一种基于二维空变反卷积的近场SAR图像增强方法技术

技术编号:35814801 阅读:35 留言:0更新日期:2022-12-03 13:38
本发明专利技术公开了一种基于二维空变反卷积的近场SAR图像增强方法,它是通过计算粗略响应矩阵,然后基于该矩阵构建粗略卷积退化方程,进而采用最小绝对值收敛和选择算子求解退化方程,实现反卷积,获得近场SAR图像的粗略增强图。采用K

【技术实现步骤摘要】
一种基于二维空变反卷积的近场SAR图像增强方法


[0001]本专利技术属于合成孔径雷达
,它特别涉及到了合成孔径雷达(Synthetic Aperture Radar,SAR)近场成像


技术介绍

[0002]合成孔径雷达(Synthetic Aperture Radar,SAR)是一种具有全天时、全天候的成像能力的雷达系统,它能够在白天或是黑夜、晴天或是雨雪天气随时成像,克服了光学和红外系统不能在晚上和复杂天气条件进行成像的缺点。然而,传统SAR观测距离远,与观测目标相对视角变换小,合成孔径角小,导致图像方位向分辨率有限。
[0003]不同于传统SAR,近场SAR工作于目标近场区域,此时,与观测目标相对视角变化量显著增大,合成孔径角也因此大,图像方位向分辨率显著提升,达到厘米量级分辨率。除此以外,近场SAR系统通常可采用步进频率信号作为发射信号,从而图像距离向分辨率能与方位向分辨率达到同等量级。因而近场SAR能够实现目标精细化成像,在人体安检成像、隐匿物检测、建筑形变检测、自动驾驶、散射特性测量等众多领域有广泛的应用价值。
[0004]目前,近场SAR成像通常采用基于匹配滤波的后向投影算法,而由于有限孔径采样,近场SAR成像结果中不可避免存在目标的旁瓣,除此以外,来自地面、周围环境的杂波也同样存在。这些旁瓣和杂波,对于图像的后续应用产生不了不利的影响。例如,由于它们容易被错误得误判别为真实目标,这将导致目标检测与识别的精度损失等。因此,有必要通过图像增强方法,对成像结果进行增强,获得更低目标旁瓣与更少杂波的目标图像。
[0005]目前SAR图像质量增强方法主要针对远场SAR设计,因此未考虑近场SAR不同于远场SAR的响应函数二维空变性,导致方法适用性有限,对图像质量增强度有限,其中具有代表性的方法是迭代自适应方法(Iterative Adaptive Approach,IAA)。虽然,另外一些方法如CLEAN方法,可以经过适当调整,加入对二维空变性的考虑。然而,它仍缺乏对考虑近场SAR目标散射分布的紧密性的额外考虑,因此容易出现前后迭代传播累积误差,最终导致目标幅度估计出现偏差。总体而言,当前适用于近场SAR图像的增强方法还有所欠缺,为了更好提升近场SAR图像质量,在充分考虑了近场SAR系统响应函数二维空变性与近场SAR目标散射分布特性后,本专利技术提出了一种基于二维空变反卷积的近场SAR图像增强方法。

技术实现思路

[0006]本专利技术属于合成孔径雷达(SAR)成像领域,公开了一种基于二维空变反卷积的近场SAR图像增强方法,用来增强近场SAR图像的质量。该方法首先计算粗略响应矩阵,然后基于该矩阵构建粗略卷积退化方程,进而采用最小绝对值收敛和选择算子求解退化方程,实现反卷积,获得近场SAR图像的粗略增强图。进一步,利用K

均值聚类算法提取出目标不同子类散射点对应的子粗略增强图像,并分别计算相对应的精细响应矩阵,构建相对应的精细空变卷积退化方程,进而采用最小绝对值收敛和选择算子求解退化方程,实现空变反卷积,获得对应的精细增强图像。最终,通过精细增强图像叠加,获得整体SAR图像增强结果。
该方法较其它SAR图像增强方法,在近场成像时,能够在旁瓣抑制和杂波噪声抑制、目标幅度估计保留方面上有提升。
[0007]为了方便描述本专利技术的内容,首先作以下术语定义:
[0008]定义1.合成孔径雷达
[0009]合成孔径雷达((Synthetic Aperture Radar,SAR)是一种高分辨率微波成像雷达,具有全天时和全天候工作的优点,已被广泛应用各个领域,如地形测绘、制导、环境遥感和资源勘探等。合成孔径雷达详见“皮亦鸣,杨建宇,付毓生,杨晓波.合成孔径雷达成像原理[M].电子科技大学出版社.2007”。
[0010]定义2.步进频率(Stepped

frequency,SF)信号
[0011]SF信号是一种通过发射载频步进变化的子脉冲串来合成大的等效带宽、具备高分辨距离成像能力的信号形式。它能够显著降低系统的瞬时带宽和对接收机硬件的需求,在微波成像与微波测量领域被广泛使用。步进频率信号详见“杨汝良.高分辨率微波成像[M].国防工业出版社.2013”。
[0012]定义3.后向投影算法
[0013]后向投影算法(Back

projection,BP)利用雷达平台的轨迹信息求出雷达平台与场景像素点的距离历史,然后通过遍历距离历史找出回波数据中匹配的回波数据,再进行相位补偿并相干累加,然后把复值结果反向投影到三维图像空间中完成三维成像处理。后向投影算法详见“师君.双基地SAR与线阵SAR原理及成像技术研究[D].电子科技大学博士论文.2009”。
[0014]定义4.方位向和距离向
[0015]将雷达平台横向运动的方向叫做方位向,垂直于前者的方向叫做距离向。
[0016]定义5.N点离散傅里叶变换矩阵构建方法
[0017]离散傅里叶变换矩阵是将离散傅里叶变换以矩阵乘法来表达的一种表示式。N点离散傅里叶变换矩阵可以实现N点离散傅里叶变换。具体而言,该N点离散傅里叶变换可以用一个N
×
N矩阵乘法来表示,即x
F
=Wx,其中x是原始的输入信号,x
F
是经过离散傅里叶变换得到的输出信号。N点离散傅里叶变换矩阵W由如下构成:
[0018][0019]其中i为虚数单位。N点离散傅里叶变换矩阵构建方法详见“何子述,夏威.现代数字信号处理及其应用[M].北京:清华大学出版社,2009”。
[0020]定义6.矩阵向量化算子
[0021]矩阵向量化算子vec(A)是指将输入矩阵A按列堆叠形成一列向量的运算。具体而言,矩阵向量化算子将一个维度为m
×
n的矩阵A从左至右的每一列以首尾相接的方式,排列构成一个列向量vec(A):
[0022]vec(A)=[a
1,1


,a
m,1
,a
1,2


,a
m,2


a
1,n


,a
m,n
]T
[0023]其中a
i,j
表示A(i,j),矩阵A第i行第j列元素;上标T表示矩阵转置运算。矩阵向量化算子详见“张贤达.矩阵分析与应用[M].清华大学出版社有限公司,2004”。
[0024]定义7.向量矩阵化对角算子
[0025]向量矩阵化对角算子diag(a)是指以输入向量a生成矩阵A,且A的对角元素由向量a构成的运算。具体而言,向量矩阵化对角算子将一个维度为n
×
1的列向量a的元素按从上到下的顺序构成矩阵A对应的对角元素,矩阵的其它元素为0。diag(a)表示为:
[0026][0027]本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于二维空变反卷积的近场SAR图像增强方法,其特征是它包括以下步骤:步骤1.初始化相关参数初始化以下参数:光在空气中传播速度,记为c;取自然指数函数,记为exp(
·
);虚数单位,记为j;圆周率,记为π;系统信号带宽,记为B;系统中心频率波长,记为λ;系统成像场景中心距离,记为r
c
;系统方位向孔径长度,记为l
a
;图像方位向像素数量,记为n
a
;图像距离向像素数量,记为n
r
;图像方位向像素大小,记为i
a
;图像距离向像素大小,记为i
r
;采用对于后向投影算法处理得到的待增强的近场SAR图像矩阵,记为I
bp
;正则化权重参数,记为γ;K

均值聚类算法类别数,记为K;步骤2.计算粗略响应矩阵对于步骤1中初始化参数中光在空气中传播速度c、系统信号带宽B、系统中心频率波长λ,系统成像场景中心距离r
c
、系统方位向孔径长度l
a
、图像距离向像素数量n
r
、图像方位向像素数量n
a
、图像距离向像素大小i
r
和图像方位向像素大小i
a
,计算得到系统粗略响应函数H
c
:步骤2.1.对于步骤1中初始化的系统信号带宽B和光在空气中传播速度c,采用公式d
rc
=c/(2B),计算得到成像场景中心点距离向分辨率,记为d
rc
;步骤2.2.对于步骤1中初始化的系统中心频率波长λ、系统方位向孔径长度l
a
和系统成像场景中心距离r
c
,采用公式d
ac
=λr
c
/(2l
a
),计算得到成像场景中心点方位向分辨率,记为d
ac
;步骤2.3.对于步骤1中初始化的图像距离向像素数量n
r
,采用传统的N点离散傅里叶变换矩阵构建方法,构建n
r
点离散傅里叶变换矩阵,记为W
r
;步骤2.4对于步骤1中初始化的图像方位向像素数量n
a
,采用传统的N点离散傅里叶变换矩阵构建方法,构建n
a
点离散傅里叶变换矩阵,记为W
a
;步骤2.5对于步骤1中初始化的图像距离向像素数量n
r
、图像距离向像素大小i
r
和步骤2.1中计算得到的成像场景中心点距离向分辨率d
rc
,采用公式计算得到系统频域粗略响应函数距离向支撑域大小,记为n
rfc
,其中表示向下取整;步骤2.6对于步骤1中初始化的图像方位向像素数量n
a
、图像方位向像素大小i
a
和步骤2.2中计算得到的成像场景中心点方位向分辨率d
ac
,采用公式计算得到系统频域粗略响应函数方位向支撑域大小,记为n
afc
,其中表示向下取整;步骤2.7对于步骤1中初始化的距离向方位向像素数量n
r
、图像方位向像素数量n
a
、步骤2.5中计算得到的系统频域粗略响应函数距离向支撑域大小n
rfc
和步骤2.6中计算得到的系统频域粗略响应函数方位向支撑域大小n
afc
,采用如下公式计算系统频域粗略响应矩阵,记为H
cf
;其中0
m
×
n
表示维度为m
×
n的全零矩阵,1
m
×
n
表示维度为m
×
n的全1矩阵,
表示向下取整;步骤2.8对于步骤2.3中构建的矩阵W
r
、步骤2.4中构建的矩阵W
a
和步骤2.7中计算的矩阵H
cf
,采用公式计算得到系统粗响应矩阵,记为H
c
,其中表示矩阵哈达玛积,vec(
·
)为矩阵向量化算子,diag(
·
)为向量矩阵化对角算子;步骤3.构建粗略卷积退化方程对于步骤2中计算得到的系统粗略响应矩阵H
cf
、步骤1中初始化的待增强的近场SAR图像矩阵I
bp
和正则化权重参数γ,记I
c
为粗略增强图像矩阵,构建粗略卷积退化方程如下:其中表示向量2范数的平方,|
·
|表示向量1范数,vec(
·
)为矩阵向量化算子;步骤4.求解粗略卷积退化方程对于步骤3中构建的粗略卷积退化方程,采用标准的最小绝对值收敛和选择算子求解方程,得到粗略增强图像矩阵I
c
;步骤5.粗略增强图聚类对...

【专利技术属性】
技术研发人员:张晓玲詹旭张文思师君韦顺军曾天娇
申请(专利权)人:电子科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1