合成孔径雷达(SAR)目标检测和识别是SAR实用化的瓶颈技术之一,提取有效的目标特征是SAR目标检测与识别的关键环节。高分辨率SAR图像中,目标属性散射中心特征反映了目标散射中心的位置、类型等信息,精确获取目标散射中心属性特征能够提高对目标的检测识别性能。针对SAR目标属性散射中心特征的提取,该文提出了一种基于改进的空间-波数分布(ISWD)的特征提取方法,该方法首先利用ISWD估计散射中心关于频率与方位角的函数,然后利用该函数来获得目标属性散射中心模型参数。最后利用仿真实验验证了方法的有效性。

Matlab代码移植关于 该程序是范围迁移算法的快速Python实现，它使用类似于MIT OpenCourseWare网站上记录的雷达的雷达来生成SAR图像：该站点包括由Gregory Charvat博士编写的Matlab程序，该程序也可以生成SAR图像，但是它可以运行非常缓慢，因此激励了这个项目。 执照 该程序最初是由Kevin Secretan在就读DigiPen理工学院时为一个学校项目编写的，毕业后对其进行了稍微的修改和清理。 该代码已根据知识共享署名-非商业性-相同方式获得许可。 （）这与MIT OpenCourseWare网站上的所有许可证都是相同的许可证，因为这是Charvat的Matlab实现用作基本参考的衍生作品。 （换句话说，我认为版权最终归他和/或麻省理工学院所有。） （代码中的一个标记功能由类似的CC许可管理，仅在允许商业使用方面有所区别。） 欢迎通过GitHub拉取请求进行贡献。 表现 运行MIT分发的Matlab代码，您可能只需要等待3到10分钟即可获得SAR映像，或多或少取决于您的计算机的性能。 3-10分钟的时间范围来自我自己在运行Matlab的两台不同计

:SAR 图像舰船目标识别是 SAR 图像海洋监视应用中的一项关键技术。在广泛文献调研的基础上，首先建立了 SAR 图像舰船目标识别的主要流程; 接着对用于 SAR 图像舰船目标识别的众多特征进行归纳整理，分析了其物理意义及优缺 点; 然后对用于 SAR 图像舰船目标的分类算法进行了较为全面的综述; 最后分析了目前研究中所面临的主要问题，展望了 进一步研究的主要方向

用于SAR图像的目标分割，程序可以用于学术研究，商业应用就得买。里面有BP-S，Graph cuts，trw-s等算法c程序。

结合稀疏贝叶斯学习和压缩感知CS理论, 提出了一种基于贝叶斯匹配追踪的SAR图像重构的新方法。该方法将SAR图像的重构过程看做是一个线性回归问题, 而待重建的图像是该回归模型中的未知权值参数。利用高斯混合参数对未知权值参数赋予确定的先验条件概率分布, 用于限制权值参数的稀疏性。该方法能够得到重建图像所需要的一组具有较高后验概率密度的模型, 从而实现图像在最小均方误差MMSE意义下的重构; 对于高斯混合模型中参数未知的情况, 可以采用基于EM的最大似然估计方法估计。实验结果表明, 基于贝叶斯匹配追踪的SAR图像重构方法能够获得精确的重建图像, 并且能够有效地保持图像的细节特征。

边缘提取的算法，并且是基于SAR图像的。

使用小波、countlet、Lee等多种方式实现SAR图像去噪

几种常见的sar图像去噪方法，比如有frost滤波，lee滤波，卡尔曼滤波等

frost滤波器 用于图像处理 SAR图像去噪

将非局部均值算法用于SAR图像去斑，而且该方法中应用到了主邻域字典来提高去斑效果。