[发明专利]一种基于多分量分解视频SAR阴影增强方法

说明书

本发明公开了一种基于多分量分解视频SAR阴影增强方法。它是通过迭代求解的方式实现对输入视频SAR数据中的阴影、背景和噪声分量分解，在每次迭代中，首先更新阴影分量矩阵；然后，更新背景分量矩阵；其次，通过求解基于噪声分量的斐波拉契范数正则化的去噪方程，更新噪声分量矩阵；最后，根据本次迭代更新的阴影分量与上次迭代更新的阴影分量两者的相对变化量判断是否停止迭代，输出最新更新的阴影分量为视频SAR阴影增强结果。与基于直方图均衡化阴影增强方法相比，本发明方法具有阴影增强结果的阴影‑背景对比度高、阴影的轮廓特征完整，阴影增强效果好的特点。

技术领域

本发明属于合成孔径雷达(SyntheticAperture Radar，SAR)技术领域，它特别涉及到了视频SAR成像技术领域。

背景技术

合成孔径雷达是一种具有全天时、全天候成像能力的雷达，克服了光学和红外成像系统不能在夜晚光照匮乏时或是天气恶劣等条件下无法成像的缺点。然而，传统的SAR仅仅能够提供观测场景短时的成像结果，无法实现对场景进行长时间持续性地观测，这不利于对车辆等运动目标的监视，即实现运动目标的持续性检测与追踪，为了克服这一缺陷，视频SAR应运而生，不同于传统SAR系统所获取的仅仅场景单帧的图像，视频SAR对观测场景持续性观测，能够获取场景多时间帧的图像，得到观测区域的视频成像结果，从而能进一步对场景中的运动目标进行长时间监视，有利于观测目标的运动状态的持续性变化，在如民用领域中交通流量监控、军事领域中敌对重要目标探测等领域具有显著的应用价值。

在视频SAR成像结果中，运动的目标在视频中有两种响应表现形式，第一种为目标本身所产生的响应表现形式，具体为在视频每帧图像中距离向位置存在偏移、方位向存在散焦模糊；第二种为由于目标遮挡所在地面产生的阴影的响应表现形式，不同于前者，所产生的阴影不存在偏移与散焦情况，从而能反映出动目标的真实位置。当前，对于视频SAR成像结果中运动目标的检测与追踪，为了获得更高的检测和追踪的精度，主要通过对阴影区域的检测与追踪，实现与之相关的动目标的检测与追踪。

然而，不同于目标通常具有较强的散射能量，由于遮挡机制产生的阴影的能量相对较弱，容易和它周围同样散射能量较低的背景混淆，并且也可能被噪声的能量所淹没，导致阴影的检测和追踪的精度损失。因此，为了提高阴影的检测和追踪的精度，可以通过增强阴影的方法实现，即需要提出有效的视频SAR阴影增强方法。

现有的视频SAR阴影增强方法主要采用基于直方图均衡化阴影增强方法，该方法主要适用于光学图像，而由于视频SAR系统与光学照相系统存在较大差异，两者的成像结果数据差异性大，因此当前方法对于视频SAR阴影增强所能发挥的作用有限，对阴影检测和追踪的精度提升有限。为了取得更好的视频SAR阴影增强效果，本发明提出了一种基于多分量分解视频SAR阴影增强方法。

发明内容

本发明提出了一种基于多分量分解视频SAR阴影增强方法。该方法通过迭代求解的方式实现对输入视频SAR数据中的阴影、背景和噪声分量分解，在每次迭代中，首先建立基于阴影分量的L1范数正则化去噪方程，通过求解该方程，更新阴影分量矩阵；然后，建立基于背景分量的核范数正则化去噪方程，通过求解该方程，更新背景分量矩阵；其次，建立基于噪声分量的斐波拉契范数正则化的去噪方程，通过求解该方程，更新噪声分量矩阵；最后，根据本次迭代更新的阴影分量与上次迭代更新的阴影分量两者的相对变化量判断是否停止迭代，当相对变化量大于阈值时，继续迭代，当小于阈值时，停止迭代，输出最新更新的阴影分量为视频SAR阴影增强结果。与基于直方图均衡化阴影增强方法相比，本发明方法阴影增强结果的阴影-背景对比度更高、阴影的轮廓特征更完整，阴影增强效果更佳。

为了方便描述本发明的内容，首先作以下术语定义：

定义1.合成孔径雷达