基于稀疏和广义全变差联合正则化的SAR成像方法、系统与流程

基于稀疏和广义全变差联合正则化的sar成像方法、系统
技术领域
1.本发明属于雷达成像技术领域，尤其涉及一种基于稀疏和广义全变差联合正则化的sar成像方法、系统。


背景技术：

2.目前，成像是现代遥感技术中微波遥感研究的一个热点问题，当雷达波遇到粗糙表面时，由于返回信号中各基本散射体之间的相位不同，导致回波之间发生干涉，因而sar图像中包含相干斑噪声，影响了图像的质量和解译。常用的稀疏sar成像算法，一般都是基于l1范数阈值算法，但这种算法无法抑制相干斑噪声，成像效果不理想。
3.通过上述分析，现有技术存在的问题及缺陷为：传统的稀疏sar成像算法在成像过程中会出现相干斑噪声，该噪声会降低sar成像质量，影响后续雷达信号处理算法效果。
4.解决以上问题及缺陷的难度为：在稀疏成像的同时有效的抑制相干斑噪声，实现更好的成像效果。
5.解决以上问题及缺陷的意义为：有效的抑制了相干斑噪声，提高sar成像质量，为后续的雷达信号处理算法提供了保障。


技术实现要素：

6.针对现有技术存在的问题，本发明提供了一种基于稀疏和广义全变差联合正则化的sar成像方法、系统。
7.本发明是这样实现的，一种基于稀疏和广义全变差联合正则化的sar成像方法，包括：
8.根据地面场景与回波数据的采样率，依靠观测平台与成像场景的几何关系，建立回波生成模型；根据回波生成模型，依靠回波数据、成像观测矩阵和地面场景三者之间的映射关系构建成像观测矩阵；根据成像观测矩阵，建立稀疏和全变差联合正则化的多平台星座sar成像模型，得到最终sar成像结果。
9.进一步，所述基于稀疏和广义全变差联合正则化的sar成像方法包括以下步骤：
10.步骤一，根据雷达成像几何和雷达系统设置，建立稀疏和全变差联合正则化的sar成像模型；
11.步骤二，根据sar成像模型，进行迭代成像。
12.进一步，步骤一中，所述根据雷达成像几何和雷达系统设置，建立稀疏和全变差联合正则化的sar成像模型包括：
13.获取回波数据，并通过对距离向时间、方位向时间和目标二维坐标离散表示将回波数据表示成矩阵形式；建立基于稀疏和广义全变差联合正则化sar成像模型，并进行优化。
14.进一步，所述回波数据表示如下：
[0015][0016]
其中，x,y分别表示距离向时间和方位向时间；t(τ)表示发射波形，σ(m,n)表示地面后向散射系数，m,n表示目标的二维坐标，r(m,n,y)表示斜距，f0表示载波，c表示光速；t表示观测场景。
[0017]
进一步，所述通过对距离向时间、方位向时间和目标二维坐标离散表示将回波数据表示成矩阵形式包括：
[0018]
rc＝φx δ；
[0019]
其中，x表示目标的后向散射系数，rc表示采集的回波数据；φ表示雷达观测矩阵；δ表示系统噪声。
[0020]
进一步，所述进行优化包括：
[0021][0022]
其中，λ，γ为正则化参数，表示向量的l2范数，||
·
||1表示向量的l1范数，||
·
||
tgv
表示广义全变差范数，abs(
·
)表示向量的幅度。
[0023]
进一步，所述进行迭代成像包括：
[0024]
引入迭代中间变量，k表示迭代次数，当迭代满足未满足收敛条件，则：
[0025]
zk＝s
k-1-φh(φs
k-1-rc)；
[0026]bk
＝max(0,abs(zk)-λ)；
[0027]
xk＝f(bk)；
[0028][0029]
其中，f()表示tgv正则化阈值。k阶tgv正则化的表达式为：
[0030][0031]
||div
l
v||
∞
≤α
l
,l＝0,
···
,k-1}；
[0032]
其中，symk()表示具有参数的k阶对称张量空间，α
l
是一个固定的正数，
[0033]
本发明的另一目的在于提供一种实施所述基于稀疏和广义全变差联合正则化的sar成像方法的基于稀疏和广义全变差联合正则化的sar成像系统，所述基于稀疏和广义全变差联合正则化的sar成像系统包括：
[0034]
成像模型构建模块，用于根据雷达成像几何和雷达系统设置，建立稀疏和全变差联合正则化的sar成像模型；
[0035]
成像模块，用于根据sar成像模型，进行迭代成像。
[0036]
本发明的另一目的在于提供一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行所述基于稀疏和广义全变差联合正则化的sar成像方法所述包括下列步
骤：
[0037]
步骤一，根据雷达成像几何和雷达系统设置，建立稀疏和全变差联合正则化的sar成像模型；
[0038]
步骤二，根据sar成像模型，进行迭代成像。
[0039]
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述基于稀疏和广义全变差联合正则化的sar成像方法。
[0040]
结合上述的所有技术方案，本发明所具备的优点及积极效果为：
[0041]
本发明提供了一种基于稀疏和广义全变差联合正则化的sar成像方法，通过保持边缘尖锐、抑制相干斑，有效提高了稀疏成像质量。
[0042]
本发明利用稀疏和广义全变差联合正则化方法，有效的改善图像质量，保持了图像边缘尖锐，抑制相干斑噪声，后续sar数据应用的发展，具有重要的意义。
附图说明
[0043]
图1是本发明实施例提供的基于稀疏和广义全变差联合正则化的sar成像方法原理图。
[0044]
图2是本发明实施例提供的基于稀疏和广义全变差联合正则化的sar成像方法流程图。
[0045]
图3是本发明实施例提供的基于稀疏和广义全变差联合正则化的sar成像系统结构示意图；
[0046]
图中：1、成像模型构建模块；2、成像模块。
具体实施方式
[0047]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0048]
针对现有技术存在的问题，本发明提供了一种基于稀疏和广义全变差联合正则化的sar成像方法，下面结合附图对本发明作详细的描述。
[0049]
如图1所示，本发明实施例提供的基于稀疏和广义全变差联合正则化的sar成像方法包括：
[0050]
根据地面场景与回波数据的采样率，依靠观测平台与成像场景的几何关系，建立回波生成模型；根据回波生成模型，依靠回波数据、成像观测矩阵和地面场景三者之间的映射关系构建成像观测矩阵；根据成像观测矩阵，建立稀疏和全变差联合正则化的多平台星座sar成像模型，得到最终sar成像结果。
[0051]
如图2所示，本发明实施例提供的基于稀疏和广义全变差联合正则化的sar成像方法包括：
[0052]
s101，根据雷达成像几何和雷达系统设置，建立稀疏和全变差联合正则化的sar成像模型；
[0053]
s102，根据sar成像模型，进行迭代成像。
[0054]
本发明实施例提供的根据雷达成像几何和雷达系统设置，建立稀疏和全变差联合正则化的sar成像模型包括：
[0055]
获取回波数据，并通过对距离向时间、方位向时间和目标二维坐标离散表示将回波数据表示成矩阵形式；建立基于稀疏和广义全变差联合正则化sar成像模型，并进行优化。
[0056]
本发明实施例提供的回波数据表示如下：
[0057][0058]
其中，x,y分别表示距离向时间和方位向时间；t(τ)表示发射波形，σ(m,n)表示地面后向散射系数，m,n表示目标的二维坐标，r(m,n,y)表示斜距，f0表示载波，c表示光速；t表示观测场景。
[0059]
本发明实施例提供的通过对距离向时间、方位向时间和目标二维坐标离散表示将回波数据表示成矩阵形式包括：
[0060]
rc＝φx δ；
[0061]
其中，x表示目标的后向散射系数，rc表示采集的回波数据；φ表示雷达观测矩阵；δ表示系统噪声。
[0062]
本发明实施例提供的进行优化包括：
[0063][0064]
其中，λ，γ为正则化参数，表示向量的l2范数，||
·
||1表示向量的l1范数，||
·
||
tgv
表示广义全变差范数，abs(
·
)表示向量的幅度。
[0065]
本发明实施例提供的进行迭代成像包括：
[0066]
引入迭代中间变量，k表示迭代次数，当迭代满足未满足收敛条件，则：
[0067]
zk＝s
k-1-φh(φs
k-1-rc)；
[0068]bk
＝max(0,abs(zk)-λ)；
[0069]
xk＝f(bk)；
[0070][0071]
其中，f()表示tgv正则化阈值。k阶tgv正则化的表达式为：
[0072][0073]
||div
l
v||
∞
≤α
l
,l＝0,
···
,k-1}；
[0074]
其中，symk()表示具有参数的k阶对称张量空间，α
l
是一个固定的正数，
[0075]
如图3所示，本发明实施例提供的基于稀疏和广义全变差联合正则化的sar成像系统包括：
[0076]
成像模型构建模块1，用于根据雷达成像几何和雷达系统设置，建立稀疏和全变差联合正则化的sar成像模型；
[0077]
成像模块2，用于根据sar成像模型，进行迭代成像。
[0078]
下面结合具体实施例对本发明的技术方案做进一步说明。
[0079]
实施例：
[0080]
一种基于稀疏和广义全变差联合正则化的sar成像方法，包括：根据雷达成像几何和雷达系统设置，建立稀疏和全变差联合正则化的sar成像模型；然后根据sar成像模型，给出具体的迭代成像方法。本发明提供的一种基于稀疏和广义全变差联合正则化的sar成像方法，该方法可以保持边缘尖锐、抑制相干斑，有效提高了成像质量。
[0081]
基于稀疏和广义全变差联合正则化的sar成像方法，其特征在于，包括以下步骤：
[0082]
s1：根据雷达成像几何和雷达系统设置，建立稀疏和全变差联合正则化的sar成像模型；
[0083]
s2：根据sar成像模型，给出具体的迭代成像方法。
[0084]
所述步骤s1具体包括以下步骤：
[0085]
s11：对于观测场景t，接收的回波数据表示为：
[0086][0087]
其中，x,y分别是距离向时间和方位向时间；t(τ)是发射波形，σ(m,n)表示地面后向散射系数，m,n表示目标的二维坐标，r(m,n,y)表示斜距，f0表示载波，c表示光速；
[0088]
s12：将通过对距离向时间、方位向时间和目标二维坐标离散表示，回波数据表示成矩阵形式：
[0089]
rc＝φx δ；
[0090]
其中，x表示目标的后向散射系数，rc表示平台采集的回波，；φ表示雷达观测矩阵(由回波数据表示决定)；δ表示系统噪声；
[0091]
s13：建立基于稀疏和广义全变差联合正则化sar成像模型，具体优化方法为：
[0092][0093]
其中，λ，γ为正则化参数，表示向量的l2范数，||
·
||1表示向量的l1范数，||
·
||
tgv
表示广义全变差范数，abs(
·
)表示向量的幅度。
[0094]
所述步骤s2具体为：
[0095]
s21：引入迭代中间变量，k表示迭代次数，当迭代满足未满足收敛条件，则：
[0096]
a)zk＝s
k-1-φh(φs
k-1-rc)
[0097]
b)bk＝max(0,abs(zk)-λ)
[0098]
c)xk＝f(bk)，f()表示tgv正则化阈值
[0099]
d)
[0100]
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
[0101]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。