CN114019507A - 一种基于l1/2范数正则化的sar干涉图生成方法 - Google Patents
一种基于l1/2范数正则化的sar干涉图生成方法 Download PDFInfo
- Publication number
- CN114019507A CN114019507A CN202111255187.6A CN202111255187A CN114019507A CN 114019507 A CN114019507 A CN 114019507A CN 202111255187 A CN202111255187 A CN 202111255187A CN 114019507 A CN114019507 A CN 114019507A
- Authority
- CN
- China
- Prior art keywords
- sar
- phase
- image
- representing
- matrix
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
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
- G01S13/9023—SAR image post-processing techniques combined with interferometric techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Electromagnetism (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于L1/2范数正则化的SAR干涉图生成方法,具体为:步骤1:采用SAR获取同一目标场景的SAR主、副图像,通过对副图像复矩阵取相位值获取SAR副图像的相位;步骤2:基于SAR主、副图像的干涉相位,以及通过解决L1/2范数正则化问题建立SAR干涉图的生成模型;步骤3:采用阈值迭代算法求解L1/2范数正则化问题,得到与恢复后的干涉图像有关的小波系数矩阵;步骤4:对步骤3求得的小波系数矩阵进行离散小波逆变换,取变换后的角度值作为恢复后的干涉图像。采用本发明重建的干涉图像具有更好的性能和更小的相位噪声;采用本发明获得的SAR干涉图质量更高。
Description
技术领域
本发明属于干涉合成孔径雷达成像和稀疏信号处理技术领域。
背景技术
SAR是一种高分辨率成像雷达,相比于光学成像方法,可以全天时全天候获取大场景、宽测绘带的图像,是目前微波成像技术的一种重要的研究方向。传统的SAR成像技术局限于二维(Two-dimensional,简称2D)成像,而干涉SAR(SAR interferometry,简称InSAR)成像技术突破了这一局限,它利用两幅SAR复图像的相位差来恢复目标场景的地形图,从而获得观测目标的高度信息和数字高程模型(Digital elevation model,简称DEM),因此被广泛应用于地形测量、地形勘探等领域。高质量的DEM对干涉图的处理精度有着较高的要求。目前,典型的相位噪声滤波技术,例如Lee滤波器、Goldstein 滤波器等,都将导致图像空间分辨率的降低。
发明内容
发明目的:为了解决上述现有技术存在的问题,本发明提供了一种基于L1/2范数正则化的SAR干涉图生成方法。
技术方案:本发明提供了一种基于L1/2范数正则化的SAR干涉图生成方法,具体包括如下步骤:
步骤1:采用SAR获取同一目标场景的SAR主图像和SAR副图像,通过对副图像复矩阵取相位值获取SAR副图像的相位;
步骤2:基于SAR主、副图像的干涉相位,以及通过解决L1/2范数正则化问题建立SAR干涉图的生成模型;
进一步的,所述步骤1中SAR副图像的相位y为:
θm=exp{j(φm-φflat)}
u=exp(-jφtopo)
n=θmu{exp(-jφnoise)-1}
其中,φm为SAR主图像ym的相位,φflat为平地相位,φtopo为地形相位;φnoise=φs2-φs1,φs1和φs2分别表示ym和ys的散射相位,ys表示SAR副图像,exp{.}为e的指数次方,j 表示虚部。
进一步的,所述步骤2中SAR干涉图的生成模犁为:
Y=ΘmοR(X)+N
其中,表示将矢量形式的y重新构写成矩阵形式的Y,Y为幅度为1的二维SAR副图像矩阵;表示将矢量形式的θm重新构写成矩阵形式的Θm,Θm为含有SAR 主图像相位和平地相位的矩阵;R(.)为离散小波逆变换;。表示哈达玛积;X=W(U),表示将矢量形式的u重新构写成矩阵形式的U,U表示含有重建后的SAR主、副图像的干涉相位的矩阵;表示将矢量形式的n重新构写成矩阵形式的N,N表示噪声矩阵,β表示正则化参数,表示斐波那契范数,argmin{.}表示取最小值,W(.) 为离散小波变换。
进一步的,所述步骤3具体为:
步骤3.1:设置小波系数的初始值X(0)=0;所述小波系数为SAR主、副图像的干涉相位经过DWT变换后的小波系数;
步骤3.2:计算第t次迭代计算时的残差估计值:
X(t)表示第t次迭代计算时的小波系数;
步骤3.3:更新第t次迭代计算时的小波系数:
S(t)=X(t)+ΔX(t)
S(t)表示更新后的第t次迭代计算时的小波系数;
步骤3.4:更新第t次迭代计算时的正则化参数β(t):
β(t)=|S(t)|K+1/μ
其中,μ为预设的参数,|S(t)|表示S(t)的幅值分量,|S(t)|K+1表示将S(t)的幅值分量按照降序排列的第K+1个分量;
步骤3.5:根据S(t)的值更新下一次迭代计算时的小波系数X(t+1):
F(S(t),μβ)=f(g,μβ)
g=S(t)
其中,μ为迭代参数,将f(g,μβ)的值作为X(t+1)的值;
步骤3.6:计算第t+1次迭代计算的误差:
Resi=||X(t+1)-X(t)||F
步骤3.7:如果Resi大于预设的阈值ε且迭代次数t小于等于预设的最大迭代次数,则迭代次数t+1,并转步骤3.2;否则停止计算。
有益效果:本发明可基于MF图像进行干涉图重建,采用本发明重建的干涉图具有更好的性能和更小的相位噪声;采用本发明获得的SAR干涉图质量更高。
附图说明
图1为本发明基于L1/2范数正则化的SAR干涉图生成方法的实现流程图;
图2为目标场景和天线之间的几何位置关系图;
图3为本发明基于L1/2范数正则化的SAR干涉图生成方法的迭代实现流程图;
图4为基于MF图像、基于L1范数正则化和基于L1/2范数正则化的仿真结果图;其中(a)为噪声标准差为1.0时基于MF图像的SAR干涉图生成仿真结果图;(b)为基于L1范数正则化的SAR干涉图生成仿真结果图;(c)为基于L1/2范数正则化的SAR干涉图生成仿真结果图。
具体实施方式
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
如图1所示,本实施例提出了一种基于L1/2范数正则化的SAR干涉图生成方法,具体实现步骤如下:
步骤S1:SAR干涉相位分析
令SAR平台获取目标场景的SAR主副图像分别为ym和ys,它们的相位分别为φm和φs,根据InSAR成像几何关系,主副图像的相位可以分别表示为
其中,R1和R2分别表示两个天线距离目标场景中心的斜距,φs1和φs2分别表示ym和 ys的散射相位,λc表示接收信号的波长。目标场景和天线之间的几何位置关系如图2所示,其中B为两个天线之后的距离,H为高度。
根据InSAR理论,主副图像的相位差可以表示为
其中,ΔR=R2-R1,噪声相位φnoise是散射相位φs1和φs2的差,可以表示为
φnoise=φs2-φs1 (4)
由于公式3中等号右侧的表达式可以由平地相位φflat和地形相位φtopo两部分组成,那么主副图像的相位差可以表示为三种类型相位的和
φm-φs=φflat+φtopo+φnoise (5)
步骤S2:基于L1/2范数正则化的SAR干涉图生成模型构建
将副图像ys的相位写成如下形式:
exp{.}为e的指数次方,j表示虚部。
将公式6重新表达为如下形式:
y=θmu+n (7)
θm=exp{j(φm-φflat)} (9)
u=exp(-jφtopo) (10)
n=θmu{exp(-jφnoise)-1} (11)
令表示将矢量形式的y重新构写成矩阵形式的Y,Y为幅度为1的二维SAR副图像矩阵;表示将矢量形式的θm重新构写成矩阵形式的Θm,Θm为含有SAR主图像相位和平地相位的矩阵;表示将矢量形式的u重新构写成矩阵形式的U,U表示含有重建后的干涉相位的矩阵,表示将矢量形式的n重新构写成矩阵形式的N, N表示噪声矩阵;
因此,公式7可表示为
Y=ΘmοU+N (12)
其中ο表示哈达玛积运算符,R(.)为离散小波逆变换。
针对式12,首先使用DWT将矩阵U稀疏表示,令W(·)和R(·)分别表示DWT(离散小波变换后)和IDWT(离散小波逆变换,Discrete wavelet inversion transform,简称IDWT),则X=W(U),矩阵X表示矩阵U离散小波变换后的小波系数。那么,式12 又可以表示为
Y=ΘmοR(X)+N (13)
通过解决L1/2范数正则化问题来重建干涉图像。
步骤S3:阈值迭代
针对公式14中的L1/2范数正则化问题,本实施例采用阈值迭代算法来实现对干涉图的重建。阈值迭代算法输入副图像Y以及包含主图像相位和平地相位的相位矩阵Θm。设小波系数的初始值X(0)=0;所述小波系数为SAR主、副图像的干涉相位经过DWT变换后的小波系数,迭代参数为μ,通常设置为常数,误差参数为ε,最大迭代步数为Tmax。当满足条件t≤Tmax且迭代误差Resi>ε时,如图3所示,执行下列步骤。
步骤S31:残差估算
符号(·)H表示共轭转置算子,X(t)表示第t次迭代计算时的小波系数。
步骤S32:更新第t次迭代计算时的小波系数:
S(t)=X(t)+ΔX(t) (16)
其中,S(t)表示更新后的第t次迭代计算时的小波系数。
步骤S33:史新第t次迭代计算时的正则化参数β(t):
β(t)=|S(t)|K+1/μ (17)
其中,|S(t)|表示S(t)的幅值分量,|S(t)|K+1表示将S(t)的幅值分量按照降序排列的第 K+1个分量;
步骤S34:Half阈值收缩
阈值算子F(S(t),μβ)为
F(S(t),μβ)=f(g,μβ) (18)
阈值函数f(g,μβ)表示为
g=S(t)
将f(g,μβ)的值作为更新后的X(t+1)的值,并将该X(t+1)的值作为下一次迭代计算时的小波系数;既f(g,μβ)=X(t+1)。
步骤S35:计算t+1步迭代误差
Resi=||X(t+1)-X(t)||F (21)
下面通过实验对本发明中提供的一种基于L1/2范数正则化的SAR干涉图生成方法进行验证。图4为仿真干涉图像,对其加入标准差为1.0的高斯白噪声,得到如图4中的 (a)所示的干涉图,它代表基于MF图像处理得到的干涉图。图4中的(b)为基于L1范数正则化的SAR干涉图;图4中的(c)为基于L1/2范数正则化的SAR干涉图。对比基于 L1和L1/2范数正则化的SAR干涉图像质量,不难看出基于L1和L1/2范数正则化的方法均能够有效抑制相位噪声,本发明所提出的L1/2范数正则化方法能够获得质量更好的干涉图,使其拥有比L1范数正则化方法更少的残差点和更小的均方误差值。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
Claims (4)
4.根据权利要求3所述的一种基于L1/2范数正则化的SAR干涉图生成方法,其特征在于,所述步骤3具体为:
步骤3.1:设置小波系数的初始值X(0)=0;所述小波系数为SAR主、副图像的干涉相位经过DWT变换后的小波系数;
步骤3.2:计算第t次迭代计算时的残差估计值:
X(t)表示第t次迭代计算时的小波系数;
步骤3.3:更新第t次迭代计算时的小波系数:
S(t)=X(t)+ΔX(t)
S(t)表示更新后的第t次迭代计算时的小波系数;
步骤3.4:更新第t次迭代计算时的正则化参数β(t):
β(t)=|S(t)|K+1/μ
其中,μ为预设的参数,|S(t)|表示S(t)的幅值分量,|S(t)|K+1表示将S(t)的幅值分量按照降序排列的第K+1个分量;
步骤3.5:根据S(t)的值更新下一次迭代计算时的小波系数X(t+1):
F(S(t),μβ)=f(g,μβ)
g=S(t)
其中,μ为迭代参数,将f(g,μβ)的值作为X(t+1)的值;
步骤3.6:计算第t+1次迭代计算的误差:
Resi=||X(t+1)-X(t)||F
步骤3.7:如果Resi大于预设的阈值ε且迭代次数t小于等于预设的最大迭代次数,则迭代次数t+1,并转步骤3.2;否则停止计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111255187.6A CN114019507A (zh) | 2021-10-27 | 2021-10-27 | 一种基于l1/2范数正则化的sar干涉图生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111255187.6A CN114019507A (zh) | 2021-10-27 | 2021-10-27 | 一种基于l1/2范数正则化的sar干涉图生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114019507A true CN114019507A (zh) | 2022-02-08 |
Family
ID=80058151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111255187.6A Pending CN114019507A (zh) | 2021-10-27 | 2021-10-27 | 一种基于l1/2范数正则化的sar干涉图生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114019507A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114895305A (zh) * | 2022-04-18 | 2022-08-12 | 南京航空航天大学 | 一种基于l1范数正则化的稀疏sar自聚焦成像方法及装置 |
CN115047454A (zh) * | 2022-04-01 | 2022-09-13 | 南京航空航天大学 | 一种基于l1范数正则化的sar相位解缠方法 |
-
2021
- 2021-10-27 CN CN202111255187.6A patent/CN114019507A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115047454A (zh) * | 2022-04-01 | 2022-09-13 | 南京航空航天大学 | 一种基于l1范数正则化的sar相位解缠方法 |
CN114895305A (zh) * | 2022-04-18 | 2022-08-12 | 南京航空航天大学 | 一种基于l1范数正则化的稀疏sar自聚焦成像方法及装置 |
CN114895305B (zh) * | 2022-04-18 | 2024-03-29 | 南京航空航天大学 | 一种基于l1范数正则化的稀疏sar自聚焦成像方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alonso et al. | A novel strategy for radar imaging based on compressive sensing | |
CN108983229B (zh) | 基于sar层析技术的高压输电铁塔高度及形变提取方法 | |
CN112099007B (zh) | 适用于非理想天线方向图的方位向多通道sar模糊抑制方法 | |
Wang et al. | TPSSI-Net: Fast and enhanced two-path iterative network for 3D SAR sparse imaging | |
CN114019507A (zh) | 一种基于l1/2范数正则化的sar干涉图生成方法 | |
CN113567985B (zh) | 逆合成孔径雷达成像方法、装置、电子设备及存储介质 | |
Moradikia et al. | Joint SAR imaging and multi-feature decomposition from 2-D under-sampled data via low-rankness plus sparsity priors | |
CN111239736B (zh) | 基于单基线的地表高程校正方法、装置、设备及存储介质 | |
Ramakrishnan et al. | Enhancement of coupled multichannel images using sparsity constraints | |
CN112415515A (zh) | 一种机载圆迹sar对不同高度目标分离的方法 | |
Li et al. | An interferometric phase noise reduction method based on modified denoising convolutional neural network | |
CN112147608A (zh) | 一种快速高斯网格化非均匀fft穿墙成像雷达bp方法 | |
CN111665503A (zh) | 一种星载sar影像数据压缩方法 | |
Hu et al. | Inverse synthetic aperture radar imaging exploiting dictionary learning | |
Aburaed et al. | Complex-valued neural network for hyperspectral single image super resolution | |
Wu et al. | Superresolution radar imaging via peak search and compressed sensing | |
CN111948652B (zh) | 一种基于深度学习的sar智能参数化超分辨成像方法 | |
Önhon et al. | A nonquadratic regularization-based technique for joint SAR imaging and model error correction | |
Kim et al. | Least squares phase unwrapping in wavelet domain | |
Warner et al. | Two-dimensional phase gradient autofocus | |
Luo et al. | Efficient InSAR phase noise reduction via compressive sensing in the complex domain | |
Kang et al. | SAR time series despeckling via nonlocal matrix decomposition in logarithm domain | |
Deledalle et al. | Speckle reduction in matrix-log domain for synthetic aperture radar imaging | |
CN114895305B (zh) | 一种基于l1范数正则化的稀疏sar自聚焦成像方法及装置 | |
Tupin et al. | Ten years of patch-based approaches for SAR imaging: A review |
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 |