[发明专利]一种联合先验估计的SAR图像盲超分辨率重建方法

摘要

本发明公开了一种联合先验估计的SAR图像盲超分辨率重建方法，首先获取同场景时相相近的多帧SAR图像，对其配准并融合，形成单帧SAR图像作为重建的初始图像；然后设定噪声模型并估计其参数值，利用特征驱动法确定原始SAR图像的先验模型；接着将估计量Θ的后验分布p(Θ|g)近似为q(Θ)，通过最小化KL散度求得q⁰(f)、q¹(h)，估计h值并利用特征驱动法确定h的先验模型；最后利用KL散度和变分逼近法迭代估计出f，h，α_im和α_h。本发明在SAR图像盲重建的同时，联合先验估计，先验模型参数估计与图像重建及PSF估计相耦合迭代，所得先验符合SAR的物理统计特征，更准确地刻画图像和PSF，进而提高SAR图像盲超分辨率重建的准确性。

主权项

一种联合先验估计的SAR图像盲超分辨率重建方法，其特征在于，包括以下步骤：1)输入同一场景时相相近的多帧SAR图像；2)将输入的多时相SAR图像进行空间配准；3)根据配准信息，将几何校正后的SAR图像融合初始化；4)设定噪声模型，并确定模型参数；5)确定原始图像的先验模型；6)为了利用KL散度导出估计量Θ的后验分布p(Θ|g)，将p(Θ|g)近似为q(Θ)，所述估计量Θ包括原始图像f、点扩展函数h、原始图像f先验模型参数α_im，即以q(f)作为p(f|g)的近似，q(h)作为p(h|g)的近似，q(α_im)作为p(α_im|g)的近似；KL散度的解析式为：其中，g表示单帧SAR图像；7)估计点扩展函数h值，并确定点扩展函数h的先验模型；8)以q(α_h)作为p(α_h|g)的近似，给定点扩展函数先验模型参数α_h的初始分布q⁰(α_h)为，其中，点扩展函数先验模型为高斯模型时，点扩展函数先验模型为拉普拉斯模型时，其中，M表示点扩展函数h的元素数，C表示已给定的高通算子，h¹表示点扩展函数h的初始估计值；9)利用KL散度和变分逼近法，循环迭代估计量，原始图像f、点扩展函数h、原始图像f先验模型参数α_im、点扩展函数h先验模型参数α_h，得到SAR图像超分辨率重建的最终结果输出。