信号在水平垂直极化基下表示为
双极化雷达发射信号et(t,τ)表示为et(t)=ar(t)exp(jπγt2)exp(j2πfct) (2)
任意目标点(xn,yn)的回波信号es(t,τ)表示为
雷达与目标的瞬时斜距其中,t为快时间,τ为慢时间,ar(·)为线性调频信号窗函数,aa(·)为方位向窗函数,c为光速,v为飞机速度,xn为任意点目标P在斜距平面中的横坐标,yn为目标到雷达在地面投影点的距离,n表示任意目标点标号,h为雷达相对于目标的高度。xL为合成孔径长度,OL为合成孔径中心。
式中,t为快时间,τ为慢时间,Pt是天线发射功率,R是雷达与目标的斜距,g(θ,φ)为天线方向图在方位角θ,俯仰角φ的增益,Pt/4πR2为随距离变化的信号功率,v为飞机速度,γ为线性调频信号调频率,ar是发射信号的窗函数,j是虚部单位,γ为线性调频信号调频率,fc是信号载频。
5.如权利要求1所述的双极化SAR图像系统,其特征在于:设场景中存在N个目标,雷达H、V通道接收的信号表示为
则在快时间t,慢时间τ内的H通道接收的目标后向散射回波sHrs(t,τ)、V通道接收的目标后向散射回波sVrs(t,τ),sHrJ(t,τ)、sVrJ(t,τ)分别表示H、V通道在快时间t及慢时间τ内收到的干扰信号,nH(t,τ)及nV(t,τ)分别表示H、V通道在快时间t及慢时间τ接收机噪声,sHr和sVr分别表示H通道和V通道接收总的信号sHrs(t,τ)和sVrs(t,τ)的联立方程为
根据上述方程可以得到第n个地面目标H通道回波信号幅度值GsHn,且
8.如权利要求1所述的双极化SAR图像系统,其特征在于:与信号处理分系统相连的图像检测识别分系统计算双极化SAR图像极化熵,计算流程主要包括双极化SAR图像协方差矩阵计算S1、协方差矩阵相干斑抑制S2、SAR复图像极化熵计算S3和目标检测S4四个步骤,其中,
步骤S1,双极化回波信号经过信号处理分系统处理后,进行协方差矩阵计算,根据复图像数据元素周围8个点的复数据元素,采用对称向外延拓图像边缘的像素计算均值得到每个像素的协方差矩阵和双极化SAR复图像,保证整幅图像数据信息的完整性;
步骤S2,与协方差矩阵处理单元相连的相干斑抑制处理单元根据预先设定的滤波器滑窗窗口尺寸,计算滤波相干斑SAR图像的最大梯度方向,其中SAR图像的梯度方向包括0°、45°、90°、135°,根据SAR图像0°、45°、90°、135°的梯度方向,将相邻像素值进行差分并选取相应的图像数值计算均值及方差,利用均值及方差计算不同像素的加权系数,将加权系数与对应的协方差矩阵相乘累加得到相干斑抑制后的协方差矩阵,完成协方差矩阵相干斑抑制;
步骤S3,与相干斑抑制处理单元相连的特征值分解单元获取协方差矩阵的特征值,对相干斑抑制后每个图像像素的协方差矩阵进行SVD分解。根据熵值定义计算SAR复图像每个像素的极化熵值,得到协方差矩阵的特征值;
步骤S4,与特征值分解单元相连的目标检测处理单元根据特征值分解单元得到的协方差矩阵特征值进行目标检测,利用在幅度图像中的目标先验位置附近检测出面目标的强散射点,先计算背景窗口均值与方差,根据背景均值与方差计算检测门限,选取局部满足门限值的目标,判断极化熵相同位置目标的熵值是否满足条件,如不满足设定的熵值门限,则认为是杂波干扰并将其剔除,并结束程序。
9.如权利要求1所述的双极化SAR图像系统,其特征在于:协方差矩阵生成单元根据HH通道和HV通道SAR图像复数据,将S矩阵非零矢量构建成极化矢量kp,生成目标散射协方差矩阵C,然后对HH通道、HV通道双极化数据进行聚焦成像,获得目标散射矩阵中水平发射水平接收分量sHH及水平发射垂直接收分量sVH,依据双极化散射系数矢量化得到极化矢量kp,kp=[sHH sVH]T; (9)
协方差矩阵C为奇异矩阵,为了避免矩阵分解出现0特征值,采用计算像素周围的均值作为该像素点的数据,进而协方差矩阵C进一步表示为
根据统计协方差矩阵C复数周围8个像素求均值,计算得到所需要像素的值像素,将协方差矩阵复数数据周围8个点平均,判断所有像素计算是否完毕,是,结束,否则返回再判断所有像素计算是否完毕,其中,<>为统计均值,||||表示求模操作,*表示复共轭,sHH表示水平发射水平接收分量,sVH表示水平发射垂直接收分量。
10.如权利要求1所述的双极化SAR图像系统,其特征在于:在计算SAR图像极化熵前,基于乘性斑点噪声模型建立一种自适应的Lee滤波器,对SAR图像进行相干斑滤波,Lee滤波器首先选择一个固定大小的局部处理窗口,根据窗口内的数据计算均值及方差,以图像局部均值及方差作为判别依据,采用最小均方误差准则,对散射系数进行线性估计,在对实际的散射强度S进行估计时,确定假设SAR图像在第m行,第n列的观测数据值为I(m,n),真实的散射强度为S(m,n),相干斑噪声强度为N(m,n),得到观测数据值I=SN,观测数据的均值其中,相干斑均值在对实际的散射强度S进行估计时,实际的散射强度可由其观测数据和观测数据的局部均值表示,w为加权系数。在计算加权系数时,根据窗口选择数据最大梯度方向确定数据边界和最小准则计算实际的散射强度根据均方误差
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011195399.5A CN112558066B (zh) | 2020-10-30 | 2020-10-30 | 双极化sar图像系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011195399.5A CN112558066B (zh) | 2020-10-30 | 2020-10-30 | 双极化sar图像系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112558066A true CN112558066A (zh) | 2021-03-26 |
CN112558066B CN112558066B (zh) | 2023-08-18 |
Family
ID=75041287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011195399.5A Active CN112558066B (zh) | 2020-10-30 | 2020-10-30 | 双极化sar图像系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112558066B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990071A (zh) * | 2021-03-31 | 2021-06-18 | 香港中文大学(深圳) | 一种输电线路异常检测方法、装置及计算机可读存储介质 |
CN113050090A (zh) * | 2021-03-28 | 2021-06-29 | 自然资源部国土卫星遥感应用中心 | 一种双极化hh、hv雷达图像特征融合增强方法 |
CN113091596A (zh) * | 2021-03-31 | 2021-07-09 | 中国矿业大学 | 一种基于多极化时序sar数据的地表形变监测方法 |
CN113555737A (zh) * | 2021-09-17 | 2021-10-26 | 长沙泰科阳微电子有限公司 | 一种sar图像检测方法及系统 |
CN114419453A (zh) * | 2022-04-01 | 2022-04-29 | 中国人民解放军火箭军工程大学 | 一种基于电磁散射特征与拓扑构型的群目标检测方法 |
CN115143877A (zh) * | 2022-05-30 | 2022-10-04 | 中南大学 | 基于强散射幅度抑制和异常值识别的sar偏移量跟踪方法、装置、设备和介质 |
CN116299401A (zh) * | 2023-05-19 | 2023-06-23 | 成都航空职业技术学院 | 基于目标散射点位置的恒虚警方法、设备及其存储介质 |
CN116907677A (zh) * | 2023-09-15 | 2023-10-20 | 山东省科学院激光研究所 | 用于混凝土结构的分布式光纤温度传感系统及其测量方法 |
CN117274821A (zh) * | 2023-11-20 | 2023-12-22 | 中国石油大学(华东) | 顾及降雨影响的多极化sar农田洪涝检测方法与系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2535058A1 (en) * | 2005-12-19 | 2007-06-19 | A.U.G. Signals Ltd. | An adaptive constant false alarm rate detection system |
WO2011070538A2 (en) * | 2009-12-11 | 2011-06-16 | Eads Singapore Pte. Ltd | Method for despeckling of single-look dual-polarization synthetic aperture radar (sar) data |
CN103426175A (zh) * | 2013-08-23 | 2013-12-04 | 西安电子科技大学 | 基于特征值度量谱聚类的极化sar图像分割方法 |
CN103941222A (zh) * | 2014-03-12 | 2014-07-23 | 西安电子科技大学 | 基于瑞利熵降维music算法的参数估计方法 |
CN107680061A (zh) * | 2017-10-10 | 2018-02-09 | 中国人民解放军国防科技大学 | 基于相似性检验的双极化sar图像相干斑滤波方法 |
CN108257154A (zh) * | 2018-01-12 | 2018-07-06 | 西安电子科技大学 | 基于区域信息和cnn的极化sar图像变化检测方法 |
CN109597073A (zh) * | 2018-12-20 | 2019-04-09 | 中国科学院声学研究所南海研究站 | 一种无人机载微型近距极化干涉合成孔径雷达系统 |
CN109740475A (zh) * | 2018-12-25 | 2019-05-10 | 杭州世平信息科技有限公司 | 一种遥感图像地面场景分类方法 |
CN110082764A (zh) * | 2019-04-26 | 2019-08-02 | 西安电子科技大学 | 基于稳健正则化层析方法的sar图像成像方法 |
CN110223311A (zh) * | 2019-05-24 | 2019-09-10 | 杭州世平信息科技有限公司 | 基于功率驱动自适应窗的极化雷达遥感图像边缘检测方法 |
-
2020
- 2020-10-30 CN CN202011195399.5A patent/CN112558066B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2535058A1 (en) * | 2005-12-19 | 2007-06-19 | A.U.G. Signals Ltd. | An adaptive constant false alarm rate detection system |
WO2011070538A2 (en) * | 2009-12-11 | 2011-06-16 | Eads Singapore Pte. Ltd | Method for despeckling of single-look dual-polarization synthetic aperture radar (sar) data |
CN103426175A (zh) * | 2013-08-23 | 2013-12-04 | 西安电子科技大学 | 基于特征值度量谱聚类的极化sar图像分割方法 |
CN103941222A (zh) * | 2014-03-12 | 2014-07-23 | 西安电子科技大学 | 基于瑞利熵降维music算法的参数估计方法 |
CN107680061A (zh) * | 2017-10-10 | 2018-02-09 | 中国人民解放军国防科技大学 | 基于相似性检验的双极化sar图像相干斑滤波方法 |
CN108257154A (zh) * | 2018-01-12 | 2018-07-06 | 西安电子科技大学 | 基于区域信息和cnn的极化sar图像变化检测方法 |
CN109597073A (zh) * | 2018-12-20 | 2019-04-09 | 中国科学院声学研究所南海研究站 | 一种无人机载微型近距极化干涉合成孔径雷达系统 |
CN109740475A (zh) * | 2018-12-25 | 2019-05-10 | 杭州世平信息科技有限公司 | 一种遥感图像地面场景分类方法 |
CN110082764A (zh) * | 2019-04-26 | 2019-08-02 | 西安电子科技大学 | 基于稳健正则化层析方法的sar图像成像方法 |
CN110223311A (zh) * | 2019-05-24 | 2019-09-10 | 杭州世平信息科技有限公司 | 基于功率驱动自适应窗的极化雷达遥感图像边缘检测方法 |
Non-Patent Citations (12)
Title |
---|
LIU, XINLONG等: "POLARIMETRIC PHASE DIFFERENCE AIDED NETWORK FOR POLSAR IMAGE CLASSIFICATION", 《IGARSS 2018 - 2018 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 * |
LIU, XINLONG等: "POLARIMETRIC PHASE DIFFERENCE AIDED NETWORK FOR POLSAR IMAGE CLASSIFICATION", 《IGARSS 2018 - 2018 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》, 31 December 2018 (2018-12-31) * |
XIANXIANG QIN等: "Unsupervised Classification of PolSAR Images Based on CFAR Detection of Cluster Centers", 《2019 6TH ASIA-PACIFIC CONFERENCE ON SYNTHETIC APERTURE RADAR (APSAR)》 * |
XIANXIANG QIN等: "Unsupervised Classification of PolSAR Images Based on CFAR Detection of Cluster Centers", 《2019 6TH ASIA-PACIFIC CONFERENCE ON SYNTHETIC APERTURE RADAR (APSAR)》, 31 December 2019 (2019-12-31) * |
张向峰等: "基于极化功率比与极化熵的目标分类方法", 《信息工程大学学报》 * |
张向峰等: "基于极化功率比与极化熵的目标分类方法", 《信息工程大学学报》, no. 01, 30 March 2006 (2006-03-30) * |
肖可可等: "散射模型的多时相极化SAR斑点噪声滤波算法", 《测绘科学》 * |
肖可可等: "散射模型的多时相极化SAR斑点噪声滤波算法", 《测绘科学》, vol. 39, no. 2, 28 February 2014 (2014-02-28) * |
邵鹏: "PolSAR成像的固定极化干扰机有源诱饵目标鉴别及抑制", 《电讯技术》 * |
邵鹏: "PolSAR成像的固定极化干扰机有源诱饵目标鉴别及抑制", 《电讯技术》, vol. 59, no. 4, 30 April 2019 (2019-04-30) * |
郭睿: "极化SAR处理中若干问题的研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 * |
郭睿: "极化SAR处理中若干问题的研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》, 15 March 2013 (2013-03-15) * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113050090A (zh) * | 2021-03-28 | 2021-06-29 | 自然资源部国土卫星遥感应用中心 | 一种双极化hh、hv雷达图像特征融合增强方法 |
CN113050090B (zh) * | 2021-03-28 | 2023-08-15 | 自然资源部国土卫星遥感应用中心 | 一种双极化hh、hv雷达图像特征融合增强方法 |
CN112990071B (zh) * | 2021-03-31 | 2024-01-05 | 香港中文大学(深圳) | 一种输电线路异常检测方法、装置及计算机可读存储介质 |
CN113091596A (zh) * | 2021-03-31 | 2021-07-09 | 中国矿业大学 | 一种基于多极化时序sar数据的地表形变监测方法 |
CN113091596B (zh) * | 2021-03-31 | 2022-01-25 | 中国矿业大学 | 一种基于多极化时序sar数据的地表形变监测方法 |
CN112990071A (zh) * | 2021-03-31 | 2021-06-18 | 香港中文大学(深圳) | 一种输电线路异常检测方法、装置及计算机可读存储介质 |
CN113555737A (zh) * | 2021-09-17 | 2021-10-26 | 长沙泰科阳微电子有限公司 | 一种sar图像检测方法及系统 |
CN114419453A (zh) * | 2022-04-01 | 2022-04-29 | 中国人民解放军火箭军工程大学 | 一种基于电磁散射特征与拓扑构型的群目标检测方法 |
CN114419453B (zh) * | 2022-04-01 | 2022-07-01 | 中国人民解放军火箭军工程大学 | 一种基于电磁散射特征与拓扑构型的群目标检测方法 |
CN115143877A (zh) * | 2022-05-30 | 2022-10-04 | 中南大学 | 基于强散射幅度抑制和异常值识别的sar偏移量跟踪方法、装置、设备和介质 |
CN116299401A (zh) * | 2023-05-19 | 2023-06-23 | 成都航空职业技术学院 | 基于目标散射点位置的恒虚警方法、设备及其存储介质 |
CN116299401B (zh) * | 2023-05-19 | 2023-10-17 | 成都航空职业技术学院 | 基于目标散射点位置的恒虚警方法、设备及其存储介质 |
CN116907677A (zh) * | 2023-09-15 | 2023-10-20 | 山东省科学院激光研究所 | 用于混凝土结构的分布式光纤温度传感系统及其测量方法 |
CN116907677B (zh) * | 2023-09-15 | 2023-11-21 | 山东省科学院激光研究所 | 用于混凝土结构的分布式光纤温度传感系统及其测量方法 |
CN117274821A (zh) * | 2023-11-20 | 2023-12-22 | 中国石油大学(华东) | 顾及降雨影响的多极化sar农田洪涝检测方法与系统 |
CN117274821B (zh) * | 2023-11-20 | 2024-02-02 | 中国石油大学(华东) | 顾及降雨影响的多极化sar农田洪涝检测方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112558066B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112558066B (zh) | 双极化sar图像系统 | |
Moreira et al. | A tutorial on synthetic aperture radar | |
Bamler | Principles of synthetic aperture radar | |
Reigber et al. | Very-high-resolution airborne synthetic aperture radar imaging: Signal processing and applications | |
US8125370B1 (en) | Polarimetric synthetic aperture radar signature detector | |
Rambour et al. | From interferometric to tomographic SAR: A review of synthetic aperture radar tomography-processing techniques for scatterer unmixing in urban areas | |
US8154435B2 (en) | Stability monitoring using synthetic aperture radar | |
Pisciottano et al. | DVB-S based passive polarimetric ISAR—Methods and experimental validation | |
US20100283667A1 (en) | Radar imaging system and method using second moment spatial variance | |
Gurram et al. | Spectral-domain covariance estimation with a priori knowledge | |
Santi et al. | Estimation of ship dynamics with a multiplatform radar imaging system | |
Budillon et al. | Multichannel along-track interferometric SAR systems: Moving targets detection and velocity estimation | |
Ouchi et al. | Interlook cross-correlation function of speckle in SAR images of sea surface processed with partially overlapped subapertures | |
Wang et al. | A weather signal detection algorithm based on EVD in elevation for airborne weather radar | |
Domínguez et al. | Deriving digital surface models from geocoded SAR images and back-projection tomography | |
AU2020279716B2 (en) | Multi-timescale doppler processing and associated systems and methods | |
Makhoul et al. | Evaluation of state-of-the-art GMTI techniques for future spaceborne SAR systems-Simulation validation | |
CN112950492B (zh) | 基于自适应各向异性扩散的全极化sar图像去噪方法 | |
Di Bisceglie et al. | Two-scale model for the evaluation of sea-surface scattering in GNSS-R ship-detection applications | |
Bouaraba et al. | Drastic improvement of change detection results with multilook complex SAR images approach | |
Zhuang et al. | UAV Localization Using Staring Radar Under Multipath Interference | |
Van Den Broek et al. | A multi-sensor scenario for coastal surveillance | |
Aghababaee et al. | Full 3D DEM generation in urban area by improving estimation from SAR tomography | |
Moccia | Fundamentals of bistatic synthetic aperture radar | |
Renga et al. | From the expected scientific applications to the functional specifications, products and performance of the SABRINA missions |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |