基于射线管分裂方法的SAR场景快速消隐技术
基于射线分裂的SBR新方法

南 京 邮 电 学 院 学 报 (自 然 科 学 版)Jo ur nal of Nanjing U n iversit y of Po st s and Teleco m municatio n s ( N at u ral S cience ) 第 19 卷 第 4 期 1999 年 12 月Vol . 19 No . 4 Dec. 1999文章编号 :100021972 (1999) 0420064205基 于 射 线 分 裂 的 SBR 新 方 法鲁艳玲 ,徐立勤 ,吴志忠( 南京邮电学院 通信工程系 ,江苏 南京 210003)摘 要 :提出了一种基于射线分裂的入射反弹射线方法 ( S B R : Shoo ting 2and 2B o uncing Ray ) 以用于室内场强预测 ,与传统的 S B R 方法相比 ,新方法对场强预测的精确度有一定的提高 。
关键词 :射线分裂 ;入射反弹射线法 ;室内预测 ;射线追踪 中图分类号 : T N011192文献标识码 :A引 言1 射线追踪方法 ( R T M ) 是目前应用广泛的一种 方法 。
一般来说 , 可分两种方式利用 R T M 预测模型 : (1) 正向方式 ,包括“pin 2cushi o n ”1和 SB R 2 等 ; ( 2) 反向方式 ,包括 B SP (Binary Space Partit i o n ing ) ,SV P ( Space Volumet r ic Part iti o n ing ) , A Z B ( A ngular Z 2Buffer ) 3 。
射线追踪思想是根据几何光学原理跟 踪从光源发出的射线 ,检查射线在传播过程中是否 与障碍物相交 ,发生反射 、折射 、绕射等 ,直至到达接 收点 。
在判断中 , 利 用 镜 像 原 理 、GTD/ U TD ( 几 何 绕射原理/ 一致绕射原理) 等对射线进行有效模拟 。
SAR图像处理的若干关键技术

SAR图像处理的若干关键技术SAR图像处理的若干关键技术合成孔径雷达(Synthetic Aperture Radar,SAR)是一种利用合成孔径波束形成技术获得高分辨率航天或地面观测图像的雷达。
相比于光学遥感,SAR具有天气无关性、全天候观测能力以及对地表遥感的穿透能力等优势。
然而,由于SAR的脉冲压缩、多普勒频率模糊、地形效应等因素,使得SAR图像的处理变得复杂而具有挑战性。
本文将探讨SAR图像处理的若干关键技术。
1. SAR图像去斑点和去噪技术SAR图像中存在着斑点和噪声,这会影响图像的可视化和后续处理。
去斑点和去噪技术旨在提高SAR图像的质量。
常见的方法包括小波去斑、中值滤波、自适应滤波以及基于稀疏表示的降噪方法等。
这些技术可以有效减少斑点和噪音,提高图像质量。
2. SAR图像去焦模糊技术合成孔径雷达通过接收连续多个雷达回波并对它们进行累积处理,以获得高分辨率图像。
然而,这种累积处理可能会导致图像模糊。
因此,需要进行去焦模糊处理。
常见的方法包括波前解扩、逆滤波和最大熵方法等。
这些方法可以有效去除图像的焦模糊现象,提高图像的分辨率。
3. SAR图像多普勒参数估计技术由于合成孔径雷达平台的运动,SAR图像中存在多普勒频率模糊现象。
为了恢复真实的地物信息,需要准确估计多普勒参数。
常见的多普勒参数估计方法包括基于最大熵准则的参数估计、基于相位解缠的参数估计和基于谱分析的参数估计等。
这些方法可以精确估计多普勒参数,降低图像的多普勒模糊程度。
4. SAR图像纹理特征提取技术纹理特征对于地物分类和目标检测具有重要意义。
SAR图像的纹理特征提取是指提取图像中的空间变化特征,并通过这些特征进行分类和检测。
常用的纹理特征提取方法包括灰度共生矩阵(GLCM)、小波变换和局部二值模式(LBP)等。
这些方法可以提取出图像中的纹理特征,为后续的分类和检测提供有效的数据支持。
5. SAR图像目标检测技术SAR图像中的目标检测是指在图像中准确地找出感兴趣的地物目标。
SAR图像相干斑抑制和分割方法研究

SAR图像相干斑抑止和分割方法探究一、引言合成孔径雷达(synthetic aperture radar,简称SAR)是利用微波作用在地面、大气、海洋等目标上,通过接收返回的电磁回波进行成像的一种主要的遥感技术。
然而,由于SAR 成像过程中的系统误差和复杂环境影响,SAR图像在成像中普遍存在相干斑现象,限制了图像的质量和应用。
相干斑是由于地物散射体在图像像素单元内的相位都是不同的,当SAR像元尺寸大于散射体的尺寸时,就会产生相位平均的效应,导致图像上出现亮暗混杂的斑状或斑块状的现象,给图像解译和目标识别带来很大的困难。
因此,抑止和分割相干斑是改善SAR图像质量、提高图像分析与解译效果的关键问题。
二、相干斑抑止方法探究1. 经典滤波方法常用的滤波方法有均值滤波、中值滤波、自适应滤波等。
均值滤波方法通过计算滑动窗口内像素的均值来平滑图像,有效地抑止了相干斑。
中值滤波方法利用图像像素的中值代替原始像素值,对于斑点噪声的抑止效果显著。
自适应滤波方法结合了均值和中值滤波的优点,依据局部像素灰度值和空间位置干系来对像素进行加权处理,从而更好地消除相干斑。
2. 多标准变换方法多标准变换方法通过对图像进行多标准分解,分别对不同标准的细节进行处理,从而抑止相干斑。
小波变换是一种常用的多标准变换方法,可以将图像分解为低频和高频重量,并对高频重量进行处理来抑止相干斑。
小波变换不仅能够抑止相干斑,还能够提取图像细节信息,提高图像的辨识度。
3. 基于局部统计特性的方法基于局部统计特性的方法包括Lee滤波、Frost滤波等。
Lee滤波方法通过预估图像的局部统计特性,对图像进行去相关处理,从而抑止相干斑。
Frost滤波方法则是利用地物散射体的空间相干性特征,在图像的空域和频域上同时对相位噪声进行预估和滤波,从而实现相干斑的抑止。
三、相干斑分割方法探究1. 基于阈值分割方法基于阈值分割方法是将SAR图像的灰度值与预设的阈值进行比较来实现分割的方法。
一种基于SPECAN卷积的聚束式SAR宽场景高分辨成像算法

一种基于SPECAN卷积的聚束式SAR宽场景高分辨成像算法张士明;计科峰【摘要】针对聚束式SAR成像,提出了一种基于谱分析(SPECAN)卷积的宽场景高分辨成像算法.该算法主要利用SPECAN卷积对回波方位实现了多普勒去模糊,推导二次相位补偿项,可实现信号支撑区相干性恢复.利用SPECAN卷积和相位补偿实现了信号二维频谱解模糊,同时保持了相位规律,所以可利用高精度的距离徙动算法(RMA)实现高分辨聚焦.区别于传统的聚束式SAR成像算法,基于SPECAN卷积的算法不引入近似,可应用于大场景高分辨聚束成像.仿真试验验证了该方法的有效性和优越性.【期刊名称】《现代电子技术》【年(卷),期】2010(033)019【总页数】4页(P35-38)【关键词】聚束SAR;谱分析处理;宽场景高分辨成像;二次相位补偿【作者】张士明;计科峰【作者单位】国防科学技术大学,电子科学与工程学院,湖南,长沙,410073;国防科学技术大学,电子科学与工程学院,湖南,长沙,410073【正文语种】中文【中图分类】TN95-340 引言大场景聚束式合成孔径雷达(SAR)成像时,回波方位带宽很大。
为保证多普勒不模糊,需要高重复频率(PRF)采样,数据量非常大,会增加后续成像处理的运算负担;当PRF选取小于方位带宽时会产生多普勒混迭,通常采用极坐标格式算法(PFA)实现二维成像,但PFA引入近似通常不能对大场景有效高精度聚焦[1]。
在聚束式SAR成像中,PFA算法的优势在于其简单性。
它基于平面波假设,这个假设在大场景成像情况下不成立,处理后在数据中还存在空变的一次和高次相位,导致几何失真和聚焦模糊,因此适用的成像场景范围受到严格的限制。
距离徙动算法(RMA)是精确的[1-3],但RMA算法要求方位上没有模糊,这将要求高的PRF,导致大的数据处理量。
本文主要研究聚束式SAR成像中如何实现高分辨宽场景成像,同时又有较小的运算量和数据量[4]。
一种自适应各向异性的SAR图像去噪算法

第32卷第1期遥 测 遥 控Vo.l32, .1 2011年1月Journal of Te le m etry,Tracking and Comm and Januar y2011一种自适应各向异性的SAR图像去噪算法苗 慧, 宋光磊, 张春红, 温 靖(中国空间技术研究院513所北京研发中心 北京 100191)摘 要:为了在抑制噪声时尽可能保留图像边缘信息,提出一种自适应各向异性SAR图像去噪算法。
该方法设计一组具有不同尺度和方向的滤波器模板,针对不同图像边缘的局部特征计算出滤波器的尺度和方向,选择最优匹配的各向异性滤波器,从而可以在抑制噪声的同时很好地保留边缘。
仿真实验表明,提出的自适应各向异性S AR图像去噪算法具有很强的噪声抑制和边缘保持能力,并且具有较高的实效性。
关键词:合成孔径雷达; 相干斑噪声; 各向异性中图分类号:TN957文献标识码:A文章编号:CN11 1780(2011)01 0028 05引 言合成孔径雷达SAR(Synthetic Aperture Radar)可以获得高分辨率的雷达图像信号,但是由于雷达系统采用全相干的成像方式,产生的图像一般都会受到相干斑噪声(Speck le)的污染,造成图像的辐射分辨率严重降低,使得对SAR图像进行分析处理或者是信息提取(如判读、分割、分类、目标检测等)的过程变得非常困难,因此,对于SAR图像进行相干斑去除的预处理成为必不可少的步骤,也是现代图像去噪和复原领域内最有难度的课题之一。
在相干斑噪声的抑制算法方面,最具代表性的有: 中值滤波,这是最早提出的滤波算法,此算法假定在窗口内的噪声具有局部极值,将含有奇数个(通常是3 3或者5 5)像素的窗口内的中间值像素值代替窗口中心的像素值,但空域中值滤波在滤波窗口较大的时候可能会丢失细小的线性特征,导致图像比较模糊; 基于局部统计特性的Lee[1]和Frost[2]滤波器,用滑动窗口内像素的均值以及方差作为参数,按一定的估计原则进行滤波,Lee滤波器假设斑点噪声是乘性且完全发育的,但在不少区域内斑点并不是完全发育的。
高分辨率SAR成像处理技术研究

高分辨率SAR成像处理技术研究一、本文概述随着遥感技术的不断发展,合成孔径雷达(SAR)作为一种主动式微波成像技术,已成为获取地面信息的重要手段。
SAR成像处理技术是SAR系统的核心技术之一,其目标是通过对回波信号的处理,获得高质量、高分辨率的SAR图像。
高分辨率SAR图像具有丰富的地物信息,对于军事侦察、地形测绘、城市规划、灾害监测等领域具有重要价值。
因此,研究高分辨率SAR成像处理技术具有重要意义。
本文旨在探讨高分辨率SAR成像处理技术的相关理论和方法,包括SAR成像的基本原理、成像处理流程、关键算法以及最新进展等方面。
本文将对SAR成像的基本原理进行介绍,包括SAR系统的基本构成、信号传播特性以及成像原理等。
本文将详细阐述SAR成像处理流程,包括预处理、成像算法、后处理等步骤,并对每个步骤中的关键技术和方法进行深入分析。
本文还将对高分辨率SAR成像处理中的一些关键问题,如运动补偿、相位校正、多视处理等进行讨论,并提出相应的解决方案。
本文将介绍高分辨率SAR成像处理技术的最新进展和发展趋势,以期为相关领域的研究和应用提供参考和借鉴。
通过本文的研究,旨在为高分辨率SAR成像处理技术的发展和应用提供理论支持和技术指导,推动SAR成像技术的不断创新和发展。
二、高分辨率SAR成像基本原理合成孔径雷达(SAR)是一种主动式微波成像雷达,它利用合成孔径原理实现高分辨率的二维地面成像。
高分辨率SAR成像技术的基本原理涉及信号的发射、接收、回波信号的处理以及图像的生成等多个环节。
在SAR成像过程中,雷达平台(如卫星、飞机等)以一定的速度沿飞行轨迹移动,同时发射宽带微波信号并接收地面目标的后向散射回波。
由于雷达与地面目标之间的距离、目标自身的散射特性以及地表地形等因素的影响,接收到的回波信号会包含目标的位置、形状、散射特性等信息。
为了实现高分辨率成像,SAR系统需要对接收到的回波信号进行一系列复杂的处理。
这包括距离压缩、多普勒处理、方位向压缩等步骤。
SAR遥感数据处理与应用技术研究

SAR遥感数据处理与应用技术研究遥感数据处理与应用技术是当前遥感领域研究的热门方向之一。
特别是对于SAR(合成孔径雷达)遥感数据处理与应用技术的研究,具有重要的意义和广阔的应用前景。
本文将介绍SAR遥感数据处理与应用技术的相关内容,包括数据处理方法、应用领域和研究进展。
一、SAR遥感数据处理方法SAR遥感数据的特点决定了其需要特定的处理方法。
SAR数据具有高分辨率、全天候、全天时观测的特点,但也存在噪声、多路径效应和复杂散射等问题。
为了充分利用SAR数据的信息,需要对其进行相应的处理。
常用的SAR遥感数据处理方法包括图像预处理、滤波处理、散射机制分析和干涉处理等。
图像预处理是SAR数据处理的基础,包括图像去斑点、辐射校正、几何校正等。
滤波处理是为了降低噪声、平滑图像并提取目标信息。
常用的滤波方法有均值滤波、中值滤波、小波滤波等。
散射机制分析是对SAR图像的反射机制进行分析,以了解目标的散射特性。
干涉处理是通过比较两次或多次SAR图像之间的相位差,推测地物的高度和变化。
二、SAR遥感数据应用技术SAR遥感数据的应用技术广泛涉及地质勘探、农林业监测、自然灾害监测等多个领域。
以下将分别介绍几个典型的应用领域。
1. 地质勘探SAR遥感数据在地质勘探中具有独特的优势。
利用SAR数据,可以实现地下结构的观测和勘探,识别地下矿产资源等。
通过SAR数据处理和解译,可以提取地下结构的地形特征和散射特性,进而推测地下物质的性质和分布。
这对于矿产资源勘探和地质灾害预警等具有重要意义。
2. 农林业监测SAR遥感数据在农林业监测中的应用已经得到广泛认可。
利用SAR数据,可以实现对农作物、森林等地表覆盖的监测与评估。
通过SAR数据处理和解译,可以提取农作物的生长状态、森林的生长情况等信息。
这对于农业灾害监测、粮食安全评估和森林资源管理等提供了有力的支持。
3. 自然灾害监测SAR遥感数据在自然灾害监测中发挥着重要的作用。
利用SAR数据,可以实现对地震、滑坡、火灾等自然灾害的监测和预警。
基于变分水平集的SAR图像超像素分割方法[发明专利]
![基于变分水平集的SAR图像超像素分割方法[发明专利]](https://img.taocdn.com/s3/m/03d7eaab2e3f5727a4e962cc.png)
专利名称:基于变分水平集的SAR图像超像素分割方法专利类型:发明专利
发明人:余航,赵乐,许录平,冯冬竹,鹿玉泽
申请号:CN201910722019.X
申请日:20190806
公开号:CN110533669A
公开日:
20191203
专利内容由知识产权出版社提供
摘要:本发明公开了一种基于变分水平集的SAR图像超像素分割方法,主要解决现有技术受SAR 图像相干斑噪声影响以及纹理信息缺失导致的对SAR图像超像素分割精度低,超像素块区域边界贴合度不高的问题。
其实现步骤是:输入SAR图像,并将其粗略分割为K个超像素块区域;分别设计基于SAR图像相干斑噪声与图像纹理信息的能量泛函;将设计出的能量泛函分别插入到边缘演化迭代方程以得到新的迭代方程;利用新的迭代方程对各超像素块区域边界进行边缘演化;当超像素块区域边缘演化停止后完成超像素分割。
本发明有效提高了对SAR图像超像素分割的精度,并解决了超像素块区域边界贴合度不高的问题,可用于机场跑道,农田分布和地质勘探的图像处理。
申请人:西安电子科技大学
地址:710071 陕西省西安市雁塔区太白南路2号
国籍:CN
代理机构:陕西电子工业专利中心
代理人:王品华
更多信息请下载全文后查看。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
基于射线管分裂方法的SAR场景快速消隐技术董纯柱;殷红成;王超【摘要】SAR场景模型常采用非均匀三角网格描述,使得传统的基于Z-Buffer技术的消隐算法难以在保持较高的消隐精度的同时兼顾消隐效率。
该文提出了一种基于射线管分裂方法的 SAR 场景快速消隐技术,将复杂 SAR 场景的消隐问题分解为两个简单过程:一是对场景三角网格在发射平面上的投影点云做2维Delaunay 三角网格划分,二是基于射线管分裂方法对新生网格可见性进行判断和拓扑重构。
典型飞机目标和草地上T-72坦克的消隐结果验证了该方法的准确性和高效性。
% Traditional hidden surface removal algorithm based on hardware Z-Buffer technique cannot give attention to precision or efficiency at the same time when dealing with the non-uniform triangulated SAR (Synthetic Aperture Radar) scene model. A novel high-precision hidden surface removal approach using fast ray-tube splitting algorithm is proposed, where the SAR scene hidden surface removal problem is decomposed into two simple procedures, i.e. a Delaunay triangulator is used to generate the initial ray tubes from the projected point clouds of all incident visible vertices, then an adaptive ray-tube splitting method is adopted to carry out the complex scene shading situations and resultant visible model reconstruction. Simulation results of typical aircraft and T-72 tank show that, the new approach is feasible and effective.【期刊名称】《雷达学报》【年(卷),期】2012(000)004【总页数】5页(P436-440)【关键词】消隐算法;射线管分裂方法;Delaunay三角剖分;Z-Buffer算法;SAR场景【作者】董纯柱;殷红成;王超【作者单位】中国传媒大学信息工程学院北京 100024; 电磁散射重点实验室北京100854;中国传媒大学信息工程学院北京 100024; 电磁散射重点实验室北京100854;电磁散射重点实验室北京 100854【正文语种】中文【中图分类】TN957对基于模板匹配的SAR图像解译而言,SAR图像中特有的透视收缩、叠掩和阴影等几何畸变特性是重要且稳定的识别特征[1]。
在低擦地角(10°~30°)条件下,高分辨率SAR图像表现出尤为明显和完整的阴影特征[2]。
地面目标SAR图像的阴影主要由地面目标的自遮挡阴影和目标-环境间的互遮挡阴影两部分组成。
为准确仿真地面目标的散射特性和SAR图像中的阴影特征,不可避免地要事先确定在给定入射方向上地面目标以及环境表面的可见和不可见区域,即进行面消隐处理。
目前,常用的面消隐算法包括Z-Buffer算法、区间扫描线算法、BSP树算法、区域细分算法、射线投射算法等。
其中,以Z-Buffer算法和射线投射算法的应用最为广泛[3,4]。
借助显卡(GPU)强大的渲染和并行计算能力,Z-Buffer算法和射线投射算法能够以秒级实现单个角度上百万量级均匀三角网格模型的消隐运算[5]。
然而,在高分辨条件下,若采用均匀三角网格对复杂目标和几百米甚至几公里的环境表面进行剖分,将产生千万甚至上亿量级的网格面元,消隐运算效率极低。
为了提高SAR场景模型的消隐效率,必须大幅度减少网格面元的数量。
一种可行的方法是采用非均匀三角网格(或TIN网格)对SAR场景模型进行剖分,在不明显降低模型精度的条件下产生最少数量的面元网格。
因此,解决非均匀三角网格模型的快速消隐问题是实现SAR场景快速消隐的关键。
本文融合区域细分算法和射线投射算法思想,在基于kD-tree的非均匀三角网格模型GPU快速射线追踪[6,7]的基础上,将非均匀三角网格模型描述的SAR场景消隐问题分解为对场景网格在发射平面上的投影点云做2维Delaunay三角剖分[3],以及基于射线管分裂方法对新生网格可见性进行判断和拓扑重构两个简单过程,实现了复杂场景的精确快速消隐计算。
以飞机和草地上T-72坦克为例,消隐计算结果表明,本文方法能够实现复杂SAR场景实时/准实时的准确消隐,为快速获取SAR图像阴影等几何畸变特性以及目标-环境的电磁散射特性提供了高效预处理工具。
考虑到SAR场景是由非均匀三角网格描述的,基于射线管分裂方法的SAR场景快速消隐计算主要包括如下3个步骤:(1) 发射面点云数据生成:沿入射方向对SAR场景进行自遮挡判断,并将自遮挡可见顶点投影到发射面上形成2维点云数据;(2) 点云数据三角网格剖分:构建发射面点云数据2维凸包,并实现带凸包的Delaunay三角剖分,形成初始射线管;(3) 网格模型可见性判断及拓扑重构:根据射线管与目标的相交情况,对射线管执行自动分裂,并根据细分射线管与场景网格的相交关系重构场景可见三角网格。
采用本文方法识别两个空间三角面片和相交遮挡部分(虚点区域)的过程如图1所示。
2.1 发射面点云数据生成为加速反射面点云生成过程,沿入射方向对三角网格进行自遮挡判断,即判断三角形面元正法向与入射方向夹角的余弦当时面元自遮挡可见,否则面元自遮挡不可见。
式中,,和为三角形顶点位置矢量,如图2所示。
将自遮挡可见面元各顶点组成的3维点云投影到如图3所示的预设发射平面上,形成发射面点云数据,并且其中,为可见顶点个数,发射平面上的点由远离场景的固定点和面法向确定,如下:式中,为场景模型的几何中心,为场景模型包围球的直径。
2.2点云数据三角网格剖分为能够对发射面点云数据进行带凸包的2维Delaunay三角剖分,首先需要建立如图4所示的发射面局部坐标系,并将3维点云数据转换为局部坐标系下的2维点云数据,其中计算2维有限点云数据2维凸包(Convex Hull)的算法很多[3,4],这里不再赘述。
本文采用时间复杂度为的分而治之算法[8]实现发射面点云数据2维凸包的快速构建,其中为凸包顶点个数。
三角剖分的一般要求是不存在长而薄的三角形(Slivers)。
Delaunay三角剖分是一种使最小角具有最大值的方法,能够最大限度地减少狭长三角形的数量[3]。
为改进凸包边界附近的三角形的性态,在进行Delaunay三角剖分前,先求取如图4所示的2维凸包的最小包围矩形;然后按对构成包围矩形的4条边界, , 和进行均匀细分,生成细分边界点,其中为细分边界点个数,且式中,, , 和分别为2维凸包在和方向的最大和最小值。
为实现对有界点云数据的高效Delaunay三角剖分,可以采用J. R. Shewchuk的三角剖分算法[9,10]。
带矩形边界2维点云数据的Delaunay三角剖分结果和剖分效率如图5所示。
2.3网格模型可见性判断及拓扑重构为实现对非均匀网格描述的SAR场景模型的精确消隐处理,首先需要基于发射面点云数据Delaunay三角剖分结果生成初始射线管,在GPU上采用OptiX射线追踪引擎[5]完成射线管顶点射线的自动射线追踪,并根据射线管顶点射线与非均匀网格的相交关系进行自动射线管分裂。
本文采用的射线管自动分裂方法如图1(c)所示,阈值 , ,并且和越小,消隐精度越高,计算量也越大。
精度和效率折中考虑,和经验值分别为和6°。
对于每次分裂得到的4个细分射线管仅需追踪由原始射线管3边中点生成的3根新增射线。
完成所有射线管的自动分裂计算后,即可获得全部可见射线管在网格模型面元上的第1个交点数据集。
其中,为全部可见射线管个数;为可见射线管与面元模型的第1个交点个数;, 和为可见射线管第1个交点索引,且。
因此,重建的消隐处理后的SAR场景的可见三角网格模型由线性表表示为射线管顶点射线与非均匀网格的相交具体包括下面4种情况:(1) 若3根射线与网格模型无交点或射线管的面积小于阈值,判定为无效射线管,直接丢弃;(2) 若3根射线的第1个交点均位于同一面元上,判断为全部可见射线管,不再分裂;(3) 若3根射线的第1个交点位于同一部件的不同面元上,且面元法向间夹角小于阈值,判断为全部可见射线管,不再分裂;(4) 除上述3种情形外,都判断为部分可见射线管,需要进行分裂。
下面用飞机目标和地面上T72坦克的消隐计算实例验证本文方法的正确性、高效性和实用性。
仿真硬件平台为搭载NVIDIA Quadro FX 5800 4GB GDDR3显存图形卡的HP Z800工作站。
3.1飞机目标如图6(a)所示,飞机总体尺寸为20.09 m×13.2 m×2.33 m,其非均匀三角网格模型由423个顶点和842个三角形面元构成。
图6(b)为取Smin=43.3 mm2, ,沿入射,经消隐重构的由44,139个顶点和64,272个三角形面元构成的可见网格模型,消隐处理时间为1.033 s。
如果将飞机按10 mm尺寸剖分(三角形面积约为),将生成由2,608,529顶点和5,217,248面元构成的均匀三角网格模型,而在同样角度下采用基于硬件的Z-Buffer算法消隐计算时间为0.841 s,消隐结果如图6(c)所示。
可见,本文算法能够在达到硬件Z-Buffer算法消隐效率和精度的同时,重构更少面元数量(约为均匀剖分时的1.23%)的可见三角网格模型供后续电磁散射计算使用,并在完成SAR场景消隐处理的同时完成了场景的射线追踪,因此必将显著提高SAR场景电磁特性预估效率。
3.2 草地上T-72坦克对SAR场景消隐重构可见三角网格模型的一个最直接的应用是高效仿真用于阴影区边界确定和姿态估计的非相干阴影模板图像。
图7给出了采用本文方法快速获取的草地上T-72坦克在73°入射角0.2 m分辨率128×128像素、方位角间隔为45°的非相干阴影模板图像,其中目标、地面和阴影区域的像素亮度分别为255, 127和0。