專利名稱：基于壓縮學習感知的sar高分辨圖像重建方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種合成孔徑雷達SAR圖像高分辨重建方 法，可用于各類SAR圖像中目標與對象的恢復與識別。
背景技術(shù)：
SAR圖像尺寸大，數(shù)據(jù)量高，這給數(shù)據(jù)的實時傳輸與存儲帶來了很多問題。傳統(tǒng) SAR圖像壓縮與傳輸過程為在奈奎斯特采樣要求下采集數(shù)據(jù)，然后再對SAR圖像進行壓縮 編碼，最后將編碼值進行存儲、傳輸。這樣的處理方法存在兩個缺點第一，由于采樣速率 不得低于信號帶寬的兩倍，這會給硬件系統(tǒng)帶來很大的壓力；第二，壓縮編碼過程中，計算 過程中會丟棄大量數(shù)據(jù)，造成了數(shù)據(jù)計算和內(nèi)存資源的浪費。近幾年發(fā)展起來的壓縮感知 理論為解決該問題帶來了有效的方法。但是在現(xiàn)有的SAR圖像重建算法中，用到的稀疏基 均為非自適應(yīng)的，如傅里葉基、小波基等，一般情況下，SAR圖像很難在這些基下得到足夠稀 疏的表示，而在觀測矩陣的選擇上目前大都采用服從高斯分布或貝努利分布的隨機矩陣， 但它們只和正交基具有較好的不相關(guān)性，因此在大多數(shù)情況下壓縮感知重構(gòu)中精確重構(gòu)的 RIP條件未必滿足，因此會導致SAR高分辨圖像的重建效果較差。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述已有技術(shù)的缺點，提出一種基于壓縮學習感知的SAR 圖像高分辨重建方法，在低分辨觀測下提高SAR高分辨圖像重建質(zhì)量。為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案是首先引入一組高分辨SAR圖像作為訓練圖 像集合；利用Couple-KSVD算法對這些圖像訓練得到稀疏表示字典和觀測矩陣；然后利用 快速貝葉斯匹配追蹤FBMP的重建算法，重建得到高分辨SAR圖像。具體步驟包括(1)輸入一組高分辨SAR圖像作為訓練圖像并將其剖分為大小相同的小塊，由這 些圖像小塊構(gòu)造一組訓練圖像集合X并輸入一幅低分辨SAR圖像Y ；(2)根據(jù)訓練圖像集合X，隨機初始化目標訓練字典Ψ和耦合觀測矩陣Φ，利用如 下公式求解目標訓練字典Ψ和耦合觀測矩陣Φ min\\Χ - Ψα；||ΨΓΦΓΦΨ -1|[ s.t. V/, \\at ||Q < Γ ,其中，α為稀疏系數(shù)矩陣，V/為任意第i列，I I J Itl為矩陣α中系數(shù)向量α i的 0范數(shù)，||ΨΓΦΓΦΨ_Ι|〖和為求解ΨΤΦΤΦ Ψ-Ι和Χ-Ψ α的2范數(shù)的平方，T為稀 疏度控制系數(shù)，I為單位矩陣；(3)從低分辨SAR圖像Y中輸入一個小塊y、目標訓練字典Ψ和耦合觀測矩陣Φ， 利用快速貝葉斯匹配追蹤FBMP算法求解式min| β | |0,s. t. y = Φ Ψ β，得到低分辨SAR 圖像小塊1的稀疏分解系數(shù)β = E ( β /y)，E ( ·)表示期望；(4)利用目標訓練字典ψ和稀疏分解系數(shù)β，求解高分辨SAR圖像小塊X，其公式 為 χ = Ψ β ；
4
(5)重復步驟(3)和步驟，對所有輸入的低分辨SAR圖像小塊依次處理，將每 一個高分辨SAR圖像小塊χ進行組合，得到SAR高分辨重構(gòu)圖像Z。本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點本發(fā)明由于利用Couple-KSVD算法訓練字典，降低了稀疏基與觀測矩陣之間的相 關(guān)性，同時由于本發(fā)明利用快速貝葉斯匹配追蹤FBMP算法重建圖像，從而縮短了圖像的重 建時間，提高了重建圖像的質(zhì)量。實驗證明，本發(fā)明適用于SAR高分辨圖像的重建，通過本分明進行重建后，重建圖 像的細節(jié)信息保持的比較好，在數(shù)值指標上也優(yōu)于同類方法。


圖1是本發(fā)明的總流程圖；圖2是本發(fā)明采用的兩幅SAR測試圖像；圖3是用現(xiàn)有MP算法在50 %采樣率下，采用小波基字典進行圖像重建的仿真效果 圖；圖4是用現(xiàn)有OMP算法在50%采樣率下，采用小波基字典進行圖像重建的仿真效 果圖；圖5是用本發(fā)明在50%采樣率下進行圖像重建的仿真效果圖。具體實施方法參照附圖1，本發(fā)明的具體步驟包括步驟1.獲取訓練圖像集合la)輸入一組高分辨SAR圖像作為訓練圖像，將其剖分為大小為qXq的小塊；lb)將所得到的圖像小塊變換為列向量，對列向量排列組合構(gòu)造成一組訓練圖像 集合X并輸入一幅低分辨SAR圖像Y。步驟2.利用Couple-KSVD算法得到目標訓練字典和耦合觀測矩陣2a)從 Couple-KSVD 算法中，給出總的優(yōu)化公式
權(quán)利要求
1.一種基于壓縮學習感知的SAR高分辨圖像重建方法，包括如下步驟(1)輸入一組高分辨SAR圖像作為訓練圖像并將其剖分為大小相同的小塊，由這些圖 像小塊構(gòu)造一組訓練圖像集合X并輸入一幅低分辨SAR圖像Y ；(2)根據(jù)訓練圖像集合X，隨機初始化目標訓練字典Ψ和耦合觀測矩陣Φ，利用如下公 式求解目標訓練字典Ψ和耦合觀測矩陣Φ
2.根據(jù)權(quán)利要求1所述的SAR圖像高分辨重建方法，其中步驟(2)所述的利用 Coup Ie-KSVD 算法求解 min IpT-Ψο4;|ΨΓΦΓΦΨ-Ιs. t. V/, I ^iI |θ ^ T，按如下步驟進 行2a)對公式中的第一個目標函數(shù)行變形，得到
全文摘要
本發(fā)明公開了一種基于壓縮學習感知的合成孔徑雷達SAR圖像高分辨重建方法，主要解決現(xiàn)有方法中因為稀疏基和觀測矩陣不滿足等距約束條件RIP而使重建圖像質(zhì)量下降的問題。其步驟為首先輸入訓練樣本集和測試圖像；利用Couple-KSVD方法對字典和觀測矩陣進行學習，得到目標訓練字典Ψ和耦合觀測矩陣Φ；最后利用快速貝葉斯匹配追蹤FBMP算法，對高分辨圖像小塊進行重建；對所有圖像小塊重復此類操作，獲得最終SAR高分辨重建圖像。本發(fā)明能在不同采樣率下，均能夠提高各種SAR高分辨圖像重建的質(zhì)量，可用于各類SAR圖像中目標與對象的恢復與識別。
文檔編號G06T5/50GK102142139SQ20111007447
公開日2011年8月3日 申請日期2011年3月25日 優(yōu)先權(quán)日2011年3月25日
發(fā)明者萬艷艷, 侯彪, 劉芳, 周宇, 楊淑媛, 焦李成, 王晶, 王爽, 緱水平 申請人:西安電子科技大學