CN113466861B - 基于iaa处理的多通道sar-gmti图像配准方法及系统 - Google Patents

基于iaa处理的多通道sar-gmti图像配准方法及系统 Download PDF

Info

Publication number
CN113466861B
CN113466861B CN202110678352.2A CN202110678352A CN113466861B CN 113466861 B CN113466861 B CN 113466861B CN 202110678352 A CN202110678352 A CN 202110678352A CN 113466861 B CN113466861 B CN 113466861B
Authority
CN
China
Prior art keywords
image
sar
registration
channel
dimensional
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110678352.2A
Other languages
English (en)
Other versions
CN113466861A (zh
Inventor
王凌宇
黄鹏辉
陈国忠
林欣
孙永岩
刘艳阳
刘兴钊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN202110678352.2A priority Critical patent/CN113466861B/zh
Publication of CN113466861A publication Critical patent/CN113466861A/zh
Application granted granted Critical
Publication of CN113466861B publication Critical patent/CN113466861B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供一种基于IAA处理的多通道SAR‑GMTI图像配准方法及系统，涉及多通道SAR‑GMTI图像配准技术领域，该方法包括：获取多通道距离‑多普勒域粗聚焦SAR图像，选取任意通道数据为参考图像数据，并实施配准；进行像素级粗配准，在二维频域获取参考SAR图像与待配准SAR图像的归一化二维干涉函数，获取像素级配准误差并进行误差补偿；对经粗配准SAR图像与参考通道SAR图像求解归一化二维干涉函数，实现协方差矩阵迭代更新；得到配准后的多通道SAR图像数据；遍历所有通道数据，输出配准后多通道距离‑多普勒二维SAR图像数据。本发明能够对图像灰度依赖小，提高配准精度，实现实际工程处理中多通道处理SAR‑GMTI图像亚像素级配准。

Description

基于IAA处理的多通道SAR-GMTI图像配准方法及系统
技术领域
本发明涉及多通道SAR-GMTI图像配准技术领域，具体地，涉及一种基于IAA处理的多通道SAR-GMTI图像配准方法及系统。
背景技术
多通道SAR-GMTI系统基于不同通道之间运动目标和杂波回波信号的差异性可实现杂波对消和目标检测，而杂波对消要求各通道回波数据应严格对齐。然而在实际多通道系统中，不同通道之间存在不同的偏航角以及相位中心，使得不同通道的SAR图像存在相对位置偏差，影响杂波抑制效果以及后续的目标检测性能。为提高多通道SAR-GMTI系统杂波抑制能力，那么必须对多通道SAR图像数据进行配准以实现成像场景对齐。
公开号为CN112162281A的发明专利，公开了一种多通道SAR-GMTI图像域两步处理方法，包括以参考通道为基准，将距离脉压后的回波信号进行时延补偿与通道均衡处理；对配准后的信号依次进行方位谱压缩、去斜处理，并将数据转到二维图像域；在二维图像域以参考通道外的各通道图像与参考通道图像做联合杂波抑制处理，获得杂波抑制结果；对各杂波抑制结果进行恒虚警检测得动目标检测结果；根据动目标检测结果返回杂波抑制前的图像域，逐个提取各动目标的联合像素数据做局部的联合最优处理进行谱估计，估计出动目标径向速度；在参考通道图像中标注出各动目标，并对其进行重定位处理。
针对SAR图像配准问题，国内外学者提出了很多相应的解决方法，主要可以分为三类：基于灰度的SAR图像配准方法、基于特征的SAR图像配准方法以及基于变换域的SAR图像配准方法。其中，基于灰度的配准算法通过利用图像之间的灰度统计信息的相似性实现配准，该方法虽然实现简单，但是受噪声影响较大，且计算量过大。基于特征的配准算法通过提取图像之间的稳定且共有的结构特征实现配准，该类算法同样需要耗费较大的计算资源，不利于实时性的配准。
发明内容
针对现有技术中的缺陷，本发明提供一种基于IAA处理的多通道SAR-GMTI图像配准方法及系统。
根据本发明提供的一种基于IAA处理的多通道SAR-GMTI图像配准方法及系统，所述方案如下：
第一方面，提供了一种基于IAA处理的多通道SAR-GMTI图像配准方法，所述方法包括：
步骤S1：获取多通道距离-多普勒域粗聚焦SAR图像，选取任意通道数据为参考图像数据，以参考图像为基准对其他通道SAR图像实施配准；
步骤S2：进行像素级粗配准，在二维频域获取参考SAR图像与待配准SAR图像的归一化二维干涉函数，进而通过二维逆傅里叶变换至原始数据域进行二维峰值搜索来获取像素级配准误差并进行误差补偿；
步骤S3：对经粗配准SAR图像与参考通道SAR图像求解归一化二维干涉函数，分别沿距离/方位维数据构造协方差矩阵并基于加权最小二乘算法实现协方差矩阵迭代更新；
步骤S4：基于更新后的协方差矩阵构造一维目标代价函数进而通过搜索最终分别实现距离/方位维亚像素级配准误差估计，得到配准后的多通道SAR图像数据；
步骤S5：遍历所有通道数据，最终输出配准后多通道距离-多普勒二维SAR图像数据。
优选的，所述步骤S1包括：在傅里叶变换域利用归一化干涉函数实现图像粗配准，所述归一化干涉函数表达式为：
Figure BDA0003121692350000021
式中，fx和fy分别表示沿距离向和方位向的频率分量，ζm,regis(fx,fy)以及ζref(fx,fy)分别表示对参考SAR图像ζref(x,y)ζref(x,y)、待配准SAR图像ζm,regis(x,y)，m＝2,…M，M为通道个数，进行二维傅里叶变换后的二维函数；x表示待配准图像相对于参考图像的距离向，y表示待配准图像相对于参考图像的方位向；Δx和Δy分别表示待配准图像相对于参考图像在距离向和方位向的图像偏差。
优选的，所述Δx以及Δy分别由两部分组成：
Δx＝(Δx)int+(Δx)dec
Δy＝(Δy)int+(Δy)dec
式中，(·)int表示取偏差的整数部分，(·)dec表示取偏差的小数部分；
对ζm,regis,cor(fx,fy)进行二维逆傅里叶变换得到：
ζm,regis,cor(x,y)≈σζsinc[Bx(x-Δx)]sinc[By(y-Δy)]
≈σζsinc[Bx(x-(Δx)int-(Δx)dec)]sinc[By(y-(Δy)int-(Δy)dec)]
式中，σζ为幅度项，Bx以及By分别表示沿X维和Y维的带宽取值，通过搜索二维峰值能够得到配准误差中整数像素的部分，即上(Δx)int以及(Δy)int，从而通过误差补偿实现像素级粗配准。
优选的，采用加权最小二乘法分别沿距离维/方位维通过自适应迭代的方式构造样本协方差矩阵。
优选的，初始化样本协方差矩阵以及功率矩阵后，在每次迭代过程中，依次更新样本协方差矩阵、最优权矢量以及功率矩阵；
优选的，分别对沿距离维/方位维获得的样本协方差矩阵，构造一维代价函数，通过细分Δx变化范围进行精细化搜索，获取亚像素级配准误差取值，实现图像精配准。
优选的，以参考通道SAR图像为基准，依次遍历其余所有通道数据，从而获取配准后多通道距离-多普勒SAR图像数据。
第二方面，提供了一种基于IAA处理的多通道SAR-GMTI图像配准系统，所述系统包括：
模块M1：获取多通道距离-多普勒域粗聚焦SAR图像，选取任意通道数据为参考图像数据，以参考图像为基准对其他通道SAR图像实施配准；
模块M2：进行像素级粗配准，在二维频域获取参考SAR图像与待配准SAR图像的归一化二维干涉函数，进而通过二维逆傅里叶变换至原始数据域进行二维峰值搜索来获取像素级配准误差并进行误差补偿；
模块M3：对经粗配准SAR图像与参考通道SAR图像求解归一化二维干涉函数，分别沿距离/方位维数据构造协方差矩阵并基于加权最小二乘算法实现协方差矩阵迭代更新；
模块M4：基于更新后的协方差矩阵构造一维目标代价函数进而通过搜索最终分别实现距离/方位维亚像素级配准误差估计，得到配准后的多通道SAR图像数据；
模块M5：遍历所有通道数据，最终输出配准后多通道距离-多普勒二维SAR图像数据。
优选的，所述模块M1包括：在傅里叶变换域利用归一化干涉函数实现图像粗配准，所述归一化干涉函数表达式为：
Figure BDA0003121692350000041
式中，fx和fy分别表示沿距离向和方位向的频率分量，ζm,regis(fx,fy)以及ζref(fx,fy)分别表示对参考SAR图像ζref(x,y)ζref(x,y)、待配准SAR图像ζm,regis(x,y)，m＝2,…M，M为通道个数，进行二维傅里叶变换后的二维函数；x表示待配准图像相对于参考图像的距离向，y表示待配准图像相对于参考图像的方位向；Δx和Δy分别表示待配准图像相对于参考图像在距离向和方位向的图像偏差。
优选的，所述Δx以及Δy分别由两部分组成：
Δx＝(Δx)int+(Δx)dec
Δy＝(Δy)int+(Δy)dec
式中，(·)int表示取偏差的整数部分，(·)dec表示偏差的小数部分；
对ζm,regis,cor(fx,fy)进行二维逆傅里叶变换得到：
ζm,regis,cor(x,y)≈σζsinc[Bx(x-Δx)]sinc[By(y-Δy)]
≈σζsinc[Bx(x-(Δx)int-(Δx)dec)]sinc[By(y-(Δy)int-(Δy)dec)]
式中，σζ为幅度项，Bx以及By分别表示沿X维和Y维的带宽取值，通过搜索二维峰值能够得到配准误差中整数像素的部分，即上(Δx)int以及(Δy)int，从而通过误差补偿实现像素级粗配准。
与现有技术相比，本发明具有如下的有益效果：
1、本发明能够实现多通道SAR-GMTI系统的亚像素级图像配准处理，在傅里叶变换域通过频域相位相关实现多通道SAR图像粗配准，进而基于加权最小二乘自适应迭代的方式实现多通道SAR图像之间的精细配准；
2、本发明对图像灰度依赖小，相比于传统傅里叶变换域图像配准方法进一步提高了配准精度，实现了实际工程处理中多通道处理SAR-GMTI图像亚像素级配准。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明实施例中提供的多通道SAR-GMTI图像配准方法流程图；
图2两通道SAR系统下实施本发明后的图像配准误差估计值RMSE随CNR变化曲线图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明实施例提供了一种基于IAA处理的多通道SAR-GMTI图像配准方法，该方法具体包括以下步骤：
步骤一：获取多通道距离-多普勒域粗聚焦SAR图像，选取第一通道为参考通道，其他通道SAR图像为待配准图像，依次输入参考通道SAR图像和当前待配准通道SAR图像。
步骤二：基于频域相位相关法实现图像粗配准，在二维频域获取参考SAR图像与待配准SAR图像的归一化二维干涉函数，进行二维逆傅里叶变换通过二维峰值搜索获取像素级配准误差，进行误差补偿。
步骤三：对粗配准后的SAR图像与参考通道SAR图像再次进行二维傅里叶变换求解归一化二维干涉函数，分别沿距离/方位维数据构造协方差矩阵并基于加权最小二乘算法实现协方差矩阵迭代更新。
步骤四：基于更新后的协方差矩阵构造一维目标代价函数，通过在配准误差取值范围内搜索实现距离/方位维亚像素级误差估计，进行误差补偿得到细配准后SAR图像数据。
步骤五：遍历所有通道数据，最终输出精细配准后的多通道距离-多普勒二维SAR图像数据。
其中，步骤二中所述的归一化干涉函数表达式为：
Figure BDA0003121692350000061
式中，fx和fy分别表示沿距离向和方位向的频率分量，ζm,regis(fx,fy)以及ζref(fx,fy)分别表示对参考SAR图像ζref(x,y)ζref(x,y)、待配准SAR图像ζm,regis(x,y)，(m＝2,…M，M为通道个数，以通道1为参考通道为例)进行二维傅里叶变换后的二维函数；x表示待配准图像相对于参考图像的距离向，y表示待配准图像相对于参考图像的方位向；Δx和Δy分别表示待配准图像相对于参考图像在距离向和方位向的图像偏差，有：
ζm,regis(x,y)＝ζref(x+Δx,y+Δy) (2)
且Δx以及Δy分别由两部分组成：
Δx＝(Δx)int+(Δx)dec
Δy＝(Δy)int+(Δy)dec (3)
式中，(·)int表示取偏差的整数部分，(·)dec表示取偏差的小数部分。
进一步地，对ζm,regis,cor(fx,fy)进行二维逆傅里叶变换得到：
ζm,regis,cor(x,y)≈σζsinc[Bx(x+Δx)]sinc[By(y+Δy)]
≈σζsinc[Bx(x+(Δx)int+(Δx)dec)]sinc[By(y+(Δy)int+(Δy)dec)]
(4)
式中，σζ为幅度项，Bx以及By分别表示沿X维和Y维的带宽取值，考虑到SAR图像为离散采样图像，那么通过搜索二维峰值可以得到配准误差中整数像素的部分(即上式中的(Δx)int以及(Δy)int)。
进一步地，通过误差补偿实现像素级粗配准，粗配准后的图像计算公式为：
ζ'm,regis(fx,fy)＝ζm,regis(fx,fy)exp[-j2πfx(Δx)int,e]exp[-j2πfy(Δy)int,e] (5)
式中，ζ'm,regis(fx,fy)表示二维傅里叶变换域粗配准后的SAR图像，(Δx)int,e和(Δy)int,e分别表示经二维峰值搜索得到的像素级图像偏差估计值。
粗配准SAR图像与参考通道SAR的归一化二维干涉函数表达式为：
Figure BDA0003121692350000071
式中，ζ'm,regis,cor(fx,fy)表示粗配准图像与参考图像的归一化干涉函数。
进一步地，分别沿所述二维干涉函数的距离维/方位维基于一维数据样本，利用加权最小二乘构建样本协方差矩阵，功率矩阵以及计算最优权矢量，并通过自适应迭代不断更新协方差矩阵、功率矩阵以及权矢量计算结果。
以距离维样本数据为例，所述样本协方差矩阵初始表达式为：
Figure BDA0003121692350000072
式中，
Figure BDA0003121692350000073
初始样本协方差矩阵，Ny0表示地面静止散射点的方位元素个数。
进一步地，功率矩阵初始表达式为：
Figure BDA0003121692350000074
式中，
Figure BDA0003121692350000075
表示初始功率矩阵，j＝1,2,…J，J表示所有扫描点数，aImagReg(Δxj)为沿fx维的线性向量，有：
aImagReg(Δxj)＝[1,exp(j2πfxΔxj),...,exp(j2πfxΔxJ)]T (9)
进一步地，所述样本协方差矩阵更新表达式为：
Figure BDA0003121692350000076
式中，
Figure BDA0003121692350000081
表示第k次迭代更新的样本协方差矩阵。
Figure BDA0003121692350000082
表示第k-1次迭代更新的功率矩阵。
所述最优权矢量更新表达式为：
Figure BDA0003121692350000083
式中，
Figure BDA0003121692350000084
表示第k次迭代更新的最优权矢量。
功率矩阵更新表达式为：
Figure BDA0003121692350000085
式中，
Figure BDA0003121692350000086
表示第k次迭代更新的功率矩阵。迭代更新10～15次，获得更新后的距离维样本协方差矩阵。
步骤四：中的一维代价函数可表示为：
Figure BDA0003121692350000087
式中
Figure BDA0003121692350000088
表示将所述通过自适应迭代计算获取的协方差矩阵进行特征分解后得到的噪声子空间矩阵。
进一步地，对归一化干涉函数方位维数据采用相同的自适应迭代处理方法，实现方位维亚像素级配准误差计算得到(Δy)dec,e。
进一步地，实现亚像素级细配准：
ζ”m,regis(fx,fy)＝ζ'm,regis(fx,fy)exp[-j2πfx(Δx)dec,e]exp[-j2πfx(Δy)dec,e]
(14)
式中，ζ”m,regis(fx,fy)表示二维傅里叶变换域粗配准后的SAR图像，(Δx)dec,e和(Δy)dec,e表示通过所提自适应迭代方法计算得到的距离维/方位维亚像素级图像偏差估计值。
接下来，对本发明进行更为具体的说明。
本实施例中各实施步骤均在MATLABR2014a仿真平台上进行。
如图1所示，本实施例的各实施步骤包括：
1、输入N通道SAR-GMTI系统的距离-多普勒SAR图像数据ζn(x,y)(n＝1,2,…N)。
2、选定第一通道SAR图像为参考图像，其他通道为待配准图像：
ζm,regis(x,y)＝ζn(x,y),n＝2,3,…N (15)
ζref(x,y)＝ζ1(x,y) (16)
式中，ζm,regis(x,y)(m＝1,2,…N-1)和ζref(x,y)分别表示第m个待配准图像和参考图像。
3、首先令m＝1，对参考函数ζref(x,y)和待配准图像ζm,regis(x,y)进行二维傅里叶变换，得到ζref(fx,fy)和ζm,regis(fx,fy)。
4、对上一步骤的ζref(fx,fy)和ζm,regis(fx,fy)按照公式(1)计算归一化干涉函数ζm,regis,cor(fx,fy)。
5、对上一步骤计算得到的归一化干涉函数ζm,regis,cor(fx,fy)作二维逆傅里叶变换按照公式(4)得到ζm,regis,cor(x,y)，搜索二维峰值获取粗配准误差(Δx)int,e和(Δy)int,e。
6、根据上一步骤求得的像素级配准误差(Δx)int,e和(Δy)int,e，按照公式(5)实现SAR图像粗配准，得到ζ'm,regis(fx,fy)。
7、对上一步骤得到的ζ'm,regis(fx,fy)按照公式(6)再次与参考图像ζref(fx,fy)计算归一化干涉函数，得到ζ'm,regis,cor(fx,fy)。
8、基于Weighted Least Squares(WLS)算法对上一步得到的ζ'm,regis,cor(fx,fy)进行分别沿距离维/方位维执行以下操作。依次对样本协方差矩阵功率矩阵以及计算最优权矢量进行迭代更新，迭代总次数为10次，其中分别按照公式(7)以及(8)设置初始样本协方差矩阵
Figure BDA0003121692350000091
以及功率矩阵
Figure BDA0003121692350000092
在每一迭代次数中，依次实施以下分步骤：
8.1：根据上一次迭代求得的样本协方差矩阵
Figure BDA0003121692350000101
按照公式(10)更新得到样本协方差矩阵
Figure BDA0003121692350000102
8.2：根据上一分步骤求得的样本协方差矩阵
Figure BDA0003121692350000103
按照公式(11)更新得到最优权矢量
Figure BDA0003121692350000104
8.3：根据上一分步骤求得的最优权矢量
Figure BDA0003121692350000105
按照公式(12)更新功率矩阵
Figure BDA0003121692350000106
9、根据上一步骤迭代更新得到的距离维/方位维协方差矩阵，按照公式(14)构造一维代价函数，分别在(Δx)dec以及(Δy)dec取值范围(均为
Figure BDA0003121692350000107
)内，搜索获取距离维/方位维亚像素级配准误差(Δx)dec,e以及(Δy)dec,e。
10、根据上一步骤得到的误差估计值(Δx)dec,e以及(Δy)dec,e，按照公式(14)实现图像亚像素级配准，进而进行二维逆傅里叶变换输出配准后的SAR图像。
11、令m＝m+1，重复步骤3～10，直至遍历所有的待配准SAR图像，最终输出经图像配准处理后的多通道SAR-GMTI图像数据。
根据本发明，两通道SAR系统图像配准误差估计值RMSE随CNR变化曲线如图2所示。由结果可知，利用本发明提供的方法能够成功实现对多通道SAR图像的亚像素级配准，且满足SAR-GMTI实际工程处理中图像配准误差小于1/10像素的要求。
本发明实施例提供了一种基于IAA处理的多通道SAR-GMTI图像配准方法，采用该方法可以实现多通道SAR-GMTI系统的亚像素级图像配准处理，在傅里叶变换域通过频域相位相关实现多通道SAR图像粗配准，进而基于加权最小二乘自适应迭代的方式实现多通道SAR图像之间的精细配准，该方法对图像灰度依赖小，相比于传统傅里叶变换域图像配准方法进一步提高了配准精度，实现了实际工程处理中多通道处理SAR-GMTI图像亚像素级配准。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (8)

1.一种基于IAA处理的多通道SAR-GMTI图像配准方法，其特征在于，包括：
步骤S1：获取多通道距离-多普勒域粗聚焦SAR图像，选取任意通道数据为参考图像数据，以参考图像为基准对其他通道SAR图像实施配准；
步骤S2：进行像素级粗配准，在二维频域获取参考SAR图像与待配准SAR图像的归一化二维干涉函数，进而通过二维逆傅里叶变换至原始数据域进行二维峰值搜索来获取像素级配准误差并进行误差补偿；
步骤S3：对经粗配准SAR图像与参考通道SAR图像求解归一化二维干涉函数，分别沿距离/方位维数据构造协方差矩阵并基于加权最小二乘算法实现协方差矩阵迭代更新；
步骤S4：基于更新后的协方差矩阵构造一维目标代价函数进而通过搜索最终分别实现距离/方位维亚像素级配准误差估计，得到配准后的多通道SAR图像数据；
步骤S5：遍历所有通道数据，最终输出配准后多通道距离-多普勒二维SAR图像数据；
所述步骤S2包括：在傅里叶变换域利用归一化干涉函数实现图像粗配准，所述归一化干涉函数ζm,regis,cor(fx,fy)表达式为：
Figure FDA0003539107490000011
式中，fx和fy分别表示沿距离向和方位向的频率分量，ζm,regis(fx,fy)以及ζref(fx,fy)分别表示对参考SAR图像ζref(x,y)、待配准SAR图像ζm,regis(x,y)，m＝2,…M，M为通道个数，进行二维傅里叶变换后的二维函数；x表示待配准图像相对于参考图像的距离向，y表示待配准图像相对于参考图像的方位向；Δx和Δy分别表示待配准图像相对于参考图像在距离向和方位向的图像偏差。
2.根据权利要求1所述的基于IAA处理的多通道SAR-GMTI图像配准方法，其特征在于，所述Δx以及Δy分别由两部分组成：
Δx＝(Δx)int+(Δx)dec
Δy＝(Δy)int+(Δy)dec
式中，(·)int表示取偏差的整数部分，(·)dec表示偏差的小数部分；
对ζm,regis,cor(fx,fy)进行二维逆傅里叶变换得到：
ζm,regis,cor(x,y)≈σζsinc[Bx(x-Δx)]sinc[By(y-Δy)]
≈σζsinc[Bx(x-(Δx)int-(Δx)dec)]sinc[By(y-(Δy)int-(Δy)dec)]
式中，σζ为幅度项，Bx以及By分别表示沿X维和Y维的带宽取值，通过搜索二维峰值能够得到配准误差中整数像素的部分，即(Δx)int以及(Δy)int，从而通过误差补偿实现像素级粗配准。
3.根据权利要求2所述的基于IAA处理的多通道SAR-GMTI图像配准方法，其特征在于，采用加权最小二乘法分别沿距离维/方位维通过自适应迭代的方式构造样本协方差矩阵。
4.根据权利要求3所述的基于IAA处理的多通道SAR-GMTI图像配准方法，其特征在于，初始化样本协方差矩阵以及功率矩阵后，在每次迭代过程中，依次更新样本协方差矩阵、最优权矢量以及功率矩阵。
5.根据权利要求4所述的基于IAA处理的多通道SAR-GMTI图像配准方法，其特征在于，分别对沿距离维/方位维获得的样本协方差矩阵，构造一维代价函数，通过细分Δx变化范围进行精细化搜索，获取亚像素级配准误差取值，实现图像精配准。
6.根据权利要求1所述的基于IAA处理的多通道SAR-GMTI图像配准方法，其特征在于，以参考通道SAR图像为基准，依次遍历其余所有通道数据，从而获取配准后多通道距离-多普勒SAR图像数据。
7.一种基于IAA处理的多通道SAR-GMTI图像配准系统，其特征在于，包括：
模块M1：获取多通道距离-多普勒域粗聚焦SAR图像，选取任意通道数据为参考图像数据，以参考图像为基准对其他通道SAR图像实施配准；
模块M2：进行像素级粗配准，在二维频域获取参考SAR图像与待配准SAR图像的归一化二维干涉函数，进而通过二维逆傅里叶变换至原始数据域进行二维峰值搜索来获取像素级配准误差并进行误差补偿；
模块M3：对经粗配准SAR图像与参考通道SAR图像求解归一化二维干涉函数，分别沿距离/方位维数据构造协方差矩阵并基于加权最小二乘算法实现协方差矩阵迭代更新；
模块M4：基于更新后的协方差矩阵构造一维目标代价函数进而通过搜索最终分别实现距离/方位维亚像素级配准误差估计，得到配准后的多通道SAR图像数据；
模块M5：遍历所有通道数据，最终输出配准后多通道距离-多普勒二维SAR图像数据；
所述模块M2包括：在傅里叶变换域利用归一化干涉函数实现图像粗配准，所述归一化干涉函数表达式为：
Figure FDA0003539107490000031
式中，fx和fy分别表示沿距离向和方位向的频率分量，ζm,regis(fx,fy)以及ζref(fx,fy)分别表示对参考SAR图像ζref(x,y)、待配准SAR图像ξm,regis(x,y)，m＝2,…M，M为通道个数，进行二维傅里叶变换后的二维函数；x表示待配准图像相对于参考图像的距离向，y表示待配准图像相对于参考图像的方位向；Δx和Δy分别表示待配准图像相对于参考图像在距离向和方位向的图像偏差。
8.根据权利要求7所述的基于IAA处理的多通道SAR-GMTI图像配准系统，其特征在于，所述Δx以及Δy分别由两部分组成：
Δx＝(Δx)int+(Δx)dec
Δy＝(Δy)int+(Δy)dec
式中，(·)int表示取偏差的整数部分，(·)dec表示取偏差的小数部分；
对ζm,regis,cor(fx,fy)进行二维逆傅里叶变换得到：
ζm,regis,cor(x,y)≈σζsinc[Bx(x-Δx)]sinc[By(y-Δy)]
≈σζsinc[Bx(x-(Δx)int-(Δx)dec)]sinc[By(y-(Δy)int-(Δy)dec)]
式中，σζ为幅度项，Bx以及By分别表示沿X维和Y维的带宽取值，通过搜索二维峰值能够得到配准误差中整数像素的部分，即(Δx)int以及(Δy)int，从而通过误差补偿实现像素级粗配准。
CN202110678352.2A 2021-06-18 2021-06-18 基于iaa处理的多通道sar-gmti图像配准方法及系统 Active CN113466861B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110678352.2A CN113466861B (zh) 2021-06-18 2021-06-18 基于iaa处理的多通道sar-gmti图像配准方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110678352.2A CN113466861B (zh) 2021-06-18 2021-06-18 基于iaa处理的多通道sar-gmti图像配准方法及系统

Publications (2)

Publication Number Publication Date
CN113466861A CN113466861A (zh) 2021-10-01
CN113466861B true CN113466861B (zh) 2022-04-26

Family

ID=77868616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110678352.2A Active CN113466861B (zh) 2021-06-18 2021-06-18 基于iaa处理的多通道sar-gmti图像配准方法及系统

Country Status (1)

Country Link
CN (1) CN113466861B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114897950A (zh) * 2022-04-29 2022-08-12 上海精积微半导体技术有限公司 图像配准及缺陷检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102288943A (zh) * 2011-07-08 2011-12-21 西安电子科技大学 基于两视实图像处理的单通道sar-gmti方法
CN103983959A (zh) * 2014-05-16 2014-08-13 西安电子科技大学 基于数据重构的sar系统运动目标径向速度估计方法
CN105137432A (zh) * 2015-08-19 2015-12-09 上海交通大学 基于正交图像配准的地基合成孔径雷达三维成像方法
CN105242255A (zh) * 2015-10-28 2016-01-13 西安电子科技大学 基于压缩感知的双通道sar-gmti方法
CN112162281A (zh) * 2020-08-28 2021-01-01 西安电子科技大学 一种多通道sar-gmti图像域两步处理方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012205225A1 (de) * 2012-03-30 2013-10-02 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Computertomographiesystem und verfahren zur datenermittelung für eine störeinfluss-korrigierte computertomographieaufnahme eines untersuchungsobjekts
CN103901416B (zh) * 2014-03-31 2016-06-29 西安电子科技大学 一种基于稳健主成分分析法的多通道杂波抑制方法
CN104851097B (zh) * 2015-05-19 2017-11-03 西安电子科技大学 基于目标形状与阴影辅助的多通道sar‑gmti方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102288943A (zh) * 2011-07-08 2011-12-21 西安电子科技大学 基于两视实图像处理的单通道sar-gmti方法
CN103983959A (zh) * 2014-05-16 2014-08-13 西安电子科技大学 基于数据重构的sar系统运动目标径向速度估计方法
CN105137432A (zh) * 2015-08-19 2015-12-09 上海交通大学 基于正交图像配准的地基合成孔径雷达三维成像方法
CN105242255A (zh) * 2015-10-28 2016-01-13 西安电子科技大学 基于压缩感知的双通道sar-gmti方法
CN112162281A (zh) * 2020-08-28 2021-01-01 西安电子科技大学 一种多通道sar-gmti图像域两步处理方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Preliminary Results of Multichannel SAR-GMTI Experiments for Airborne Quad-Pol Radar System;Zhiwei Yang et al.;《IEEE Transactions on Geoscience and Remote Sensing》;20191231;第3822-3840页 *
Road-Aided Along-Track Baseline Estimation in a Multichannel SAR-GMTI System;Penghui Huang et al.;《 IEEE Geoscience and Remote Sensing Letters》;20200629;第18卷(第8期);第1416-1420页 *
一种针对多通道GMTI的SAR复图像精确配准方法;时公涛 等;《信号处理》;20111130;第27卷(第11期);第1651-1657页 *
基于联合相似测度的SAR图像边缘点特征配准方法;陈天泽 等;《国防科技大学学报》;20130828;第35卷(第4期);第67-73页 *

Also Published As

Publication number Publication date
CN113466861A (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
Krasheninnikov et al. Multidimensional image models and processing
CN108896986B (zh) 一种基于预测值的量测转换序贯滤波机动目标跟踪方法
Yang et al. Cooperative multitask learning for sparsity-driven SAR imagery and nonsystematic error autocalibration
CN109298420B (zh) 一种合成孔径雷达的运动目标迭代最小熵成像方法及装置
El Akkad et al. Camera self-calibration having the varying parameters and based on homography of the plane at infinity
Pu et al. Fast compressive sensing-based SAR imaging integrated with motion compensation
CN113466861B (zh) 基于iaa处理的多通道sar-gmti图像配准方法及系统
Azouz et al. Improved phase gradient autofocus algorithm based on segments of variable lengths and minimum‐entropy phase correction
Ran et al. Simultaneous range and cross-range variant phase error estimation and compensation for highly squinted SAR imaging
Hu et al. Inverse synthetic aperture radar imaging exploiting dictionary learning
Na et al. Super‐speed up robust features image geometrical registration algorithm
Hasankhan et al. Sparse representation-based algorithm for joint SAR image formation and autofocus
Önhon et al. SAR moving object imaging using sparsity imposing priors
CN112255626A (zh) 基于参数化平动补偿的isar反投影方法
Yufeng et al. Research on SAR image change detection algorithm based on hybrid genetic FCM and image registration
CN116609781A (zh) 多星数据联合的北斗InSAR DEM误差补偿方法
Ma et al. Tracking of maneuvering star-convex extended target using modified adaptive extended Kalman Filter
Chen et al. SAR image despeckling by using nonlocal sparse coding model
CN114325705B (zh) 一种高低轨双基地合成孔径雷达频域快速成像方法
Jing et al. Multi-target joint detection, tracking and classification based on random finite set for aerospace applications
CN113885026A (zh) 运动目标的sar稀疏成像方法、装置、电子设备及存储介质
Huang et al. Methods on visual positioning based on basketball shooting direction standardisation
CN114966687A (zh) 基于低秩和非局部自相似的稀疏isar成像方法及系统
CN109035301B (zh) 一种基于斥力模型修正随机矩阵算法的群组目标跟踪方法
Solomentsev et al. Application of neural networks to diagnose the type and parameters of image distortions

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant