[发明专利]一种基于深度学习的多频SAR图像解模糊方法

说明书

本发明提出一种基于深度学习的多频SAR图像解模糊方法，能够消除SAR图像中目标模糊，大幅增强SAR图像质量，有助于提升SAR图像的可理解性。本发明的基于深度学习的多频SAR图像解模糊方法，可以高效设计最优频率，为SAR成像解模糊提供数据；可以高效的对SAR成像中因采样率低而产生的模糊图进行解模糊。是高智能、高精度、高效率的SAR稀疏成像解模糊方案，预期可应用于星载SAR成像、天文雷达成像等领域，可消除SAR图像中目标模糊，大幅增强SAR图像质量，有助于提升SAR图像的可理解性。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于深度学习的多频SAR图像解模糊方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar，SAR)作为一种利用微波进行感知的主动传感器，能够不受天气、光照等条件限制，对感兴趣目标进行全天候、全天时、远距离的持续观测，从而提供感兴趣区域的高分辨图像。目前，SAR成像技术已经广泛应用于机载、星载、地基等多种平台，成为各国争相发展的重要微波遥感技术。在SAR的成像处理算法研究方面，已经有距离-多普勒(Range-Doppler，RD)算法、调频变标(Chirp Scaling，CS)算法、后向投影(Back Projection，BP)算法等经典成熟的算法。然而，这些成像算法均要求各个成像维度的采样率大于对应维度的信号带宽，否则会产生信号混叠现象，导致对应维度不同位置的目标的信号无法区分，即存在目标位置模糊的问题。

目标位置模糊的问题一般可以通过系统设计优化来解决。以星载SAR为例，针对特定工作模式，引入模糊比概念，在系统设计中对方位维度采样情况进行优化，确保模糊比小于特定值，从而抑制与消除模糊影响。然而，在一些应用场景下，系统设计自由度有限，无法进行优化设计。以固定于地球上的地基天文雷达对月三维成像为例，高度向基线通过地球与月球之间长期相对运动产生，为稀疏与非均匀分布，存在目标位置模糊问题。由于时空基线不可控，高度向采样位置与间隔不可设计，无法通过优化设计方法消除模糊。

综上所述，目前缺少一种在采样位置确定、稀疏且非均匀的情况下的SAR图像解模糊技术。

发明内容

有鉴于此，本发明提出一种基于深度学习的多频SAR图像解模糊方法，能够消除SAR图像中目标模糊，大幅增强SAR图像质量，有助于提升SAR图像的可理解性。

为实现上述目的，本发明的一种基于深度学习的多频SAR图像解模糊方法，利用多频图像确定主瓣位置，得到真实的目标位置，利用真实的目标位置得到多频模糊图像的解模糊结果。

其中，利用多频图像确定主瓣位置的方式为：

步骤1，以多频相乘以后图像的积分旁瓣比作为描述图像质量的指标；其中，多频相乘图像I(z_k)为各个频点图像I(z_k|f_i)的乘积：

其中，z_k为成像格点的高度向位置，f_i为载频，其中i为载频的下标，N_f为频点数，为全体频点；

步骤2，针对积分旁瓣比的图像指标，给定频点数为N_f，优选各频点的频率，得到最优频点组合；具体如下：

以dB表示的多频相乘以后图像的积分旁瓣比ISLR(f)为：

频点f的优选建模为使得积分旁瓣比ISLR(f)取极小值的优化问题；

其中，积分旁瓣比定义为主瓣能量与栅瓣或旁瓣能量的比值；

主瓣能量P_mainlode为：

栅瓣或旁瓣能量P_sidelobe为：