CN112184643B - 非参数化的sar图像自适应重采样方法 - Google Patents
非参数化的sar图像自适应重采样方法 Download PDFInfo
- Publication number
- CN112184643B CN112184643B CN202010997154.8A CN202010997154A CN112184643B CN 112184643 B CN112184643 B CN 112184643B CN 202010997154 A CN202010997154 A CN 202010997154A CN 112184643 B CN112184643 B CN 112184643B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- image
- sar
- resampling
- sar image
- 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.)
- Active
Links
- 238000012952 Resampling Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001228 spectrum Methods 0.000 claims abstract description 96
- 230000000877 morphologic effect Effects 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 101150064138 MAP1 gene Proteins 0.000 claims description 3
- 101100075995 Schizosaccharomyces pombe (strain 972 / ATCC 24843) fma2 gene Proteins 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000007670 refining Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 abstract description 11
- 238000012545 processing Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 230000010339 dilation Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000005305 interferometry Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种非参数化的SAR图像自适应重采样方法。使用本发明能够实现大前斜SAR几何下存在频谱折叠情况下的SAR图像重采样。本发明利用形态学方法自适应构造匹配的二维插值核,并通过有限点的二维卷积实现任意SAR图像图像重采样。该方法不依赖于成像参数和特定的成像平面,具有很高的鲁棒性。
Description
技术领域
本发明涉及合成孔径雷达技术领域,具体涉及一种非参数化的SAR图像自适应重采样方法。
背景技术
合成孔径雷达(SAR)可以全天时全天候地获得目标区域的二维高分辨雷达图像。SAR图像可用于景象匹配、高程反演、目标识别、地物分类等多种应用场景。对SAR复图像的重采样是SAR数据处理中的一项关键技术,广泛应用于SAR成像及相关处理中。例如,在SAR成像中,斜距图像需要通过重采样获得无几何畸变的地距图像;在干涉SAR和层析SAR处理中,多幅复图像需要通过重采样进行图像配准。因此,需要提出一种具有鲁棒性的SAR复图像重采样方法。
然而,SAR图像的重采样主要面临以下两个难题。首先,当SAR工作于大前斜模式时,由于大前斜SAR的频谱二维耦合严重,导致频谱出现跨观测周期的折叠现象(频谱折叠),导致基带重采样方法失效。其次,参数化的SAR图像频谱模型的复杂性限制了参数化SAR图像重采样方法的应用,即无法建立适用于任意模式、任意成像平面的参数化频谱模型,从而无法构造适用于任意模式、任意成像平面的参数化二维插值核。
目前对SAR图像的重采样主要有两类方法。第一类方法为参数化图像重采样方法,该类方法通过推到特定参数、特定成像平面下的SAR图像频谱模型,构造相匹配的图像插值核,从而可以适应特定情况下的频谱折叠现象,获得无失真重采样结果;然而,由于SAR图像频谱模型的复杂性,导致该方法无法用于任意模式、任意成像平面的SAR图像重采样,通用性和鲁棒性低。第二类为非参数化方法,包括双线性插值、双三次卷积插值、双三次样条插值、基带截断sinc插值、频域补零法等,这些方法通过构造基带插值核或频域高频处补零,实现SAR图像重采样,然而该类方法在对存在频谱折叠现象的SAR图像进行重采样时会使SAR图像频谱截断导致图像质量严重下降,因此在大前斜模式频谱折叠情况下该类方法失效。
发明内容
有鉴于此,本发明提供了一种非参数化的SAR图像自适应重采样方法,利用形态学运算自适应生成匹配的二维插值核并通过二维卷积实现任意SAR图像的重采样,可适应大前斜SAR几何下存在频谱折叠情况下的SAR图像重采样。
本发明的非参数化的SAR图像自适应重采样方法,包括如下步骤:
步骤1,对SAR复图像进行两维快速傅里叶变换,获得原始频谱;对原始频谱进行二值化和膨胀操作,获得二值化频谱;
步骤2,对二值化频谱进行频谱复制,获得包含完整基带频谱通带区域的频谱;
步骤3,对步骤2获得的频谱的阻带进行细化;
步骤4,对阻带细化后的频谱进行连通域检测及形态学闭操作,获得基带频谱通带区域;
步骤5,将步骤4获得的频谱进行IFFT变换并进行截断、升采样,得到插值核,利用下式对SAR图像进行重采样:
其中,(mnew,nnew)为重采样所得图像的坐标,snew(mnew,nnew)为重采样后的图像;c、d分别为各像素点重采样过程中所采用的相邻像素的相对下标;fmap1、fmap2为待插值坐标到原图像坐标之间的映射关系;P为两维升采样倍数;T为截断点数;τm为与对向下取整之间的差,τn为与对向下取整之间的差;(x,y)为原图像的两维坐标;δm,δn分别为x,y轴的像素间隔,s为原图像,sKernel_Cut为所构造的插值核。
较优的,所述步骤5中,对升采样后的插值核加锐化窗后对SAR图像进行重采样。
较优的,所述步骤1中,二值化的门限值为原始频谱的频谱均值。
较优的,所述步骤2中,对二值化频谱进行3倍复制。
有益效果:
本发明提供了一种非参数化的SAR图像自适应重采样方法,利用形态学方法自适应构造匹配的二维插值核,并通过有限点的二维卷积实现任意SAR图像图像重采样。该方法不依赖于成像参数和特定的成像平面,具有很高的鲁棒性。
附图说明
图1(a)、(b)、(c)分别为SAR图像的常见频谱示意图。
图2(a)、(b)、(c)分别为传统方法升采样后的常见频谱示意图。
图3(a)、(b)、(c)分别为图像原始频谱、二值化频谱、膨胀操作的仿真结果图。
图4(a)、(b)、(c)分别为图像频谱复制、形态学闭操作、基带连通域检测的仿真结果图。
图5(a)、(b)、(c)分别为所构造的插值核的频谱、图像域以及图像域等高线图。
图6为方法整体流程图。
图7为仿真几何关系图。
图8(a)、(b)分别为传统方法和所提方法的重采样结果。
图9(a)、(b)分别为用传统方法和所提方法进行干涉配准后的相干系数图。
图10为干涉配准后的相干系数统计曲线。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提供了一种非参数化的SAR图像自适应重采样方法,包括如下步骤:
步骤一,SAR复图像两维快速傅里叶变换获得原始频谱,然后通过频谱二值化、膨胀操作初步获得二值化频谱。
具体的,
S11、二维快速傅里叶变换
以SAR复图像的行和列分别为X轴和Y轴建立直角坐标系,将点扩展函数的包络表示ρ(x,y),则SAR复图像中位于(x0,y0)处目标的点扩展函数可表示为下式:
通过两维快速傅里叶变换(FFT)可以直接获得原始二维频谱。由于SAR图像域的离散性,因此频谱具有隐含周期性,由FFT得到的频谱实际是一个观测周期内的频谱。因此,两维FFT后得到的频谱S′(k,l;R0,x0,y0)可表示为:
由上式可知,SAR图像频谱可能完全处于同一观测周期,如图1(a)所示,也可能叠加至其他观测周期,该现象被称为频谱折叠,如图1(b)、(c)所示。图2展示了基带sinc升采样后的频谱示意图,可见当存在频谱折叠现象时,基带sinc插值会使频谱被截断,从而导致图像失真。
S12、频谱二值化
为了初步区分频谱通带区域和阻带区域,将原始频谱进行二值化判断,其中,1为通带,0为阻带;二值化门限可设为频谱均值。令二值化后的频谱为S′2Value(k,l)。二值化结果如图3(b)所示。
S13、二值化频谱膨胀
图3(b)可见二值化结果中明显的沟壑,这是由于多个散射点频谱相干叠加导致的,需要通过膨胀操作进行弥合。膨胀操作可表示为下式步骤:
其中,D为膨胀结构元,Dk,l表示膨胀结构元移动至某像素点(k,l)处。膨胀后的二值化频谱如图3(c)所示,可见沟壑基本被消除。
步骤二,频谱复制以获得包含完整基带频谱通带区域的频谱。
一般情况下,折叠仅存在于相邻的观测周期,即通过3倍复制即可得到完整的基带频谱通带区域。经过频谱复制后的二值化频谱可表示为:
SCopy(k+aM,l+bN)=S′Delation(k,l) (4)
其中a=-1,0,1,b=-1,0,1。经过频谱复制后的二值化频谱如图4(a)所示。
步骤三,阻带细化以最大化基带频谱通带区域。
由于加窗和天线加权等因素的影响,上述步骤所得到的通带区域可能仍不完整,从而造成插值过程中的信息损失和插值结果的畸变。为解决这一问题,需要将阻带细化,提取阻带中心线,从而最大化基带频谱的通带区域。将阻带细化后的频谱通带区域记为QPass_Fat,则各周期的通带均完全落于该区域之内,如图4(b)所示。
步骤四,连通域检测及形态学闭操作以提取基带频谱通带区域。
S41、连通域检测
上述步骤完成后,频谱通带区域内包含基带频谱通带区域,然而其他周期的频谱通带也在此区域内,因此需要进行连通域检测,提取出基带频谱通带所在区域。进行连通域检测以提取基带频谱通带所在连通域。连通域检测可以表示为:
QChoose=Xt,当Xt=Xt-1 (5)
S42、形态学闭操作
连通域检测后,提取出基带频谱通带所在区域块,此时可能仍存在狭隙和小孔洞,因此需要在此时进行膨胀彻底消除狭隙和小孔洞。为了保持区域边界和面积不变,因此需在膨胀结束后进行相同程度的腐蚀,即完成了一个闭操作。至此,已提取出包含完整无折叠基带频谱通带QPD在内的连通区域QChoose,即连通域检测和形态学闭操作的结果如图4(c)所示。
步骤五,对步骤四的频谱进行两维逆快速傅里叶变换(IFFT),截断并升采样,获得匹配的插值核。
步骤四后的频谱可作为插值核的频谱。然而,直接将步骤四频谱进行IFFT获得的插值核的采样较稀疏,会导致较大的插值误差,因此在插值核频谱提取完成以后需进行频域补零实现插值核的升采样,升采样倍数决定了插值精度。升采样后,可近似认为得到了连续采样的图像域插值核,即恢复了离散非周期化的插值核频谱。进行P倍两维升采样,并做两维IFFT变换,得到近似连续的插值核。在实际应用中,插值核往往需要进行截断以降低逐点插值的运算量,使在实时处理中实现插值成为可能,若想要进行T点两维截断插值,则需将升采样后的插值核进行MCut、NCut点截断,且MCut=NCut=P·T。截断后的插值核为
其频谱为
其中,ρKernel()表示插值核包络,PKernel()表示插值核频谱的包络。*表示卷积运算。
由于图像域的截断导致了插值核频谱的会产生一定的振铃效应,从而导致SAR图像重采样后会出现一些旁瓣,为削弱插值核截断的影响,本发明对升采样后的插值核进行锐化窗处理。
至此,已构造出了与待插值的SAR复图像相适应的二维插值核。该插值核的频域如图5(a)所示,图像域如图5(b)和(c)所示。
步骤六,利用步骤五得到插值核,通过图像域卷积实现SAR图像重采样。
待插值网格和原图像之间的坐标(像素)映射关系为:
利用插值核对映射到原图像坐标附近的T×T邻域复数据进行加权,得到插值后的图像。插值过程如下式所示:
其中snew为重采样后的图像,c、d分别为各像素点重采样过程中所采用的相邻像素的相对下标。在这里近似将插值核看成是连续的,实际操作中取升采样后的插值核中的最近临点。
自此,就实现了一种非参数化的SAR图像自适应重采样方法。图6为所提重采样方法的整体流程图。
实施例1
本实施例中,设计了两个前斜模式的SAR图像重采样仿真实验,分别为点阵目标重采样实验和面目标干涉SAR图像对配准仿真实验。其几何关系如图7所示。仿真参数如表1所示。
表1计算机仿真参数
参数/单位 | 数值 | 参数/单位 | 数值 |
波段 | Ku | 距离/km | 10 |
高度H/km | 6 | 速度方位角/deg | 10 |
方位点数 | 4096 | 脉冲重复频率/kHz | 4 |
带宽/MHz | 220 | 采样率/MHz | 260 |
实验一为对3×3的点阵目标场景SAR图像进行16倍升采样,并评估点扩展函数,基带截断sinc插值作为对比方法。基带截断sinc插值的处理结果如图8(a)所示,可见目标点在升采样后严重畸变失真;所提重采样方法的处理结果如图8(b)所示,可见目标点在升采样后仍为理想两维sinc函数,无明显失真。仿真结果证明了所提方法在大前斜SAR几何下的适用性以及所提方法的高精度特性。
实验二为对面目标场景进行干涉SAR图像配准仿真。仿真两个通道的回波并成像,获得两个通道的SAR复图像,两通道间距2米分布在垂直于速度方向。在图像配准过程中分别采用基带截断sinc插值与所提方法实现图像平移中的重采样操作。然后,通过对比配准后的主从两通道图像的相干系数(相干系数反映图像相关性,相干系数越高则图像越相似)来比较两种方法重采样精度。图9(a)为利用截断sinc插值进行图像配准的相干系数图,可见数值均较低,说明截断sinc插值重采样使图像明显失真,不利于后续干涉测高等应用。图9(b)为利用所提重采样方法进行图像配准的结果,可见数值均在0.9以上,因此证明了所提方法重采样的精度很高。图10进一步统计了各相干系数等级所占百分比情况,可见所提方法重采样后相干系数集中分布在略小于1的区间内,因此进一步说明所提方法重采样造成的图像失真可以忽略,有利于后续高精度的干涉测高等应用。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种非参数化的SAR图像自适应重采样方法,其特征在于,包括如下步骤:
步骤1,对SAR复图像进行两维快速傅里叶变换,获得原始频谱;对原始频谱进行二值化和膨胀操作,获得二值化频谱;
步骤2,对二值化频谱进行频谱复制,获得包含完整基带频谱通带区域的频谱;
步骤3,对步骤2获得的频谱的阻带进行细化;
步骤4,对阻带细化后的频谱进行连通域检测及形态学闭操作,获得基带频谱通带区域;
步骤5,将步骤4获得的频谱进行IFFT变换并进行截断、升采样,得到插值核,利用下式对SAR图像进行重采样:
2.如权利要求1所述的非参数化的SAR图像自适应重采样方法,其特征在于,所述步骤5中,对升采样后的插值核加锐化窗后对SAR图像进行重采样。
3.如权利要求1所述的非参数化的SAR图像自适应重采样方法,其特征在于,所述步骤1中,二值化的门限值为原始频谱的频谱均值。
4.如权利要求1所述的非参数化的SAR图像自适应重采样方法,其特征在于,所述步骤2中,对二值化频谱进行3倍复制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010997154.8A CN112184643B (zh) | 2020-09-21 | 2020-09-21 | 非参数化的sar图像自适应重采样方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010997154.8A CN112184643B (zh) | 2020-09-21 | 2020-09-21 | 非参数化的sar图像自适应重采样方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112184643A CN112184643A (zh) | 2021-01-05 |
CN112184643B true CN112184643B (zh) | 2022-11-08 |
Family
ID=73955715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010997154.8A Active CN112184643B (zh) | 2020-09-21 | 2020-09-21 | 非参数化的sar图像自适应重采样方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184643B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105842694A (zh) * | 2016-03-23 | 2016-08-10 | 中国电子科技集团公司第三十八研究所 | 一种基于ffbp sar成像的自聚焦方法 |
CN107544068A (zh) * | 2017-07-14 | 2018-01-05 | 电子科技大学 | 一种基于频域bp的图像域宽带合成方法 |
CN110361733A (zh) * | 2019-07-01 | 2019-10-22 | 西安电子科技大学 | 一种基于时频联合重采样的中轨sar大斜视成像方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9316734B2 (en) * | 2012-10-19 | 2016-04-19 | The Curators Of The University Of Missouri | Free-hand scanning and imaging |
-
2020
- 2020-09-21 CN CN202010997154.8A patent/CN112184643B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105842694A (zh) * | 2016-03-23 | 2016-08-10 | 中国电子科技集团公司第三十八研究所 | 一种基于ffbp sar成像的自聚焦方法 |
CN107544068A (zh) * | 2017-07-14 | 2018-01-05 | 电子科技大学 | 一种基于频域bp的图像域宽带合成方法 |
CN110361733A (zh) * | 2019-07-01 | 2019-10-22 | 西安电子科技大学 | 一种基于时频联合重采样的中轨sar大斜视成像方法 |
Non-Patent Citations (5)
Title |
---|
Designing interpolation kernels for SAR data resampling;A. Doerry等;《PROCEEDINGS OF SPIE》;20120508;第1-17页 * |
一种应用于斜视聚束模式的改进极坐标格式成像算法;邵鹏等;《电子与信息学报》;20150215(第02期);第303-308页 * |
一种星载高分辨率SAR的非基带插值方位预处理方法;李德坤等;《电子设计工程》;20170220(第04期);第142-145、149页 * |
干涉合成孔径声纳图像配准中插值算法比较研究;马梦博等;《舰船电子工程》;20161120(第11期);第37-39、145页 * |
滑动聚束模式SAR影像干涉处理方法;吴文豪等;《武汉大学学报(信息科学版)》;20151231(第12期);第1588-1593页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112184643A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111142105B (zh) | 复杂运动目标isar成像方法 | |
Çetin et al. | Feature-enhanced synthetic aperture radar image formation based on nonquadratic regularization | |
WO2023045431A1 (zh) | 逆合成孔径雷达成像方法、装置、电子设备及存储介质 | |
CN102955157B (zh) | 一种用于干涉合成孔径雷达图像精配准的快速相干系数法 | |
CN104459633A (zh) | 结合局部频率估计的小波域InSAR干涉相位滤波方法 | |
Lazarov et al. | ISAR geometry, signal model, and image processing algorithms | |
CN103809180B (zh) | 用于InSAR地形测量的方位向预滤波处理方法 | |
Qin et al. | ISAR resolution enhancement using residual network | |
CN113205564B (zh) | 一种sar智能目标边缘重构方法 | |
Hu et al. | Inverse synthetic aperture radar imaging exploiting dictionary learning | |
CN112184643B (zh) | 非参数化的sar图像自适应重采样方法 | |
Schüßler et al. | Deep learning based image enhancement for automotive radar trained with an advanced virtual sensor | |
CN101950413B (zh) | 基于非下采样Contourlet域MRF模型的SAR图像降斑方法 | |
CN103942775A (zh) | 基于最大核密度估计的相位相关亚像素匹配方法 | |
CN107607927B (zh) | 一种条纹激光回波信息提取方法 | |
CN102722878A (zh) | 基于目标提取和ppb算法的sar图像去斑方法 | |
CN105116410A (zh) | 基于线性模型匹配的干涉相位图自适应滤波算法 | |
CN114720981A (zh) | 基于主成分增强矩阵填充的毫米波雷达三维稀疏成像方法 | |
CN112419206B (zh) | 一种基于多尺度分解-重构的sar干涉图滤波方法 | |
Kokoshkin | Features of an Application of the Constrained Renormalization Method to Images with Speckle Noise | |
Ismail et al. | Super-Resolution Based on Curvelet Transform and Sparse Representation. | |
Zhan et al. | Two Dimensional Sparse-Regularization-Based InSAR Imaging with Back-Projection Embedding | |
CN117761696B (zh) | 一种基于投影图抽取的sar快速后向投影成像方法 | |
CN111768360A (zh) | 一种基于剪切波处理高分三号sar图像河岸线检测方法 | |
CN113608214B (zh) | 一种机载扫描雷达实时超分辨成像方法 |
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 |