简介：针对合成孔径雷达(SAR)图像感兴趣区域(ROI)的分割问题，提出了一种基于Mellin变换的正则化参数的自适应选取方法。首先将SAR图像乘性相干斑噪声转化为加性相干斑噪声，在此基础上应用正则化模型建立SAR图像特征增强目标函数。然后推导出正则化参数与相应范数项的关系式，应用共轭梯度法对模型进行求解，最终达到图形特征增强与相应ROI分割的目的。所提算法不仅有效抑制了背景杂波，降低了相干斑的影响，而且还克服了传统方法对参数经验值选取的弊端。基于真实SAR图像数据的实验结果验证了该方法的简便性和有效性。

简介：SAR图像增强技术是SAR信号处理中很重要的一门技术。SAR原始图像中除了包含模糊的目标区域和阴影区外还包含了大量的噪声。在目标识别过程中，如果先对原始SAR图像进行增强处理，在降低噪声的同时增强模糊的目标区域和阴影区，然后进行特征提取，就可以大大降低识别系统的运算量，提高识别效率。正则化方法广泛应用于图像分割、图像增强等领域。通过对两种正则化算法的比较，结合两种方法的优点，提出了一种改进的基于图像域的势函数正则化图像增强算法。利用MSTAR数据库数据进行仿真试验，取得了良好的效果。

简介：比较了若干用于从高斯干扰中提取相干信号自适应处理算法的收敛速度。主要关注增加这些算法收敛的技术,即干扰协方差矩阵（CM）估算的正则化,考虑了有关CM结构特征的可能先验信息。文章验证了CM估算结合各方优点的混合带状对角正则化的优势。将有关托普利兹CM的可能先验信息考虑在内的各种算法进行了比较。在此基础上,验证了在规则空时自适应信号处理系统（STAP）中使用PAR-COR系数BURG估算以及CM估算带状对角线正则化的适合性。验证了这项技术基于自适应格型过滤器的有效实现方法。