-
公开(公告)号：CN116400356B
公开(公告)日：2023-08-18
申请号：CN202310665210.1
申请日：2023-06-07
申请人： 中山大学
IPC分类号： G01S13/90
摘要： 本发明公开了一种基于同质区域联合的层析SAR三维成像方法，属于雷达成像处理技术领域。所述方法设计了一种结合欧氏距离、像素强度和边缘信息的测度函数，将SAR图像中三维位置相近、电磁散射强度相似的像素点分割成局部连通的同质区域。然后，将TomoSAR单像素观测信号模型扩展到同质区域联合观测信号模型，通过同质区域积累得到高程约束中心，根据同质区域大小和成像参数自动确定高程搜索范围，稀疏逼近估计同质区域高程。最后，对斜高进行几何变换和地理编码，得到三维成像结果。该方法能减少成像结果中由固有相干斑噪声带来的噪点，有效提升了信噪比，提高了对弱小目标的恢复能力。
-
公开(公告)号：CN116400356A
公开(公告)日：2023-07-07
申请号：CN202310665210.1
申请日：2023-06-07
申请人： 中山大学
IPC分类号： G01S13/90
摘要： 本发明公开了一种基于同质区域联合的层析SAR三维成像方法，属于雷达成像处理技术领域。所述方法设计了一种结合欧氏距离、像素强度和边缘信息的测度函数，将SAR图像中三维位置相近、电磁散射强度相似的像素点分割成局部连通的同质区域。然后，将TomoSAR单像素观测信号模型扩展到同质区域联合观测信号模型，通过同质区域积累得到高程约束中心，根据同质区域大小和成像参数自动确定高程搜索范围，稀疏逼近估计同质区域高程。最后，对斜高进行几何变换和地理编码，得到三维成像结果。该方法能减少成像结果中由固有相干斑噪声带来的噪点，有效提升了信噪比，提高了对弱小目标的恢复能力。
-
公开(公告)号：CN118212354A
公开(公告)日：2024-06-18
申请号：CN202410275753.7
申请日：2024-03-12
申请人： 中山大学
IPC分类号： G06T17/00 , G01S13/90 , G06T17/20 , G06N3/045 , G06N3/0464
摘要： 本发明属于卫星遥测技术领域。SAR图像三维重建方法，包括：利用图像编码器，从预设区域的SAR图像中提取第一隐式空间向量；利用点云解码器，根据第一隐式空间向量生成预设区域的重构点云；图像编码器和点云解码器中的至少一项由深度学习算法训练生成。利用上述SAR图像三维重建方法可以有效提降低三维模型中的噪声，提高SAR图像的利用率。
-
公开(公告)号：CN117876603A
公开(公告)日：2024-04-12
申请号：CN202410131524.8
申请日：2024-01-30
申请人： 中山大学
IPC分类号： G06T17/00 , G01S13/90 , G06N3/0442 , G06N3/08
摘要： 本申请提供了一种基于LSTM的深度展开网络的层析SAR三维成像方法，该方法用ALISTA网络作为基本框架，并在其中引入LSTM模块，把该网络称为NA‑ALISTA网络，通过求解凸优化问题确定NA‑ALISTA网络中的权重矩阵；将误差量r、u输入LSTM模块，求解散射体在三维位置的电磁散射强度迭代公式中的两个训练参数，进而迭代求解电磁散射强度。本申请通过LSTM模块的自适应学习，使NA‑ALISTA网络迅速收敛于复杂的时空信号，从而提高成像效率；LSTM模块还能够减小误差，使NA‑ALISTA网络更准确地捕捉并传递信息，进一步提高成像的精度和稳定性，为高质量TomoSAR成像提供新的技术路径。
-
-
-
搜索结果
4 条记录 (耗时 0.019 秒)
