基于分布式压缩感知的全极化SAR超分辨成像方法

摘要

本发明属于极化SAR超分辨成像技术领域，特别涉及基于分布式压缩感知的全极化SAR超分辨成像方法。该基于分布式压缩感知的全极化SAR超分辨成像方法包括以下步骤：建立全极化合成孔径雷达信号模型；根据各个极化通道接收的后向散射回波数据，得出合成孔径雷达后向散射系数矩阵；采用分布式压缩感知算法，建立合成孔径雷达后向散射系数矩阵的最优化问题模型；求解所述合成孔径雷达后向散射系数矩阵的最优化问题，得出合成孔径雷达后向散射系数矩阵；根据所述合成孔径雷达后向散射系数矩阵，针对每个极化通道进行超分辨成像处理，得出对应的伪彩色图像；针对各个极化通道对应的伪彩色图像进行伪彩色融合，得出伪彩色融合图像。

主权项

基于分布式压缩感知的全极化SAR超分辨成像方法，其特征在于，包括以下步骤：S1：根据合成孔径雷达中设置的全极化通道，建立全极化合成孔径雷达信号模型；所述全极化通道包括HH极化通道、HV极化通道和VV极化通道；其中，全极化合成孔径雷达信号模型为：s＝Ta+ε其中，s＝[s_HH，s_VV，s_HV]，s表示合成孔径雷达后向散射系数矩阵，s_HH为16384×1维的列向量，s_HH表示HH极化通道接收的回波向量；s_VV为16384×1维的列向量，s_VV表示VV极化通道接收的回波向量；s_HV为16384×1维的列向量，s_HV表示HV极化通道接收的回波向量；a＝[a_HH，a_VV，a_HV]，a表示全极化稀疏信号矩阵，a_HH为65536×1维的列向量，a_HH为HH极化方式下的目标散射系数矢量；a_VV为65536×1维的列向量，a_VV为VV极化方式下的目标散射系数矢量；a_HV为65536×1维的列向量，a_HV为HV极化方式下的目标散射系数矢量；T为设定的超分辨字典，T是一个16384×65536维的映射矩阵；ε＝[ε_HH，ε_VV，ε_HV]，ε_HH为16384×1维的列向量，ε_HH表示设定的HH极化通道加性噪声；ε_VV为16384×1维的列向量，ε_VV表示设定的VV极化通道加性噪声；ε_HV为16384×1维的列向量，ε_HV表示设定的HV极化通道加性噪声；S2：利用合成孔径雷达全极化通道中的每个极化通道，接收对应的后向散射回波数据；根据各个极化通道接收的后向散射回波数据，得出合成孔径雷达后向散射系数矩阵；即，在HH极化方式下的后向散射回波数据中，截取出维度为128×128的数据，将截取的数据记为HH极化通道回波截取数据；在VV极化方式下的后向散射回波信号中，截取出维度为128×128的数据，将截取的数据记为VV极化通道回波截取数据；在HV极化方式下的后向散射回波信号中，截取出维 度为128×128的数据，将截取的数据记为HV极化通道回波截取数据；按照HH极化通道回波截取数据的列顺序，将HH极化通道回波截取数据的各列依次顺叠，得出HH极化通道接收的回波向量s_HH；按照VV极化通道回波截取数据的列顺序，将VV极化通道回波截取数据的各列依次顺叠，得出VV极化通道接收的回波向量s_VV；按照HV极化通道回波截取数据的列顺序，将HV极化通道回波截取数据的各列依次顺叠，得出HV极化通道接收的回波向量s_HV；从而得出合成孔径雷达后向散射系数矩阵s；S3：针对全极化合成孔径雷达超分辨成像问题，采用分布式压缩感知算法，建立合成孔径雷达后向散射系数矩阵的最优化问题模型；S4：求解所述合成孔径雷达后向散射系数矩阵的最优化问题，得出合成孔径雷达后向散射系数矩阵；S5：根据所述合成孔径雷达后向散射系数矩阵，针对每个极化通道进行超分辨成像处理，得出对应的伪彩色图像；S6：针对各个极化通道对应的伪彩色图像，采用基于RGB空间的伪彩色图像融合算法进行伪彩色融合，得出伪彩色融合图像。