针对尺度不变特征变换（SIFT）算法配准可见光和合成孔径雷达（SAR）图像时性能较差的问题，提出了一种基于改进光学-SAR图像的SIFT（OS-SIFT）可见光和SAR图像配准算法。首先，利用非线性扩散滤波构建可见光和SAR图像的非线性扩散尺度空间，并采用多尺度Sobel算子和多尺度指数加权均值比算子分别计算可见光和SAR图像的一致性梯度信息。然后，用图像分块策略剔除尺度空间第一层后对尺度空间进行分块，在一致性梯度信息的基础上提取Harris特征点，得到稳定且均匀的点特征。基于梯度位置和方向直方图模板构建描述符并对其进行归一化处理，以克服影像间的非线性辐射差异。最后，利用欧氏距离进行特征匹配，并采用快速抽样一致性算法剔除误匹配。实验结果表明，相比联合位置、尺度和方向的SIFT算法和OS-SIFT算法，本算法的匹配率有明显提高，均方根误差也相对较低。

针对Faster R-CNN算法检测舰船目标存在的不足,提出基于深度特征金字塔和级联检测器的舰船检测算法。先利用小目标数据增强算法对数据进行扩充,使检测模型学习足够的特征;再使用深度特征金字塔网络改进原目标检测算法的特征提取网络,抑制相干斑噪声,有效提取舰船特征;并根据合成孔径雷达(SAR)图像中舰船目标稀疏的特点使用级联结构调整网络。基于上述改进,选取舰船目标检测数据集中部分图像及2月份渤海湾的SAR图像进行实验,实验结果表明:所提算法均取得了良好的检测效果,证明了所提算法的有效性。

针对传统舰船检测算法难以适应复杂多变的海洋杂波环境,无法实现智能舰船检测的问题,提出了一种改进的基于区域全卷积网络(R-FCN)的检测方法。针对合成孔径雷达(SAR)图像的特点,对R-FCN中的特征提取网络ResNet进行混合尺度卷积核处理,使特征提取网络能够抑制相干斑噪声的影响,有效提取舰船特征。选取高分辨率GF-3与低分辨Sentinel-1卫星SAR图像进行测试,均取得了良好的检测效果,证明了本文算法的有效性。

合成孔径激光雷达(SAL)具有成像距离远、分辨率高、速度快等特点,在天基空间目标成像领域有重要的应用前景。针对天基SAL成像中回波信号弱、噪声大、成像质量差等问题,提出在交会点附近连续长时间观测的思路。基于简单假设,建立采用光学外差探测的天基SAL成像理论数学模型,获得回波数据方程,给出成像处理流程、成像分辨率和图像信噪比,数学仿真了不同信噪比下的天基SAL空间目标成像。理论分析和仿真成像结果表明:当回波数据信噪比高时,任何子段数据均可形成空间目标的高分辨率图像;当回波信号微弱、数据信噪比低时,采用连续长时间观测数据形成目标子图像,将所有子图像进行叠加,提升了目标图像信噪比,改善了成像质量。

针对雷达进行海浪遥测时降雨对雷达波传播和海浪参数反演的影响，提出一种基于质量控制、三维表面粗糙度评定参数及信噪比的降雨资料识别与处理方法来提高海浪参数反演结果的准确度。首先，分析降雨对雷达遥测海浪及海面回波特性的影响，利用质量控制功能判定存在问题的图像。然后，根据回波图像的三维表面粗糙度的相关评定参数以及信噪比的具体变化趋势确定引起雷达图像产生问题的具体原因，确定受降雨影响的图像。最后对受降雨影响较轻的图像进行频域滤波处理，并将反演结果、未作处理的反演结果与参考值进行对比。实验结果显示：周期的相对误差减小了19.13%; 波向测量误差减小了10.54°，表明该方法能有效地区分降雨与非降雨图像，并有效处理降雨图像，提高海浪参数反演的准确度。

In remote sensing community, IHS (intensity, hue, and saturation) transform is one of the most commonly used fusion algorithm. A study on IHS fusion indicates that the color distortion cannot be avoided. Meanwhile, wavelet decomposition has a property of frequency division in transform domain. And the statistical property of wavelet coefficient reflects those significant features. So, a united optimal fusion method, which using the statistical property of wavelet decomposition and IHS transform on pixel and feature levels, is proposed. That is, the high frequency of intensity component I is fused on feature level with multi-resolution wavelet in IHS space, and the low frequency of intensity component I is fused on pixel level with optimal weight coefficients. Spectral information and spatial resolution are two performance indexes of optimal weight coefficients. Experiment results show that it is a practical and effective method.