基于基追踪的SAR图像超分辨处理
基于外推的SAR图像分辨率增强算法
基于外推的SAR图像分辨率增强算法
董臻;朱国富;梁甸农
【期刊名称】《电子学报》
【年(卷),期】2002(030)003
【摘要】提高合成孔径雷达(SAR)图像的分辨率对自动目标识别等具有重要意义.本文通过对图像的二维频谱进行外推,扩展了SAR系统的等效带宽以达到提高图像分辨率的目的.文中给出了实现外推算法的详尽步骤并进行了仿真验证,仿真结果证实了算法的有效性.
【总页数】4页(P359-362)
【作者】董臻;朱国富;梁甸农
【作者单位】国防科技大学电子科学与工程学院,湖南,长沙,410073;国防科技大学电子科学与工程学院,湖南,长沙,410073;国防科技大学电子科学与工程学院,湖南,长沙,410073
【正文语种】中文
【中图分类】TN957.52
【相关文献】
1.提高分辨率的带宽外推SAR成像算法 [J], 张平;杨汝良
2.基于频谱外推的多尺度图像增强算法 [J], 陈秉试
3.基于假设检验的SAR图像分辨率判别准则与算法 [J], 王卫威;王正明;王光新
4.基于G-Log算法的人脸图像分辨率增强研究 [J], 谢娜; 肖敏敏; 施晨光
5.基于G-Log算法的人脸图像分辨率增强研究 [J], 张莉
因版权原因，仅展示原文概要，查看原文内容请购买。
SAR图像处理的若干关键技术
SAR图像处理的若干关键技术SAR图像处理的若干关键技术合成孔径雷达（Synthetic Aperture Radar，SAR）是一种利用合成孔径波束形成技术获得高分辨率航天或地面观测图像的雷达。
相比于光学遥感，SAR具有天气无关性、全天候观测能力以及对地表遥感的穿透能力等优势。
然而，由于SAR的脉冲压缩、多普勒频率模糊、地形效应等因素，使得SAR图像的处理变得复杂而具有挑战性。
本文将探讨SAR图像处理的若干关键技术。
1. SAR图像去斑点和去噪技术SAR图像中存在着斑点和噪声，这会影响图像的可视化和后续处理。
去斑点和去噪技术旨在提高SAR图像的质量。
常见的方法包括小波去斑、中值滤波、自适应滤波以及基于稀疏表示的降噪方法等。
这些技术可以有效减少斑点和噪音，提高图像质量。
2. SAR图像去焦模糊技术合成孔径雷达通过接收连续多个雷达回波并对它们进行累积处理，以获得高分辨率图像。
然而，这种累积处理可能会导致图像模糊。
因此，需要进行去焦模糊处理。
常见的方法包括波前解扩、逆滤波和最大熵方法等。
这些方法可以有效去除图像的焦模糊现象，提高图像的分辨率。
3. SAR图像多普勒参数估计技术由于合成孔径雷达平台的运动，SAR图像中存在多普勒频率模糊现象。
为了恢复真实的地物信息，需要准确估计多普勒参数。
常见的多普勒参数估计方法包括基于最大熵准则的参数估计、基于相位解缠的参数估计和基于谱分析的参数估计等。
这些方法可以精确估计多普勒参数，降低图像的多普勒模糊程度。
4. SAR图像纹理特征提取技术纹理特征对于地物分类和目标检测具有重要意义。
SAR图像的纹理特征提取是指提取图像中的空间变化特征，并通过这些特征进行分类和检测。
常用的纹理特征提取方法包括灰度共生矩阵（GLCM）、小波变换和局部二值模式（LBP）等。
这些方法可以提取出图像中的纹理特征，为后续的分类和检测提供有效的数据支持。
5. SAR图像目标检测技术SAR图像中的目标检测是指在图像中准确地找出感兴趣的地物目标。
SAR图像目标识别算法在军事情报收集中的效果验证
SAR图像目标识别算法在军事情报收集中的效果验证概述:军事情报收集对于战争决策具有重要意义。
在现代军事中，合理利用先进的技术手段来获取信息并进行情报分析变得尤为重要。
合成孔径雷达（SAR）是一种主动型雷达，可通过向地面或海面发射微波信号并接收反射回来的信号来生成图像。
在战争的情报收集中，SAR图像目标识别算法的效果验证变得至关重要。
SAR图像目标识别算法：SAR图像目标识别算法是一种通过SAR图像分析和处理来有效辨别和识别目标的方法。
这些算法主要基于图像特征提取和模式识别技术，并结合了计算机视觉和机器学习的方法。
目标识别算法的主要步骤包括预处理、特征提取和分类。
预处理阶段涉及图像去噪、辐射校正和几何校正等操作，以消除图像中的干扰和形变。
特征提取阶段通过分析目标的形状、纹理和光谱特征来提取图像特征。
分类阶段使用机器学习算法将目标与背景进行区分。
军事情报收集中的应用：军事情报收集中，SAR图像目标识别算法可以提供非常有价值的信息。
通过分析SAR图像，我们可以识别出敌方潜在目标的位置和类型，并进一步评估其威胁程度。
因此，SAR图像目标识别算法在情报收集中能够提供战争决策的关键信息。
首先，SAR图像目标识别算法能够有效地辨别地面目标，如建筑物、道路和桥梁等。
在战争的情报收集中，掌握地面目标的位置和类型对于计划作战行动至关重要。
通过分析SAR图像中的反射信号，识别地面目标的种类和布局，我们可以更好地了解可能存在的敌方军事设施，从而针对性地制定作战计划。
其次，SAR图像目标识别算法还可以辨别出移动目标，如敌方军队和车辆等。
在战争中，掌握敌方军队的行动情况对于决策作战策略至关重要。
SAR图像目标识别算法可以通过分析SAR图像中目标的位置、形状和运动轨迹等信息，实现对移动目标的准确识别和追踪。
这样的信息可以为军事指挥官提供实时战场态势，进而作出更加明智的决策。
此外，SAR图像目标识别算法还可以用于识别敌方雷达设备和防御工事。
基于基追踪的SAR图像超分辨处理
基于基追踪的SAR图像超分辨处理
冉承其;王正明
【期刊名称】《宇航学报》
【年(卷),期】2006(027)001
【摘要】研究SAR图像的超分辨处理方法对于提高图像质量具有重要意义.结合雷达成像的目标属性散射模型,利用信号原子分解办法得到了SAR成像的最优信号原子,提出了利用基追踪方法估计模型参数的SAR图像超分辨处理方法.该方法利用了稀疏性先验信息,理论上比传统的匹配追踪方法具有更优越的性能.仿真算例和MSTAR实测数据的处理结果表明,这种处理方法具有良好的超分辨性能.
【总页数】6页(P51-56)
【作者】冉承其;王正明
【作者单位】国防科技大学信息系统与管理学院,长沙,410073;国防科技大学信息系统与管理学院,长沙,410073
【正文语种】中文
【中图分类】TN957.52
【相关文献】
1.基于紧致字典的基追踪方法在SAR图像超分辨中的应用 [J], 汪雄良;冉承其;王正明
2.基于Fourier原子的基追踪方法在SAR超分辨成像中的应用 [J], 汪雄良;王正明
3.基于局部超分辨重建的高精度SAR图像水域分割方法 [J], 李宁; 牛世林
4.基于特征复用的膨胀-残差网络的SAR图像超分辨重建 [J], 李萌; 刘畅
5.基于自适应重要采样UKF的SAR图像超分辨率方法 [J], 刘艳
因版权原因，仅展示原文概要，查看原文内容请购买。
基于神经网络的SAR图像超分辨率重建技术研究
基于神经网络的SAR图像超分辨率重建技术研究
韦雨岑;叶子毅;庾露
【期刊名称】《广西水利水电》
【年(卷),期】2024()2
【摘要】合成孔径雷达(SAR)图像在地形测绘、农作物监测等领域有重要作用。
为改善SAR图像分辨率,本研究利用基于生成对抗网络(SRGAN)支持下的SAR图像超分辨率重建方式,改进模型加载数据结构,使用同一区域的哨兵一号(Sentinel-1A)雷达卫星SAR影像和高分三号卫星SAR影像形成训练模型的数据集,将哨兵一号雷达卫星SAR图像的地物细节提高到接近高分三号卫星SAR图像数据的级别。
实验表明,该方法能提升极化方式为VV的哨兵一号雷达卫星SAR图像的地物细节。
【总页数】8页(P1-7)
【作者】韦雨岑;叶子毅;庾露
【作者单位】广西水利电力勘测设计研究院有限责任公司;河海大学;南宁师范大学【正文语种】中文
【中图分类】TP391.41;TP183
【相关文献】
1.基于最大后验概率的SAR图像自适应超分辨率盲重建
2.基于多分辨率学习卷积神经网络的磁共振图像超分辨率重建
3.基于深度卷积神经网络的红外图像超分辨率重建技术
4.基于稀疏分解和预滤波处理的机载SAR图像超分辨率重建
5.基于卷积神经网络梯度和纹理补偿的单幅图像超分辨率重建
因版权原因，仅展示原文概要，查看原文内容请购买。
SAR图像点目标超分辨正则化方法的简化计算
SAR图像点目标超分辨正则化方法的简化计算
袁震宇;王正明;王光新;王卫威
【期刊名称】《中国空间科学技术》
【年(卷),期】2008(028)001
【摘要】合成孔径雷达(SAR)是一种高分辨率相干成像雷达,是重要的空间遥感手段,分辨率的高低直接决定了其应用效果的优劣.正则化方法是提高SAR图像分辨率的有效方法,但传统的迭代算法计算速度较慢.文中分析了基于lk范数的图像超分辨正则化方法的迭代求解公式,得出了由该迭代公式产生的迭代序列收敛的极限的解析表达式.将该结论用于正则化模型的求解可以显著降低计算量,由此得到了正则化迭代算法的简化计算方法.仿真与MSTAR图像处理结果表明,简化后的方法计算速度提高了2000倍以上,计算结果与传统方法的相对差别小于6×10-9.
【总页数】6页(P41-46)
【作者】袁震宇;王正明;王光新;王卫威
【作者单位】国防科学技术大学理学院,长沙,410073;国防科学技术大学理学院,长沙,410073;国防科学技术大学理学院,长沙,410073;桂林空军学院,桂林,541003;国防科学技术大学理学院,长沙,410073
【正文语种】中文
【中图分类】P1
【相关文献】
1.SAR图像目标超分辨的变范数正则化算法 [J], 王光新;王正明
2.在多尺度Contourlet域中的SAR图像正则化超分辨 [J], 王强;彭国华;陈晓
3.基于多孔多方向小波的SAR图像正则化超分辨重构 [J], 王强;彭国华;徐华楠
4.基于2DPCA-SCN正则化的SAR图像目标识别方法 [J], 王彦平;张艺博;李洋;林赟
5.基于l_k范数正则化方法的SAR图像超分辨 [J], 汪雄良;王正明;赵侠;朱炬波因版权原因，仅展示原文概要，查看原文内容请购买。
SAR图像超分辨技术
2.1 正则化数学思想见解正则化在线性代数理论中，不适定问题通常是由一组线性代数方程定义的，而且这组方程组通常来源于有着很大的条件数的不适定反问题。
反问题有两种形式。
最普遍的形式是已知系统和输出求输入，另一种系统未知的情况通常也被视为反问题。
许多反问题很难被解决，但是其他反问题却很容易得到答案。
显然，易于解决的问题不会比很难解决的问题更能引起人们的兴趣，我们直接解决它们就可以了。
那些很难被解决的问题则被称为不适定的。
一个不适定问题通常是病态的，并且不论是简单地还是复杂地改变问题本身的形式都不会显著地改善病态问题。
另一方面，病态问题不一定是不适定的，因为通过改变问题的形式往往可以改善病态问题。
在严格的数学意义上，我们通常不可能对不适定问题进行求解并得到准确解答。
其基本理论为：只考虑一帧图像得：y Hx n =+ (1) 上式就是病态方程, 即方程的解不能同时满足以下三个条件：解的存在；解的唯一性；解连续依赖于观测数据。
正则化方法的基本思想是利用关于解的先验知识，构造附加约束以确保问题解的存在、唯一和连续，从而把不适定问题转化为适定问题。
采用正则化方法来确定问题的近似解。
通常需要求解如下表达形式的目标泛函的极小值：()()2J x y Hx p x αα=-+， (2) 2d x y Hx -()=表示数据拟合项，衡量数据拟合程度。
()p x 为正则项，衡量信号的某种奇异性。
正则项函数()p x 对未知图像X 造成了一个约束，使其得到一个稳定解，它的系数表示约束的强度。
通常2P(x)Rx = ，R 是约束算子，它根据图像的先验信息对解进行约束,通常是基于一阶微分或二阶微分的高通滤波器算子。
α为正则化变量或动态正则化参数，起平衡正则项和数据项的作用，当它变大时，重建解趋于光滑，反之则数据拟合误差变小。
超分辨率重建问题的本质就是在充分拟合观测数据的前提下，使某种奇异性度量最小，从而寻找理想的解X 。
正则项和正则化参数的确定直接影响到复原图像的效果，这也是研究正则化方法的第一步。
高分辨率SAR成像处理技术研究
高分辨率SAR成像处理技术研究一、本文概述随着遥感技术的不断发展，合成孔径雷达（SAR）作为一种主动式微波成像技术，已成为获取地面信息的重要手段。
SAR成像处理技术是SAR系统的核心技术之一，其目标是通过对回波信号的处理，获得高质量、高分辨率的SAR图像。
高分辨率SAR图像具有丰富的地物信息，对于军事侦察、地形测绘、城市规划、灾害监测等领域具有重要价值。
因此，研究高分辨率SAR成像处理技术具有重要意义。
本文旨在探讨高分辨率SAR成像处理技术的相关理论和方法，包括SAR成像的基本原理、成像处理流程、关键算法以及最新进展等方面。
本文将对SAR成像的基本原理进行介绍，包括SAR系统的基本构成、信号传播特性以及成像原理等。
本文将详细阐述SAR成像处理流程，包括预处理、成像算法、后处理等步骤，并对每个步骤中的关键技术和方法进行深入分析。
本文还将对高分辨率SAR成像处理中的一些关键问题，如运动补偿、相位校正、多视处理等进行讨论，并提出相应的解决方案。
本文将介绍高分辨率SAR成像处理技术的最新进展和发展趋势，以期为相关领域的研究和应用提供参考和借鉴。
通过本文的研究，旨在为高分辨率SAR成像处理技术的发展和应用提供理论支持和技术指导，推动SAR成像技术的不断创新和发展。
二、高分辨率SAR成像基本原理合成孔径雷达（SAR）是一种主动式微波成像雷达，它利用合成孔径原理实现高分辨率的二维地面成像。
高分辨率SAR成像技术的基本原理涉及信号的发射、接收、回波信号的处理以及图像的生成等多个环节。
在SAR成像过程中，雷达平台（如卫星、飞机等）以一定的速度沿飞行轨迹移动，同时发射宽带微波信号并接收地面目标的后向散射回波。
由于雷达与地面目标之间的距离、目标自身的散射特性以及地表地形等因素的影响，接收到的回波信号会包含目标的位置、形状、散射特性等信息。
为了实现高分辨率成像，SAR系统需要对接收到的回波信号进行一系列复杂的处理。
这包括距离压缩、多普勒处理、方位向压缩等步骤。
基于属性散射信息的随机梯度最小方差追踪SAR超分辨重建算法
知理论（ＣＳ）［１２，１３］指 出 通 过 求 解 一 个 欠 定 的 稀 疏 约 束 优 化 问 题，高维的稀 疏 信 号 能 被 高 概 率 地 重 建。 在 理 想 点 目 标 假 设 下，文献［１４～１６］提出了三个基于 ＣＳ的 ＳＡＲ重建算法，能高 效地获得 ＳＡＲ重建图像。
ＳｕｐｅｒｒｅｓｏｌｕｔｉｏｎＳＡＲｒｅｃｏｎｓｔｒｕｃｔｉｏｎａｌｇｏｒｉｔｈｍ ｕｓｉｎｇｓｔｏｃｈａｓｔｉｃｇｒａｄｉｅｎｔｍｉｎｉｍｕｍ ｖａｒｉａｎｃｅｐｕｒｓｕｉｔｗｉｔｈａｔｔｒｉｂｕｔｅｄｓｃａｔｔｅｒｉｎｇｐｒｉｏｒｓ
ＣｏｎｇＸｕｎｃｈａｏ１，ＷａｎＱｕｎ２
（１．Ｔｈｅ１０ｔｈＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｉｏｎｏｆＣｈｉｎａＥｌｅｃｔｒｏｎｉｃｓＴｅｃｈｎｏｌｏｇｙＧｒｏｕｐＣｏｒｐｏｒａｔｉｏｎ，Ｃｈｅｎｇｄｕ６１００３６，Ｃｈｉｎａ； ２．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉ ｎｅｅｒｉｎｇ，ＵｎｉｖｅｒｓｉｔｙｏｆＥｌｅｃｔｒｏｎｉｃＳｃｉｅｎｃｅ＆ ＴｅｃｈｎｏｌｏｇｙｏｆＣｈｉｎａ，Ｃｈｅｎｇｄｕ６１１７３１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅａｐｐｌｉｃａｔｉｏｎｓｉｎｂｏｔｈｔｈｅｍｉｌｉｔａｒｙａｎｄｃｉｖｉｌｆｉｅｌｄｈａｖｅｐｒｅｓｓｉｎｇｎｅｅｄｓａｎｄｇｒｅａｔｅｘｐｅｃｔａｔｉｏｎｓｏｆａｃｈｉｅｖｉｎｇｔｈｅｔａｒ ｇｅｔｈｉｇｈｅｒｒｅｓｏｌｕｔｉｏｎａｎｄｍｏｒｅｄｅｔａｉｌｅｄｄｅｓｃｒｉｐｔｉｏｎ．ＴｈｉｓｐａｐｅｒｆｉｒｓｔｌｙｍｏｄｅｌｅｄｔｈｅｏｂｊｅｃｔｌｅｖｅｌＳＡＲｏｂｓｅｒｖａｔｉｏｎｓｂａｓｅｄｏｎａｔ ｔｒｉｂｕｔｅｄｓｃａｔｔｅｒｉｎｇｃｅｎｔｅｒ（ＡＳＣ）ｍｏｄｅｌｉｎｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｆｒａｍｅｗｏｒｋ．Ｓｅｃｏｎｄｌｙ，ｉｔｐｒｏｐｏｓｅｄａｃｌａｓｓｉｆｙｉｎｇｓｔｒａｔｅｇｙｏｆｔｈｅ ｔａｒｇｅｔａｔｔｒｉｂｕｔｅｓｓｐａｃｅｆｏｒｔｈｅｏｂｊｅｃｔｌｅｖｅｌｒｅｃｏｎｓｔｒｕｃｔｉｏｎｉｎｓｉｇｎａｌｄｏｍａｉｎ．Ｃｏｍｂｉｎｅｄｗｉｔｈｄａｔａｅｘｔｒａｐｏｌａｔｉｎｇ，ｔｈｅｎｉｔｐｒｏｐｏｓｅｄａ ｓｔｏｃｈａｓｔｉｃｇｒａｄｉｅｎｔｍｉｎｉｍｕｍｖａｒｉａｎｃｅｐｕｒｓｕｉｔ（ＳＧＭＶＰ）ｂａｓｅｄｏｂｊｅｃｔｌｅｖｅｌｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎｒｅｃｏｎｓｔｒｕｃｔｉｏｎａｌｇｏｒｉｔｈｍ．Ｉｔｆｉｎａｌｌｙ ａｃｈｉｅｖｅｄｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎｉｍａｇｅｂｙＦＦＴｔｏｅｆｆｅｃｔｉｖｅｌｙｐｒｏｍｏｔｅｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍ．Ｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍ ｎｏｔｏｎｌｙｃａｎａｃｈｉｅｖｅｉｍｐｒｏｖｅｄｓｕｐｅｒｒｅｓｏｌｕｔｉｏｎｉｍａｇｅ，ｂｕｔａｌｓｏｐｒｏｖｉｄｅａｃｃｕｒａｔｅｐｈｙｓｉｃａｌｌｙｒｅｌｅｖａｎｔａｔｔｒｉｂｕｔｅｄｆｅａｔｕｒｅｓｏｆｔｈｅ ｓｃａｔｔｅｒｅｒｓｓｉｍｕｌｔａｎｅｏｕｓｌｙ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｃｏｎｆｉｒｍｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍ． Ｋｅｙｗｏｒｄｓ：ｓｙｎｔｈｅｔｉｃａｐｅｒｔｕｒｅｒａｄａｒ（ＳＡＲ）；ａｔｔｒｉｂｕｔｅｄｓｃａｔｔｅｒｉｎｇｃｅｎｔｅｒ（ＡＳＣ）ｍｏｄｅｌ；ｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ；ｓｐｅｃｔｒｕｍｅｘ ｔｒａｐｏｌａｔｉｏｎ
基于超像素和信息论的SAR图像目标检测研究
目标 检 测发展提 出简单 线性 迭代 聚类 （ ｓ ｉ ｍ ｐ ｌ ｅ ｌ ｉ ｎ ｅ ａ ｒ ｉ ｔ ｅ ｒ ａ ｔ ｉ ｖ ｅ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ｇ ， Ｓ Ｌ Ｉ Ｃ） 算
法¨ ， 该算法聚类效果较好 。２ ０ １ ４年 Ｃ ａ ｏ Ｚ 使用基于 加权信息熵的方法进行高分辨率 Ｓ Ａ Ｒ图像 目标检测 ， 具有 较好 的检 测 效果 ＿ ｌ 。文 中综 合 利 用 改 进 的 Ｓ Ｌ Ｉ Ｃ
意义的特殊 目 标， 如人工建筑 、 坦克 、 军舰 等 ｊ 。２ ０世
纪５ ０年 代 初 期 美 国 科 学 家 Ｃ ａ ｒ ｌ Ｗｉ ｌ ｅ ｙ第 一 次 提 出 Ｓ Ａ Ｒ概 念 ， 其后 Ｓ Ａ Ｒ 系统及 相关 技术 迅 速发 展 。１ ９ ５ ３
Ｃ Ｆ Ａ Ｒ 目标 检测 方 法 是 像 素 级 别 的 ， 有 一定 的不
基 于超 像 素 和信 息 论 的 Ｓ ＡＲ 图像 目标 检 测 研 究
邓洋洋 ， 冉元 波 ， 韩景红
（ 成都信 息 工程 大学 电子 工程 学院 ， 四川 成都 ６ １ ０ ２ ２ ５ ）
摘要 ： 针对传 统的恒虚警率 （ Ｃ Ｆ Ａ Ｒ ） 检测算法 的不足 ， 提 出新 的基 于超像 素和信 息论 的 Ｓ Ａ Ｒ图像 目 标 检测方 法 。首先利用改进的 Ｓ Ｌ Ｉ Ｃ超像素生成算法将 Ｓ Ａ Ｒ图像分 割成超像素块 ， 然后计算 各超像 素块 自 信 息值并 选 出候
是， Ｓ Ａ Ｒ 图像 的判 读 和检 测 技 术则 十 分 滞 后 ， 尤 其 在 对 军 事 目标 的 自动检 测 识 别 技术 上 ， 远达 不 到 战 场 检 测 实 时处理 的要 求 。在 对 Ｓ Ａ Ｒ 图像 目标 检 测 与识 别 的大量 研究 中 ， 自动识 别 （ ａ ｕ ｔ ｏ ｍ ａ ｔ ｉ ｃ ｔ ａ ｒ ｇ ｅ ｔ ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ， Ａ Ｔ Ｒ） 系统 的研究最 为 重要 ， 实用性 也最 强 。Ｓ Ａ Ｒ图像 Ａ Ｔ Ｒ系统 流 程 主 要 包 括 ３个 步 骤 ： 检测 、 鉴别、 分 类／ 识 别 。其 中 ， 检测 部分 输 出是 识别 部分 的输 人 ， 检 测部 分性 能会 直 接影 响识 别 的效 果 ， 因此 检 测 部 分 十分 重
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
０ 引 言
据的模 型表示 。第 二节 提 出了利用 基 追踪方 法实现 模 型参数 估计 的信 号 原 子 分 解 方法 ， 给 出 了基 于 并
三种特殊 模 型即 理想 点 目标 模 型 、 域性 散 射 中心 局 目标 模 型 和展 布式 散射 中 心 超 分 辨 处 理 的具 体 步
ｌ＝ ｌ
（ １ ）
的散 射模 型 是 什 么 。Ｍ． ｅ ｙ等 提 出 的 Ｓ Ｒ 目 Ｇｒ ｒ Ａ
标属性 散射 模 型 已经 取 得 了广 泛 的 认 同 ， 以 让我 可
Ｅ（，； ） （ 争） ・ 声 ０ ＝Ａ ・ ｆ ・
０
ｅｐ（ 二
（ ｃｓ 。声＋ ｙｓ 声 ）． ｉ ） ｎ
Ｓ Ｒ成像处 理是 与雷 达 目标 的散 射特性 紧 密相 Ａ
关的 ， 而散射 特性 又 可 以用散 射 模 型 来 描述 。 理想
点 目标模 型是 对 真实 散 射 模 型 的一 种 近似 ， 么 时 那
心组成 ， 目标总 的散 射 场可 用 这 些 散 射 中 心 的和 即
来建模 ， 并且 后 向散 射场依 赖 于频率 和模 型口 ． Ａ 由几何绕 射 理论 （ ｅｍ ｔｃＴ ｅｒ ｏ ｉｒ ｔｎ Ｇ ｏ ｅ ｉ ｈｏｙ ｆ ｆａ ｉ ： ｒ Ｄ ｆ ｃｏ Ｇ Ｄ ， 果入 射 激 励 波 的 波 长 小 于 目标 尺 寸 ， 么 Ｔ ）如 那 从 目标 处 的后 向散 射 场可认 为是 由多 个孤立 散射 中
维普资讯
第 ２ 卷第 １ ７ 期
２０ ０ ６年 １月
宇 航 学 报
，
Ｖｏ ． １２７ Ｎｏ． １
１ｌ Ｉ ｆＡ ｔ ｎ ｕｉｓ ０ ｌ Ｂ ｏ ｓｒ ａ ｔ ｌ ． Ｔ１ ｏ ｃ
Ｊ ｎ ａ ｙ２ ０ ａ ｕ ｒ ０ ６
基 于基 追 踪 的 Ｓ Ｒ图像 超 分 辨处 理 Ａ
冉 承 其 。王 正 明
（ 防 科技 大 学 信 息 系 统 与 管 理 学 院 ， 沙 ４０７ ） 国 长 １０３
摘 要 ：研 究 Ｓ Ｒ图像 的 超 分辨 处 理方 法 对 于提 高 图 像 质 量 具 有 重 要 意 义 。结 合 雷 达 成 像 的 目标 属 性 散 射 Ａ
模型 ， 利用信号原子分解办法得 到了 Ｓ Ｒ成像的最优信号原子 ， 出了利用 基追踪方法估计 模型参数 的 Ｓ Ｒ图像 Ａ 提 Ａ 超分辨处理方 法。该方法利用 ｒ稀疏性先验信息 ， 理论 上 比传统 的匹配追踪方 法具有更优越 的性能。仿真算例 和
角变量 ， 果记 ｔ为 带 宽 ， 为成像 积 累角 ， ｆ∈ 如 ｚ 声 则 ［（ １一ｐ ２ ， （ ＋ ／ ） ， １） １ ２ ］ 声∈ ［ ２ 声 ／］。其 一声 ／ ， ２ 它参数 的含 义 分别是 ： 是 雷达 中心 频率 ； ｃ＝３×
型参数 估计 方法 ， 出 了一 种超 分 辨处 理方 法 。第 提
即
频分析 方法取 得成 功 ， 否是 对真 实散 射 模 型 的 一 是 种更精 确 的近似 ？它适 用 的边 界条 件是什 么？ 是否
有一些 情况 用时频 分析 方法是 有 限的？ 能否给 出更 好的计 算方法 ？要 回答 上 述 问题 ， 首先 要 知道 真实
Ｅｆ声 ＝∑ Ｅ（ 声０ （，， ，； ） ，
ｓｎｃ ２ｙ ｉｉ 声一 ） ｅｐ 一２ｃ ｉ ｎ ） ２ ｉ （ Ｌｓ ｕ ｎ（ ）． ｘ （ ｚＹｓ 声 （） ｆ ｉ
这里 ０ ＝ ［ … ，： ， ：［ ， 口， ，ｉ ０， ］ ０ Ｙ，；ｙ， Ｌ， Ａ］ ｆ 是散射 中心的参数集 ， 是频率变量 ， Ｉ 厂 声是方位
一
节介 绍 了 目标 属性 散 射 模 型 ， 出 了离 散 观测 数 给
收 稿 日期 ：０５０—６ 修 回 １ ：０５０．９ ２０ —３１ ； ３期 ２０ ．８２
维普资讯
与真实 散射 特性 有差别 ， 会导 致 图像模 糊 、 信噪 比低
及分辨 率低等 问题 ， 低 了后 续 应 用 的效 能 。 针对 降
这些 问题 ， 近 出现 了利 用时 频 分析 ¨ 最 ， 行成 像处 进
理的方 法 ， 高 了图像清 晰度 和分辨 目标 的能力 ， 提 但 文献并 没有 分析其 取得 较好效 果 的内在 机理 。
传 统 的 Ｓ Ｒ成 像 算 法 是 基 于 理想 点 目标 模 型 Ａ
的， 即假 设 目标 是 由理想 点散射 中心组 成 ， 散射特 性
不随频 率和方位 而 变化 ， 这有 利于快 速处 理 ， 由于 但
骤 。第 三节 是仿真 和 实测数 据计算 ， 后是小 结 。 最 １ 属性 散射 模型 和观测 数据 表示
Ｍ Ｔ Ｒ实 测 数 据 的 处 理 结果 表 明 ， 种 处 理 方 法 具 有 良好 的 超 分 辨 性 能 。 ＳＡ 这
关 键 词 ：Ｓ Ｒ； 目标 属性 散 射模 型 ；超 分 辨 ；原 子 分 解 ；基 追 踪 Ａ 中图 分 类 号 ：Ｔ ９７ ５ Ｎ ５ ．２ 文献 标 识 码 ： Ａ 文 章 编 号 ：００１２ （０６０ —０ １ ６ １０—３ ８２０ ）１０５— ０
们在这 个模 型 的 基 础 上 进 行 讨 论 。 除 了这 个 模 型 外 ， 要有一 个框架 来对 不 同的成像 方法 进行 比较 。 还 Ｃ ｅ ， ． １９ ｈｎ Ｓ ［ 在 ９ ９年提 出 了信号 的原 子 分解 处 理框 ５ ３
架， 基本思想 是将 获取 的测 量信 号在 信 号 原 子 词典 上进 行分解 ， 再通 过一定 的优 化准则 重 构信号 。 本文 结合 Ｓ Ｒ 目标 属 性 散 射 模 型 和 基追 踪 模 Ａ