【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于雷達(dá)成像領(lǐng)域領(lǐng)域，更具體地，涉及一種基于稀疏和低秩分解的sar成像方法、系統(tǒng)及可讀存儲(chǔ)介質(zhì)。
技術(shù)介紹
1、合成孔徑雷達(dá)高分辨率成像一直是雷達(dá)系統(tǒng)的重要需求，但由于奈奎斯特采樣定理的限制，高分辨率和系統(tǒng)復(fù)雜度難以平衡。傳統(tǒng)sar成像依賴高采樣率來實(shí)現(xiàn)高分辨率，這增加了系統(tǒng)的復(fù)雜度和成本。稀疏sar成像技術(shù)基于壓縮感知原理，利用信號(hào)的稀疏性從較少的樣本中進(jìn)行成像，有效降低了采樣率。基于低秩矩陣的成像方法，通過利用sar圖像的固有結(jié)構(gòu)特性，以獲取高分辨成像是一個(gè)重要的研究方向。
2、sar成像面臨著幾個(gè)挑戰(zhàn)，具有周期性或局部相關(guān)性的目標(biāo)在稀疏合成孔徑雷達(dá)成像中難以保持原始數(shù)據(jù)的結(jié)構(gòu)完整性，從而無法保證sar的成像效果,且計(jì)算復(fù)雜度高,難以適應(yīng)實(shí)際應(yīng)用需求，尤其是在動(dòng)態(tài)或復(fù)雜場(chǎng)景中表現(xiàn)尤為不足。
3、現(xiàn)有技術(shù)公開號(hào)為cn115249216a的專利技術(shù)專利提出了一種基于稀疏表示和盲估計(jì)聯(lián)合的sar圖像降噪方法，包括：s1：選取字典并初始化字典參數(shù)；s2：獲取待降噪sar圖像，并使用盲估計(jì)算法估計(jì)得到待降噪sar圖像的圖像噪聲；
4、s3：根據(jù)圖像噪聲，利用omp算法計(jì)算稀疏編碼，對(duì)字典進(jìn)行迭代更新，得到更新的字典和稀疏編碼；s4：利用更新的字典和稀疏編碼對(duì)待降噪sar圖像進(jìn)行稀疏分解并重構(gòu)，得到去噪圖像，該方案存在計(jì)算復(fù)雜度高,難以適應(yīng)實(shí)際應(yīng)用需求的問題。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)為克服現(xiàn)有技術(shù)中sar成像面臨的問題，特別是具有周期性或
2、本專利技術(shù)的首要目的是為解決上述技術(shù)問題，本專利技術(shù)的技術(shù)方案如下：
3、本專利技術(shù)第一方面提供了一種基于稀疏和低秩分解的sar成像方法，包括如下步驟：
4、采集sar圖像和二維回波數(shù)據(jù)，對(duì)二維回波數(shù)據(jù)進(jìn)行預(yù)處理，得到目標(biāo)反射率；
5、基于所述二維回波數(shù)據(jù)與所述目標(biāo)反射率的線性關(guān)系，利用預(yù)設(shè)方法對(duì)sar圖像進(jìn)行分解，得到稀疏分量和低秩分量；
6、利用預(yù)設(shè)的優(yōu)化算法，迭代更新矩陣稀疏和低秩的分解結(jié)果，提高精度，直到誤差收斂，得到稀疏和低秩分解算法表達(dá)式；
7、利用所述稀疏和低秩分解算法表達(dá)式求解預(yù)設(shè)的sar成像模型，輸出sar成像結(jié)果。
8、進(jìn)一步地，所述迭代更新矩陣稀疏和低秩的分解結(jié)果的優(yōu)化算法為交替乘子法。
9、進(jìn)一步地，所述對(duì)sar圖像進(jìn)行分解的預(yù)設(shè)方法為核范式松弛的因式分解。
10、進(jìn)一步地，所述利用核范式松弛的因式分解對(duì)sar圖像進(jìn)行分解，具體包括：
11、將sar圖像b分解為面目標(biāo)x和點(diǎn)目標(biāo)s，利用低秩矩陣擬合算法對(duì)x和s進(jìn)行初始化，表達(dá)式如下所示：
12、b＝x+s?(1)；
13、對(duì)大小為m×n的面目標(biāo)x以奈奎斯特采樣率進(jìn)行離散化，得到xi,j＝x[i,j]，構(gòu)建相應(yīng)的hankel矩陣表達(dá)式如下所示：
14、
15、其中表示為：
16、
17、將sar數(shù)據(jù)b在hankel結(jié)構(gòu)化矩陣的約束下分解為稀疏分量和低秩分量，利用稀疏和低秩平衡參數(shù)，輸出分解結(jié)果用于模型優(yōu)化，表達(dá)式如下所示：
18、
19、其中，稀疏分量s代表點(diǎn)目標(biāo)，低秩分量l對(duì)應(yīng)于面目標(biāo)，τ是低秩和稀疏度之間的平衡參數(shù)，是利用x構(gòu)建的hankel矩陣。
20、進(jìn)一步地，所述迭代更新矩陣稀疏和低秩的分解結(jié)果，提高精度，直到誤差收斂，得到稀疏和低秩分解算法表達(dá)式，具體包括：
21、利用交替乘子法的核范式松弛的因式分解形式，將表達(dá)式(2)中的稀疏和低秩分解方程轉(zhuǎn)換為優(yōu)化目標(biāo)方程表達(dá)式為：
22、
23、其中，為優(yōu)化目標(biāo)方程名稱，u和v分別為經(jīng)過核范式松弛的因式分解后的兩個(gè)變量，s為提升到hankel矩陣形式的稀疏分量，uvh是低秩分量的分解因子，上標(biāo)h為矩陣的共軛轉(zhuǎn)置；
24、基于sar成像問題的優(yōu)化目標(biāo)方程和其相關(guān)約束條件，利用拉格朗日乘子法構(gòu)建拉格朗日函數(shù)；利用admm算法對(duì)sar成像模型中的稀疏和低秩部分進(jìn)行優(yōu)化并依次求解拉格朗日變量s,x,u,v,λ和ω，拉格朗日函數(shù)表達(dá)式如下所示：
25、
26、其中，τ、α和β表示平衡參數(shù)，λ,ω表示拉格朗日變量，b為待處理的sar圖像，為利用x構(gòu)建的hankel矩陣，s、x分別是點(diǎn)目標(biāo)和面目標(biāo)，u和v分別為經(jīng)過核范式松弛的因式分解后的兩個(gè)變量。
27、將求解出來的變量s和x代入優(yōu)化目標(biāo)方程，得到稀疏和低秩分解算法表達(dá)式其表達(dá)式為：
28、
29、其中，b為帶噪聲的sar圖像，為經(jīng)稀疏低秩分解算法去噪后的sar圖像。
30、進(jìn)一步地，求解拉格朗日變量的具體步驟包括：
31、將s子問題定義為最小化表達(dá)式(6)得到關(guān)于s變量的二次式子問題：
32、
33、其中，x(k)為第k次迭代后輸出的面目標(biāo)，k為迭代次數(shù)，α表示權(quán)衡參數(shù),λ表示拉格朗日變量，b為待處理的sar圖像，s為點(diǎn)目標(biāo)，τ表示低秩和稀疏度之間的平衡參數(shù)；
34、對(duì)表達(dá)式(9)關(guān)于s進(jìn)行簡(jiǎn)化，由γτ/α表示逐個(gè)像素的軟閾值，得到以下解：
35、s(k+1)＝γτ/α(b-x(k)-λ(k))??(10)
36、其中，s(k+1)為第k+1次迭代后輸出的點(diǎn)目標(biāo)，k為迭代次數(shù)，α表示權(quán)衡參數(shù),λ表示拉格朗日變量，b為待處理的sar圖像，x(k)為第k次迭代后輸出的面目標(biāo)，τ表示低秩和稀疏度之間的平衡參數(shù)，γτ/α表示s中逐個(gè)像素的軟閾值。
37、將x子問題定義為最小化表達(dá)式(6)得到關(guān)于x變量的二次式子問題：
38、
39、其中，x(k+1)為第k+1次迭代后輸出的面目標(biāo)，k為迭代次數(shù)，α和β表示權(quán)衡參數(shù),λ和ω表示拉格朗日變量，b為待處理的sar圖像，s為點(diǎn)目標(biāo)，表示的是對(duì)x構(gòu)建的hankel矩陣，u和v分別為經(jīng)過核范式松弛的因式分解后的兩個(gè)變量；
40、對(duì)表達(dá)式(7)關(guān)于x進(jìn)行簡(jiǎn)化，得到以下解：
41、
42、其中，x(k+1)為第k+1次迭代后輸出的面目標(biāo)，k為迭代次數(shù)，α和β表示權(quán)衡參數(shù),λ和ω表示拉格朗日變量，b為待處理的sar圖像，s為點(diǎn)目標(biāo)，u和v分別為經(jīng)過核范式松弛的因式分解后的兩個(gè)變量，表示從hankel矩陣返回到初始狀態(tài)的偽逆映射，其表達(dá)式如下所示：
43、
44、表示從hankel結(jié)構(gòu)返回到初始狀態(tài)的偽逆映射，運(yùn)算符表示對(duì)其中的多個(gè)元素求和，并將它們放回至初始坐標(biāo)，表示除以多個(gè)對(duì)應(yīng)項(xiàng)的數(shù)量；
45、將u子問題定義為最小化表達(dá)式(6)得到本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于稀疏和低秩分解的SAR成像方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于稀疏和低秩分解的SAR成像方法，其特征在于，所述迭代更新矩陣稀疏和低秩的分解結(jié)果的優(yōu)化算法為交替乘子法。
3.根據(jù)權(quán)利要求1所述的一種基于稀疏和低秩分解的SAR成像方法，其特征在于，所述對(duì)SAR圖像進(jìn)行分解的預(yù)設(shè)方法為核范式松弛的因式分解。
4.根據(jù)權(quán)利要求3所述的一種基于稀疏和低秩分解的SAR成像方法，其特征在于，所述利用核范式松弛的因式分解對(duì)SAR圖像進(jìn)行分解，具體包括：
5.根據(jù)權(quán)利要求4所述的一種基于稀疏和低秩分解的SAR成像方法，其特征在于，所述迭代更新矩陣稀疏和低秩的分解結(jié)果，提高精度，直到誤差收斂，得到稀疏和低秩分解算法表達(dá)式，具體包括：
6.根據(jù)權(quán)利要求5所述的一種基于稀疏和低秩分解的SAR成像方法，其特征在于，求解拉格朗日變量的具體步驟包括：
7.根據(jù)權(quán)利要求1所述的一種基于稀疏和低秩分解的SAR成像方法，其特征在于，所述預(yù)設(shè)的SAR成像的模型表達(dá)式為：
8.根據(jù)權(quán)利要求7所述
9.一種基于稀疏和低秩分解的SAR成像系統(tǒng)，其特征在于，該系統(tǒng)包括：存儲(chǔ)器、處理器，所述存儲(chǔ)器中包括基于稀疏和低秩分解的SAR成像方法程序，所述基于稀疏和低秩分解的SAR成像方法程序被所述處理器執(zhí)行時(shí)，實(shí)現(xiàn)如權(quán)利要求1至8中任一項(xiàng)所述的一種基于稀疏和低秩分解的SAR成像方法的步驟。
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中包括基于稀疏和低秩分解的SAR成像方法程序，所述基于稀疏和低秩分解的SAR成像方法程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)如權(quán)利要求1至8中任一項(xiàng)所述的一種基于稀疏和低秩分解的SAR成像方法的步驟。
...【技術(shù)特征摘要】
1.一種基于稀疏和低秩分解的sar成像方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于稀疏和低秩分解的sar成像方法，其特征在于，所述迭代更新矩陣稀疏和低秩的分解結(jié)果的優(yōu)化算法為交替乘子法。
3.根據(jù)權(quán)利要求1所述的一種基于稀疏和低秩分解的sar成像方法，其特征在于，所述對(duì)sar圖像進(jìn)行分解的預(yù)設(shè)方法為核范式松弛的因式分解。
4.根據(jù)權(quán)利要求3所述的一種基于稀疏和低秩分解的sar成像方法，其特征在于，所述利用核范式松弛的因式分解對(duì)sar圖像進(jìn)行分解，具體包括：
5.根據(jù)權(quán)利要求4所述的一種基于稀疏和低秩分解的sar成像方法，其特征在于，所述迭代更新矩陣稀疏和低秩的分解結(jié)果，提高精度，直到誤差收斂，得到稀疏和低秩分解算法表達(dá)式，具體包括：
6.根據(jù)權(quán)利要求5所述的一種基于稀疏和低秩分解的sar成像方法，其特征在于，求解拉格朗日變量的具體步驟包括：
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：趙曜，楊偉，
申請(qǐng)(專利權(quán))人：廣東工業(yè)大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。