基于分数阶傅里叶变换的运动舰船聚焦算法

为解决合成孔径雷达(SAR)图像中运动舰船目标产生的散焦现象,结合对比度最大算法和分数阶傅里叶变换(FRFT)算法,提出了一种改进的对比度分数阶傅里叶变换(CFRFT)自聚焦算法。该算法利用分数阶傅里叶变换对已成像SAR图像进行时频域分析,根据旋转角分别利用参数模型和非参数模型对二阶相位误差和高阶相位误差进行补偿,和传统的相位梯度(PGA)法相比,图像分辨率和旁瓣比提升显著,可以更有效地补偿SAR中舰船运动产生的相位误差。对不同舰船和尾迹SAR图像实验表明,算法对二阶以上的相位误差具有较好的补偿效果,误差估计准确性高,适用范围广,解决了SAR运动舰船的散焦问题,提高了海洋舰船监测的准确性。     

利用最小冗余最大相关和SVM的SAR图像海上溢油识别

近年溢油事故频发,海洋污染日益严重。利用合成孔径雷达（SAR）卫星可以有效跟踪由海上溢油事故导致的油膜扩展情况。利用最大冗余最小相关-支持向量机（mRMR_SVM）算法进行SAR图像溢油识别,为溢油事故决策支持提供重要前提。首先采用mRMR提取最优特征向量集,对输入值进行降维; 然后采用SVM算法解决油膜图像分类问题,同时选择径向基函数（RBF）为核函数;使用训练集训练该模型,调整模型参数;以测试集特征向量作为输入,利用训练好的模型进行溢油识别。实验结果表明,mRMR_SVM模型对SAR图像的油膜和类油膜识别有效,准确率为96.875%.     

复杂轨迹合成孔径雷达后向投影算法图像流GPU成像

相对于基于傅里叶变换的频域成像算法,后向投影(BP)算法因采用时域逐点相干积累,更适合于复杂轨迹合成孔径雷达(SAR)高精度成像。但BP算法计算量巨大,限制了其应用于SAR大场景大数据量快速成像。图形处理器(GPU)具有强大浮点运算和并行处理能力,为大场景BP算法快速成像实现提供了途径。结合GPU并行处理,提出了一种基于图像流的复杂运动SAR大场景BP快速成像处理方法。该方法借助BP算法中图像像素点相互独立处理的特性,采用图像像素点并行及图像流程处理,设计了孔径与图像缓存调度方案,提高SAR大场景大数据BP算法成像效率。仿真和机载实测数据结果验证了方法的有效性,在有限GPU显存条件下实现了8 192×8 192大场景快速成像,并且成像加速比相对于传统CPU单线程处理可达300倍以上。     

利用曲波变换和局部线性嵌入算法的SAR图像海面油膜特征提取

溢油事故带来的海洋污染问题日益严重,SAR图像快速准确地自动识别为溢油事故的处理和决策支持提供了重要前提。为了获得更高的油膜识别准确率,提出了一种基于曲波变换（Curvelet）和局部线性嵌入（Local Linear Embedding,LLE）算法的SAR图像特征提取方法。首先,利用Curvelet对图像进行分解,选取包含了主要信息的低频分量作为新的图像矩阵;然后,利用LLE进行非线性降维,提取图像分类特征。为了验证提取特征的有效性,所提的Curvelet-LLE算法与PCA、LLE、等距特征映射（Isomap）、Curvelet变换和 Fisher 判别分析(Curvelet-KFD)、Wavelet-LLE等特征提取算法,利用K最近邻和支持向量机分类器分别进行了对比实验。实验结果表明,Curvelet-LLE算法能更有效地提取SAR图像油膜识别的分类鉴别特征,其准确率相对较高,具有较好的实用性。     

使用变换域编码技术压缩SAR原始数据

首先分析了在合成孔径雷达（SAR）原始数据中通常使用的块自适应量化（BAQ）算法，然后在此基础上详细讨论了两种基于块自适应量化的变换域编码算法，即基于快速傅里叶变换块自适应量化（FFT-BAQ）和基于小波变换块自适应量化（WT-BAQ），并对这两种算法压缩得到数据解压缩获得图像与块自适应量化得到的图像进行分析比较，结果显示变换域编码技术能改善SAR原始数据压缩性能。     

一种新的SAR图像分块匹配算法

当SAR图像噪声过强时,采用归一化积相关算法得到的相关面对比性较差,匹配结果 可靠性降低。为解决此问题,给出一种新的SAR图像分块匹配算法。该算法将实时图分块并 分别与基准图进行匹配,利用分块图像之间的相关性来找正确匹配点,增强了匹配结果的可 靠性。实验证实该算法在实时图有强噪声的情况下依然可以正确匹配。     

基于DCT的SAR原始数据压缩算法分析

根据合成孔径雷达(SAR)原始数据经离散余弦变换(DCT)后的系数特性,分析了在DCT域按各子带能量分布作变比特块自适应量化的算法--DCT域块自适应量化(DCT-BAQ),并将该方法与时域BAQ算法作了比较.结合一组实测SAR原始数据,用两种算法分别进行了压缩和解压缩,并计算了数据域及图像域信噪比,给出了两种压缩算法所成的图像.实验证明,在相同的比特率下,DCT-BAQ算法的数据域和图像域信噪比均比时域BAQ算法高.数据域信噪比增加1.38～1.94 dB,图像域信噪比增加1.56～1.91 dB.加之DCT变换是实数运算、有快速算法,所以将它用于SAR原始数据压缩有一定的优越性.     

《电讯技术》专题资料《雷达探测技术》题要（四）

毫米波辐射计校准和成像（谭利连） 本论文对合成孔径毫米波辐射计中用到的校准算法、成像进行了描述。校准算法适合于毫米波辐射计对地面上传感目标或者空中目标进行侦测。算法的空间响应信息量可以通过矩阵表达式的运算、转换得到较理想的数学公式。其实验结果已经得到验证，图像的重构以及出现的的误差也用仿真进行了说明。     

一种应用于欠采样图像的自适应稀疏重建方法

针对图像稀疏重建中因使用固定参数的全变分(TV)正则项所带来的图像细节缺失和阶梯效应问题，提出了一种自适应二阶广义全变分(TGV)约束的图像稀疏重建算法。该算法采用二阶广义全变分模型权衡图像的一阶导数和二阶导数，且能够根据每次迭代得到的重构解及对应张量函数自适应地修正权重系数，实现图像的稀疏重建。与全变分正则模型和固定参数广义全变分正则模型相比，该算法能更好地保持图像轮廓和细节信息，提高重建图像的峰值信噪比(PSNR)和结构相似度(SSIM)。     

《电讯技术》专题资料《毫米波雷达／战场侦察雷达系统与技术》题要（一）

轻小型无人机载SAR雷达现状及发展趋势（任培宏,何均）介绍了无人机载合成孔径雷达（SAR）的特点、国外典型轻小型无人机载SAR雷达研发现状、毫米波SAR雷达特点以及国内外几种主要无人机载8mmSAR雷达的研发现状,分析了高分辨率无人机载8mmSAR雷达成像的技术难点及解决措施。最后分析了无人机载SAR雷达的发展趋势。     

全卷积神经网络应用于SAR目标检测

在合成孔径雷达（SAR）图像目标检测中,由于场景杂波的复杂多变,对背景杂波统计模型估计难度增加,从而导致多数检测器容易受到背景杂波的干扰。针对如何避免场景杂波对目标检测干扰的问题,提出了一种基于全卷积神经网络的SAR目标检测模型。该模型将目标检测任务转化为像素分类问题,利用卷积神经网络对数据集中目标像素特征和背景杂波像素的先验信息进行自主学习,有效减少了虚警目标的数量;通过对目标及其阴影区域的联合检测,提高了目标的检测概率。对多个不同场景图像进行测试,实验结果表明提出的检测模型具有良好的检测性能和鲁棒性能,与传统恒虚警检测算法相比,在无需考虑背景杂波统计模型前提下有效降低了虚警概率。     

基于直线斜飞弹道的弹载SAR成像方案

针对弹载SAR成像实时性高、非匀直弹道下成像算法、运动补偿困难,难以工程实现 的现状,提出了一种末制导阶段在恒定高度采用直线斜飞弹道的SAR成像制导模式。详细分 析了该模式的工作过程、极坐标格式SAR聚束成像算法及直线斜飞弹道对制导性能产生的影 响。仿真结果表明,该模式在增加少量制导时间的代价下,借鉴机载聚束SAR成像算法即能 获得高质量的SAR图像,为SAR末制导的工程化提供了有益借鉴。     

深度卷积神经网络在SAR自动目标识别领域的应用综述

深度卷积神经网络（DCNN）可自动学习目标层次化特征,在合成孔径雷达（SAR）自动目标识别（SAR-ATR）领域具有广泛应用前景。首先,介绍了DCNN的基本原理以及DCNN在光学图像上的应用与发展;然后,介绍了SAR-ATR的基本概念,综述了DCNN在SAR图像语义特征提取、片段级SAR图像分类、基于数据增强技术的SAR自动目标识别、异质图像变化检测等领域中的前沿应用研究及代表性网络架构;最后,总结并讨论了DCNN在SAR-ATR应用中存在的参数设置经验化、算法泛化能力较弱等不足,并对未来研究方向进行了展望。     

一种鲁棒的SAR图像匹配方法

针对合成孔径雷达（Synthetic Aperture Radar,SAR）图像匹配中虚假匹配和鲁棒性欠缺的问题,提出了一种鲁棒的SAR图像匹配方法。首先通过正射校正来进行预处理,从而消除SAR图像的旋转;然后利用相关匹配方法初步提取同名点;最后根据同名点的空间位置来筛选同名点并计算仿射矩阵进行匹配,提高了SAR图像匹配的精度和鲁棒性。实验证明了所提方法的有效性。     

《电讯技术》专题资料《近空间飞行器测控与信息传输技术》题要（三）

基于平流层飞艇的毫米波SAR雷达系统（何均，任培宏）近空间平台雷达系统具有广阔的应用前景，本文针对平流层飞艇这一近空间平台，米波雷分析了毫米波SAR雷达的特点、系统组成、相关指标及关键技术等，初步探讨了毫达在近空间平台应用的可行性。     

利用改进特征金字塔模型的SAR图像多目标船舶检测

深度学习模型中的特征金字塔网络（Feature Pyramid Network，FPN）常被用作合成孔径雷达（Synthetic Aperture Radar，SAR）图像中多目标船舶的检测。针对复杂场景下多目标船舶检测问题，提出了一种基于改进锚点框的FPN模型。首先将特征金字塔模型嵌入传统的RPN（Region Proposal Network）并映射成新的特征空间用于目标检测，然后利用基于形状相似度距离（Shape Similar Distance,SSD）度量的Kmeans聚类算法优化FPN的初始锚点框，并使用SAR船舶数据集测试。实验结果表明，所提算法目标检测精确率达到98.62%，在复杂场景下与YOLO、Faster RCNN、FPN based on VGG/ResNet等模型进行对比，模型准确率提高，整体性能更好。     

多小区OFDMA系统基于改进PSA的资源分配算法

针对载波、功率资源分配问题,考虑本小区对其它小区的干扰情况,提出了一种应用于多 小区正交频分多址复用（OFDMA）系统中的改进罚函数模拟退火(PSA)算法。该问题模型是在 传输速率和性能 一定的条件下,最小化传输功率。该算法是一种随机寻优算法,是一种能将局部搜索扩展为 全局搜索的启发式算法。仿真结果表明,改进算法简化了问题模型,可以在不影响系统性能 的情况下减少运算时间。基于模拟退火算法的离散功率的取值具有随机性,但是整体规律性 仍很明显,且能够获得较高的单位功率吞吐量。     

基于多尺度多方向Gabor模板的光学/SAR景象匹配

合成孔径雷达（SAR）成像制导通常采用光学基准图和SAR实时图 进行特征提取和景象匹配。提出了一种光学/SAR异类影像匹配方法,利用多尺度多方向Gabo r模板提取图像的Gabor特征后进行特征匹配,首先对SAR图像进行方向Frost滤波预处理,然 后分别计算光学图像和SAR图像的高斯梯度图像,再利用多尺度多方向二维Gabor滤波器模板 分别对两幅高斯梯度图像进行特征提取,最后对两组特征矩阵进行归一化互相关匹配。该方 法直接利用光学图像和SAR实时图进行景象匹配,实验表明,该异类影像匹配方法较其他传 统方法具有较高的鲁棒性和准确性。     

一种正前视宽扇区高分辨雷达扫描成像方法

合成孔径雷达（Synthetic Aperture Radar,SAR）只有照射到飞行方向左、右两侧的感兴趣成像区域时才能处理出高分辨率SAR图像,飞行方向正前方的成像区域就成为了SAR成像的固有盲区。三通道（和、方位差、俯仰差）毫米波单脉冲成像雷达能够实现对正前视场景的二维成像，获取单脉冲图像。提出对SAR/单脉冲图像进行图像配准和融合拼接的方法：首先利用多尺度多方向二维Gabor滤波器组分别对SAR/单脉冲图像进行特征提取，然后对两组特征矩阵进行归一化互相关匹配，对匹配好的图像进行像素级融合处理，得到完整的正前视宽扇区高分辨雷达图像。试验数据成像处理结果表明，所提复合成像算法能够对飞行正前方宽扇区范围内进行高分辨成像，有效解决了工程实际中碰到的正前视高分辨成像盲区的难题，对于前视雷达成像侦察、弹载雷达目标区域景象匹配、飞行器夜航、盲降等具有一定的工程实际意义。     

《电讯技术》专题资料《毫米波雷达／战场侦察雷达系统与技术》题要（七）

基于由粗到细边缘检测的海岸线提取方法（李由，孙祥一，于起峰）与传统的基于图像分割的思路不同，把海岸线提取看作一个边缘检测问题，提出由粗到细边缘检测的海岸线提取方法。首先基于M—H的二阶导数过零点边缘检测理论，使用大尺度的LoG算子提取长边缘作为海岸线提取的粗略结果，接着构造包含该粗略结果的细带状区域，然后通过环绕抑制计算该区域内每个象素的边界度，最后借用Canny的思想，用一阶导数极大值点提取海岸线精细位置。由于采用由粗到细的策略，本方法具有很强的实用性。理论分析和实验结果表明，该方法是高效和可靠的。