[发明专利]一种稀疏SAR成像自适应稀疏度估计方法、装置

说明书

本发明提出了一种稀疏SAR成像自适应稀疏度估计方法，该方法包括：首先利用匹配滤波方法对欠采样的SAR原始数据进行成像，得到复图像，然后采用基于复图像的稀疏SAR成像方法，在复图像域中自适应迭代，得到预估的稀疏度，然后根据预估的稀疏度，更新稀疏度的迭代范围，最后引入方位‑距离解耦算子，并在更新后的稀疏度的迭代范围上，基于原始数据自适应估计稀疏度的最优值。相比于传统的基于观测矩阵的自适应稀疏度估计方法，本发明提出的方法能够在获得相近的稀疏恢复性能的同时降低计算复杂度。

技术领域

本发明涉及稀疏微波成像技术领域，尤其涉及一种稀疏SAR成像自适应稀疏度估计方法、装置。

背景技术

合成孔径雷达(SAR，Synthetic Aperture Radar)是一种主动微波遥感手段，与光学遥感相比，信号穿透力强，具有全天时全天候的对地观测能力，是对地观测的重要手段之一，近几年，稀疏信号处理理论已经被引入到SAR成像中。与匹配滤波方法相比，稀疏SAR成像方法能够提升雷达图像的质量，有效地抑制噪声和旁瓣。

稀疏度的估计对于稀疏SAR成像十分关键，但是场景真实的稀疏度是不知道的。利用一些自动估计正则化参数的方法，如Stein无偏风险估计(SURE，Stein’s unbiased riskestimation)，广义交叉验证(GCV，Generalized Cross-Validation)，L-curve等可以实现稀疏SAR成像的自适应稀疏度估计。但是，上述自适应参数估计方法是基于观测矩阵推导出来的，会导致庞大的计算量和内存占用，所以将上述自适应稀疏度估计方法应用于大规模的场景存在困难与挑战。

发明内容

本发明的主要目的在于提供一种场景稀疏度计算方法稀疏SAR成像自适应稀疏度估计方法、装置，可有效地减少计算量和内存占用，降低计算复杂度。

为实现上述目的，本发明实施例第一方面提供一种稀疏SAR成像自适应稀疏度估计方法，包括：

利用匹配滤波方法对欠采样的SAR的原始数据进行成像，得到复图像；

采用基于复图像的稀疏SAR成像方法，在所述复图像域中自适应迭代，得到预估的稀疏度；

根据所述预估的稀疏度，更新所述稀疏度的迭代范围；

引入方位-距离解耦算子，并在更新后的稀疏度的迭代范围上，基于所述原始数据自适应估计稀疏度的最优值。

进一步地，所述采用基于复图像的稀疏SAR成像方法，在所述复图像域中自适应迭代，得到预估的稀疏度包括：

根据SAR的几何关系，构建基于所述复图像的稀疏SAR成像模型，并推导出基于所述复图像的正则化参数损失函数；

根据场景的先验稀疏度，设置稀疏度的迭代范围；

将所述稀疏度作为所述复图像幅度的阈值，得到所述复图像幅度的阈值与成像模型中正则化参数的对应关系以及所述正则化参数的迭代范围；

在所述正则化参数的迭代范围上，通过最小化所述基于复图像的正则化参数损失函数，确定所述正则化参数的自适应结果；

根据稀疏度与正则化参数的对应关系，得到所述稀疏度的自适应结果；

进一步地，所述引入方位-距离解耦算子，并在更新后的所述稀疏度的迭代范围上，基于所述原始数据自适应估计稀疏度的最优值包括：

根据SAR的几何关系，构建基于所述原始数据的稀疏SAR成像模型，并推导出基于所述原始数据的正则化参数损失函数；

根据更新后的稀疏度的迭代范围，确定新的正则化参数的迭代范围；

在所述新的正则化参数的迭代范围上，通过最小化所述基于原始数据的正则化参数损失函数，确定所述新的正则化参数的自适应结果；