[发明专利]基于频域及谱矩阵的SAR图像多层贝叶斯盲解卷积方法

权利要求书

1.一种基于频域及谱矩阵的SAR图像多层贝叶斯盲解卷积方法，其特征是，包括如下步 骤：

1)输入单帧观测SAR图像g，并给出其观测模型为高斯分布p(g|f,h,β)=(12πβ)N/2exp{-12β||g-h*f||22},]]>式中，f表示原始SAR图像，h表示点扩散函数，超参数β表示高斯分布观测模型的方差，N＝P ×Q表示f的行数P和列数Q之积，||·||₂表示2-范数运算符，*表示2维卷积运算符；

2)对原始SAR图像f进行初始化为f⁰＝g，并给出f的先验模型为高斯分布 p(f|αim)=(12παim)N/2exp{-12αim||c*f||22},]]>式中，超参数α_im表示f的高斯分布先验模型的方 差，c表示3×3的拉普拉斯掩模0-0.250-0.251-0.250-0.250;]]>

3)对点扩散函数h进行初始化为h⁰，其三维图形为一椭圆抛物面，并给出h的先验模型为 高斯分布式中，超参数α_h表示h的高斯分布先验模 型的方差，M＝U×V表示h的行数U和列数V之积；

4)将β初始化为β⁰，其置信参数设为γ_β；将α_im初始化为其置信参数设为将α_h初 始化为其置信参数设为将上述3个超参数的先验模型均设为伽马分布 Γ(ω|aω0,bω0)=(bω0)aω0Γ(aω0)ωaω0-1exp[-bω0ω],]]>式中，ω＞0表示任一超参数，aω0>0,bω0>0]]>分别表示形 状和尺度参数，且记

5)将先验模型中的c零延拓并循环移位为c_es，而后变换至频域表示为C_es；

6)对g、f和f⁰进行不带系数的傅里叶变换，在频域分别表示为G、F和F⁰，并将f的N行N列 循环协方差矩阵cov(f)的谱构建成P×Q的谱矩阵cov(F)，并对谱矩阵初始化为cov⁰(F)＝ 0；

7)采用步骤5)的方法，将h及h⁰零延拓并循环移位为h_es和而后变换至频域表示为 H_es和

8)采用步骤6)的方法，将h_es的N行N列循环循环协方差矩阵cov(h_es)的谱构建成P×Q的 谱矩阵cov(H_es)，并对谱矩阵初始化为cov⁰(H_es)＝0；

9)采用基于变分优化随机分布的迭代估计方法对超参数、H_es及F进行迭代估计，得到估 计值及

10)对及进行傅里叶反变换，得到空域值及采用步骤5)的逆过程对进行 循环移位使左上角中心化并去零，得到输出盲解卷积的最终结果及