基于L2范数的迭代自适应多极化联合森林三维成像方法技术

本申请涉及一种基于L<subgt;2</subgt;范数的迭代自适应多极化联合森林三维成像方法。该方法包括：获取合成孔径雷达以不同入射角对目标进行扫描获得的HH极化模式、HV极化模式和VV极化模式的N幅二维的单视复图像；对每幅单视复图像进行处理，获得每幅多视处理后的单视复图像；根据所有的多视处理后的单视复图像，构建TomoSAR成像模型和面向森林的协方差矩阵；使用基于L<subgt;2</subgt;范数的迭代自适应多极化森林三维成像方法，根据所述协方差矩阵对所述TomoSAR成像模型进行求解，获得HH极化模式、HV极化模式和VV极化模式的每个方位‑距离分辨单元对应的联合高程向散射功率分布，得到森林场景三维点云结果，提高了非稀疏森林场景的三维成像质量。

【技术实现步骤摘要】

本申请涉及合成孔径雷达信号处理，特别是涉及一种基于l2范数的迭代自适应多极化联合森林三维成像方法。

技术介绍

1、层析合成孔径雷达(synthetic aperture radar tomography，简称tomosar)成像技术最早可追溯到1999年，reigber等人首次进行了机载tomosar实验验证。之后几年，经典谱估计方法应用于tomosar成像中，替代了传统的傅里叶变换方法，有效提高三维成像质量。随着稀疏信号处理技术的发展，压缩感知(compressed sensing，简称cs)作为稀疏信号处理的热门方向，可从原始信号中提取较少的数据进行数据恢复，最大限度地保留原始信号中所含的有用信息，因此，cs在雷达信号处理方面应用更加广泛。zhu和bamler介绍了cs-tomosar成像理论，并使用terrasar-x城区数据验证了其超分辨能力。相较于城市区域，森林区域的高程散射分布不满足稀疏特性。基于此，aguilera等人将小波基引入tomosar成像中，将森林散射分布进行稀疏表征，通过解决最优化问题，成功实现了森林区域的cs-tomosar成像本文档来自技高网...

【技术保护点】

1.一种基于L2范数的迭代自适应多极化联合森林三维成像方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所有的多视处理后的单视复图像，构建TomoSAR成像模型和面向森林的协方差矩阵，包括：

3.根据权利要求2所述的方法，其特征在于，所述使用基于L2范数的迭代自适应多极化森林三维成像方法，根据所述协方差矩阵对所述TomoSAR成像模型进行求解，获得HH极化模式、HV极化模式和VV极化模式的每个方位-距离分辨单元对应的联合高程向散射功率分布，包括：

【技术特征摘要】

1.一种基于l2范数的迭代自适应多极化联合森林三维成像方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所有的多视处理后的单视复图像，构建tomosar成像模型和面向森林的协方差矩阵，包括：

3....

【专利技术属性】
技术研发人员：张晶晶，金双，毕辉，徐进，郭琪，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：