CN116660896A - 一种基于混合范数的极化HoloSAR三维成像方法 - Google Patents
一种基于混合范数的极化HoloSAR三维成像方法 Download PDFInfo
- Publication number
- CN116660896A CN116660896A CN202310567610.9A CN202310567610A CN116660896A CN 116660896 A CN116660896 A CN 116660896A CN 202310567610 A CN202310567610 A CN 202310567610A CN 116660896 A CN116660896 A CN 116660896A
- Authority
- CN
- China
- Prior art keywords
- sub
- aperture
- imaging
- model
- holosar
- 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.)
- Granted
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 53
- 230000010287 polarization Effects 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 13
- 238000002310 reflectometry Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000005251 gamma ray Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000003325 tomography Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 4
- LWYJUZBXGAFFLP-OCNCTQISSA-N menogaril Chemical compound O1[C@@]2(C)[C@H](O)[C@@H](N(C)C)[C@H](O)[C@@H]1OC1=C3C(=O)C(C=C4C[C@@](C)(O)C[C@H](C4=C4O)OC)=C4C(=O)C3=C(O)C=C12 LWYJUZBXGAFFLP-OCNCTQISSA-N 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003657 Likelihood-ratio test Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005405 multipole Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
- G01S13/904—SAR modes
- G01S13/9052—Spotlight mode
-
- 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)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种基于混合范数的极化HoloSAR三维成像方法，包括：将完整的圆形孔径划分为多个不重叠的子孔径，将每个子孔径聚焦在二维方位‑距离平面中。针对每个子孔径，构建极化HoloSAR成像模型，实现所关注区域的3‑D成像。将每个子孔径中重建的3‑D图像进行坐标变换。获取整个场景的HoloSAR 3‑D图像。与传统的Beamforming方法相比，本发明具有超分辨能力，可以精确恢复散射体的高程位置。与单极化压缩感知(Compressive Sensing，简称CS)重建方法相比，本发明能够抑制虚假目标的干扰，使得高程向后向散射系数的重建更加准确。
Description
技术领域
本发明属于合成孔径雷达(Synthetic Aperture Radar，简称SAR)数据处理领域，具体涉及一种基于混合范数的极化HoloSAR三维成像方法。
背景技术
由于特殊的运动轨迹，圆周SAR(Circular SAR，简称CSAR)不仅可以实现360°全方位角观测，同时能获得比常规SAR成像模式更高的二维(Two-dimensional，简称2-D)成像分辨率(参考文献：M.Soumekh,“Reconnaissance with slant plane circular SARimaging,”IEEE Trans.Image Processing,vol.5no.8,pp.1252-1265,Aug.1996)。层析SAR(SAR Tomography，简称TomoSAR)将合成孔径原理扩展至高程方向。它能够重建每个像素内所有散射体沿高程向上的散射分布(参考文献：A.Reigber and A.Moreira,“Firstdemonstration of airborne SAR tomography using multibaseline L-band data,”IEEE Trans.Geosci.Remote Sens,vol.38no.5,pp.2142-2152,Sept.2000)。但是由于方位角的限制，成像场景中被遮挡的物体会造成阴影，TomoSAR无法完整地重建场景中目标的3-D结构(参考文献：D.Han,L.Zhou,Z.Jiao,B.Wang,Y.Wang and Y.Wu,“Panoramic3Dreconstruction method for SAR tomography based on multi-azimuthobservations,”in Proc.IEEE IGARSS,Brussels,Belgium,11-16Jul.2021,pp.4798-4801)。
HoloSAR结合了TomoSAR和CSAR技术的优点。通过在不同高度获取的多条圆周轨迹CSAR数据，HoloSAR能实现全方位高分辨率3-D重建(参考文献：O.Ponce,P.Prats-Iraola,R.Scheiber,A.Reigber and A.Moreira,“First airborne demonstration ofholographic SAR tomography with fully polarimetric multicircular acquisitionsat L-Band,”IEEE Trans.Geosci.Remote Sens,vol.54no.10,pp.6170-6196,Oct.2016、D.Feng,D.An,L.Chen and X.Huang,“Holographic SAR tomography 3-D reconstructionbased on iterative adaptive approach and generalized likelihood ratio test,”IEEE Trans.Geosci.Remote Sens.,vol.59no.1,pp.305-315,Jan.2021)。但是在飞行采样过程中，对雷达平台的飞行轨迹要求也会更高。通常情况下，为了节约成本，希望飞行航迹的数量尽可能少，同时在实际情况中，稀疏和不均匀的高程采样也是难以避免的(参考文献：Q.Bao,Y.Lin,W.Hong,W.Shen,Y.Zhao and X.Peng,“Holographic SAR tomographyimage reconstruction by combination of adaptive imaging and sparse Bayesianinference,”IEEE Geosci.Remote Sens Lett,vol.14no.8,pp.1248-1252,Aug.2017)。
与单极化情况不同，多极化通道采集的数据包含更多的场景散射信息。因此为准确获取所关注目标的3-D散射特征，我们考虑将不同极化通道收集的回波之间的结构相关性作为先验知识纳入HoloSAR成像中(参考文献：E.Aguilera,M.Nannini and A.Reigber,“Multisignal compressed sensing for polarimetric SAR tomography,”IEEEGeosci.Remote.Sens.Lett.,vol.9no.5,pp.871-875,Sept.2012)。
考虑到极化通道的结构相关性，本发明提出了一种基于L2，1范数的极化HoloSAR3-D成像方法。与传统的Beamforming方法相比，该算法具有超分辨能力，可以精确恢复散射体的高程位置。与单极化CS重建方法相比，该算法能够抑制虚假目标的干扰，使得后向散射系数的重建更加准确。
发明内容
发明目的：针对HoloSAR数据一般存在的轨道数量较少，高程采样稀疏和不均匀的情况，提出了一种基于L2，1范数的极化全息合成孔径雷达(Holographic SyntheticAperture Radar，简称HoloSAR)三维(Three-dimensional，简称3-D)成像方法。在不改变系统运行方式和采样数量的基础上，利用采集的极化数据之间的结构相关性，提高后向散射系数估计的准确性，进而改善3-D重建结果的质量。
技术方案：本发明方法包括如下步骤：
步骤1，将完整圆形轨道均匀的划分为Q个不重叠的子孔径，利用后向投影算法(Back Projection，简称BP)在同一个二维2-D(Two-Dimensional，简称2-D)平面坐标系中对各子孔径回波数据进行聚焦成像，将每个子孔径聚焦在2-D方位-距离平面中，获得每个子孔径的2-D聚焦复图像(“方位”“距离”是二维SAR图像中的两个坐标方向，在文章中一般都是中间加“-”表示)；
步骤2，针对每个子孔径，构建极化HoloSAR成像模型，并采用L2，1范数正则化、模型选择和估计重建的方法进行求解，得到所关注区域重建的3-D成像(关注区域是人为选择的，一般根据自己感兴趣的目标选择三维重建区域)；
步骤3，将每个子孔径中重建的3-D图像进行坐标变换；
步骤4，对所有子孔径的3-D成像结果进行非相干叠加，以获取整个场景的HoloSAR3-D图像。
步骤2包括：
步骤2-1，在仰角为θm时，根据步骤1获得的第q个子孔径的2-D聚焦复图像表达为：
其中N代表在像素(xi，yi)内的散射体总数；gm，q(xi，yi)表示第m次采集时第q个子孔径在(xi，yi)位置处的观测复数值；γn(xi，yi)是第n个散射体反射率函数；是由平均高程角/>和雷达中心频率fc共同决定的基带中心频率，c是光速，e是自然常数，zn表示高程向位置；
将连续高程域划分为离散均匀网格z＝[z1，z2，…，zNa]，Na＞＞N，z1，z2，…，zNa表示高程向上离散均匀分布的Na个位置，设定真实散射体位于离散均匀网格上，每个像素单元M次航过的观测值改写为如下矩阵向量形式：
g＝Φγ+ε
其中，g是子孔径中M次航过的测量向量；Φ是M×Na维的观测矩阵，表示为：γ是高程向上反射率系数向量；ε是由模型选择和测量误差带来的加性噪声；
步骤2-2，构建极化HoloSAR成像模型；
步骤2-3，L2，1范数正则化；
步骤2-4，模型选择；
步骤2-5，参数估计。
步骤2-2包括：在极化HoloSAR模型中，设定获得同一观测场景4种极化模式hh，hv，vh，vv下的SAR单视复图像(hh，hv，vh，vv是雷达系统的四种极化模式)，一像素单元的测量数据表示为：
其中，ghh，ghv，gvh，gvv分别表示在hh，hv，vh，vv四种极化模式下的测量复值向量，Φi、γi分别表示4种极化模式下的观测矩阵和反射率函数，i∈{hh，hv，vh，vv}；
在4种极化模式下，设定在邻近的方位-距离像素内后向散射结构相同，同一观测目标的观测矩阵表示为相同的形式，则有：
Φhh＝Φhv＝Φvh＝Φvv＝Φ
极化HoloSAR成像模型重新表示为：
[ghh，ghv，gvh，gvv]＝Φ[γhh，γhv，γvh，γvv]+ε
进行简化，得到如下表达式：
其中，中间参数G＝[ghh，ghv，gvh，gvv]，中间参数
步骤2-3包括：得到如下的求解模型：
其中λ1，λ2为正则化参数，第一个惩罚项L2，1混合范数用于表征组稀疏特性，第二个惩罚项L1范数用于对成像区域的稀疏度进行约束。
步骤2-4包括：采用惩罚似然准则对模型进行约束，模型选择视为如下优化问题：
其中，C(K)是表示模型复杂度的惩罚函数，是似然函数，/>为所有K个散射体的位置振幅、相位和高度的矢量，/>表示稀疏度，/>表示高程位置。
步骤2-5包括：根据稀疏度和高程位置/>获得更精简的观测矩阵/>极化HoloSAR成像模型变为如下所示的数学模型：
用最小二乘法得到高程向复反射率函数的最大似然估计：
其中(·)H表示共轭转置。
步骤3包括：将在每个子孔径重建的3-D图像由雷达坐标(xi，yi，zn)变换为地面坐标(xg，yg，zg)，具体的坐标变换过程表示如下：
其中φq为子孔径中心方位角。
本发明还提供了一种存储介质，存储有计算机程序或指令，当所述计算机程序或指令被运行时，实现所述一种基于混合范数的极化HoloSAR三维成像方法。
本发明与现有技术相比，其有益效果如下：1.本发明具有超分辨能力，可以精确恢复散射体的高程位置；2.能够抑制虚假目标的干扰，使得后向散射系数的重建更加准确。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。
图1为本发明方法的流程图；
图2为Gotcha数据雷达平台实际飞行轨迹示意图。
图3为HoloSAR成像几何模型示意图。
图4为VV极化数据单圆周CSAR 2-D成像结果示意图。
图5a为目标光学图像示意图。
图5b为基于本发明方法的3-D重建结果示意图。
图6a为目标x-y平面2-D正交投影图像采用Beamforming方法重建结果示意图。
图6b为目标x-y平面2-D正交投影图像采用OMP算法重建结果示意图。
图6c为目标x-y平面2-D正交投影图像采用本发明方法重建结果示意图。
图7a为目标x-z平面2-D正交投影图像采用Beamforming方法重建结果示意图。
图7b为目标x-z平面2-D正交投影图像采用OMP算法重建结果示意图。
图7c为目标x-z平面2-D正交投影图像采用本发明方法重建结果示意图。
具体实施方式
如图1为本发明的总流程图，包括如下步骤：(1)将完整的圆形孔径划分为多个子孔径，并将每个子孔径聚焦在2-D方位-距离平面中。(2)针对每个子孔径，构建极化HoloSAR成像模型，并采用“L2，1范数正则化、模型选择和估计重建”方法进行求解，最终实现所关注区域的3-D成像。(3)将每个子孔径中重建的3-D图像进行坐标变换。(4)对所有子孔径的成像结果进行非相干叠加，以获取整个场景的HoloSAR 3-D图像。
具体实现步骤如下：
步骤S1：Gotcha雷达平台实际飞行轨迹如图2所示。考虑到在实际应用中，场景中大多数目标的散射特征是各向异性的，采用非相干成像处理可以获得更高质量的成像结果。因此，将完整圆形轨道均匀的划分为Q个不重叠的子孔径，利用BP算法在同一2-D平面坐标系中对各子孔径回波数据进行聚焦成像。
步骤S2：构建传统HoloSAR成像模型；
HoloSAR成像的几何结构如图3所示。平台围绕观测场景作圆周运动，形成M条圆周孔径。完整的圆周孔径被划分为Q个无重叠的方位向子孔径进行非相干成像处理。然后在仰角为θm时，第q个子孔径的2-D聚焦复图像表达为：
其中N代表在像素(xi，yi)内的散射体总数，γn(xi，yi)是第n个散射体反射率函数。是由平均高程角/>和雷达中心频率fc共同决定的基带中心频率。
基于3-D成像场景高程向维度通常表现为稀疏性的特点，稀疏恢复方法提供了一种提高高程向分辨率的解决方案。将连续高程域划分为离散均匀网格z＝[z1，z2，…，zNa]，Na＞＞N。假设真实散射体位于离散均匀网格上，那么每个像素单元M次航过的观测值可以改写为如下矩阵向量形式：
g＝Φγ+ε
式中，g是子孔径中M次航过的测量向量。Φ是M×Na维的观测矩阵，可以表示为：γ是高程向上反射率系数向量。ε是由模型选择和测量误差带来的加性噪声。
构建极化HoloSAR成像模型；
在极化HoloSAR模型中，假设获得同一观测场景4种极化模式HH，HV，VH，VV下的SAR单视复图像。与上式相似，某一像素单元的测量数据可表示为：
在4种极化模式下，假定在小的方位-距离像素内后向散射结构相同，因此同一观测目标的观测矩阵可以表示为相同的形式，则有：
Φhh＝Φhv＝Φvh＝Φvv＝Φ
极化HoloSAR成像模型可重新表示为：
[ghh，ghv，gvh，gvv]＝Φ[γhh，γhv，γvh，γvv]+ε
对上式进行简化，得到如下表达式：
步骤S21：L2，1范数正则化
极化通道信号之间的结构相关性表现为极化通道之间的反射率函数的稀疏性属性一致，即不为零的反射率函数出现在相同高程位置，但是值不同。这种结构约束可以提高高程向重建结果的精度和鲁棒性。针对这一特点可以用正则化惩罚项的L2，1混合范数来实现。对于同一组的元素，可以用L1范数正则化进一步对整体观测场景的稀疏性进行约束。综上，可以得到如下的求解模型：
式中λ1，λ2为正则化参数，第一个惩罚项L2，1混合范数用于表征组稀疏特性，第二个惩罚项L1范数用于对成像区域的稀疏度进行约束。
步骤S22：模型选择
上面估计出的后向散射剖面可能包含异常值，模型选择的任务是用于清除这些异常点，获得单个像素内沿高程最可能的稀疏度估计。为了避免数据过拟合，采用惩罚似然准则对模型进行约束。实际模型选择可视为如下优化问题：
式中，C(K)代表了模型复杂度的惩罚函数，是似然函数。各种惩罚函数被设计出来为了不同的应用场景，如贝叶斯准则，网络信息准则。通过选择合适的准则，能估计出分辨单元内最可能的稀疏度/>以及相应的高程位置/>
步骤S23：参数估计
重构得到的强散射元的复反射率函数存在幅度偏小的问题，参数估计的目的是为了对其进行修正。从前面的估计中，我们可以获得更精简的观测矩阵这使得极化HoloSAR成像模型变为如下所示的数学模型：
此时方程已经变成了超定的，可以用最小二乘法得到复反射率函数的最大似然估计：
通过引入极化数据的结构相关性作为先验知识，本文介绍的成像算法通过提供更准确的振幅、相位和高程位置估计来改进3-D重建结果。
步骤S3：将在每个子孔径中重建的3-D图像进行坐标变换；
根据几何关系，将在每个子孔径重建的3-D图像由雷达坐标变换为地面坐标。具体的坐标变换过程表示如下：
其中φq为子孔径中心方位角。
步骤S4：将所有子孔径的结果非相干叠加，生成整个场景的HoloSAR 3-D图像。
下面通过美国空军实验室公布的Gotcha数据集为例对本发明提出的极化HoloSAR3-D成像算法进行实验验证。Gotcha数据集包含8条圆周轨迹的极化CSAR数据，雷达平台实际飞行轨迹如图2所示。雷达中心频率为9.6GHz；规划的所有轨迹的俯仰角范围是[43.7°，45°]；高程向的瑞利分辨率约为0.5m。图4为VV极化数据单次航过CSAR 2-D成像结果。选取图中红色矩形区域作为重建目标，其中包含一辆福特金牛汽车。
为了验证本发明方法的可行性与有效性，我们与基于单极化通道的Beamforming和CS方法进行了对比实验。图5a、图5b为基于本发明算法的3-D成像结果，其中图5a为目标光学图像，图5b为3-D重建结果；图6a、图6b、图6c和图7a、图7b、图7c分别为目标x-y平面和x-z平面2-D正交投影图像；可以看出，基于单极化通道的Beamforming和CS方法也能重建目标的三维结构，但是存在虚假目标，影响3-D重建结果的质量。与传统的Beamforming方法相比，本发明提出的方法，具有超分辨能力，可以精确恢复散射体的高程位置；与单极化CS重建方法相比，该算法能够抑制虚假目标的干扰，使得高程向后向散射系数的重建更加准确。本发明通过提供更准确的振幅、相位和高程位置估计来提高3-D重建结果的质量。
具体实现中，本申请提供计算机存储介质以及对应的数据处理单元，其中，该计算机存储介质能够存储计算机程序，所述计算机程序通过数据处理单元执行时可运行本发明提供的一种基于混合范数的极化HoloSAR三维成像方法的发明内容以及各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，ROM)或随机存储记忆体(random access memory，RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术方案可借助计算机程序以及其对应的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机程序即软件产品的形式体现出来，该计算机程序软件产品可以存储在存储介质中，包括若干指令用以使得一台包含数据处理单元的设备(可以是个人计算机，服务器，单片机。MUU或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本发明提供了一种基于混合范数的极化HoloSAR三维成像方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (8)
1.一种基于混合范数的极化HoloSAR三维成像方法，其特征在于，包括以下步骤：
步骤1，将完整圆形轨道均匀的划分为Q个不重叠的子孔径，利用后向投影算法在同一个二维2-D平面坐标系中对各子孔径回波数据进行聚焦成像，将每个子孔径聚焦在2-D方位-距离平面中，获得每个子孔径的2-D聚焦复图像；
步骤2，针对每个子孔径，构建极化HoloSAR成像模型，并采用L2，1范数正则化、模型选择和估计重建的方法进行求解，得到所关注区域重建的3-D成像；
步骤3，将每个子孔径中重建的3-D图像进行坐标变换；
步骤4，对所有子孔径的3-D成像结果进行非相干叠加，以获取整个场景的HoloSAR 3-D图像。
2.根据权利要求1所述的方法，其特征在于，步骤2包括：
步骤2-1，在仰角为θm时，根据步骤1获得的第q个子孔径的2-D聚焦复图像表达为：
其中N代表在像素(xi，yi)内的散射体总数；gm，q(xi，yi)表示第m次采集时第q个子孔径在(xi，yi)位置处的观测复数值；γn(xi，yi)是第n个散射体反射率函数；是由平均高程角/>和雷达中心频率fc共同决定的基带中心频率，c是光速，e是自然常数，zn表示高程向位置；
将连续高程域划分为离散均匀网格z＝[z1，z2，…，zNa]，Na＞＞N，z1，z2，…，zNa表示高程向上离散均匀分布的Na个位置，设定真实散射体位于离散均匀网格上，每个像素单元M次航过的观测值改写为如下矩阵向量形式：
g＝Φγ+ε
其中，g是子孔径中M次航过的测量向量；Φ是M×Na维的观测矩阵，表示为：γ是高程向上反射率系数向量；ε是由模型选择和测量误差带来的加性噪声；
步骤2-2，构建极化HoloSAR成像模型；
步骤2-3，L2，1范数正则化；
步骤2-4，模型选择；
步骤2-5，参数估计。
3.根据权利要求2所述的方法，其特征在于，步骤2-2包括：在极化HoloSAR模型中，设定获得同一观测场景4种极化模式hh，hv，vh，vv下的SAR单视复图像，一像素单元的测量数据表示为：
其中，ghh，ghv，gvh，gvv分别表示在hh，hv，vh，vv四种极化模式下的测量复值向量，Φi、γi分别表示4种极化模式下的观测矩阵和反射率函数，i∈{hh，hv，vh，vv}；
在4种极化模式下，设定在邻近的方位-距离像素内后向散射结构相同，同一观测目标的观测矩阵表示为相同的形式，则有：
Φhh＝Φhv＝Φvh＝Φvv＝Φ
极化HoloSAR成像模型重新表示为：
[ghh，ghv，gvh，gvv]＝Φ[γhh，γhv，γvh，γvv]
进行简化，得到如下表达式：
其中，中间参数G＝[ghh，ghv，gvh，gvv]，中间参数
4.根据权利要求3所述的方法，其特征在于，步骤2-3包括：得到如下的求解模型：
其中λ1，λ2为正则化参数，第一个惩罚项L2，1混合范数用于表征组稀疏特性，第二个惩罚项L1范数用于对成像区域的稀疏度进行约束。
5.根据权利要求4所述的方法，其特征在于，步骤2-4包括：采用惩罚似然准则对模型进行约束，模型选择视为如下优化问题：
其中，C(K)是表示模型复杂度的惩罚函数，是似然函数，/>为所有K个散射体的位置振幅、相位和高度的矢量，/>表示稀疏度，/>表示高程位置。
6.根据权利要求5所述的方法，其特征在于，步骤2-5包括：根据稀疏度和高程位置/>获得更精简的观测矩阵/>极化HoloSAR成像模型变为如下所示的数学模型：
用最小二乘法得到高程向复反射率函数的最大似然估计：
其中(·)H表示共轭转置。
7.根据权利要求6所述的方法，其特征在于，步骤3包括：将在每个子孔径重建的3-D图像由雷达坐标(xi，yi，zn)变换为地面坐标(xg，yg，zg)，具体的坐标变换过程表示如下：
其中φq为子孔径中心方位角。
8.一种存储介质，其特征在于，存储有计算机程序或指令，当所述计算机程序或指令被运行时，实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310567610.9A CN116660896B (zh) | 2023-05-19 | 2023-05-19 | 一种基于混合范数的极化HoloSAR三维成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310567610.9A CN116660896B (zh) | 2023-05-19 | 2023-05-19 | 一种基于混合范数的极化HoloSAR三维成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116660896A true CN116660896A (zh) | 2023-08-29 |
| CN116660896B CN116660896B (zh) | 2024-07-05 |
Family
ID=87723433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310567610.9A Active CN116660896B (zh) | 2023-05-19 | 2023-05-19 | 一种基于混合范数的极化HoloSAR三维成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116660896B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117289277A (zh) * | 2023-11-27 | 2023-12-26 | 中山大学 | 一种基于子带分割合成的多频雷达三维成像方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107238866A (zh) * | 2017-05-26 | 2017-10-10 | 西安电子科技大学 | 基于合成孔径技术的毫米波视频成像系统及方法 |
| CN108627835A (zh) * | 2018-06-29 | 2018-10-09 | 中国科学院电子学研究所 | 全极化差分sar层析的目标重构方法 |
| CN109917389A (zh) * | 2019-04-16 | 2019-06-21 | 中国人民解放军国防科技大学 | 一种机载全息sar成像中的相位校正方法 |
| WO2020144312A1 (en) * | 2019-01-11 | 2020-07-16 | Evosar Technologies Gmbh | Method and system for automatic real time evaluation of doppler frequency and angle of antenna beam deviation from a normal line of a moving air vehicle |
| CN112099011A (zh) * | 2020-09-21 | 2020-12-18 | 中国科学院空天信息创新研究院 | 基于focuss算法的全息sar子孔径三维重建方法 |
| CN113567982A (zh) * | 2021-07-16 | 2021-10-29 | 南京航空航天大学 | 基于混合范数的方位向周期采样数据稀疏sar成像方法及装置 |
-
2023
- 2023-05-19 CN CN202310567610.9A patent/CN116660896B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107238866A (zh) * | 2017-05-26 | 2017-10-10 | 西安电子科技大学 | 基于合成孔径技术的毫米波视频成像系统及方法 |
| CN108627835A (zh) * | 2018-06-29 | 2018-10-09 | 中国科学院电子学研究所 | 全极化差分sar层析的目标重构方法 |
| WO2020144312A1 (en) * | 2019-01-11 | 2020-07-16 | Evosar Technologies Gmbh | Method and system for automatic real time evaluation of doppler frequency and angle of antenna beam deviation from a normal line of a moving air vehicle |
| CN109917389A (zh) * | 2019-04-16 | 2019-06-21 | 中国人民解放军国防科技大学 | 一种机载全息sar成像中的相位校正方法 |
| CN112099011A (zh) * | 2020-09-21 | 2020-12-18 | 中国科学院空天信息创新研究院 | 基于focuss算法的全息sar子孔径三维重建方法 |
| CN113567982A (zh) * | 2021-07-16 | 2021-10-29 | 南京航空航天大学 | 基于混合范数的方位向周期采样数据稀疏sar成像方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| DONG FENG ET AL.: "Holographic SAR Tomography 3-D Reconstruction Based on Iterative Adaptive Approach and Generalized Likelihood Ratio Test", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》, vol. 59, no. 1, 31 January 2021 (2021-01-31), pages 305 - 315, XP011828779, DOI: 10.1109/TGRS.2020.2994201 * |
| 孙豆;路东伟;邢世其;杨潇;李永祯;王雪松;: "基于稀疏重构的全极化SAR联合多维重建", 雷达学报, no. 05, 31 December 2020 (2020-12-31), pages 117 - 129 * |
| 毕辉 等: "基于高分三号SAR数据的城市建筑高分辨率高维成像", 《雷达学报》, vol. 11, no. 1, 28 February 2022 (2022-02-28), pages 40 - 49 * |
| 高敬坤: "阵列三维成像及雷达增强成像技术研究", 《中国博士学位论文全文数据库 信息科技辑》, 15 January 2021 (2021-01-15), pages 45 - 84 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117289277A (zh) * | 2023-11-27 | 2023-12-26 | 中山大学 | 一种基于子带分割合成的多频雷达三维成像方法及系统 |
| CN117289277B (zh) * | 2023-11-27 | 2024-01-30 | 中山大学 | 一种基于子带分割合成的多频雷达三维成像方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116660896B (zh) | 2024-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9864054B2 (en) | System and method for 3D SAR imaging using compressive sensing with multi-platform, multi-baseline and multi-PRF data | |
| Budillon et al. | Three-dimensional SAR focusing from multipass signals using compressive sampling | |
| CN111208513A (zh) | 空间目标isar图像序列能量反向投影与三维重构方法 | |
| US9971031B2 (en) | System and method for 3D imaging using compressive sensing with hyperplane multi-baseline data | |
| CN102662171B (zh) | 一种sar层析三维成像方法 | |
| CN108594228B (zh) | 基于isar图像重聚焦的空间目标姿态估计方法 | |
| Budillon et al. | SAR tomography from sparse samples | |
| CN110133682B (zh) | 星载全方位sar自适应目标三维重建方法 | |
| CN116660896B (zh) | 一种基于混合范数的极化HoloSAR三维成像方法 | |
| CN112099011A (zh) | 基于focuss算法的全息sar子孔径三维重建方法 | |
| US20160204840A1 (en) | System and Method for 3D Imaging Using a Moving Multiple-Input Multiple-Output (MIMO) Linear Antenna Array | |
| CN110148165B (zh) | 一种基于粒子群优化的三维干涉isar图像配准方法 | |
| Gishkori et al. | Imaging moving targets for a forward-scanning automotive SAR | |
| Feng et al. | A phase calibration method based on phase gradient autofocus for airborne holographic SAR imaging | |
| US8798359B2 (en) | Systems and methods for image sharpening | |
| Vehmas et al. | Data-driven motion compensation techniques for noncooperative ISAR imaging | |
| Yu et al. | Multipass interferometric ISAR for three-dimensional space target reconstruction | |
| CN112505692A (zh) | 多输入多输出逆合成孔径雷达成像方法、系统和存储介质 | |
| CN112179314B (zh) | 一种基于三维网格投影的多角度sar高程测量方法及系统 | |
| CN117192553A (zh) | 一种多航过sar三维成像自聚焦方法 | |
| Wei et al. | LASAR autofocus imaging using maximum sharpness back projection via semidefinite programming | |
| CN109959933A (zh) | 一种基于压缩感知的多基线圆迹合成孔径雷达成像方法 | |
| CN115015925A (zh) | 基于改进匹配追踪的机载阵列雷达超分辨前视成像方法及装置 | |
| Zhang et al. | 2D UESPRIT superresolution SAR imaging algorithm | |
| Manisali et al. | Deep learning-based reconstruction for near-field MIMO radar imaging |
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 |