[发明专利]基于压缩学习感知的SAR高分辨图像重建方法

摘要

本发明公开了一种基于压缩学习感知的合成孔径雷达SAR图像高分辨重建方法，主要解决现有方法中因为稀疏基和观测矩阵不满足等距约束条件RIP而使重建图像质量下降的问题。其步骤为：首先输入训练样本集和测试图像；利用Couple-KSVD方法对字典和观测矩阵进行学习，得到目标训练字典Ψ和耦合观测矩阵Φ；最后利用快速贝叶斯匹配追踪FBMP算法，对高分辨图像小块进行重建；对所有图像小块重复此类操作，获得最终SAR高分辨重建图像。本发明能在不同采样率下，均能够提高各种SAR高分辨图像重建的质量，可用于各类SAR图像中目标与对象的恢复与识别。

主权项

1.一种基于压缩学习感知的SAR高分辨图像重建方法，包括如下步骤：(1)输入一组高分辨SAR图像作为训练图像并将其剖分为大小相同的小块，由这些图像小块构造一组训练图像集合X并输入一幅低分辨SAR图像Y；(2)根据训练图像集合X，随机初始化目标训练字典Ψ和耦合观测矩阵Φ，利用如下公式求解目标训练字典Ψ和耦合观测矩阵Φ：min||X-Ψα||22;||ΨTΦTΦΨ-I||22s.t.∀i,||αi||0≤T,]]>其中，α为稀疏系数矩阵，为任意第i列，||α_i||₀为矩阵α中系数向量α_i的0范数，和为求解Ψ^TΦ^TΦΨ-I和X-Ψα的2范数的平方，T为稀疏度控制系数，I为单位矩阵；(3)从低分辨SAR图像Y中输入一个小块y、目标训练字典Ψ和耦合观测矩阵Φ，利用快速贝叶斯匹配追踪FBMP算法求解式：min||β||₀，s.t.y＝ΦΨβ，得到低分辨SAR图像小块y的稀疏分解系数β＝E(β/y)，E(·)表示期望；(4)利用目标训练字典Ψ和稀疏分解系数β，求解高分辨SAR图像小块x，其公式为x＝Ψβ；(5)重复步骤(3)和步骤(4)，对所有输入的低分辨SAR图像小块依次处理，将每一个高分辨SAR图像小块x进行组合，得到SAR高分辨重构图像Z。