[发明专利]基于压缩学习感知的SAR高分辨图像重建方法

说明书

技术领域

本发明属于图像处理技术领域，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。

背景技术

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。

发明内容

本发明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，本发明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||X-Ψα||22;||ΨTΦTΦΨ-I||22s.t.∀i,||αi||0≤T,]]>

其中，α为稀疏系数矩阵，为任意第i列，||α_i||₀为矩阵α中系数向量α_i的0范数，和为求解Ψ^TΦ^TΦΨ-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。

本发明与现有的技术相比具有以下优点：