The proposed research is targeted for the urgent need of the current in-orbit and under-development series of radar satellite. It explores the new SAR data interpretation method based on scattering and inverse scattering physics principles. It differs from the current mainstream methods which are based on ‘point target’ assumption and thus follows the conventional optical image processing philosophy. The proposed research is based on the ‘complex scattering mechanism’ and treat the scattering-imaging process as a whole and try to derive its inverse problem. It first derives the analytical expressions of complex scattering mechanisms in SAR image domain and then establish the inverse approach from data to target geometry information, and finally implement the target reconstruction method..The key scientific problems to be studied are: how the target information was transferred into SAR images via scattering and imaging? How to extract target information and reconstruct target from SAR images..The key research tasks are: develop multi-scale scattering modeling; derive analytical expressions of complex scattering mechanisms; develop sparse coding technologies based on dictionary of complex scattering mechanisms; develop target reconstruction algorithm based on extraction of scattering mechanisms.
本项目面向国家在轨和在研的系列雷达成像卫星的实际应用需求,探索基于散射和逆散射物理机理的SAR数据解译新方法。与现有的基于‘点散射源’假设、沿用光学图像处理思路不同的是,本项目以‘复杂散射机制’为基本对象,将散射与成像看作完整的系统过程,研究这一过程的逆问题,首先推导各种复杂散射机制SAR图像域表达式,然后建立由数据反推目标的几何信息的逆问题解法,实现SAR图像中散射机制的识别和目标重构。.拟解决的科学问题:目标信息如何经过散射成像传递到SAR数据中?即深入理解和揭示目标与环境的复杂散射机制;如何从SAR图像中提取目标信息、实现目标重构?即构建并求解SAR散射成像的逆问题。.研究内容:完善现有目标与环境的多尺度电磁散射模型;归纳复杂散射机制类型,推导其图像域表达式;基于稀疏编码技术从SAR数据识别复杂散射机制;发展由多种复杂散射机制重构目标的方法。
为了提升我国在轨和在研的系列雷达成像卫星的应用效能,本项目开展了散射机制成像与SAR目标重构基础研究,围绕目标与环境的复杂散射机制建模与成像域表征、SAR图像中目标散射提取与目标识别重构逆问题等关键科学问题,完成了预定研究内容:完善了现有目标与环境的多尺度电磁散射模型;归纳了复杂散射机制类型,推导了其图像域表达式,构建了SAR目标特征空间;发展了基于稀疏编码等技术的从SAR数据识别和分解复杂散射机制的新方法;发展了由多种复杂散射机制重构目标、检测目标和识别目标的新方法。研究成果包括:基于BART的混合电磁散射建模与SAR成像仿真方法,自主开发了POLSAR-EYES雷达成像仿真分析平台,已经在我国多极化SAR卫星载荷设计与性能指标论证、我国某战略平台虚拟模拟飞行测试等重大任务中应用;复杂散射机制SAR图像域表征与分解方法,其中极化SAR图像因子分解法和极化各向异性联合分解法成果受邀在IGARSS旗舰会议做邀请报告;基于散射机制的SAR目标重构与自动目标识别方法,结合散射机制建模与深度学习方法发展了端到端的SAR图像分类和目标检测识别系列方法,相关成果发表后入选ESI高被引论文1篇,基于该方法在战略支援部队主办首届天智杯遥感图像解译挑战赛中获得SAR图像解译的两项冠军,与相关业务单位开展应用落地。本项目完成了各项指标,主要学术成果形式为国内外主流期刊论文,其中SCI索引论文共21篇,第一或通讯作者的共18篇(其中1区2篇、2区9篇,IEEE Transactions汇刊9篇),申请专利1项。在本项目资助下培养研究生已毕业5名,项目负责人在项目执行期中获优青资助。
{{i.achievement_title}}
数据更新时间:2023-05-31
基于分形L系统的水稻根系建模方法研究
农超对接模式中利益分配问题研究
基于 Kronecker 压缩感知的宽带 MIMO 雷达高分辨三维成像
基于细粒度词表示的命名实体识别研究
基于图卷积网络的归纳式微博谣言检测新方法
基于参数化电磁散射模型的SAR目标成像技术
环境目标散射成像模拟-反演特征识别的全极化SAR信息链
利用散射机制关联的空间目标ISAR成像多视匹配及三维重构
海洋杂波环境下复杂目标的电磁散射及SAR 成像模拟的混合算法研究