一种基于混合稀疏表示的SAR非稀疏场景成像方法技术

本发明专利技术提供一种基于混合稀疏表示的非稀疏场景SAR成像方法；包括：第一步，对非稀疏场景的SAR回波分别进行距离向和方位向的随机降采样；第二步，构造线性调频变标成像算子和逆成像算子，基于近似观测模型构造二维压缩感知优化模型；第三步，求解构造的优化模型，首先对非稀疏SAR场景进行初始化，并对其进行点、线、面的分解，再对线分量进行曲波变换，对面分量进行小波变换，然后通过迭代阈值算法对点、线、面分量依次进行重建，直到算法收敛。最后将得到的点、线、面分量进行组合，得到最终重建的SAR图像。实现了降采样率条件下对包含复杂特征的非稀疏场景进行SAR成像，此发明专利技术能够减少对非稀疏场景成像时的数据量，同时能够增强图像的特征。像的特征。像的特征。

【技术实现步骤摘要】
一种基于混合稀疏表示的SAR非稀疏场景成像方法


[0001]本专利技术涉及信号与信息处理技术，具体涉及一种基于混合稀疏表示的SAR非稀疏场景成像方法。

技术介绍

[0002]合成孔径雷达(Synthetic Aperture Radar，SAR)是一种主动式、全天时、全天候、高分辨的对地观测雷达系统，应用广泛。奈奎斯特采样定律限制了距离像分辨率的提高和距离幅宽的增加，因为这会增加数据量和雷达系统的负担。近年来提出的压缩感知(Compressed Sensing，CS)理论能够突破奈奎斯特采样定律，对稀疏信号重建具有优越性，该理论的基本观点是可以利用少量观测数据高概率重建原稀疏的信号或在某个变换域稀疏的信号。
[0003]现有的压缩感知SAR成像技术主要为对稀疏场景直接进行稀疏重构(参见FANG Jian的《Fast compressed sensing SAR imaging based on approximated observation》，发表在《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》，2014，第七卷，第1期)和对非稀疏场景先进行稀疏表示之后再进行稀疏重构(参见LI Bo的《Mixed sparse representation for approximated observation based compressed sensing radar imaging》，发表在《Journal of Applied Remote Sensing》，2018，第十二卷，第3期)，这些方法的核心都是对稀疏信号运用压缩感知理论建立优化问题，再通过求解优化问题得到恢复的原稀疏信号，如果原信号是非稀疏的，那么还需要多一个对原信号进行稀疏表示的步骤。
[0004]一般情况下，SAR场景都不是稀疏的，直接运用压缩感知理论对其进行稀疏重构不能得到高质量SAR图像，当非稀疏场景的地物特征比较复杂时，很难给包含复杂特征的SAR场景找到一个通用的稀疏表示方法。基于联合字典的稀疏表示方法融合了适应多种不同图像特征的字典，基于字典学习的方法通过数据训练学习到适应不同SAR场景的稀疏表示字典，然而固定字典具有稀疏表示能力有限的缺点，字典学习方法具有依赖训练数据集和泛化能力有限的缺点。近期提出的基于混合稀疏表示的遥感图像重建方法(参见《A framework of mixed sparse representations for remote sensing images》，发表在《IEEE Transactions on Geoscience and Remote Sensing》，2017，第五十五卷，第2期)将图像分解为点、线、面分量的组合，对线和面分量先进行稀疏表示，变换到稀疏域后再进行重建，对复杂遥感图像的稀疏重建有很好的效果。但这种方法不能直接用于大场景SAR成像，一是没有考虑相位的重建，二是这种方法是一维压缩感知重建，场景的增大导致感知矩阵维度剧增，运算和存储消耗随之增加。

技术实现思路

[0005]本专利技术的目的在于克服上述现有技术中的不足之处，提出一种基于混合稀疏表示的SAR非稀疏场景成像方法。
[0006]本专利技术是通过如下方式实现的：
[0007]一种基于混合稀疏表示的SAR非稀疏场景成像方法，包括下列步骤：
[0008]步骤一：对非稀疏场景的SAR回波分别进行距离向和方位向的随机降采样，存储降采样后的回波，存储随机降采样矩阵；
[0009]步骤二：对非稀疏场景SAR成像构造二维压缩感知优化问题模型，对非稀疏SAR场景进行初始化，并对其进行点、线、面的分解，对线分量进行曲波变换，对面分量进行小波变换，然后通过迭代阈值算法对点、线、面分量依次进行重建，直到算法收敛；最后将得到的点、线、面分量进行组合，得到最终重建的SAR图像。
[0010]进一步，所述的步骤一具体包括下述步骤：
[0011]Step 1)建立正侧式条带SAR成像模型；
[0012]Step 2)对非稀疏场景的SAR回波进行距离向和方位向的随机降采样，得到随机降采样之后的SAR回波Y
s
，存储降采样回波Y
s
、距离向降采样矩阵Θ
r
以及方位向降采样矩阵Θ
a
；
[0013]Step 3)构造线性调频变标成像算子M(
·
)和线性调频变标逆成像算子I(
·
)。
[0014]进一步，所述的步骤一的Step 1)具体包括下述步骤：
[0015]设XYZ为笛卡尔坐标系，雷达平台以速度V运动，以一定的俯视角向下发射信号照射观测区域，雷达平台通过发射线性调频信号来实现距离向的高分辨，通过方位向的合成孔径实现方位向的高分辨，发射的LFM信号可表示为
[0016]p(t)＝rect(t/T)exp(jπγt2)
ꢀꢀ
(1)
[0017]式中，t是快时间，T是LFM信号的脉宽，γ表示其调频率，j是虚数单位，rect(
·
)表示矩形脉冲，exp(
·
)表示指数；经过雷达接收机的处理，雷达平台接收到的基带回波信号可以表示为
[0018][0019]式中，c是光速，t
m
是慢时间，f
c
表示载频，R(t
m
；x,y)表示某个散射点在某一慢时间与雷达的斜距，σ(x,y)是场景中某个散射点(x,y)的散射系数，Ω表示成像场景区域；Y是回波s(t,t
m
)的矩阵形式，是全采样的回波数据。
[0020]进一步，所述的步骤一的Step 2)具体包括下述步骤：
[0021]用全采样的回波数据乘以降采样矩阵来描述；
[0022]Y
s
＝Θ
a
·
Y
·
Θ
r
ꢀꢀ
(3)
[0023]式中，Θ
a
为方位向降采样矩阵，Θ
r
为距离向降采样矩阵，Y
s
为降采样的回波。
[0024]进一步，所述的步骤一的Step 3)具体包括下述步骤：
[0025]构造的成像算子M(
·
)和逆成像算子I(
·
)；
[0026][0027][0028]式中，表示Hadamard积，F和F
H
分别表示离散傅里叶变换矩阵和逆离散傅里叶变换矩阵，下标a和r分别表示方位向和距离向；X表示场景散射系数矩阵，(
·
)
*
是对矩阵进
行共轭转置操作，H1、H2、H3分别表示二次相位函数、距离压缩和徙动校正相位函数、方位压缩和剩余相位补偿相位函数；二次相位函数为
[0029][0030]式中，f<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合稀疏表示的SAR非稀疏场景成像方法，包括下列步骤：步骤一：对非稀疏场景的SAR回波分别进行距离向和方位向的随机降采样，存储降采样后的回波，存储随机降采样矩阵；步骤二：对非稀疏场景SAR成像构造二维压缩感知优化问题模型，对非稀疏SAR场景进行初始化，并对其进行点、线、面的分解，对线分量进行曲波变换，对面分量进行小波变换，然后通过迭代阈值算法对点、线、面分量依次进行重建，直到算法收敛；最后将得到的点、线、面分量进行组合，得到最终重建的SAR图像。2.根据权利要求1所述的基于混合稀疏表示的SAR非稀疏场景成像方法，其特征在于：所述的步骤一具体包括下述步骤：Step 1)建立正侧式条带SAR成像模型；Step 2)对非稀疏场景的SAR回波进行距离向和方位向的随机降采样，得到随机降采样之后的SAR回波Y
s
，存储降采样回波Y
s
、距离向降采样矩阵Θ
r
以及方位向降采样矩阵Θ
a
；Step 3)构造线性调频变标成像算子M(
·
)和线性调频变标逆成像算子I(
·
)。3.根据权利要求2所述的基于混合稀疏表示的SAR非稀疏场景成像方法，其特征在于：所述的步骤一的Step 1)具体包括下述步骤：设XYZ为笛卡尔坐标系，雷达平台以速度V运动，以一定的俯视角向下发射信号照射观测区域，雷达平台通过发射线性调频信号来实现距离向的高分辨，通过方位向的合成孔径实现方位向的高分辨，发射的LFM信号可表示为p(t)＝rect(t/T)exp(jπγt2)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，t是快时间，T是LFM信号的脉宽，γ表示其调频率，j是虚数单位，rect(
·
)表示矩形脉冲，exp(
·
)表示指数；经过雷达接收机的处理，雷达平台接收到的基带回波信号可以表示为式中，c是光速，t
m
是慢时间，f
c
表示载频，R(t
m
；x,y)表示某个散射点在某一慢时间与雷达的斜距，σ(x,y)是场景中某个散射点(x,y)的散射系数，Ω表示成像场景区域；Y是回波s(t,t
m
)的矩阵形式，是全采样的回波数据。4.根据权利要求2所述的基于混合稀疏表示的SAR非稀疏场景成像方法，其特征在于：所述的步骤一的Step 2)具体包括下述步骤：用全采样的回波数据乘以降采样矩阵来描述；Y
s
＝Θ
a
·
Y
·
Θ
r
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)式中，Θ
a
为方位向降采样矩阵，Θ
r
为距离向降采样矩阵，Y
s
为降采样的回波。5.根据权利要求2所述的基于混合稀疏表示的SAR非稀疏场景成像方法，其特征在于：所述的步骤一的Step 3)具体包括下述步骤：构造的成像算子M(
·
)和逆成像算子I(
·
)；)；
式中，表示Hadamard积，F和F
H
分别表示离散傅里叶变换矩阵和逆离散傅里叶变换矩阵，下标a和r分别表示方位向和距离向；X表示场景散射系数矩阵，(
·
)
*
是对矩阵进行共轭转置操作，H1、H2...

【专利技术属性】
技术研发人员：张群，熊世超，倪嘉成，李开明，王聃，罗迎，苏令华，梁佳，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：