[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

说明书

技术领域

本发明涉及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，属于遥 感图像处理技术领域。

背景技术

合成孔径雷达(SyntheticApertureRadar，SAR)图像解卷积是一种经济、可行且 有效的SAR图像分辨率提升技术。由其演化出的多层贝叶斯盲解卷积，是在设定原始SAR图 像先验模型、点扩散函数(PSF)先验模型、噪声先验模型和模型参数先验模型的基础上，根 据观测图像对原始SAR图像、点扩散函数和模型参数进行联合估计的方法。此方法无需事先 获得PSF和模型参数，摆脱了传统SAR图像解卷积的必要条件限制。然而，图像多层贝叶斯盲 解卷积通常是通过矩阵运算实现，运算前要将图像向量化、将算子矩阵化，运算后再将向量 转回图像，这无疑增加了图像处理时间。更为甚者，SAR图像观测尺度很大，其数据量比普通 图像要高，高数据量会形成超大型矩阵(例如对于一个1000×1000大小的SAR图像，其算子 矩阵的维数会高达1000000×1000000)，如果仍采用矩阵运算方法，存储量和运算量会成指 数增加，计算机的存储能力和运算时间将极大消耗，从而降低SAR图像盲解卷积的效率。

发明内容

为解决现有技术的不足，本发明的目的在于提供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，省去了向量、矩阵化过程，在频域表示向量和矩阵，利用矩阵 的谱构建谱矩阵，以此来实现低运算开销的解卷积，以规避高开销的超大型矩阵运算。

为了实现上述目标，本发明采用如下的技术方案：

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；