任烨仙
开通时间：..
最后更新时间：..
任烨仙（Yexian Ren, 1994.1—），男，江苏无锡人，2016年6月在电子科技大学获得工学学士学位，2019年6月在武汉大学获得工学硕士学位，2023年6月在复旦大学获得理学博士学位，2023年9月入职南京信息工程大学电子与信息工程学院从事教学与科研工作。主要研究兴趣是合成孔径雷达（SAR）遥感信息的获取，涉及SAR层析成像，SAR极化成像，异质性杂波分解与相干斑抑制。目前在研课题有国自然青年基金项目和教育部重点实验室开放基金项目。
一作论文：
Ren Yexian, Xiao Aoran, Hu Fengming, Xu Feng, Qiu Xiaolan, Ding Chibiao, and Jin Ya-Qiu. Coprime sensing for airborne array interferometric SAR tomography[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 1-15. (SCI, 1区 Top)
Paper-Coprime Sensing for Airborne Array Interferometric SAR Tomography.pdf
Slides-Coprime Sensing for Array-InSAR Tomography.pdf
Thesis-任烨仙.稀疏阵列层析SAR相位定标与三维成像[D].复旦大学.2023.pdf
Ren Yexian, Yang Jie, Zhao Lingli, Li Pingxiang, and Shi Lei. SIRV-based high-resolution PolSAR image speckle suppression via dual-domain filtering[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 57(8): 5923-5938. （SCI, 1区 Top）
Paper-SIRV-Based High-Resolution PolSAR Image Speckle Suppression via Dual-Domain Filtering.pdf
Ren Yexian, Yang Jie, Zhao Lingli, Li Pingxiang, Shi Lei, and Liu Zhiqu. A global weighted least-squares optimization framework for speckle filtering of PolSAR imagery[J]. IEEE Transactions on Geoscience and Remote Sensing, 2018, 57(3): 1265-1277. （SCI, 1区 Top）
任烨仙, 徐丰. 若干层析SAR成像方法在解叠掩性能上的对比分析[J]. 雷达学报, 2022, 11(1): 71–82. (EI)
Paper-若干层析SAR成像方法在解叠掩性能上的对比分析.pdf
参与论文：
Hu Fengming, Wang Feng, Ren Yexian, Xu Feng, Qiu Xiaolan, Ding Chibiao, and Jin Ya-Qiu. Error analysis and 3D reconstruction using airborne array InSAR images[J]. ISPRS Journal of Photogrammetry and Remote Sensing 190 (2022): 113-128. （SCI, 1区 Top）
Xiao Aoran, Wang Zhongyuan, Wang Le, Ren Yexian. Super-resolution for "Jilin-1"satellite video imagery via a convolutional network[J]. Sensors 18.4 (2018): 1194. (SCI)
李平湘，刘致曲，杨杰，孙维东，黎旻懿，任烨仙. 利用随机森林回归进行极化SAR土壤水分反演[J].武汉大学学报：信息科学版, 2019(3):8.（EI）
国家自然科学基金项目青年基金 （研究期限：2025.01.01—2027.12.31）
very simple but effective and insightful (虽不能至，然心向往之)
（一）
在2019年至2023年期间，我在复旦大学电磁波信息科学教育部重点实验室持续深入研究SAR遥感，并在参与微波视觉三维成像项目的过程中，有幸接触到国内层析SAR（Tomographic SAR, TomoSAR）的最前沿。在广泛研究相关文献时，我深入阅读了德宇航的工作，震撼于TerraSAR的层析成像结果。我觉得，层析成像是整个SAR遥感领域最具吸引力的研究方向。因此，我开始专注于国产阵列干涉SAR层析成像的研究。
在微波视觉三维成像项目中，一个重要的目标是降低层析SAR的成本，尤其是基线数。我逐渐认识到实现这一目标的关键在于基线结构，因此我的研究重心细化为去寻找一种特殊的基线结构。
在阵列信号处理领域，有互质阵列。同样地，双基线InSAR也依赖于一种特殊的相位解缠方法，其建立在基线 b1 和 b2 互质的基础上。我认为这并非偶然，而是一种殊途同归，我相信互质基线能解决问题。
然而，在处理实测数据中，我面临着研究基础不足的挑战。每一个数据预处理步骤，如亚像素配准和空变相位误差定标，都需要我花费几个月的时间反复实验摸索，以确保该处理环节的质量。幸运的是，我最终独立地走通了所有这些步骤，成功地生成了大场景广范围的雷达互质三维图像。如下图所示：
峨眉阵列干涉SAR数据的层析三维成像 [Ren et al., 2022]
我致力于层析SAR相位定标与成像方法的研究，以尽可能改善层析成像的细节。一些具体的细节如下图所示：
（二）
在2016年到2019年间，我在武汉大学测绘遥感信息工程国家重点实验室研究全极化合成孔径雷达（polarimetric synthetic aperture radar, PolSAR)。在经过一年时间的“盲人摸象”后，我逐渐厘清了该方向的一些脉络，尤其对于高分辨率 PolSAR 影像的异质性杂波场景和不完全发育相干斑的问题产生了浓厚兴趣。
偶然地，我在图书馆无意间读到了Ward的著作《Sea Clutter—Scattering, the K Distribution and Radar Performance》。这本书提供了有关异质性海面杂波的深刻见解，它将海面杂波机理解释为小尺度的液体表面张力波和大尺度的重力波的耦合。液体表面张力波描述了杂波的快速变化特性，即随机散斑分量；重力波则描述了杂波的慢变化特性，即纹理分量。受到Ward将海杂波形成机理分为两部分的启发，我开始思考是否能够将PolSAR中的异质杂波分解为纹理和极化两部分。我心中构想的"杂波分解"图像如下图所示：
PolSAR图像杂波分解
我选择围绕全极化而不是单极化来解决不完全发育相干斑的问题，是因为只有在多通道相关干涉的情况下，相干斑“噪声”才能显露出物理意义。此外，只有全极化散射矩阵才能够完整地描述其物理属性信息。
在经过大半年的反复尝试后，我最终成功地完成了能够将高分辨率极化SAR图像分解为纹理域和极化域（相干斑域）的双域滤波器：
SIRV-based dual-domain filter [Ren et al., 2019]
在纹理域的处理上，双域滤波器能提取出几乎不含自然杂波的PolSAR图像纹理结构：
在极化域的处理上，双域滤波器对极化三分量分解有重要意义：
在论文录用时，TGRS的审稿专家特地给我留了评论：The experiment results show that it is an attractive work, and maybe inspire the reader to deal with image speckle suppression with new ideas. 这句话深深鼓舞了我，促使我继续攻读博士学位。
邮箱 :
复旦大学
理学博士学位
武汉大学
工学硕士学位
电子科技大学
工学学士学位
