基于射线管分裂方法的SAR场景快速消隐技术

合集下载

基于射线分裂的SBR新方法

基于射线分裂的SBR新方法

南 京 邮 电 学 院 学 报 (自 然 科 学 版)Jo ur nal of Nanjing U n iversit y of Po st s and Teleco m municatio n s ( N at u ral S cience ) 第 19 卷 第 4 期 1999 年 12 月Vol . 19 No . 4 Dec. 1999文章编号 :100021972 (1999) 0420064205基 于 射 线 分 裂 的 SBR 新 方 法鲁艳玲 ,徐立勤 ,吴志忠( 南京邮电学院 通信工程系 ,江苏 南京 210003)摘 要 :提出了一种基于射线分裂的入射反弹射线方法 ( S B R : Shoo ting 2and 2B o uncing Ray ) 以用于室内场强预测 ,与传统的 S B R 方法相比 ,新方法对场强预测的精确度有一定的提高 。

关键词 :射线分裂 ;入射反弹射线法 ;室内预测 ;射线追踪 中图分类号 : T N011192文献标识码 :A引 言1 射线追踪方法 ( R T M ) 是目前应用广泛的一种 方法 。

一般来说 , 可分两种方式利用 R T M 预测模型 : (1) 正向方式 ,包括“pin 2cushi o n ”1和 SB R 2 等 ; ( 2) 反向方式 ,包括 B SP (Binary Space Partit i o n ing ) ,SV P ( Space Volumet r ic Part iti o n ing ) , A Z B ( A ngular Z 2Buffer ) 3 。

射线追踪思想是根据几何光学原理跟 踪从光源发出的射线 ,检查射线在传播过程中是否 与障碍物相交 ,发生反射 、折射 、绕射等 ,直至到达接 收点 。

在判断中 , 利 用 镜 像 原 理 、GTD/ U TD ( 几 何 绕射原理/ 一致绕射原理) 等对射线进行有效模拟 。

SAR图像处理的若干关键技术

SAR图像处理的若干关键技术

SAR图像处理的若干关键技术SAR图像处理的若干关键技术合成孔径雷达(Synthetic Aperture Radar,SAR)是一种利用合成孔径波束形成技术获得高分辨率航天或地面观测图像的雷达。

相比于光学遥感,SAR具有天气无关性、全天候观测能力以及对地表遥感的穿透能力等优势。

然而,由于SAR的脉冲压缩、多普勒频率模糊、地形效应等因素,使得SAR图像的处理变得复杂而具有挑战性。

本文将探讨SAR图像处理的若干关键技术。

1. SAR图像去斑点和去噪技术SAR图像中存在着斑点和噪声,这会影响图像的可视化和后续处理。

去斑点和去噪技术旨在提高SAR图像的质量。

常见的方法包括小波去斑、中值滤波、自适应滤波以及基于稀疏表示的降噪方法等。

这些技术可以有效减少斑点和噪音,提高图像质量。

2. SAR图像去焦模糊技术合成孔径雷达通过接收连续多个雷达回波并对它们进行累积处理,以获得高分辨率图像。

然而,这种累积处理可能会导致图像模糊。

因此,需要进行去焦模糊处理。

常见的方法包括波前解扩、逆滤波和最大熵方法等。

这些方法可以有效去除图像的焦模糊现象,提高图像的分辨率。

3. SAR图像多普勒参数估计技术由于合成孔径雷达平台的运动,SAR图像中存在多普勒频率模糊现象。

为了恢复真实的地物信息,需要准确估计多普勒参数。

常见的多普勒参数估计方法包括基于最大熵准则的参数估计、基于相位解缠的参数估计和基于谱分析的参数估计等。

这些方法可以精确估计多普勒参数,降低图像的多普勒模糊程度。

4. SAR图像纹理特征提取技术纹理特征对于地物分类和目标检测具有重要意义。

SAR图像的纹理特征提取是指提取图像中的空间变化特征,并通过这些特征进行分类和检测。

常用的纹理特征提取方法包括灰度共生矩阵(GLCM)、小波变换和局部二值模式(LBP)等。

这些方法可以提取出图像中的纹理特征,为后续的分类和检测提供有效的数据支持。

5. SAR图像目标检测技术SAR图像中的目标检测是指在图像中准确地找出感兴趣的地物目标。

SAR图像相干斑抑制和分割方法研究

SAR图像相干斑抑制和分割方法研究

SAR图像相干斑抑止和分割方法探究一、引言合成孔径雷达(synthetic aperture radar,简称SAR)是利用微波作用在地面、大气、海洋等目标上,通过接收返回的电磁回波进行成像的一种主要的遥感技术。

然而,由于SAR 成像过程中的系统误差和复杂环境影响,SAR图像在成像中普遍存在相干斑现象,限制了图像的质量和应用。

相干斑是由于地物散射体在图像像素单元内的相位都是不同的,当SAR像元尺寸大于散射体的尺寸时,就会产生相位平均的效应,导致图像上出现亮暗混杂的斑状或斑块状的现象,给图像解译和目标识别带来很大的困难。

因此,抑止和分割相干斑是改善SAR图像质量、提高图像分析与解译效果的关键问题。

二、相干斑抑止方法探究1. 经典滤波方法常用的滤波方法有均值滤波、中值滤波、自适应滤波等。

均值滤波方法通过计算滑动窗口内像素的均值来平滑图像,有效地抑止了相干斑。

中值滤波方法利用图像像素的中值代替原始像素值,对于斑点噪声的抑止效果显著。

自适应滤波方法结合了均值和中值滤波的优点,依据局部像素灰度值和空间位置干系来对像素进行加权处理,从而更好地消除相干斑。

2. 多标准变换方法多标准变换方法通过对图像进行多标准分解,分别对不同标准的细节进行处理,从而抑止相干斑。

小波变换是一种常用的多标准变换方法,可以将图像分解为低频和高频重量,并对高频重量进行处理来抑止相干斑。

小波变换不仅能够抑止相干斑,还能够提取图像细节信息,提高图像的辨识度。

3. 基于局部统计特性的方法基于局部统计特性的方法包括Lee滤波、Frost滤波等。

Lee滤波方法通过预估图像的局部统计特性,对图像进行去相关处理,从而抑止相干斑。

Frost滤波方法则是利用地物散射体的空间相干性特征,在图像的空域和频域上同时对相位噪声进行预估和滤波,从而实现相干斑的抑止。

三、相干斑分割方法探究1. 基于阈值分割方法基于阈值分割方法是将SAR图像的灰度值与预设的阈值进行比较来实现分割的方法。

一种基于SPECAN卷积的聚束式SAR宽场景高分辨成像算法

一种基于SPECAN卷积的聚束式SAR宽场景高分辨成像算法

一种基于SPECAN卷积的聚束式SAR宽场景高分辨成像算法张士明;计科峰【摘要】针对聚束式SAR成像,提出了一种基于谱分析(SPECAN)卷积的宽场景高分辨成像算法.该算法主要利用SPECAN卷积对回波方位实现了多普勒去模糊,推导二次相位补偿项,可实现信号支撑区相干性恢复.利用SPECAN卷积和相位补偿实现了信号二维频谱解模糊,同时保持了相位规律,所以可利用高精度的距离徙动算法(RMA)实现高分辨聚焦.区别于传统的聚束式SAR成像算法,基于SPECAN卷积的算法不引入近似,可应用于大场景高分辨聚束成像.仿真试验验证了该方法的有效性和优越性.【期刊名称】《现代电子技术》【年(卷),期】2010(033)019【总页数】4页(P35-38)【关键词】聚束SAR;谱分析处理;宽场景高分辨成像;二次相位补偿【作者】张士明;计科峰【作者单位】国防科学技术大学,电子科学与工程学院,湖南,长沙,410073;国防科学技术大学,电子科学与工程学院,湖南,长沙,410073【正文语种】中文【中图分类】TN95-340 引言大场景聚束式合成孔径雷达(SAR)成像时,回波方位带宽很大。

为保证多普勒不模糊,需要高重复频率(PRF)采样,数据量非常大,会增加后续成像处理的运算负担;当PRF选取小于方位带宽时会产生多普勒混迭,通常采用极坐标格式算法(PFA)实现二维成像,但PFA引入近似通常不能对大场景有效高精度聚焦[1]。

在聚束式SAR成像中,PFA算法的优势在于其简单性。

它基于平面波假设,这个假设在大场景成像情况下不成立,处理后在数据中还存在空变的一次和高次相位,导致几何失真和聚焦模糊,因此适用的成像场景范围受到严格的限制。

距离徙动算法(RMA)是精确的[1-3],但RMA算法要求方位上没有模糊,这将要求高的PRF,导致大的数据处理量。

本文主要研究聚束式SAR成像中如何实现高分辨宽场景成像,同时又有较小的运算量和数据量[4]。

一种自适应各向异性的SAR图像去噪算法

一种自适应各向异性的SAR图像去噪算法

第32卷第1期遥 测 遥 控Vo.l32, .1 2011年1月Journal of Te le m etry,Tracking and Comm and Januar y2011一种自适应各向异性的SAR图像去噪算法苗 慧, 宋光磊, 张春红, 温 靖(中国空间技术研究院513所北京研发中心 北京 100191)摘 要:为了在抑制噪声时尽可能保留图像边缘信息,提出一种自适应各向异性SAR图像去噪算法。

该方法设计一组具有不同尺度和方向的滤波器模板,针对不同图像边缘的局部特征计算出滤波器的尺度和方向,选择最优匹配的各向异性滤波器,从而可以在抑制噪声的同时很好地保留边缘。

仿真实验表明,提出的自适应各向异性S AR图像去噪算法具有很强的噪声抑制和边缘保持能力,并且具有较高的实效性。

关键词:合成孔径雷达; 相干斑噪声; 各向异性中图分类号:TN957文献标识码:A文章编号:CN11 1780(2011)01 0028 05引 言合成孔径雷达SAR(Synthetic Aperture Radar)可以获得高分辨率的雷达图像信号,但是由于雷达系统采用全相干的成像方式,产生的图像一般都会受到相干斑噪声(Speck le)的污染,造成图像的辐射分辨率严重降低,使得对SAR图像进行分析处理或者是信息提取(如判读、分割、分类、目标检测等)的过程变得非常困难,因此,对于SAR图像进行相干斑去除的预处理成为必不可少的步骤,也是现代图像去噪和复原领域内最有难度的课题之一。

在相干斑噪声的抑制算法方面,最具代表性的有: 中值滤波,这是最早提出的滤波算法,此算法假定在窗口内的噪声具有局部极值,将含有奇数个(通常是3 3或者5 5)像素的窗口内的中间值像素值代替窗口中心的像素值,但空域中值滤波在滤波窗口较大的时候可能会丢失细小的线性特征,导致图像比较模糊; 基于局部统计特性的Lee[1]和Frost[2]滤波器,用滑动窗口内像素的均值以及方差作为参数,按一定的估计原则进行滤波,Lee滤波器假设斑点噪声是乘性且完全发育的,但在不少区域内斑点并不是完全发育的。

高分辨率SAR成像处理技术研究

高分辨率SAR成像处理技术研究

高分辨率SAR成像处理技术研究一、本文概述随着遥感技术的不断发展,合成孔径雷达(SAR)作为一种主动式微波成像技术,已成为获取地面信息的重要手段。

SAR成像处理技术是SAR系统的核心技术之一,其目标是通过对回波信号的处理,获得高质量、高分辨率的SAR图像。

高分辨率SAR图像具有丰富的地物信息,对于军事侦察、地形测绘、城市规划、灾害监测等领域具有重要价值。

因此,研究高分辨率SAR成像处理技术具有重要意义。

本文旨在探讨高分辨率SAR成像处理技术的相关理论和方法,包括SAR成像的基本原理、成像处理流程、关键算法以及最新进展等方面。

本文将对SAR成像的基本原理进行介绍,包括SAR系统的基本构成、信号传播特性以及成像原理等。

本文将详细阐述SAR成像处理流程,包括预处理、成像算法、后处理等步骤,并对每个步骤中的关键技术和方法进行深入分析。

本文还将对高分辨率SAR成像处理中的一些关键问题,如运动补偿、相位校正、多视处理等进行讨论,并提出相应的解决方案。

本文将介绍高分辨率SAR成像处理技术的最新进展和发展趋势,以期为相关领域的研究和应用提供参考和借鉴。

通过本文的研究,旨在为高分辨率SAR成像处理技术的发展和应用提供理论支持和技术指导,推动SAR成像技术的不断创新和发展。

二、高分辨率SAR成像基本原理合成孔径雷达(SAR)是一种主动式微波成像雷达,它利用合成孔径原理实现高分辨率的二维地面成像。

高分辨率SAR成像技术的基本原理涉及信号的发射、接收、回波信号的处理以及图像的生成等多个环节。

在SAR成像过程中,雷达平台(如卫星、飞机等)以一定的速度沿飞行轨迹移动,同时发射宽带微波信号并接收地面目标的后向散射回波。

由于雷达与地面目标之间的距离、目标自身的散射特性以及地表地形等因素的影响,接收到的回波信号会包含目标的位置、形状、散射特性等信息。

为了实现高分辨率成像,SAR系统需要对接收到的回波信号进行一系列复杂的处理。

这包括距离压缩、多普勒处理、方位向压缩等步骤。

SAR遥感数据处理与应用技术研究

SAR遥感数据处理与应用技术研究

SAR遥感数据处理与应用技术研究遥感数据处理与应用技术是当前遥感领域研究的热门方向之一。

特别是对于SAR(合成孔径雷达)遥感数据处理与应用技术的研究,具有重要的意义和广阔的应用前景。

本文将介绍SAR遥感数据处理与应用技术的相关内容,包括数据处理方法、应用领域和研究进展。

一、SAR遥感数据处理方法SAR遥感数据的特点决定了其需要特定的处理方法。

SAR数据具有高分辨率、全天候、全天时观测的特点,但也存在噪声、多路径效应和复杂散射等问题。

为了充分利用SAR数据的信息,需要对其进行相应的处理。

常用的SAR遥感数据处理方法包括图像预处理、滤波处理、散射机制分析和干涉处理等。

图像预处理是SAR数据处理的基础,包括图像去斑点、辐射校正、几何校正等。

滤波处理是为了降低噪声、平滑图像并提取目标信息。

常用的滤波方法有均值滤波、中值滤波、小波滤波等。

散射机制分析是对SAR图像的反射机制进行分析,以了解目标的散射特性。

干涉处理是通过比较两次或多次SAR图像之间的相位差,推测地物的高度和变化。

二、SAR遥感数据应用技术SAR遥感数据的应用技术广泛涉及地质勘探、农林业监测、自然灾害监测等多个领域。

以下将分别介绍几个典型的应用领域。

1. 地质勘探SAR遥感数据在地质勘探中具有独特的优势。

利用SAR数据,可以实现地下结构的观测和勘探,识别地下矿产资源等。

通过SAR数据处理和解译,可以提取地下结构的地形特征和散射特性,进而推测地下物质的性质和分布。

这对于矿产资源勘探和地质灾害预警等具有重要意义。

2. 农林业监测SAR遥感数据在农林业监测中的应用已经得到广泛认可。

利用SAR数据,可以实现对农作物、森林等地表覆盖的监测与评估。

通过SAR数据处理和解译,可以提取农作物的生长状态、森林的生长情况等信息。

这对于农业灾害监测、粮食安全评估和森林资源管理等提供了有力的支持。

3. 自然灾害监测SAR遥感数据在自然灾害监测中发挥着重要的作用。

利用SAR数据,可以实现对地震、滑坡、火灾等自然灾害的监测和预警。

基于变分水平集的SAR图像超像素分割方法[发明专利]

基于变分水平集的SAR图像超像素分割方法[发明专利]

专利名称:基于变分水平集的SAR图像超像素分割方法专利类型:发明专利
发明人:余航,赵乐,许录平,冯冬竹,鹿玉泽
申请号:CN201910722019.X
申请日:20190806
公开号:CN110533669A
公开日:
20191203
专利内容由知识产权出版社提供
摘要:本发明公开了一种基于变分水平集的SAR图像超像素分割方法,主要解决现有技术受SAR 图像相干斑噪声影响以及纹理信息缺失导致的对SAR图像超像素分割精度低,超像素块区域边界贴合度不高的问题。

其实现步骤是:输入SAR图像,并将其粗略分割为K个超像素块区域;分别设计基于SAR图像相干斑噪声与图像纹理信息的能量泛函;将设计出的能量泛函分别插入到边缘演化迭代方程以得到新的迭代方程;利用新的迭代方程对各超像素块区域边界进行边缘演化;当超像素块区域边缘演化停止后完成超像素分割。

本发明有效提高了对SAR图像超像素分割的精度,并解决了超像素块区域边界贴合度不高的问题,可用于机场跑道,农田分布和地质勘探的图像处理。

申请人:西安电子科技大学
地址:710071 陕西省西安市雁塔区太白南路2号
国籍:CN
代理机构:陕西电子工业专利中心
代理人:王品华
更多信息请下载全文后查看。

sar成像算法时域 频域 波数域

sar成像算法时域 频域 波数域

SAR成像算法是合成孔径雷达(Synthetic Aperture Radar)技术的重要组成部分。

该算法主要是通过对雷达信号进行处理和分析,从而得到目标区域的高分辨率成像结果。

在SAR成像算法中,常常涉及到时域、频域和波数域等不同的数据处理方法。

本文将针对这三个主题展开详细的介绍和分析。

一、时域处理时域处理是SAR成像算法中最基本的数据处理方法之一。

时域处理主要是对雷达接收到的信号进行时域分析,包括距离-时间图像(Range-Time Image)的形成、脉冲压缩(Pulse Compression)等。

时域处理的关键是对信号的时延进行精确测量和定位,从而实现对目标的定位和成像。

在时域处理中,常用的算法包括FFt变换、匹配滤波等,这些算法可以提高雷达系统的距离分辨率和速度分辨率,从而实现对目标的高精度成像。

二、频域处理频域处理是SAR成像算法中另一个重要的数据处理方法。

频域处理主要是通过对雷达信号进行频谱分析,从而得到目标的频谱特征和频率分布信息。

频域处理可以通过傅里叶变换等算法将时域信号转换为频域信号,从而实现对信号的频率分辨率和频谱分布的分析。

在频域处理中,常用的算法包括FFT变换、滤波器设计等,这些算法可以对雷达信号进行频谱分析和滤波处理,从而提高SAR系统的信噪比和成像质量。

三、波数域处理波数域处理是SAR成像算法中较为复杂和高级的数据处理方法。

波数域处理主要是通过对雷达信号进行波数域分析,从而得到目标的波数分布和散射特征。

波数域处理可以通过波数变换、波数域滤波等算法实现对雷达信号的波数分布和散射特征的提取。

在波数域处理中,常用的算法包括快速波数变换算法、极化分析算法等,这些算法可以对雷达信号进行全波数域分析和波数域成像,从而实现对目标的高分辨率成像和三维重构。

时域、频域和波数域是SAR成像算法中常用的数据处理方法,它们各自具有特定的优点和适用范围,通过合理的组合和应用,可以实现对目标的高分辨率成像和高精度测量。

SAR图像高精度定位技术研究

SAR图像高精度定位技术研究

SAR图像高精度定位技术研究合成孔径雷达(SAR)图像是一种通过合成孔径雷达系统获取的遥感图像,具有全天候、全天时、高分辨率等特点。

在军事、民用等领域,SAR图像广泛应用于目标检测、跟踪、识别等应用中。

然而,由于SAR 图像的成像机制和处理过程的复杂性,其定位精度往往受到多种因素的影响,如雷达系统参数、目标特性、图像处理方法等。

因此,研究SAR图像高精度定位技术具有重要的理论和应用价值。

当前SAR图像高精度定位技术的研究主要集中在以下几个方面:基于成像模型的定位技术:该方法通过建立SAR图像的成像模型,推导定位公式,实现高精度定位。

例如,Richards-Rabbitts定位算法是一种常用的基于成像模型的SAR图像定位算法,可实现高精度的距离和方位角估计。

基于特征提取的定位技术:该方法通过提取SAR图像中的纹理、边缘、相位等特征,利用计算机视觉和图像处理技术实现高精度定位。

例如,基于深度学习的特征提取方法可有效提高SAR图像的定位精度。

基于模型的定位技术:该方法通过建立SAR系统的数学模型,利用模型拟合和参数估计方法实现高精度定位。

例如,基于压缩感知技术的SAR图像重建方法可提高定位精度,同时降低计算复杂度。

虽然上述方法在某些情况下能够实现较高的定位精度,但仍然存在一些问题。

基于成像模型的定位技术往往需要精确的系统参数和复杂的计算过程,实时性较差。

基于特征提取的定位技术容易受到图像质量、噪声等因素的影响,稳定性较差。

基于模型的定位技术需要准确的模型和足够的训练数据,对于复杂场景和不同目标类型的适应性有待进一步提高。

SAR图像高精度定位技术的核心是通过对SAR图像中目标特征的提取和识别,确定目标在图像中的精确位置。

具体实现过程如下:SAR图像预处理:由于SAR图像的成像机制和处理过程的复杂性,往往需要进行预处理操作,如滤波、去噪、平移校正等,以提高图像质量和定位精度。

目标特征提取:利用SAR图像中的纹理、边缘、相位等特征,提取出目标在图像中的特征表现,如多尺度边缘检测、相位梯度等。

基于射线补全区域图和特征学习的SAR图像分割方法[发明专利]

基于射线补全区域图和特征学习的SAR图像分割方法[发明专利]

专利名称:基于射线补全区域图和特征学习的SAR图像分割方法
专利类型:发明专利
发明人:刘芳,门龙生,李玲玲,焦李成,郝红侠,武杰,杨淑媛,孙涛,张向荣,尚荣华
申请号:CN201410748174.6
申请日:20141209
公开号:CN104408458A
公开日:
20150311
专利内容由知识产权出版社提供
摘要:本发明公开了一种基于射线补全区域图和特征学习的SAR图像分割方法,主要解决现有分割方法无法对大片农田等匀质区域进行精确分割的问题。

其实现过程为:1.对输入的SAR图像使用初始素描模型得到素描图;2.提出射线聚类方法对素描线进行补全并获取区域图;3.利用区域图将SAR 图像划分为像素空间的聚集区域、匀质区域和结构区域;4.对聚集区域和匀质区域分别利用词袋模型进行特征学习和聚类,对结构区域进行分水岭分割和素描线指导的超像素合并,将合并后的超像素利用灰度特征合并到匀质区域,最终得到SAR图像分割结果;与现有技术比较,本发明的分割结果不仅具有良好的区域一致性,而且对边界和线目标有比较精确的定位。

申请人:西安电子科技大学
地址:710071 陕西省西安市太白南路2号
国籍:CN
代理机构:陕西电子工业专利中心
更多信息请下载全文后查看。

光学sar语义分割

光学sar语义分割

光学sar语义分割摘要:1.光学SAR 语义分割的定义与背景2.光学SAR 语义分割的方法3.光学SAR 语义分割的应用领域4.我国在光学SAR 语义分割方面的发展正文:【1.光学SAR 语义分割的定义与背景】光学SAR(Synthetic Aperture Radar)语义分割是一种利用合成孔径雷达(SAR)影像对地表目标进行分类的技术。

SAR 语义分割是通过对SAR 影像进行处理和分析,从而实现对地表目标的准确识别和分类。

这种方法在遥感领域具有重要意义,因为它可以为土地利用、城市规划和环境保护等领域提供关键信息。

【2.光学SAR 语义分割的方法】光学SAR 语义分割主要包括以下几个步骤:(1)预处理:对SAR 影像进行去噪、增强、几何校正等预处理操作,以提高影像质量。

(2)特征提取:从预处理后的SAR 影像中提取具有区分性的特征,如纹理、结构和形状等。

(3)模型训练:根据提取到的特征建立分类模型,如支持向量机(SVM)、人工神经网络(ANN)和深度学习模型等。

(4)语义分割:利用训练好的模型对SAR 影像进行分类,得到地表目标的语义信息。

【3.光学SAR 语义分割的应用领域】光学SAR 语义分割在多个领域具有广泛的应用,包括:(1)土地利用:通过SAR 语义分割,可以获取土地的利用类型和分布情况,为土地资源管理和规划提供依据。

(2)城市规划:SAR 语义分割可以为城市规划提供详细的地表信息,如建筑物、道路和水体等,从而辅助城市规划工作。

(3)环境保护:通过对生态环境的SAR 语义分割,可以监测和评估生态环境的状况,为环境保护提供支持。

(4)灾害评估:在灾害发生后,SAR 语义分割可以快速获取受灾地区的地表信息,为灾害评估和救援提供参考。

【4.我国在光学SAR 语义分割方面的发展】我国在光学SAR 语义分割方面取得了显著的成果。

一方面,我国遥感技术整体水平不断提高,为SAR 语义分割提供了技术支持。

一种检测SAR图像边缘的方法

一种检测SAR图像边缘的方法

一种检测SAR图像边缘的方法
刘先锋;郑明洁
【期刊名称】《上海航天》
【年(卷),期】2001(018)003
【摘要】传统算法不能很好地解决合成孔径雷达(SAR)图像边缘检测问题。


此提出了一种改进方法:将Haralick曲面拟合法和改进的广义模糊算子(GFO)
两种算法相结合,分别独立求出SAR图像边缘,然后将分别求出的图像边缘合并,得出最终边缘。

用实际SAR图像对该算法进行检验,验证了该算法的有效性。

【总页数】3页(P19-21)
【作者】刘先锋;郑明洁
【作者单位】北京理工大学电子工程系,;中科院电子所,
【正文语种】中文
【中图分类】TN958.2;TN957.52
【相关文献】
1.一种基于多重分形的SAR图像边缘检测方法 [J], 张红蕾;宋建社;张宪伟
2.一种基于图像分布的SAR图像边缘检测方法 [J], 徐戈;黄培荣;孙洪
3.一种综合的SAR图像边缘检测方法 [J], 焦凤萍;罗斌
4.一种并行的SAR图像边缘检测方法 [J], 薛笑荣;赵荣椿;张艳宁;曾琪明
5.一种基于正则化方法的SAR图像边缘检测算法 [J], 张静;王国宏;林雪原
因版权原因,仅展示原文概要,查看原文内容请购买。

基于改进SBR技术的地面目标SAR图像快速生成技术

基于改进SBR技术的地面目标SAR图像快速生成技术

基于改进SBR技术的地面目标SAR图像快速生成技术单敬喆;曲晓杰;晁坤;许小剑【期刊名称】《电波科学学报》【年(卷),期】2024(39)2【摘要】传统的弹跳射线(shooting and bouncing ray,SBR)技术主要适用于自由空间目标的电磁散射计算,当用于地面目标与背景复合场景的电磁散射计算和合成孔径雷达(synthetic aperture radar,SAR)图像建模与仿真时,在小擦地角下其计算误差显著增大。

针对此问题,提出了一种基于“四路径”模型的改进SBR技术,其考虑了目标与邻域地面之间的多次反射效应以及目标与远区地面之间的多径散射效应对地面目标散射回波的影响。

首先构建一个尺寸略大于目标包围盒的粗糙地面实体模型;然后结合“镜像法”改进射线追踪技术,分析电磁波在目标各部件间、目标同实体地面之间以及同虚拟半空间分界面之间的射线传播过程;最后结合高频渐近方法完成电磁散射计算。

利用精确数值法计算结果对所提出技术进行了验证,并将其应用于地面目标的SAR图像高逼真度仿真,同实测SAR图像比对表明了所提技术具有良好的适用性。

【总页数】10页(P322-331)【作者】单敬喆;曲晓杰;晁坤;许小剑【作者单位】北京航空航天大学电子信息工程学院;中国电波传播研究所【正文语种】中文【中图分类】TN011【相关文献】1.基于纹理特征和双门限分割技术的SAR图像目标快速检测方法2.地面车辆目标高质量SAR图像快速仿真方法3.基于积分图像的快速ACCA-CFAR SAR图像目标检测算法4.基于改进YOLOv3的SAR舰船图像目标识别技术5.改进YOLOv4-Tiny的SAR图像目标快速检测方法因版权原因,仅展示原文概要,查看原文内容请购买。

多波段SAR图像隐蔽和暴露目标标注

多波段SAR图像隐蔽和暴露目标标注

多波段SAR图像隐蔽和暴露目标标注
刘向君;饶伟;杨小小
【期刊名称】《雷达科学与技术》
【年(卷),期】2008(6)4
【摘要】为了实现对场景的全面把握,为目标精确打击提供依据,文中提出并研究了多波段SAR图像中隐蔽和暴露目标的标注方法,该方法综合利用了基于决策级融合的多波段SAR图像目标检测和多波段SAR图像分类等方法.将该方法应用于P、L、X和Ku四个波段SAR图像.实现了对同一场景中的7辆卡车状态的标注.实验结果表明,该方法不但可以将场景中7辆卡车的隐蔽和暴露状态准确标注出来,而且能够准确显示目标原方位和姿态以及场景的细节特征,对目标攻击系统具有一定的辅助
作用.
【总页数】4页(P278-281)
【作者】刘向君;饶伟;杨小小
【作者单位】海军潜艇学院,山东青岛266071;海军潜艇学院,山东青岛266071;海
军潜艇学院,山东青岛266071
【正文语种】中文
【中图分类】TN958
【相关文献】
1.贝叶斯理论在多波段SAR图像分类融合中的应用 [J], 岳晋;杨汝良;宦若虹
2.伪装网遮蔽目标多波段多极化SAR图像融合检测 [J], 陈华杰;张渝;曾亮;林岳松
3.残余运动误差对机载多波段SAR图像配准的影响分析 [J], 吴琴霞;梁兴东;李焱磊;周良将
4.基于非子采样Contourlet变换的多波段SAR图像伪彩色融合 [J], 王金龙;宋建社;蔡幸福
5.基于双特征量和NSCT的多波段SAR图像融合算法 [J], 宋元强; 周良将
因版权原因,仅展示原文概要,查看原文内容请购买。

重构网络空间安全防御模型——SARPPR

重构网络空间安全防御模型——SARPPR

重构网络空间安全防御模型——SARPPR方滨兴;贾焰;李爱平;顾钊铨;于晗【期刊名称】《网络空间安全科学学报》【年(卷),期】2024(2)1【摘要】新型网络安全威胁层出不穷,建立有效的网络安全防御模型已经成为迫切需求和必然趋势。

传统的网络安全防御模型包括PDR(Protection-Detection-Response)、PDRR(Protection-Detection-Response-Recovery)和APPDRR(As-sessment-PolicyProtection-Detection-Reaction-Restoration)模型等,其中经典的APPDRR模型通过风险分析、安全策略、系统防护、动态检测、应急响应和灾难恢复6个环节来提高网络安全性。

随着网络攻防手段的不断发展,APPDRR模型已经不能满足网络安全防御的现实需求。

随着网络安全态势分析、主动防御、拟态防御、盾立方等新兴网络安全防御技术的提出与发展,亟须对原来的网络空间安全防御模型进行重构和扩充。

针对该问题,对APPDRR模型进行了重构,同时根据防护的实际情况,首次提出了“护卫模式+自卫模式+迭代模式”的SARPPR(Sensing-Assessment-Response-Pol-icy-Protection-Restoration)模型,以涵盖和指导网络空间安全防御的最新技术,应对复杂的网络安全威胁。

从重要活动安全保障角度出发,在传统“自卫模式”的基础上,本模型提出了“护卫模式”和“迭代模式”,实现了事前预防、事中应对、事后复盘的全生命周期防御。

该模型是首个覆盖防御全生命周期的网络空间安全保障模型,可以应对高隐蔽APT(AdvancedPersistentThreat)等未知网络安全威胁研判,以及现有信息系统内生安全能力建设等难题。

该模型已应用于第24届冬季奥林匹克运动会(简称北京冬奥会)、杭州第19届亚洲运动会(简称杭州亚运会)、第31届世界大学生夏季运动会(简称成都大运会)、中国(深圳)国际文化产业博览交易会(简称文博会)、中国进出口商品交易会(简称广交会)等重大活动的网络安全保障,实现了零事故,实践结果验证了模型的有效性。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

基于射线管分裂方法的SAR场景快速消隐技术董纯柱;殷红成;王超【摘要】SAR场景模型常采用非均匀三角网格描述,使得传统的基于Z-Buffer技术的消隐算法难以在保持较高的消隐精度的同时兼顾消隐效率。

该文提出了一种基于射线管分裂方法的 SAR 场景快速消隐技术,将复杂 SAR 场景的消隐问题分解为两个简单过程:一是对场景三角网格在发射平面上的投影点云做2维Delaunay 三角网格划分,二是基于射线管分裂方法对新生网格可见性进行判断和拓扑重构。

典型飞机目标和草地上T-72坦克的消隐结果验证了该方法的准确性和高效性。

% Traditional hidden surface removal algorithm based on hardware Z-Buffer technique cannot give attention to precision or efficiency at the same time when dealing with the non-uniform triangulated SAR (Synthetic Aperture Radar) scene model. A novel high-precision hidden surface removal approach using fast ray-tube splitting algorithm is proposed, where the SAR scene hidden surface removal problem is decomposed into two simple procedures, i.e. a Delaunay triangulator is used to generate the initial ray tubes from the projected point clouds of all incident visible vertices, then an adaptive ray-tube splitting method is adopted to carry out the complex scene shading situations and resultant visible model reconstruction. Simulation results of typical aircraft and T-72 tank show that, the new approach is feasible and effective.【期刊名称】《雷达学报》【年(卷),期】2012(000)004【总页数】5页(P436-440)【关键词】消隐算法;射线管分裂方法;Delaunay三角剖分;Z-Buffer算法;SAR场景【作者】董纯柱;殷红成;王超【作者单位】中国传媒大学信息工程学院北京 100024; 电磁散射重点实验室北京100854;中国传媒大学信息工程学院北京 100024; 电磁散射重点实验室北京100854;电磁散射重点实验室北京 100854【正文语种】中文【中图分类】TN957对基于模板匹配的SAR图像解译而言,SAR图像中特有的透视收缩、叠掩和阴影等几何畸变特性是重要且稳定的识别特征[1]。

在低擦地角(10°~30°)条件下,高分辨率SAR图像表现出尤为明显和完整的阴影特征[2]。

地面目标SAR图像的阴影主要由地面目标的自遮挡阴影和目标-环境间的互遮挡阴影两部分组成。

为准确仿真地面目标的散射特性和SAR图像中的阴影特征,不可避免地要事先确定在给定入射方向上地面目标以及环境表面的可见和不可见区域,即进行面消隐处理。

目前,常用的面消隐算法包括Z-Buffer算法、区间扫描线算法、BSP树算法、区域细分算法、射线投射算法等。

其中,以Z-Buffer算法和射线投射算法的应用最为广泛[3,4]。

借助显卡(GPU)强大的渲染和并行计算能力,Z-Buffer算法和射线投射算法能够以秒级实现单个角度上百万量级均匀三角网格模型的消隐运算[5]。

然而,在高分辨条件下,若采用均匀三角网格对复杂目标和几百米甚至几公里的环境表面进行剖分,将产生千万甚至上亿量级的网格面元,消隐运算效率极低。

为了提高SAR场景模型的消隐效率,必须大幅度减少网格面元的数量。

一种可行的方法是采用非均匀三角网格(或TIN网格)对SAR场景模型进行剖分,在不明显降低模型精度的条件下产生最少数量的面元网格。

因此,解决非均匀三角网格模型的快速消隐问题是实现SAR场景快速消隐的关键。

本文融合区域细分算法和射线投射算法思想,在基于kD-tree的非均匀三角网格模型GPU快速射线追踪[6,7]的基础上,将非均匀三角网格模型描述的SAR场景消隐问题分解为对场景网格在发射平面上的投影点云做2维Delaunay三角剖分[3],以及基于射线管分裂方法对新生网格可见性进行判断和拓扑重构两个简单过程,实现了复杂场景的精确快速消隐计算。

以飞机和草地上T-72坦克为例,消隐计算结果表明,本文方法能够实现复杂SAR场景实时/准实时的准确消隐,为快速获取SAR图像阴影等几何畸变特性以及目标-环境的电磁散射特性提供了高效预处理工具。

考虑到SAR场景是由非均匀三角网格描述的,基于射线管分裂方法的SAR场景快速消隐计算主要包括如下3个步骤:(1) 发射面点云数据生成:沿入射方向对SAR场景进行自遮挡判断,并将自遮挡可见顶点投影到发射面上形成2维点云数据;(2) 点云数据三角网格剖分:构建发射面点云数据2维凸包,并实现带凸包的Delaunay三角剖分,形成初始射线管;(3) 网格模型可见性判断及拓扑重构:根据射线管与目标的相交情况,对射线管执行自动分裂,并根据细分射线管与场景网格的相交关系重构场景可见三角网格。

采用本文方法识别两个空间三角面片和相交遮挡部分(虚点区域)的过程如图1所示。

2.1 发射面点云数据生成为加速反射面点云生成过程,沿入射方向对三角网格进行自遮挡判断,即判断三角形面元正法向与入射方向夹角的余弦当时面元自遮挡可见,否则面元自遮挡不可见。

式中,,和为三角形顶点位置矢量,如图2所示。

将自遮挡可见面元各顶点组成的3维点云投影到如图3所示的预设发射平面上,形成发射面点云数据,并且其中,为可见顶点个数,发射平面上的点由远离场景的固定点和面法向确定,如下:式中,为场景模型的几何中心,为场景模型包围球的直径。

2.2点云数据三角网格剖分为能够对发射面点云数据进行带凸包的2维Delaunay三角剖分,首先需要建立如图4所示的发射面局部坐标系,并将3维点云数据转换为局部坐标系下的2维点云数据,其中计算2维有限点云数据2维凸包(Convex Hull)的算法很多[3,4],这里不再赘述。

本文采用时间复杂度为的分而治之算法[8]实现发射面点云数据2维凸包的快速构建,其中为凸包顶点个数。

三角剖分的一般要求是不存在长而薄的三角形(Slivers)。

Delaunay三角剖分是一种使最小角具有最大值的方法,能够最大限度地减少狭长三角形的数量[3]。

为改进凸包边界附近的三角形的性态,在进行Delaunay三角剖分前,先求取如图4所示的2维凸包的最小包围矩形;然后按对构成包围矩形的4条边界, , 和进行均匀细分,生成细分边界点,其中为细分边界点个数,且式中,, , 和分别为2维凸包在和方向的最大和最小值。

为实现对有界点云数据的高效Delaunay三角剖分,可以采用J. R. Shewchuk的三角剖分算法[9,10]。

带矩形边界2维点云数据的Delaunay三角剖分结果和剖分效率如图5所示。

2.3网格模型可见性判断及拓扑重构为实现对非均匀网格描述的SAR场景模型的精确消隐处理,首先需要基于发射面点云数据Delaunay三角剖分结果生成初始射线管,在GPU上采用OptiX射线追踪引擎[5]完成射线管顶点射线的自动射线追踪,并根据射线管顶点射线与非均匀网格的相交关系进行自动射线管分裂。

本文采用的射线管自动分裂方法如图1(c)所示,阈值 , ,并且和越小,消隐精度越高,计算量也越大。

精度和效率折中考虑,和经验值分别为和6°。

对于每次分裂得到的4个细分射线管仅需追踪由原始射线管3边中点生成的3根新增射线。

完成所有射线管的自动分裂计算后,即可获得全部可见射线管在网格模型面元上的第1个交点数据集。

其中,为全部可见射线管个数;为可见射线管与面元模型的第1个交点个数;, 和为可见射线管第1个交点索引,且。

因此,重建的消隐处理后的SAR场景的可见三角网格模型由线性表表示为射线管顶点射线与非均匀网格的相交具体包括下面4种情况:(1) 若3根射线与网格模型无交点或射线管的面积小于阈值,判定为无效射线管,直接丢弃;(2) 若3根射线的第1个交点均位于同一面元上,判断为全部可见射线管,不再分裂;(3) 若3根射线的第1个交点位于同一部件的不同面元上,且面元法向间夹角小于阈值,判断为全部可见射线管,不再分裂;(4) 除上述3种情形外,都判断为部分可见射线管,需要进行分裂。

下面用飞机目标和地面上T72坦克的消隐计算实例验证本文方法的正确性、高效性和实用性。

仿真硬件平台为搭载NVIDIA Quadro FX 5800 4GB GDDR3显存图形卡的HP Z800工作站。

3.1飞机目标如图6(a)所示,飞机总体尺寸为20.09 m×13.2 m×2.33 m,其非均匀三角网格模型由423个顶点和842个三角形面元构成。

图6(b)为取Smin=43.3 mm2, ,沿入射,经消隐重构的由44,139个顶点和64,272个三角形面元构成的可见网格模型,消隐处理时间为1.033 s。

如果将飞机按10 mm尺寸剖分(三角形面积约为),将生成由2,608,529顶点和5,217,248面元构成的均匀三角网格模型,而在同样角度下采用基于硬件的Z-Buffer算法消隐计算时间为0.841 s,消隐结果如图6(c)所示。

可见,本文算法能够在达到硬件Z-Buffer算法消隐效率和精度的同时,重构更少面元数量(约为均匀剖分时的1.23%)的可见三角网格模型供后续电磁散射计算使用,并在完成SAR场景消隐处理的同时完成了场景的射线追踪,因此必将显著提高SAR场景电磁特性预估效率。

3.2 草地上T-72坦克对SAR场景消隐重构可见三角网格模型的一个最直接的应用是高效仿真用于阴影区边界确定和姿态估计的非相干阴影模板图像。

图7给出了采用本文方法快速获取的草地上T-72坦克在73°入射角0.2 m分辨率128×128像素、方位角间隔为45°的非相干阴影模板图像,其中目标、地面和阴影区域的像素亮度分别为255, 127和0。

相关文档
最新文档