针对合成孔径雷达(SAR)目标检测精确性、实时性和鲁棒性的要求，设计了一种基于局部窗口的SAR图像目标检测算法．该算法在对获取的SAR图像进行去噪和分割处理的基础上，基于尺度不变特征变换(SIFT)实现了亚像素精度快速配准策略；同时，通过SIFT 特征的描述结果降维和基于局部窗口的最大期望算法(EM)实现了目标检测．实验结果表明，该算法对复杂背景和光照、旋转变化有较强的自适应性，获得了理想的目标检测效果．

sar成像matlab代码

hsi matlab代码SAR_CD_MS_CapsNet 论文“”的代码，IEEE地质科学与遥感通讯，第1卷。 18号3，第484-488页，2021年3月。 如有任何疑问，请随时与我联系（）。可以从以下网址获取更多代码 通过以下过程运行此代码： 差异图像可以通过邻域比率“ DI_generation.m”来获得。 （Matlab 2012a） 打开终端并运行以下脚本：“ python Ms_CapsNet.py”。 （Ubuntu-16.04.1 Keras-2.1.6） 在我们的实现中，我们引用郭锡峰和陈玉诗的代码：

SAR图像聚焦质量评价插件 分辨率 峰值旁瓣比 积分旁瓣比 辐射 质量评价

基于目标检测的SAR图像变化检测方法-基于目标检测的SAR图像变化检测方法.pdf 基于目标检测的SAR图像变化检测方法

基于神经网络的SAR图像多尺度分割的研究

1、根据走停模式生成SAR回波数据 2、两种成像情况： 正视情况； 斜视情况。 3、wK成像算法： 通过一致压缩实现粗脉压 通过Stolt插值实现距离方位解耦合；

1、根据走停模式生成SAR回波数据 2、两种成像情况： 合成孔径时长固定； 合成孔径时长由目标距离确定。 3、CSA成像算法： 通过CS方程对徙动曲线根据参考距离的徙动曲线进行校正； CS校正后的距离徙动曲线与距离无关，通过相位相乘实现一致RCM； 补偿残余相位进行方位脉压得到图像。 4、CSA处理过程徙动曲线分析： 根据信号在不同域上的表达式设计了三种匹配滤波器用于距离徙动曲线的生成。

Wishart 向导是在 IDL 中实现的图形用户界面 (GUI)，作为遥感图像分析环境 ENVI 的扩展。 它提供了一个简化且用户友好的平台，用于使用双时相极化 SAR 图像执行多变量变化检测。 所实施的变化检测程序利用了以平均协方差矩阵格式的极化 SAR 图像观测值的复杂 Wishart 分布，以定义每像素变化/无变化假设检验。 它包括检验统计量概率分布的近似值，因此允许引用变化像素的定量显着性水平。 此外，改进的多元方法用于估计外观平均图像的等效外观数 (ENL)，这是假设检验的关键参数。 如果 SARscape 在 ENVI 环境中获得许可，则向导会在 IDL 脚本级别访问 SARscape API 以仅公开变更检测分析所需的功能，从而指导用户并简化处理链。 如果 SARscape 不存在，则可以使用用于所需预处理的开源替代方案，并在本文档中进行了描述。

本文提出了一种新的无监督显着性合成Kong径雷达（SAR）图像变化检测方法。 图像的显着区域始终是有区别的，并且与其他区域不同，这使得它们很容易被注意到。 局部区域的强烈视觉对比度使显着性适合于指导SAR图像的变化检测，这两个图像之间存在差异。 通过将显着性提取应用于通过对数比运算符获得的初始差异图，可以得到显着性图，其中包括了大多数变化区域，并且同时很好地忽略了由斑点噪声引起的伪变化像素。 然后，通过对显着性图进行阈值处理，可以保留大多数兴趣区域，并进一步将其用于从初始SAR图像中提取区域以生成差异图像。 主成分分析（PCA）方法用于从局部补丁中提取特征，以合并空间信息并减少孤立像素的影响。 最后，采用k均值聚类来获得所提取特征的变化图，将其聚类为两类：变化区域和不变区域。 在五个真实和两个模拟SAR图像数据集上的实验结果证明了该方法的有效性。