[发明专利]基于广义模糊C均值聚类的快速SAR图像旁瓣抑制方法

说明书

一种基于广义模糊C均值聚类的快速SAR图像旁瓣抑制方法，包括以下步骤：确定SAR图像过采样率，并确定距离向、方位向图像像素点总数，计算所述SAR图像旁瓣抑制加权窗参数门限；基于广义模糊C均值聚类算法，在所述SAR图像中将旁瓣过高的区域进行自适应图像分割；计算旁瓣抑制平衡算子和旁瓣抑制加权参数，计算分割出的强散射区域内旁瓣抑制后的图像；更新子空间图像块聚类中心；更新模糊聚类隶属度函数；计算模糊聚类目标函数J_n，当||J_n+1‑J_n||≤ε时，迭代结束，得到经过旁瓣抑制后的SAR图像；否则令n＝n+1，并返回计算旁瓣抑制平衡算子和旁瓣抑制加权参数继续执行。本发明避免对整幅SAR图像处理，并且通过降维处理，计算量显著降低，有效提高处理时间，满足工程需求。

技术领域

本发明涉及雷达成像技术领域，具体涉及一种基于广义模糊C均值聚类的快速SAR图像旁瓣抑制方法。

背景技术

合成孔径雷达(Synthetic aperture radar，SAR)由于其全天时、全天候、穿透力强成像的优势，在遥感成像等方面得到了广泛应用。由于SAR图像是基于输出信噪比最大的原则得到的匹配滤波器，但雷达信号在距离向、方位向支撑域有限，因此得到的SAR模糊函数为sinc形式，图像分辨率与峰值旁瓣比作为评价这一特性的两个重要指标，在实际成像中，特别是在城市楼宇等强雷达散射截面目标附近，旁瓣过高会降低图像质量，降低图像对比度，并且过高旁瓣会淹没场景中弱小目标，因此，快速有效降低SAR图像旁瓣对雷达系统应用具有重要意义。

现有旁瓣抑制的方法主要有以下几种：一种是基于窗函数理论，但这类方法会导致图像主瓣展宽，降低图像分辨率；另一种是基于频谱扩展理论，例如自回归方法(Autoregression，AR)和SVA(Spatial variant apodization)方法，但这类方法仍会有残余旁瓣，并且对于分布式目标，残余旁瓣仍会叠加，此外，该类方法无法自适应对图像中强散射点附近处理，导致对于数据量较为庞大的SAR图像，工程上实时性差；还有一种是基于谱分析理论，例如基于子空间的MUSIC、ESPRIT等方法，但这类方法对于信号假设检验模型严重依赖，计算量大，难以满足工程需要，另外由于SAR图像数据量大，现有方法均是对整幅图像处理，而实际工程中只需要对旁瓣过高的强散射点抑制进而提高运算小了，因此，现有方法难以满足工程需求。

发明内容

有鉴于此，本发明的主要目的在于提供一种基于广义模糊C均值聚类的快速SAR图像旁瓣抑制方法，以期部分地解决上述技术问题中的至少之一。

为了实现上述目的，作为本发明的一方面，提供了一种基于广义模糊C均值聚类的快速SAR图像旁瓣抑制方法，包括以下步骤：

步骤1：确定SAR图像过采样率，并确定距离向、方位向图像像素点总数，计算所述SAR图像旁瓣抑制加权窗参数门限；

步骤2：基于广义模糊C均值聚类算法，在所述SAR图像中将旁瓣过高的区域进行自适应图像分割；

步骤3：计算旁瓣抑制平衡算子和旁瓣抑制加权参数，计算分割出的强散射区域内旁瓣抑制后的图像；

步骤4：更新子空间图像块聚类中心；

步骤5：更新模糊聚类隶属度函数；

步骤6：计算模糊聚类目标函数J_n，并作判断，当||J_n+1-J_n||≤ε时，迭代结束，得到经过旁瓣抑制后的SAR图像；否则令n＝n+1，并返回所述步骤3继续执行，其中，ε为迭代终止参数。

基于上述技术方案可知，本发明的基于广义模糊C均值聚类的快速SAR图像旁瓣抑制方法相对于现有技术至少具有如下有益效果之一：