一种海洋涡旋SAR图像仿真方法

王宇航 杨敏 种劲松

张磊, 董纯柱, 侯兆国, 王超, 殷红成. 多层介质平板结构的传输线等效面模型及相位修正算法[J]. 雷达学报, 2015, 4(3): 317-325. doi: 10.12000/JR15038
引用本文: 王宇航, 杨敏, 种劲松. 一种海洋涡旋SAR图像仿真方法[J]. 雷达学报, 2019, 8(3): 382–390. doi: 10.12000/JR18052
Zhang Lei, Dong Chun-zhu, Hou Zhao-guo, Wang Chao, Yin Hong-cheng. Transmission Line Equivalent Plane Model and Phase Correction Algorithm for Multilayered Dielectric Slab Structure[J]. Journal of Radars, 2015, 4(3): 317-325. doi: 10.12000/JR15038
Citation: WANG Yuhang, YANG Min, and CHONG Jinsong. SAR image simulation method for oceanic eddies[J]. Journal of Radars, 2019, 8(3): 382–390. doi: 10.12000/JR18052

一种海洋涡旋SAR图像仿真方法

DOI: 10.12000/JR18052
基金项目: 国家部委基金,微波成像技术国家重点实验室基金(CXJJ_15S119)
详细信息
    作者简介:

    王宇航(1992–),女,博士生,中国科学院电子学研究所。研究方向为SAR海洋遥感探测与应用。E-mail: iecas_wang@126.com

    杨敏:杨   敏(1988–),女,硕士。2013年在中国科学院电子学研究所获得硕士学位。研究方向为SAR海洋遥感探测与应用。E-mail: minyang993@126.com

    种劲松(1969–),女,博士,研究员,博士生导师。2000年在北京航空航天大学宇航学院获得硕士学位,2003年在中国科学院研究生院获得博士学位,现担任中国科学院电子学研究所研究员。研究方向为SAR海洋微波遥感。E-mail: iecas_chong@163.com

    通讯作者:

    种劲松  iecas_chong@163.com

  • 中图分类号: TN957.52

SAR Image Simulation Method for Oceanic Eddies

Funds: The National Ministries Foundation, The Foundation of National Key Laboratory of Science and Technology on Microwave Imaging (CXJJ_15S119)
More Information
  • 摘要: 海洋涡旋对海洋热循环起着关键作用,是海洋科学研究中的一个重要分支。合成孔径雷达(Synthetic Aperture Radar, SAR)为海洋涡旋的观测和研究提供了大量的图像数据,但是涡旋在SAR成像时会受到各种海洋环境因素的影响,难以解译涡旋SAR图像特征。仿真SAR图像可以用于研究涡旋的特征,但是目前极少有关于涡旋SAR图像仿真方法的研究。为了更好地解译SAR图像中的涡旋特征,该文提出了一种涡旋SAR图像仿真方法。首先,基于流体力学中典型的Burgers-Rott涡旋模型,建立涡旋2维表面流场;然后,利用SAR海洋成像仿真模型,仿真给定涡旋2维流场、海面风场以及雷达系统参数下的涡旋SAR图像。该文针对气旋式涡旋与反气旋式涡旋进行了仿真实验,并建立了仿真涡旋SAR图像的相似度评价标准。实验结果表明,仿真的涡旋SAR图像与真实星载涡旋SAR图像能够较好地吻合,验证了方法的有效性。

     

  • 图  1  涡旋SAR图像仿真方法流程图

    Figure  1.  Flow chart of the simulation method of SAR eddy image

    图  2  SAR海洋成像仿真模型示意图[22]

    Figure  2.  Schematic diagram of oceanic SAR imagery simulation model[22]

    图  3  中国东海海域获取的ERS-2 SAR图像,获取时间为2009.08.19, 02:23:50 UTC

    Figure  3.  ERS-2 SAR image of the East China Sea obtained on August 19, 2009 at 02:23:50 UTC

    图  4  从方框1处截取的涡旋SAR图像

    Figure  4.  Enlargement of the eddy in Frame 1

    图  5  相同参数下仿真SAR图像与ERS-2 SAR图像对比图

    Figure  5.  Comparison of simulated SAR image and ERS-2 SAR image under the same parameters

    图  6  仿真SAR图像与ERS-2 SAR图像涡旋信息提取

    Figure  6.  Eddy information extraction of simulated SAR image and ERS-2 SAR image

    图  7  吕宋海峡获取的ENVISAT-1 ASAR图像,获取时间为2010.06.11, 01:51:48 UTC

    Figure  7.  ENVISAT-1 ASAR image of the Luson Strait obtained on June 11, 2010 at 01:51:48 UTC

    图  8  方框2处截取的涡旋SAR图像

    Figure  8.  Enlargement of the eddy in Frame 2

    图  9  相同参数下仿真SAR图像与ENVISAT-1 ASAR图像对比图

    Figure  9.  Comparison of simulated SAR image and ENVISAT-1 ASAR image under the same parameters

    图  10  仿真SAR图像与ENVISAT-1 ASAR图像涡旋信息提取

    Figure  10.  Eddy information extraction of simulated SAR image and ENVISAT-1 ASAR image

    表  1  ERS-2 SAR参数

    Table  1.   SAR parameters of ERS-2

    参数数值
    极化方式VV
    波段C
    入射角23.0°
    平台高度780 km
    平台速度7500 m/s
    下载: 导出CSV

    表  2  涡旋信息提取结果

    Table  2.   Results of eddy information extraction

    SAR图像涡旋中心位置涡旋直径涡旋边缘长度
    仿真SAR图像(116,75)18.9 km35.7 km
    真实SAR图像(113,71)18.7 km35.4 km
    绝对/相对误差(3,4)/—0.2 km/0.0110.3 km/0.008
    下载: 导出CSV

    表  3  ENVISAT-1 ASAR参数

    Table  3.   ASAR parameters of ENVISAT-1

    参数数值
    极化方式HH
    波段C
    入射角26.7°
    平台高度800 km
    平台速度7455 m/s
    下载: 导出CSV

    表  4  涡旋信息提取结果

    Table  4.   Results of eddy information extraction

    SAR图像涡旋中心位置涡旋直径涡旋边缘尺寸
    仿真SAR图像(144,78)24.0 km49.4 km
    真实SAR图像(147,81)23.9 km49.7 km
    绝对/相对误差(3,3)/—0.1 km/0.0040.3 km/0.006
    下载: 导出CSV
  • [1] KARIMOVA S. Spiral eddies in the Baltic, Black and Caspian seas as seen by satellite radar data[J]. Advances in Space Research, 2012, 50(8): 1107–1124. doi: 10.1016/j.asr.2011.10.027
    [2] IVANOV A Y and GINZBURG A I. Oceanic eddies in synthetic aperture radar images[J]. Journal of Earth System Science, 2002, 111(3): 281–295. doi: 10.1007/BF02701974
    [3] KARIMOVA S and GADE M. Improved statistics of sub-mesoscale eddies in the Baltic Sea retrieved from SAR imagery[J]. International Journal of Remote Sensing, 2016, 37(10): 2394–2414. doi: 10.1080/01431161.2016.1145367
    [4] XU G J, YANG J S, DONG C M, et al. Statistical study of submesoscale eddies identified from synthetic aperture radar images in the Luzon Strait and adjacent seas[J]. International Journal of Remote Sensing, 2015, 36(18): 4621–4631. doi: 10.1080/01431161.2015.1084431
    [5] TAVRI A, SINGHA S, LEHNER S, et al. Observation of sub-mesoscale eddies over Baltic Sea using TerraSAR-X and Oceanographic data[C]. Proceedings of Living Planet Symposium 2016, Prague, Czech Republic, 2016.
    [6] LYZENGA D and WACKERMAN C. Detection and classification of ocean eddies using ERS-1 and aircraft SAR images[C]. Proceedings of the 3rd ERS Symposium on Space at the Service of our Environment, Florence, Italy, 1997: 1267–1271.
    [7] MITNIK L, DUBINA V, and LOBANOV V. Cold season features of the Japan Sea coastal zone revealed by ERS SAR[C]. Proceedings of ERS-Envisat Symposium " Looking Down to Earth in the New Millennium”, Noordwijk, Netherlands, 2000: 4232–4242.
    [8] LAVROVA O Y and MITYAGINA M I. Manifestation specifics of hydrodynamic processes in satellite images of intense phytoplankton bloom areas[J]. Izvestiya Atmospheric and Oceanic Physics, 2016, 52(9): 974–987. doi: 10.1134/S0001433816090176
    [9] 杨敏, 种劲松. 基于对数螺旋线边缘拟合的SAR图像漩涡信息提取方法[J]. 雷达学报, 2013, 2(2): 226–233. doi: 10.3724/SP.J.1300.2013.13004

    YANG Min and CHONG Jing-song. A method based on logarithmic spiral edge fitting for information extraction of eddy in the SAR image[J]. Journal of Radars, 2013, 2(2): 226–233. doi: 10.3724/SP.J.1300.2013.13004
    [10] DRESCHLER-FISCHER L, LAVROVA O, SEPPKE B, et al. Detecting and tracking small scale eddies in the black sea and the Baltic Sea using high-resolution Radarsat-2 and TerraSAR-X imagery (DTeddie)[C]. Proceedings of 2014 IEEE Geoscience and Remote Sensing Symposium, Quebec City, Canada, 2014: 1214–1217. DOI: 10.1109/IGARSS.2014.6946650.
    [11] KARIMOVA S. An approach to automated spiral eddy detection in SAR images[C]. Proceedings of 2017 IEEE International Geoscience and Remote Sensing Symposium, Fort Worth, Texas, USA, 2017: 743–746. DOI: 10.1109/IGARSS.2017.8127059.
    [12] HUANG D M, DU Y L, HE Q, et al. DeepEddy: A simple deep architecture for mesoscale oceanic eddy detection in SAR images[C]. Proceedings of the 14th IEEE International Conference on Networking, Sensing and Control, Calabria, Italy, 2017: 673–678. DOI: 10.1109/ICNSC.2017.8000171.
    [13] 于祥祯. 顺轨干涉SAR对海洋表面流场监测的若干问题研究[D]. [博士论文], 中国科学院研究生院, 2012: 30–34.

    YU Xiang-zhen. Study on some problems of ocean surface current detection by along-track interferometric SAR[D]. [Ph.D. dissertation], Graduate University of Chinese Academy of Sciences, 2012: 30–34.
    [14] ROMEISER R, ALPERS W, and WISMANN V. An improved composite surface model for the radar backscattering cross section of the ocean surface: 1. Theory of the model and optimization/validation by scatterometer data[J]. Journal of Geophysical Research, 1997, 102(C11): 25237–25250. doi: 10.1029/97JC00190
    [15] ROMEISER R and ALPERS W. An improved composite surface model for the radar backscattering cross section of the ocean surface: 2. Model response to surface roughness variations and the radar imaging of underwater bottom topography[J]. Journal of Geophysical Research, 1997, 102(C11): 25251–25267. doi: 10.1029/97JC00191
    [16] ROMEISER R, SEIBT-WINCKLER A, HEINEKE M, et al. Validation of current and bathymetry measurements in the German Bight by airborne along-track interferometric SAR[C]. Proceedings of 2002 IEEE International Geoscience and Remote Sensing Symposium, Toronto, Canada, 2002: 1822–1824. DOI: 10.1109/IGARSS.2002.1026266.
    [17] OUYANG Y, CHONG J S, WU Y R, et al. Simulation studies of internal waves in SAR images under different SAR and wind field conditions[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(5): 1734–1743. doi: 10.1109/TGRS.2010.2087384
    [18] 朱克勤, 彭杰. 高等流体力学[M]. 北京: 科学出版社, 2017: 132–138.

    ZHU Ke-qin and PENG Jie. Advanced Fluid Mechanics[M]. Beijing: Science Press, 2017: 132–138.
    [19] BURGERS J M. A mathematical model illustrating the theory of turbulence[J]. Advances in Applied Mechanics, 1948, 1: 171–199. doi: 10.1016/S0065-2156(08)70100-5
    [20] ROTT N. On the viscous core of a line vortex[J]. Zeitschrift für Angewandte Mathematik und Physik ZAMP, 1958, 9(5/6): 543–553. doi: 10.1007/BF02424773
    [21] LONGUET-HIGGINS M S and STEWART R W. Radiation stresses in water waves; a physical discussion, with applications[J]. Deep Sea Research and Oceanographic Abstracts, 1964, 11(4): 529–562. doi: 10.1016/0011-7471(64)90001-4
    [22] 余颖, 王小青, 朱敏慧, 等. 基于二阶散射的海面三尺度雷达后向散射模型[J]. 电子学报, 2008, 36(9): 1771–1775. doi: 10.3321/j.issn:0372-2112.2008.09.022

    YU Ying, WANG Xiao-qing, ZHU Min-hui, et al. Three-scale radar backscattering model of the ocean surface based on second-order scattering[J]. Acta Electronica Sinica, 2008, 36(9): 1771–1775. doi: 10.3321/j.issn:0372-2112.2008.09.022
    [23] WHITHAM G B. A general approach to linear and non-linear dispersive waves using a Lagrangian[J]. Journal of Fluid Mechanics, 1965, 22(2): 273–283. doi: 10.1017/S0022112065000745
    [24] ALPERS W R, ROSS D B, and RUFENACH C L. On the detectability of ocean surface waves by real and synthetic aperture radar[J]. Journal of Geophysical Research, 1981, 86(C7): 6481–6498. doi: 10.1029/JC086iC07p06481
    [25] ROMEISER R and THOMPSON D R. Numerical study on the along-track interferometric radar imaging mechanism of oceanic surface currents[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(1): 446–458. doi: 10.1109/36.823940
    [26] ROBINSON I S. Discovering the Ocean from Space: The Unique Applications of Satellite Oceanography[M]. Chichester, UK: Springer-Praxis, 2010: 76–78.
  • 期刊类型引用(88)

    1. 肜瑶,张洋洋. 重构目标和多层次BVMD特征融合的SAR图像目标识别方法. 探测与控制学报. 2025(01): 94-101 . 百度学术
    2. 杨慧娉,赖小龙,刘丹. 一种基于区域特征的SAR图像目标识别方法. 电光与控制. 2025(03): 76-81 . 百度学术
    3. 吕虎. 基于属性散射中心目标重构加权决策融合的SAR目标识别方法. 电光与控制. 2024(02): 112-117+124 . 百度学术
    4. 李振汕,丁柏圆. 联合核稀疏表示和增强字典的SAR目标识别方法. 电光与控制. 2024(08): 44-49 . 百度学术
    5. 罗曼,李新. 改进卷积神经网络的SAR图像识别方法. 空天预警研究学报. 2024(03): 162-166+172 . 百度学术
    6. 赵琰,赵凌君,张思乾,计科峰,匡纲要. 自监督解耦动态分类器的小样本类增量SAR图像目标识别. 电子与信息学报. 2024(10): 3936-3948 . 百度学术
    7. 何洁,李文娟,陈欣. NCIE在多特征选择及SAR目标识别中的应用. 太赫兹科学与电子信息学报. 2023(02): 183-188 . 百度学术
    8. 王源源. 联合变分模态分解和卷积神经网络的SAR图像目标分类方法. 电光与控制. 2023(06): 41-46 . 百度学术
    9. 陈婕,潘洁,杨小英. 结合非采样剪切波和MCCA的SAR目标识别方法. 探测与控制学报. 2023(03): 89-94 . 百度学术
    10. 李鹏,冯存前,胡晓伟. 一种改进的可解释SAR图像识别网络. 空军工程大学学报. 2023(04): 49-55 . 百度学术
    11. 王源源. 基于改进稀疏表示的SAR图像目标识别方法. 电光与控制. 2023(09): 42-46 . 百度学术
    12. 许延龙,潘昊,丁柏圆. 基于深度信念网络的属性散射中心匹配及在SAR图像目标识别中的应用. 液晶与显示. 2023(11): 1511-1520 . 百度学术
    13. 李昆,赵鹏,张帝,尹广举. 基于结构相似性的多模态筛选及在SAR目标识别中的应用研究. 中国电子科学研究院学报. 2023(11): 996-1002+1028 . 百度学术
    14. 陆建华. 融合CNN和SRC决策的SAR图像目标识别方法. 红外与激光工程. 2022(03): 520-526 . 百度学术
    15. 游丽. 基于块稀疏贝叶斯学习的SAR图像目标方位角估计方法. 红外与激光工程. 2022(04): 399-404 . 百度学术
    16. 赵高丽,宋军平. 联合多特征的MSTAR数据集SAR目标识别方法. 武汉大学学报(工学版). 2022(07): 732-739 . 百度学术
    17. 周志洪,陈秀真,马进,夏正敏. 烟花算法在SAR图像属性散射中心参数估计中的应用. 红外与激光工程. 2022(08): 481-487 . 百度学术
    18. 李正伟,黄孝斌,胡尧. 基于二维随机投影特征典型相关分析融合的SAR ATR方法. 红外与激光工程. 2022(10): 366-373 . 百度学术
    19. 王源源,王小芳. 结合多特征联合表征和自适应加权的SAR图像目标识别方法. 电光与控制. 2022(11): 97-101+117 . 百度学术
    20. 莫海宁,钟友坤. 基于BVMD特征决策融合的SAR目标识别方法. 电子信息对抗技术. 2022(05): 40-44+50 . 百度学术
    21. 邢孟道,谢意远,高悦欣,张金松,刘嘉铭,吴之鑫. 电磁散射特征提取与成像识别算法综述. 雷达学报. 2022(06): 921-942 . 本站查看
    22. 来雨. 基于属性散射中心的SAR图像重构及在目标识别中的应用. 火力与指挥控制. 2021(02): 46-52 . 百度学术
    23. 刘飞,高红艳,卫泽刚,刘亚军,钱郁. 基于Res-Net深度特征的SAR图像目标识别方法. 液晶与显示. 2021(04): 624-631 . 百度学术
    24. 伍友龙. 多元经验模态分解及在SAR图像目标识别中的应用. 红外与激光工程. 2021(04): 251-257 . 百度学术
    25. 陈丛. 基于狼群算法的SAR图像属性散射中心参数估计. 红外与激光工程. 2021(04): 258-264 . 百度学术
    26. 辛海燕,童有为. 结合多源特征与高斯过程模型的SAR图像目标识别. 电讯技术. 2021(04): 454-460 . 百度学术
    27. 毛舒宇,岳凤英. 二维变分模态分解在SAR图像特征提取及目标识别中的应用. 电光与控制. 2021(03): 98-101+106 . 百度学术
    28. 唐吉深,覃少华. 稀疏表示系数下局部最优重构的SAR图像目标识别算法. 探测与控制学报. 2021(02): 69-75+80 . 百度学术
    29. 张楚笛,唐涛,计科峰. SAR图像车辆目标多模态联合协同表示分类方法. 信号处理. 2021(05): 681-689 . 百度学术
    30. 刘志超,屈百达. 复数二维经验模态分解在SAR目标识别中的应用. 红外与激光工程. 2021(05): 245-252 . 百度学术
    31. 刘志超,屈百达. 结合BM3D去噪与极限学习机的SAR目标分类方法. 电光与控制. 2021(06): 29-32 . 百度学术
    32. 吴剑波,陆正武,关玉蓉,王庆东,姜国松. 二维压缩感知多投影矩阵特征融合的SAR目标识别方法. 红外与激光工程. 2021(06): 314-320 . 百度学术
    33. 尚珊珊,余子开,范涛,金利民. 高斯过程模型在SAR图像目标识别中的应用. 红外与激光工程. 2021(07): 151-157 . 百度学术
    34. 胡媛媛,韩彦龙. 快速自适应二维经验模态分解在SAR目标识别中的应用研究. 电光与控制. 2021(08): 40-43+87 . 百度学术
    35. 张振中. 基于更新分类器的合成孔径雷达图像目标识别. 激光与光电子学进展. 2021(14): 234-241 . 百度学术
    36. 李亚娟. 结合多决策准则稀疏表示的SAR图像目标识别方法. 红外与激光工程. 2021(08): 353-360 . 百度学术
    37. 唐波,刘钢,谢黄海,黄力,代朝阳,李枫航. 基于多视角属性散射中心的风电机动态叶片雷达回波模拟. 中国电机工程学报. 2021(18): 6449-6461 . 百度学术
    38. 马丹丹. 图像分块匹配的SAR目标识别方法. 红外与激光工程. 2021(10): 290-297 . 百度学术
    39. 陈禾,张心怡,李灿,庄胤. 基于多尺度注意力CNN的SAR遥感目标识别. 雷达科学与技术. 2021(05): 517-525+533 . 百度学术
    40. 李笑雪,黄煜峰,李忠智. 嵌入特征预提取和注意力机制的SAR图像目标检测. 江西科学. 2021(06): 1103-1109 . 百度学术
    41. 陈婕,潘洁,杨小英,陈海媚,廖志平. 一种多视角SAR图像目标识别方法. 电讯技术. 2021(12): 1547-1553 . 百度学术
    42. 李宁,王军敏,司文杰,耿则勋. 基于最大熵准则的多视角SAR目标分类方法. 红外与激光工程. 2021(12): 572-578 . 百度学术
    43. 陈欣,陈明逊. 基于增强数据集卷积神经网络的SAR目标识别方法. 重庆理工大学学报(自然科学). 2020(01): 86-93 . 百度学术
    44. 张婷,蔡德饶. 联合多层次深度特征的SAR图像目标识别方法. 火力与指挥控制. 2020(02): 135-140 . 百度学术
    45. 陈婕. 考察独立性和相关性的多视角SAR图像目标识别方法. 电光与控制. 2020(03): 89-93+114 . 百度学术
    46. 丁慧洁. 基于非下采样剪切波特征提取的SAR图像目标识别方法. 探测与控制学报. 2020(01): 75-80 . 百度学术
    47. 柳小文,雷军程,伍雁鹏. 基于二维经验模态分解的合成孔径雷达目标识别方法. 激光与光电子学进展. 2020(04): 76-83 . 百度学术
    48. 张宏武,康凯. 结合二维内蕴模函数和贝叶斯多任务学习的SAR目标识别. 电讯技术. 2020(04): 372-377 . 百度学术
    49. 李亚娟. 结合全局和局部稀疏表示的SAR图像目标识别方法. 电子测量与仪器学报. 2020(02): 165-171 . 百度学术
    50. 兰文宝,车畅,陶成云. 基于斯皮尔曼等级相关的单演谱成分选择及其在SAR目标识别中的应用. 电波科学学报. 2020(03): 414-421 . 百度学术
    51. 周光宇,刘邦权,张亶. 基于变分模态分解的SAR图像目标识别方法. 国土资源遥感. 2020(02): 33-39 . 百度学术
    52. 郭炜炜,张增辉,郁文贤,孙效华. SAR图像目标识别的可解释性问题探讨. 雷达学报. 2020(03): 462-476 . 本站查看
    53. 陈婕,廖志平. 基于增强字典稀疏表示分类的SAR目标识别方法. 探测与控制学报. 2020(03): 75-81 . 百度学术
    54. 吴天宝,夏靖波,黄玉燕. 基于SVM和SRC级联决策融合的SAR图像目标识别方法. 河南理工大学学报(自然科学版). 2020(04): 118-124 . 百度学术
    55. 丛培贤,赵永彬,邸卓,刘雪松,徐静. 基于内蕴判别分析的SAR目标识别方法. 自动化技术与应用. 2020(09): 103-107 . 百度学术
    56. 张伟昌,王文政,代作松. 结合NSCT和TPCA的SAR图像目标识别. 火力与指挥控制. 2020(09): 41-46 . 百度学术
    57. 王源源. 一种基于多分辨率表示的SAR图像识别方法. 电光与控制. 2020(10): 31-36 . 百度学术
    58. 申伟,石平. 单演信号随机加权融合的SAR图像目标识别方法. 电子测量与仪器学报. 2020(09): 181-187 . 百度学术
    59. 陈潜,刘金清. 结合属性散射中心模型和空间变迹法的SAR图像旁瓣抑制方法. 电子测量与仪器学报. 2020(10): 57-64 . 百度学术
    60. 张虹,左鑫兰,黄瑶. 基于稀疏表示系数相关性的特征选择及SAR目标识别方法. 激光与光电子学进展. 2020(14): 271-278 . 百度学术
    61. 徐永士,贲可荣,王天雨,刘斯杰. DCGAN模型改进与SAR图像生成研究. 计算机科学. 2020(12): 93-99 . 百度学术
    62. 涂豫. 基于贝叶斯卷积神经网络与数据增强的SAR图像目标分类方法. 探测与控制学报. 2020(06): 43-48 . 百度学术
    63. 马梓元,龚华军,王新华,刘禹. 典型多特征决策融合方法及在无人机SAR图像目标识别中的应用. 舰船电子工程. 2020(12): 96-99 . 百度学术
    64. 何洁,陈欣. 基于非线性相关信息熵的SAR图像多分辨率选择及目标识别. 激光与光电子学进展. 2020(22): 215-222 . 百度学术
    65. 王骏,陈艳平,江立辉. 结合稀疏表示和协同表示的SAR图像目标方位角估计. 电子测量与仪器学报. 2020(12): 165-171 . 百度学术
    66. 乔良才. 结合多分辨率表示和复数域CNN的SAR图像目标识别方法. 激光与光电子学进展. 2020(24): 98-106 . 百度学术
    67. 王旭,蒋书波,张秀梅. SAR目标轮廓匹配及其在目标识别中的运用. 计算机工程与设计. 2019(01): 184-189 . 百度学术
    68. 蔡德饶,宋愈珍. 带鉴别分析的多视角SAR图像联合决策及目标识别. 中国电子科学研究院学报. 2019(01): 37-41+54 . 百度学术
    69. 段芃芃,刘锂. 基于相关性分析的SAR图像目标方位角估计. 中国电子科学研究院学报. 2019(01): 42-46 . 百度学术
    70. 靳黎忠,陈俊杰,彭新光. 决策可靠性分析及在SAR图像目标识别中的应用. 电讯技术. 2019(04): 409-414 . 百度学术
    71. 王鑑航,张广宇,李艳. 基于协同编码分类器的SAR目标识别方法. 中国电子科学研究院学报. 2019(03): 290-295 . 百度学术
    72. 陈岭. 基于随机加权的SAR图像多特征联合目标分类. 电子测量与仪器学报. 2019(05): 187-192 . 百度学术
    73. 张婷,蔡德饶. 基于属性散射中心匹配的噪声稳健SAR目标识别方法. 中国电子科学研究院学报. 2019(06): 557-562+567 . 百度学术
    74. 郭敦,吴志军. 基于局部字典块稀疏表示的SAR图像目标识别方法. 中国电子科学研究院学报. 2019(08): 813-817+829 . 百度学术
    75. 张克,牛鹏涛. 稀疏表示分类在SAR图像目标识别中的应用分析. 信息技术. 2019(09): 39-43 . 百度学术
    76. 张华,张素莉,何树吉. 基于幅相分离和动态粒子群算法的SAR图像属性散射中心参数估计. 中国电子科学研究院学报. 2019(09): 993-1000 . 百度学术
    77. 王源源. 基于单演信号多重集典型相关分析的SAR目标识别方法. 电光与控制. 2019(10): 7-11+29 . 百度学术
    78. 夏朋举. 目标区域和阴影联合决策的SAR图像目标识别方法. 中国电子科学研究院学报. 2019(10): 1062-1067+1087 . 百度学术
    79. 陈惠红,刘世明. 基于多重集典型相关的深度特征融合及SAR目标识别方法. 电子测量与仪器学报. 2019(09): 57-63 . 百度学术
    80. 冯冬艳,王海晖. 相关性约束下SAR图像动态重构的目标识别方法. 电子测量与仪器学报. 2019(09): 100-106 . 百度学术
    81. 陈宏. 结合多视角-多特征的SAR图像目标识别方法. 电子测量与仪器学报. 2019(09): 87-92 . 百度学术
    82. 刘阳. 基于属性散射中心多层次匹配的SAR目标识别方法. 电子测量与仪器学报. 2019(11): 192-198 . 百度学术
    83. 李辉. 基于峰值特征高斯混合建模的SAR目标识别. 电子测量与仪器学报. 2018(08): 103-108 . 百度学术
    84. 赵鹏举,甘凯. 基于互补特征层次决策融合的SAR目标识别方法. 电光与控制. 2018(10): 28-32 . 百度学术
    85. 谢晴,张洪. SAR图像多层次正则化增强及在目标识别中的应用. 电子测量与仪器学报. 2018(09): 157-162 . 百度学术
    86. 王立梅,李金凤,张亚峰. 联合多层次散射区域的SAR目标识别方法. 中国电子科学研究院学报. 2018(06): 690-694 . 百度学术
    87. 蔡德饶,张婷. 联合多分辨表示的SAR图像目标识别方法. 电子测量与仪器学报. 2018(12): 71-77 . 百度学术
    88. 董平,林嘉宇,刘莹. 一种基于峰值匹配的SAR目标识别方法. 无线互联科技. 2017(22): 112-114+121 . 百度学术

    其他类型引用(11)

  • 加载中
图(10) / 表(4)
计量
  • 文章访问数: 2708
  • HTML全文浏览量: 1156
  • PDF下载量: 282
  • 被引次数: 99
出版历程
  • 收稿日期:  2018-07-05
  • 修回日期:  2018-09-11
  • 网络出版日期:  2019-06-01

目录

    /

    返回文章
    返回