基于压缩学习感知的SAR高分辨图像重建方法技术

本发明专利技术公开了一种基于压缩学习感知的合成孔径雷达SAR图像高分辨重建方法，主要解决现有方法中因为稀疏基和观测矩阵不满足等距约束条件RIP而使重建图像质量下降的问题。其步骤为：首先输入训练样本集和测试图像；利用Couple-KSVD方法对字典和观测矩阵进行学习，得到目标训练字典Ψ和耦合观测矩阵Φ；最后利用快速贝叶斯匹配追踪FBMP算法，对高分辨图像小块进行重建；对所有图像小块重复此类操作，获得最终SAR高分辨重建图像。本发明专利技术能在不同采样率下，均能够提高各种SAR高分辨图像重建的质量，可用于各类SAR图像中目标与对象的恢复与识别。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及一种合成孔径雷达SAR图像高分辨重建方 法，可用于各类SAR图像中目标与对象的恢复与识别。
技术介绍
SAR图像尺寸大，数据量高，这给数据的实时传输与存储带来了很多问题。传统 SAR图像压缩与传输过程为在奈奎斯特采样要求下采集数据，然后再对SAR图像进行压缩 编码，最后将编码值进行存储、传输。这样的处理方法存在两个缺点第一，由于采样速率 不得低于信号带宽的两倍，这会给硬件系统带来很大的压力；第二，压缩编码过程中，计算 过程中会丢弃大量数据，造成了数据计算和内存资源的浪费。近几年发展起来的压缩感知 理论为解决该问题带来了有效的方法。但是在现有的SAR图像重建算法中，用到的稀疏基 均为非自适应的，如傅里叶基、小波基等，一般情况下，SAR图像很难在这些基下得到足够稀 疏的表示，而在观测矩阵的选择上目前大都采用服从高斯分布或贝努利分布的随机矩阵， 但它们只和正交基具有较好的不相关性，因此在大多数情况下压缩感知重构中精确重构的 RIP条件未必满足，因此会导致SAR高分辨图像的重建效果较差。
技术实现思路
本专利技术的目的在于克服上述已有技术的缺点，提出一种基于压缩学习感知的SAR 图像高分辨重建方法，在低分辨观测下提高SAR高分辨图像重建质量。为实现上述目的，本专利技术的技术方案是首先引入一组高分辨SAR图像作为训练图 像集合；利用Couple-KSVD算法对这些图像训练得到稀疏表示字典和观测矩阵；然后利用 快速贝叶斯匹配追踪FBMP的重建算法，重建得到高分辨SAR图像。具体步骤包括(1)输入一组高分辨SAR图像作为训练图像并将其剖分为大小相同的小块，由这 些图像小块构造一组训练图像集合X并输入一幅低分辨SAR图像Y ；(2)根据训练图像集合X，随机初始化目标训练字典Ψ和耦合观测矩阵Φ，利用如 下公式求解目标训练字典Ψ和耦合观测矩阵Φ min\\Χ - Ψα；||ΨΓΦΓΦΨ -1|[ s.t. V/, \\at ||Q < Γ ,其中，α为稀疏系数矩阵，V/为任意第i列，I I J Itl为矩阵α中系数向量α i的 0范数，||ΨΓΦΓΦΨ_Ι|〖和为求解ΨΤΦΤΦ Ψ-Ι和Χ-Ψ α的2范数的平方，T为稀 疏度控制系数，I为单位矩阵；(3)从低分辨SAR图像Y中输入一个小块y、目标训练字典Ψ和耦合观测矩阵Φ， 利用快速贝叶斯匹配追踪FBMP算法求解式min| β | |0,s. t. y = Φ Ψ β，得到低分辨SAR 图像小块1的稀疏分解系数β = E ( β /y)，E ( ·)表示期望；(4)利用目标训练字典ψ和稀疏分解系数β，求解高分辨SAR图像小块X，其公式 为 χ = Ψ β ；4(5)重复步骤(3)和步骤，对所有输入的低分辨SAR图像小块依次处理，将每 一个高分辨SAR图像小块χ进行组合，得到SAR高分辨重构图像Z。本专利技术与现有的技术相比具有以下优点本专利技术由于利用Couple-KSVD算法训练字典，降低了稀疏基与观测矩阵之间的相 关性，同时由于本专利技术利用快速贝叶斯匹配追踪FBMP算法重建图像，从而缩短了图像的重 建时间，提高了重建图像的质量。实验证明，本专利技术适用于SAR高分辨图像的重建，通过本分明进行重建后，重建图 像的细节信息保持的比较好，在数值指标上也优于同类方法。附图说明图1是本专利技术的总流程图；图2是本专利技术采用的两幅SAR测试图像；图3是用现有MP算法在50 %采样率下，采用小波基字典进行图像重建的仿真效果 图；图4是用现有OMP算法在50%采样率下，采用小波基字典进行图像重建的仿真效 果图；图5是用本专利技术在50%采样率下进行图像重建的仿真效果图。具体实施方法参照附图1，本专利技术的具体步骤包括步骤1.获取训练图像集合la)输入一组高分辨SAR图像作为训练图像，将其剖分为大小为qXq的小块；lb)将所得到的图像小块变换为列向量，对列向量排列组合构造成一组训练图像 集合X并输入一幅低分辨SAR图像Y。步骤2.利用Couple-KSVD算法得到目标训练字典和耦合观测矩阵2a)从 Couple-KSVD 算法中，给出总的优化公式权利要求1.一种基于压缩学习感知的SAR高分辨图像重建方法，包括如下步骤(1)输入一组高分辨SAR图像作为训练图像并将其剖分为大小相同的小块，由这些图 像小块构造一组训练图像集合X并输入一幅低分辨SAR图像Y ；(2)根据训练图像集合X，随机初始化目标训练字典Ψ和耦合观测矩阵Φ，利用如下公 式求解目标训练字典Ψ和耦合观测矩阵Φ 2.根据权利要求1所述的SAR图像高分辨重建方法，其中步骤(2)所述的利用 Coup Ie-KSVD 算法求解 min IpT-Ψο4;|ΨΓΦΓΦΨ-Ιs. t. V/, I ^iI |θ ^ T，按如下步骤进 行2a)对公式中的第一个目标函数行变形，得到全文摘要本专利技术公开了一种基于压缩学习感知的合成孔径雷达SAR图像高分辨重建方法，主要解决现有方法中因为稀疏基和观测矩阵不满足等距约束条件RIP而使重建图像质量下降的问题。其步骤为首先输入训练样本集和测试图像；利用Couple-KSVD方法对字典和观测矩阵进行学习，得到目标训练字典Ψ和耦合观测矩阵Φ；最后利用快速贝叶斯匹配追踪FBMP算法，对高分辨图像小块进行重建；对所有图像小块重复此类操作，获得最终SAR高分辨重建图像。本专利技术能在不同采样率下，均能够提高各种SAR高分辨图像重建的质量，可用于各类SAR图像中目标与对象的恢复与识别。文档编号G06T5/50GK102142139SQ20111007447公开日2011年8月3日 申请日期2011年3月25日 优先权日2011年3月25日专利技术者万艳艳, 侯彪, 刘芳, 周宇, 杨淑媛, 焦李成, 王晶, 王爽, 缑水平 申请人:西安电子科技大学 本文档来自技高网...

【技术保护点】
１．一种基于压缩学习感知的ＳＡＲ高分辨图像重建方法，包括如下步骤：（１）输入一组高分辨ＳＡＲ图像作为训练图像并将其剖分为大小相同的小块，由这些图像小块构造一组训练图像集合Ｘ并输入一幅低分辨ＳＡＲ图像Ｙ；（２）根据训练图像集合Ｘ，随机初始化目标训练字典Ψ和耦合观测矩阵Φ，利用如下公式求解目标训练字典Ψ和耦合观测矩阵Φ：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｉ）ｍｉｎ（／ｍｉ）?（ｍｓｕｂｓｕｐ）?（ｍｒｏｗ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）｜（／ｍｏ）?（ｍｉ）Ｘ（／ｍｉ）?（ｍｏ）－（／ｍｏ）?（ｍｉ）＆Ｐｓｉ；＆ａｌｐｈａ；（／ｍｉ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）｜（／ｍｏ）?（／ｍｒｏｗ）?（ｍｎ）２（／ｍｎ）?（ｍｎ）２（／ｍｎ）?（／ｍｓｕｂｓｕｐ）?（ｍｏ）；（／ｍｏ）?（ｍｓｕｂｓｕｐ）?（ｍｒｏｗ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）｜（／ｍｏ）?（ｍｓｕｐ）?（ｍｉ）＆Ｐｓｉ；（／ｍｉ）?（ｍｉ）Ｔ（／ｍｉ）?（／ｍｓｕｐ）?（ｍｓｕｐ）?（ｍｉ）＆Ｐｈｉ；（／ｍｉ）?（ｍｉ）Ｔ（／ｍｉ）?（／ｍｓｕｐ）?（ｍｉ）＆Ｐｈｉ；＆Ｐｓｉ；（／ｍｉ）?（ｍｏ）－（／ｍｏ）?（ｍｉ）Ｉ（／ｍｉ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）｜（／ｍｏ）?（／ｍｒｏｗ）?（ｍｎ）２（／ｍｎ）?（ｍｎ）２（／ｍｎ）?（／ｍｓｕｂｓｕｐ）?（ｍｉ）ｓ（／ｍｉ）?（ｍｏ）．（／ｍｏ）?（ｍｉ）ｔ（／ｍｉ）?（ｍｏ）．（／ｍｏ）?（ｍｏ）＆ＦｏｒＡｌｌ；（／ｍｏ）?（ｍｉ）ｉ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（ｍｓｕｂ）?（ｍｒｏｗ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）｜（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）＆ａｌｐｈａ；（／ｍｉ）?（ｍｉ）ｉ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）｜（／ｍｏ）?（ｍｏ）｜（／ｍｏ）?（／ｍｒｏｗ）?（ｍｎ）０（／ｍｎ）?（／ｍｓｕｂ）?（ｍｏ）＆ｌｅ；（／ｍｏ）?（ｍｉ）Ｔ（／ｍｉ）?（ｍｏ），（／ｍｏ）?（／ｍｒｏｗ）?（／ｍａｔｈ）其中，α为稀疏系数矩阵，为任意第ｉ列，｜｜αｉ｜｜０为矩阵α中系数向量αｉ的０范数，和为求解ΨＴΦＴΦΨ－Ｉ和Ｘ－Ψα的２范数的平方，Ｔ为稀疏度控制系数，Ｉ为单位矩阵；（３）从低分辨ＳＡＲ图像Ｙ中输入一个小块ｙ、目标训练字典Ψ和耦合观测矩阵Φ，利用快速贝叶斯匹配追踪ＦＢＭＰ算法求解式：ｍｉｎ｜｜β｜｜０，ｓ．ｔ．ｙ＝ΦΨβ，得到低分辨ＳＡＲ图像小块ｙ的稀疏分解系数β＝Ｅ（β／ｙ），Ｅ（·）表示期望；（４）利用目标训练字典Ψ和稀疏分解系数β，求解高分辨ＳＡＲ图像小块ｘ，其公式为ｘ＝Ψβ；（５）重复步骤（３）和步骤（４），对所有输入的低分辨ＳＡＲ图像小块依次处理，将每一个高分辨ＳＡＲ图像小块ｘ进行组合，得到ＳＡＲ高分辨重构图像Ｚ。...

【技术特征摘要】

【专利技术属性】
技术研发人员：杨淑媛，焦李成，刘芳，周宇，万艳艳，王晶，王爽，侯彪，缑水平，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87