基于非凸-非局部全变差正则化的稀疏SAR成像方法及系统技术方案

本公开提供了一种基于非凸

【技术实现步骤摘要】
基于非凸
‑
非局部全变差正则化的稀疏SAR成像方法及系统


[0001]本公开涉及雷达成像
，具体涉及一种基于非凸
‑
非局部全变差正则化的稀疏SAR成像方法及系统。

技术介绍

[0002]合成孔径雷达(Synthetic aperture radar，SAR)是一种主动式微波成像系统，具有全天时、全天候和高分辨率成像的特点，被广泛应用于环境监测和土地资源管理等方面。随着SAR技术的发展，要求雷达系统的分辨率和测绘带宽不断提高，大数据量的瓶颈也越专利技术显。稀疏SAR成像是一种利用稀疏信号处理方法实现SAR成像的新体制，在过去的十年里，随着压缩感知技术的发展，该新型成像体制得到了广泛的研究。
[0003]基于L1正则化的SAR成像方法，可以在满采样的条件下，有效抑制噪声和杂波，提升图像质量；在降采样率的情况下，有效重构SAR图像，保持目标细节。L1正则化可以增强SAR图像中点目标特征；全变差(Total variation，TV)正则化可以增强SAR图像中的面目标特征，保持面目标后向散射系数的连续性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于非凸
‑
非局部全变差正则化的稀疏SAR成像方法，其特征在于，包括：在稀疏SAR成像模型中引入非凸惩罚项和非局部全变差范数惩罚项，构建基于非凸
‑
非局部全变差正则化的稀疏SAR成像模型；利用改进的变量分离及交替方向乘子法求解所述基于非凸
‑
非局部全变差正则化的稀疏SAR成像模型，完成SAR成像。2.根据权利要求1所述的稀疏SAR成像方法，其特征在于，所述基于非凸
‑
非局部全变差正则化的稀疏SAR成像模型如下：其中，λ1、λ2为拉格朗日乘子，y为二维回波向量化结果，x为二维场景向量化结果，Φ为对二维回波和二维场景进行向量化后对应的观测矩阵，p
nonconvex
(x)为非凸惩罚项，p
NLTV
(|x|)为非局部全变差范数惩罚项。3.根据权利要求2所述的稀疏SAR成像方法，其特征在于，所述非局部全变差范数惩罚项p
NLTV
(|x|)的定义为：其中，X表示SAR二维场景图像；i＝(i1，i2)，表示像素点i在图像X中的位置；|X|
i
表示图像X中位于位置i的元素；表示|X|
i
的非局部梯度向量，M
NLTV
表示每个像素点的非局部梯度向量的模构成的矩阵；其中，非局部梯度向量的模构成的矩阵；其中，其中，w(i，j)表示像素点i和像素点j之间的非局部权重；j＝(j1，j2)，表示像素点j在图像X中的位置；|X|
j
表示图像X中位于位置j的元素；M
NLTV，i
表示像素点i的非局部梯度向量的模构成的矩阵；N
i
(D)表示以i为中心、大小为D
×
D的窗口，D为实数。4.根据权利要求3所述的稀疏SAR成像方法，其特征在于，像素点i和j之间的非局部权重w(i，j)定义为：其中，a表示加权欧式距离；a表示高斯核的标准差，且a＞0；N
i
(d)表示以i为中心、大小为d
×
d的窗口，d为实数；N
j
(d)表示以j为中心、大小为d
×
d的窗口；σ
r
表示控制参数，且σ
r
＞0。5.根据权利要求2所述的稀疏SAR成像方法，其特征在于，所述非凸惩罚项的定义为：
其中，p
MC
(x)表示典型的非凸惩罚项p
nonconvex
(x)；x
i
表示x中的第i个元素；p
MC
(x
i
)表示元素x
i
的非凸惩罚项；θ表示非凸惩罚项p
MC
(x
i
)的调节参数，i与N均为正整数，1≤i≤N。6.根据权利要求1所述的稀疏SAR成像方法，其特征在于，所述利用改进的变量分离及交替方向乘子法求解所述一种基于非凸
‑
非局部全变差正则化的稀疏SAR成像方法模型，完成SAR成像，包括：初始化迭代参数：雷达回波为y，观测矩阵为Φ，雷达场景初始化为x0＝0，中间变量z
10
＝0、z
20
＝0及p
i，j0
＝0，拉格朗日乘子λ1、λ2，增广拉格朗日惩罚参数γ，非局部全变差正则化迭代步长τ；设定最大迭代步数为T
max
，令迭代步数初始值t＝0，迭代终止条件ε；进行迭代，更新迭代参数；计算迭代参数。7.根据权利要求6所述的稀疏SAR成像方法，其特征在于，更新迭代t+1次后的二维场景向量化结果x
(t+1)
满足：其中，x
(t)
表示更新迭代t次后的二维场景向量化结果；y为二维回波向量化结果；表示梯度下降迭代步长；和均表示...

【专利技术属性】
技术研发人员：徐仲秋，张冰尘，蒋鹏宇，张柘，吴一戎，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：