简介：在超宽带穿墙雷达成像领域，交叉极化雷达能有效识别建筑物角散射中心，而交叉极化接收到的回波信号较弱，成像中的耦合信号得到增强，角散射信号不易识别。对此提出一种基于方位散射熵的建筑物特征提取方法。该方法首先利用散射体交叉极化相关性对交叉极化成像结果进行加权提取角散射中心，然后通过方位散射熵滤除墙体杂波影响、增强墙角散射幅度，最后使用循环迭代的中心定位算法得到精确的墙角散射中心。仿真和实验数据结果表明，该方法通过角散射体的极化特性和方位角属性可以准确地提取建筑物角散射中心。

简介：为了能够从单一SAR图像中提取出建筑物的三维信息,基于SAR成像原理提出了从图像中建筑物叠掩和阴影区域计算平面矩形屋顶尺寸以及高度的方法。针对SAR平面矩形屋顶建筑物仿真图像,利用灰度直方图信息定位建筑物二次散射区域,通过线灰度累加分割出叠掩和阴影区域,再采用恢复公式计算屋顶尺寸和高度。实验结果表明,对于具有明显几何形变的平面矩形屋顶建筑物单一SAR图像,此方法有效恢复屋顶尺寸和高度,提高了建筑物检测识别的准确度和精度。

简介：针对高分辨雷达目标散射回波的非平稳特性，提出了利用Hilbert—Huang变换进行时频分析获得目标特性的方法。首先利用简单电磁散射模型仿真了三类目标的一维距离像，然后采用Hilbert—Huang变换对各类目标在不同姿态角下的回波进行时频分析，提取时频分布图的边际谱作为目标特征矢量，利用径向基函数神经网络分类器对特征矢量进行训练和学习，最后对三类目标作了识别，仿真对比实验验证了该方法的有效性。

简介：特征提取是合成孔径雷达目标识别关键技术与核心任务。为了更好地提取目标特征，稀疏约束将被添加在非负矩阵分解法中，并应用于图像目标特征提取，通过利用稀疏约束的非负矩阵分解方法对sAR目标图像进行分解，构建具有稀疏性的目标特征矢量，提高了特征矢量的类内相似性与类间差异性。利用基于支持向量机的分类方法对MSTAR数据进行目标识别试验，试验结果表明，添加稀疏约束的NMF方法与PCA、ICA以及一般NMF特征提取方法相比，能够显著提高目标识别的稳定性和准确率。

简介：在大孔径成像的条件下，目标上散射中心的等方向性模型将不再适用。目标散射中心的方向性是与其散射结构相联系的，此时散射中心的方向性成为目标的一个重要特征。文中将滤波逆投影算法与子孔径思想相结合，提出了一种提取目标散射中心方向特性的方法。该方法具有计算简单、运算量少的优点，从而为进一步的目标特征提取和目标识别提供了更多的信息。仿真试验验证了该方法的有效性。

简介：从道路特征提取的角度，对四种经典道路特征提取方法进行了分析和对比，探讨了它们在超宽带SAR图像道路提取技术中的适应性。超宽带SAR图像道路提取技术是在继承传统方法的基础上，结合在道路的灰度特征或其在自然界中特有的几何特征，形成合适的道路提取算法。在理论分析超宽带SAR图像特点和道路提取经典方法基础上，研究了四种道路提取方法在超宽带SAR图像中的适应性，开展了超宽带SAR图像的道路提取实验，系统总结了各方法针对超宽带SAR图像的优点和不足，形成了超宽带SAR图像道路提取技术的研究思路和道路边缘提取流程，相比经典方法性能得到提高。

简介：线性调频连续波（LFMCW）与圆锥扫描（cs）相结合的雷达体制，可在获得目标高分辨距离像的同时分别测得各个散射中心的角度信息，从而有利于对距离扩展目标的检测和识别。文中给出了圆锥扫描线性调频连续波（CS-LFMCW）雷达信号的形式，研究了角度信息提取方法，详细分析了噪声、天线旋转不稳定、泄漏、弹体旋转等非理想因素对角度信息提取精度的影响，并提出了相应的解决方法。仿真结果验证了分析的有效性。圆锥扫描线性调频连续波雷达具有距离分辨率高、结构简单、体积小、重量轻、能够获取角度信息等优点，因此在近距离、末制导雷达中有着广泛的应用前景。

简介：为后续目标识别作准备，针对采集并且存储之后的飞机目标雷达回波信号，完成后端雷达信号处理。首先，基于MATLAB提取波门内采样的回波信号并且实现目标的一维成像。然后，采用传统的傅里叶变换模值、双谱奇异值分解法对目标的一维距离像进行特征提取。为了获得较为稳定的目标特征，针对以上两种方法，主要从特征相似性的测量角度分析单一目标特征提取方法的性能优劣。最后通过实验，从相关系数概率密度分布情况得出双谱奇异值分解特征提取法性能较佳，所得到的目标特征较稳定。

简介：针对传统算法难以实现对相邻积累回波不连通慢速小目标航迹起始的问题，提出了一种基于Hough变换慢速小目标航迹提取方法。引入目标回波最小外接矩形长宽比（F3）和占空比（F2）对目标回波进行分类处理，在每个分类域中，利用目标回波最小外接矩形长宽比（F3）、占空比（F2）和像素值（F1）三个参量值作为Hough变换加权因子，并运用图像标记技术提取目标回波上述加权因子，通过加权Hough变换提取出每个分类域中的慢速小目标航迹，最后把所有分类域航迹提取结果进行累加，得到最终的SST航迹。仿真结果验证了该算法的有效性。

简介：目标长、宽、高三维几何特征，对SAR图像解译与目标识别等具有重要意义。从SAR成像几何出发，根据SAR观测俯仰角、目标及阴影之间的几何关系，研究提出了基于两维高分辨SAR图像阴影信息的车辆目标三维几何特征提取方法。该方法既可由某一方位角的单幅SAR图像提取目标三维几何特征，也可通过任意有限（3～5）个方位角SAR图像的融合提取目标三维几何特征，而且融合还可有效提高目标三维几何特征的提取精度。通过大量MSTAR实测SAR图像数据的实验结果，验证了其有效性。

简介：针对传统道路障碍物检测算法准确性和鲁棒性不强等问题,本文提出一种基于卷积神经网络的道路障碍物检测算法。该算法首先对车载图像预处理生成障碍物候选区域,再将障碍物候选区域输入到改进的卷积神经网络中,进行精确识别和剔除,区分道路障碍物和非障碍物。改进的卷积神经网络在原有网络的基础上,调整了卷积核的大小和个数、池化层的空间尺寸和神经网络的深度,并且在卷积层后选择性的加入池化层,提高障碍物的识别率。在不同场景中进行了测试,实验结果表明：本文提出的道路障碍物检测算法有效的提高了障碍物的识别率,识别率达到98.2%,并且拥有较高的鲁棒性。