基于双目视差的SAR三维图像重构及自动目标识别技术

Modern radar systems are expected to have the capability of high resolution 3D imaging and Automatic target recognition (ATR) for the 3D proper -ties of spatial objects. The project's main researches are 3D reconstruction based on 2D SAR images and ATR based on 3D SAR imaging. SAR image processing via 3D rendering which is in video processing is proposed. With binocular stereoscopic rendering (BSR) and depth image-based rendering (DIBR), depth information is estimated by single-antenna SAR simulating optical cameras shooting and then 3D SAR image is construct-ed. The original images are decomposed through Wavelet transform, split by fuzzy clustering algorithm and the image noises are suppressed via Radon transform, and then ATR of 3D SAR image is achieved for integration of split map and height map. 3D SAR image reconstruction via bino-cular parallax reduces the cost and technical complexity for the needless of additional antennas and navigations. Optical binocular imaging is simi-lar to radar sub-aperture imaging and optical passive imaging is different from SAR active imaging. Interpreting the links and the differences betw -een them, implementing 3D SAR image reconstruction and ATR of 3D SAR image are the innovations of the thesis.

空间目标三维属性要求雷达具有高分辨三维目标成像能力，自动目标识别技术(ATR）是现代雷达系统所追求的重要性能。本项目主要研究基于雷达SAR目标二维图像的三维重构及基于雷达图像的自动目标识别技术。提出将视频领域中的3D渲染原理引入SAR图像处理，结合双目立体技术的渲染(BSR)和基于深度图的渲染(DIBR)，利用单天线SAR系统模拟光学相机的拍摄情景进行深度信息的估测，进而构建SAR图像场景的三维效果图，通过小波变换分解原始图像，利用模糊均值聚类等算法分割图像，利用Radon变换抑制图像噪声，进而融合分割图与高度图进行SAR三维图像的目标识别。基于双目视差的SAR图像三维构建技术无需额外的天线和航行，降低实现成本及技术复杂度。光学的双目图像类似雷达的子孔径图像，光学的被动图像区别于SAR的主动成像，解读他们之间的联系和区别，实现SAR图像的三维重构和目标自动识别是课题的创新。

现代雷达成像不断朝向立体化、高分辨、智能化的方向发展，这要求雷达必须具有高分辨三维成像能力与完善的自动目标识别技术。本课题旨在开展SAR目标二维成像的三维重构与基于雷达三维图像的自动目标识别技术，实现单天线SAR三维成像。本项目主要研究单天线SAR系统模拟光学成像进行深度信息估计的成像模型，构建SAR成像场景的三维效果图；设计并实现雷达三维成像及自动目标识别的流程，研究雷达二维成像、三维成像算法，结合压缩感知、深度学习等新理论，比较雷达不同的成像方法，验证并进一步提出特定体制雷达二维成像、三维成像算法；对SAR图像进行分割，融合分割图与高度图进行SAR三维图像的目标识别。通过本课题的研究，我们完成了光学成像双目视差对 SAR 成像的近似模拟模型，确定了滑窗间距和SAR图像的预处理办法，确保了开始视频深度估测流程之前原始图像的准确可靠，研究了干涉SAR体制中层析SAR的成像算法，对FFT算法、Capon算法、MUSIC算法、基于DOA估计的算法与压缩感知算法的高度维成像进行了仿真，研究了压缩感知理论中基于软阈值迭代和小波系数稀疏性的两种凸优化方法。在二维成像算法方面，我们建立了一站固定式及任意双站前视SAR模型，解决了不同构型下因大前视角和大斜视角带来的成像质量差的问题，提出的算法对边缘点目标成像质量很高，不存在散焦现象，聚焦效果很好。学习了SAR影像斑点噪声的各类经典抑制方法与基于神经网络的SAR影像斑点噪声抑制，方便更好地处理雷达图像。提出了基于深度置信网络和超像素分割的极化SAR图像分类，实现了目标自动识别。