项目名称: 基于分层稀疏表示的微动目标ISAR三维层析成像技术

项目编号: No.61501474

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 无线电电子学、电信技术

项目作者: 金光虎

作者单位: 中国人民解放军国防科技大学

项目金额: 19万元

中文摘要: 起伏、自旋、翻滚、进动等微动使得目标ISAR成像时空间谱呈现三维曲面特性,二维/三维成像难度大、效果差。本项目利用微动的三维转动特点,提出一种空间支撑谱三维曲面的分层节省参数表示方法,将3D-ISAR成像转化为ISAR切片成像和三维ISAR层析成像,把复杂的稀疏字典构建转化为两个一维成像稀疏字典构建,基于稀疏表示理论,实现ISAR切片成像和高度维层析成像。项目变微动从传统观念的成像不利因素为三维成像的有利因素,提出了分层、分步ISAR三维层析成像思路和基于稀疏表示理论的ISAR三维层析成像方法,相比于直接三维成像,该方法计算量小、稳健性高,可望在成像效果、成像效率及稳健性上获得突破。

中文关键词: ISAR成像;三维成像;微动;空间谱分层;稀疏表示

英文摘要: Micro-motion such as waving,spinning,rolling,precessing makes the space spectra appear as three-dimensional curved surface. It is hard to get clear 2D/3D ISAR image. Base on the periodicity of micro-motion, we proposed to delaminate space supporting spectra into several layers. Therefore, the 3D ISAR imaging is translated into Slice-ISAR imaging and 3D tomography ISAR imaging. And the uniformed sparse reprensentation is translated into two sparse reprensentations for single dimension imaging. 3D ISAR tomography imaging is realized based on sparse representation theory lastly. The project turned the micro-motion from disadvantage in trandistional ISAR imaging to advantage for 3D-ISAR imaging. 3D ISAR tomography imaging based on sparse representation theory by two steps process is proposed. Compared to direct 3D imagine, the algorithm has the merits of high efficiency, good robustness on which the project is likely to get breakthrough.

英文关键词: ISAR imaging;3D imaging;micro-motion;spectra delaminating;sparse representation

成为VIP会员查看完整内容
1

相关内容

基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
CVPR2022 | 一种适用于密集场景的渐进式端到端目标检测器
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
42+阅读 · 2021年2月8日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
114+阅读 · 2021年1月11日
专知会员服务
18+阅读 · 2020年12月23日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
目标检测之殇—小目标检测
极市平台
5+阅读 · 2021年11月3日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
CVPR 2019:精确目标检测的不确定边界框回归
AI科技评论
13+阅读 · 2019年9月16日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
目标跟踪算法分类
大数据技术
13+阅读 · 2018年9月17日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Learning to execute or ask clarification questions
Arxiv
0+阅读 · 2022年4月18日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
小贴士
相关VIP内容
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
CVPR2022 | 一种适用于密集场景的渐进式端到端目标检测器
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
42+阅读 · 2021年2月8日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
114+阅读 · 2021年1月11日
专知会员服务
18+阅读 · 2020年12月23日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
目标检测之殇—小目标检测
极市平台
5+阅读 · 2021年11月3日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
CVPR 2019:精确目标检测的不确定边界框回归
AI科技评论
13+阅读 · 2019年9月16日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
目标跟踪算法分类
大数据技术
13+阅读 · 2018年9月17日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员