合成孔径雷达图像处理技术及应用研究.pdf

SyntheticApertureRadar，SAR）由于其具有

天气无依赖、全天候、高分辨率等优势，在军事、民用等领域有

着广阔的应用前景。而SAR图像在获取后，需要进行处理才能提

取有用信息。如何利用各种技术和算法实现高质量的SAR图像处

理，就成为了当前SAR应用研究中的一个重要方向。

一、SAR图像预处理技术

SAR图像预处理技术是SAR图像处理的基础。目的是在保持

图像质量的前提下，增强图像的对比度和清晰度，以帮助用户更

好地进行后续应用。

1.1多视角SAR图像融合

多视角SAR图像融合技术通过融合来自不同飞行角度或不同

方向的多幅SAR图像，可以减少或消除遮挡、模糊、噪声等因素

对图像质量的影响。例如，利用分解融合的方法，将多个SAR图

像分解成低频和高频部分，然后通过不同的融合规则，对低频和

高频部分进行融合。这样可以同时保持局部和全局特征，从而得

到更优质的图像。

1.2消除多普勒频移

普勒频偏。为了消除多普勒频移引起的图像失真，需要对SAR信

号进行动态去多普勒处理，以及对图像进行平面矫正等预处理。

二、SAR图像目标检测和识别技术

SAR图像目标检测和识别技术是SAR图像处理的重点。在实

际应用中，我们往往需要从复杂多变的SAR图像中快速准确地提

取或识别出感兴趣的目标信息，为用户提供更好的服务。

2.1基于极化信息的目标检测

极化信息具有对物体形状、构造、器材等细节的敏感性，因此

可以提供额外的信息自由度来增强目标检测和识别能力。基于极

化SAR图像的目标检测和识别算法主要包括极化分解、极化标度

变化、极化相关等多种方法。

2.2基于散射中心的目标识别

物体的散射中心可以作为一种目标识别的特征，用来区分不同

目标。因此，基于散射中心的目标识别方法比较常见。例如，模

式匹配法可以通过与已知标准物体的散射中心进行比较来进行目

标识别。

三、SAR图像地物分类技术

SAR应用领域中的重要目标。地物

分类主要包括海洋、冰雪、森林、城市等地物的分类。分类结果

是后续应用领域中的重要输入参数。

3.1基于特征的分类方法

不同地物在SAR图像中具有不同的散射特性，因此可以通过

提取不同地物的散射特征，设计相应的分类算法进行地物分类。

特征包括极化特征、纹理特征、形状特征等。

3.2基于机器学习的分类方法

基于机器学习的分类方法，是通过将已有的SAR图像数据和

相应的地物分类进行训练，设计分类模型，然后对新的SAR图像

进行分类。常用的算法包括支持向量机、神经网络、决策树等。

四、SAR图像模拟技术

SAR图像模拟技术是SAR图像处理的重要手段之一。SAR图

像模拟技术是通过模拟SAR成像过程，生成相应的SAR图像，以

验证SAR图像处理算法的有效性和性能。

4.1目标散射场模拟

SAR图像的生成，需要基于物体在SAR成像过程中产生的散

射场信息。因此，需要模拟目标在SAR成像中的散射特征，以此

图像。这种方法比较常用，可以在不同成像条件下模拟

出不同的SAR图像，从而验证不同的SAR图像处理算法。

4.2设备参数模拟

SAR图像的生成还需要获得相应的SAR系统参数。例如，欲

获得某型号的SAR图像，在设计SAR系统参数时需要考虑中心频

率、提供宽带和窄带选项、提供单极化和双极化等不同的工作模

式等，同时还需要考虑天线设计、发射机电子学设计、信号处理

硬件等方面的因素。