基于残差网络的极化雷达图像超分辨率重建方法和装置制造方法及图纸

本申请涉及一种基于残差网络的极化雷达图像超分辨率重建方法和装置，属于雷达成像遥感技术领域。所述方法包括：构建极化雷达图像训练数据集；将训练数据集中的低分辨率图像数据输入基于残差网络的极化雷达图像超分辨重建网络模型进行训练，得到训练好的极化雷达图像超分辨重建网络模型；将待重建的低分辨率极化雷达图像输入训练好的极化雷达图像超分辨重建网络模型进行超分辨率重建，得到高分辨率极化雷达图像。采用本方法能够根据极化雷达图像超分辨网络模型中的分组残差卷积模块和残差注意力主干网络模块，分别利用图像数据中的实部和虚部之间的相关性以及图像浅层和深层特征的空间域和多通道之间的相关性，从而有效提高超分辨率重建的精度。提高超分辨率重建的精度。提高超分辨率重建的精度。

【技术实现步骤摘要】
基于残差网络的极化雷达图像超分辨率重建方法和装置


[0001]本申请涉及雷达成像遥感
，特别是涉及一种基于残差网络的极化雷达图像超分辨率重建方法和装置。

技术介绍

[0002]极化雷达能够获取目标的多极化散射信息，有益于目标散射机理的解译和特性参数的反演。其中，作为一类典型的成像雷达，逆合成孔径雷达（Inverse Synthetic Aperture Radar，ISAR）能够通过发射大带宽信号对空间目标进行观测和监视，对维护空间安全起着重要作用。
[0003]其中，极化雷达图像中的高分辨率图像包含了更多的目标细节信息，有利于目标检测和分类。然而，生成高分辨率(High Resolution, HR)雷达图像需要大带宽和大相干积分角度，这受到雷达系统的限制。此外，受限于雷达系统硬件条件，分辨率的提升会带来成像幅宽的减小。因此，在不增加成本的情况下提升极化雷达图像分辨率，同时保持原始的成像幅宽具有重要意义。目前，监督学习方法在计算机视觉中的超分辨率领域经常被使用，其需要构造低分辨率（Low Resolution, LR）和高分辨率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于残差网络的极化雷达图像超分辨率重建方法，其特征在于，所述方法包括：对观测目标的回波数据进行成像处理，得到极化雷达图像训练数据集；其中，所述极化雷达图像训练数据集包括成像得到的高分辨率图像数据和低分辨率图像数据组成的多组数据对，所述高分辨率图像数据和低分辨率图像数据为复数数据；将所述低分辨率图像数据输入预先构建的基于残差网络的极化雷达图像超分辨重建网络模型，输出高分辨率重建图像数据；其中，所述极化雷达图像超分辨重建网络模型包括分组残差卷积模块、残差注意力主干网络模块、升采样模块以及后处理模块；根据所述分组残差卷积模块对所述低分辨率图像数据中的实部和虚部进行数据重组得到总实数数据，对所述总实数数据进行特征提取得到图像浅层特征；根据所述残差注意力主干网络模块对所述图像浅层特征进行深层特征提取以及空间注意力加权和通道注意力加权，得到加权特征；根据所述升采样模块对所述加权特征进行升采样，得到升采样特征；根据所述后处理模块对所述升采样特征进行处理，得到高分辨率重建图像数据；将所述高分辨率重建图像数据和所述高分辨率图像数据输入预先构建的损失函数，根据所述损失函数对所述极化雷达图像超分辨重建网络模型进行训练，得到训练好的极化雷达图像超分辨重建网络模型；将待重建的低分辨率极化雷达图像输入所述训练好的极化雷达图像超分辨重建网络模型进行超分辨率重建，得到高分辨率极化雷达图像。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：建立极化雷达观测模型；其中，所述极化雷达观测模型包括两种或两种以上的基本散射结构；根据所述极化雷达观测模型中的所述基本散射结构观测目标，根据电磁仿真软件对观测目标进行数据仿真，得到所述观测目标不同观测角度下不同带宽的回波数据。3.根据权利要求1所述的方法，其特征在于，对观测目标的回波数据进行成像处理，得到极化雷达图像训练数据集，包括：根据所述回波数据的中心成像角度，成像孔径以及带宽对所述回波数据进行成像处理，得到包括高分辨率图像数据和低分辨率图像数据的多组数据对，将所述多组数据对组成所述极化雷达图像训练数据集。4.根据权利要求3所述的方法，其特征在于，根据所述回波数据的中心成像角度，成像孔径以及带宽对所述回波数据进行成像处理，得到包括高分辨率图像数据和低分辨率图像数据的多组数据对，包括：根据方位向分辨率计算得到所述回波数据所需要的成像孔径，根据所述成像孔径和所述中心成像角度确定所述回波数据所需要的相干积累角度；根据距离向分辨率计算得到所述回波数据所需要的带宽值；根据所述相干积累角度所在的角度区间和所述带宽值对所述回波数据进行成像处理，得到包括高分辨率图像数据和低分辨率图像数据的多组数据对；其中，所述角度区间包括所述高分辨率图像数据对应的角度区间和所述低分辨率图像数据对应的角度区间，由所述高分辨率图像数据和低分辨率图像数据组成的同一组数据对的中心成像角度相同。5.根据权利要求1至4任意一项所述的方法，其特征在于，根据所述分组残差卷积模块对所述低分辨率图像数据中的实部和虚部进行数据重组得到总实数数据，对所述总实数数
据进行特征提取得到图像浅层特征，包括：对所述低分辨率图像数据中的实部和虚部进行拆分以及取模值处理，得到总实数数据，对所述总实数数据进行分组处理，得到多组实数数据；根据所述多组实数数据中的最大值和最小值对所述多组实数数据进行归一化处理，得到多组归一化实数数据；将所述多组归一化实数数据输入残差注意力单元进行特征提取，得到多组浅层特征，其中，...

【专利技术属性】
技术研发人员：陈思伟，李铭典，崔兴超，肖顺平，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：