RU2604720C1 - Способ восстановления изображений при неизвестной аппаратной функции - Google Patents

Способ восстановления изображений при неизвестной аппаратной функции Download PDF

Info

Publication number
RU2604720C1
RU2604720C1 RU2015156626/07A RU2015156626A RU2604720C1 RU 2604720 C1 RU2604720 C1 RU 2604720C1 RU 2015156626/07 A RU2015156626/07 A RU 2015156626/07A RU 2015156626 A RU2015156626 A RU 2015156626A RU 2604720 C1 RU2604720 C1 RU 2604720C1
Authority
RU
Russia
Prior art keywords
matrix
vector
radio
instrument function
hardware function
Prior art date
Application number
RU2015156626/07A
Other languages
English (en)
Inventor
Владимир Константинович Клочко
Вячеслав Павлович Кузнецов
Original Assignee
Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Рязанский государственный радиотехнический университет"
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 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Рязанский государственный радиотехнический университет" filed Critical Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Рязанский государственный радиотехнический университет"
Priority to RU2015156626/07A priority Critical patent/RU2604720C1/ru
Application granted granted Critical
Publication of RU2604720C1 publication Critical patent/RU2604720C1/ru

Links

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
    • 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
    • G01S13/9094—Theoretical aspects
    • 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
    • G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Processing (AREA)

Abstract

Изобретение относится к радиотеплолокации, а именно к радиотеплолокационным системам наблюдения за объектами с помощью сканирующего радиометра, а также может быть использовано в радиолокации, радиоастрономии и в оптико-электронных системах. Достигаемый технический результат - нахождение аппаратной функции по методу наименьших квадратов (МНК) при восстановлении изображений объектов. Способ восстановления изображений при неизвестной аппаратной функции заключается в умножении вектора наблюдений на матрицу весовых коэффициентов, вычисляемую предварительно на основе МНК-оценок аппаратной функции, найденных для эталонного изображения.

Description

Изобретение относится к радиотеплолокации, а именно к радиотеплолокационным системам наблюдения за объектами с помощью сканирующего радиометра [1, 2], а также может быть использовано в радиолокации, радиоастрономии и в оптико-электронных системах.
Известны способы восстановления изображений [3, 4] по результатам наблюдений с помощью сканирующей по угловым координатам (азимуту и углу места) антенны или фоточувствительного приемника. Моделью наблюдений в таких системах является свертка вида:
Figure 00000001
Figure 00000002
где y(ij) - результат измерения сигнала, принятого с i,j-го дискретного углового направления в координатах θ - угла места, φj - азимута и прошедшего тракт первичной обработки; 2m+1 и 2n+1 - ширина диаграммы направленности антенны (ДНА) соответственно по углу места и азимуту (на уровне 0,5 мощности); α(i,j) - коэффициенты аппаратной функции, отражающие действие ДНА и преобразований в тракте первичной обработки; x(i,j) - искомые величины, имеющие смысл интенсивности излучения в i,j-м направлении объекта наблюдения; p(i,j) - шумы аппаратуры.
Совокупность X={x(i,j)},
Figure 00000003
,
Figure 00000004
представляет матрицу искомого изображения объекта наблюдения, Y={y(i,j)} - матрицу наблюдений, P={p(i,j)} - матрицу помех,
Figure 00000005
,
Figure 00000006
Восстановление X осуществляется в пространственной или частотной областях [5] на основе наблюдений Y и аппаратной функции α(i, j),
Figure 00000007
Figure 00000008
.
Проблема заключается в том, что аппаратная функция α(i,j) точно неизвестна, и для ее нахождения требуется проведение эксперимента. Известен метод нахождения аппаратной функции [5, с. 23], основанный на фильтрующем свойстве дельта функции δ(θ,φ) или функции Кронекера k(ij) для дискретной модели (1). Если в качестве x(i,j) взять точечный источник излучения с амплитудой U: x(i,j)=U·k(i-i0, j-j0), то измерения, полученные при сканировании относительно точки (i0,j0), повторяют форму аппаратной функции с точностью до помех: y(i,j)=Uα(i,j)+p(i,j). Однако значения аппаратной функции при таком подходе будут искажены действием помех, и требуется поиск оптимальных решений подавления помех.
Рассмотрим в качестве прототипа способ восстановления изображения [3] в пространственной области, который заключается в следующих матричных преобразованиях:
1. Матрица наблюдений Y построчно переписывается в (M-2m)(N-2n)-вектор
Figure 00000009
, матрица искомого изображения X - построчно в MN-вектор
Figure 00000010
, матрица помех P представляется (М-2m)(N-2n)-вектором
Figure 00000011
, значения аппаратной функции α(i,j) располагаются в составе (М-2m)(N-2n)xMN-матрицы A по определенному правилу, изложенному, например, на языке MATLAB:
Figure 00000012
2. В принятых обозначениях выражение (1) принимает вид векторно-матричного уравнения:
Figure 00000013
Решением уравнения (2) по критерию минимума квадрата нормы ошибок восстановления:
Figure 00000014
Figure 00000015
то есть метода наименьших квадратов (МНК), является вектор оценок:
Figure 00000016
где T - символ транспонирования, Е - единичная матрица, δ - параметр регуляризации, необходимый для устойчивого обращения матрицы АT A, причем матрица весовых коэффициентов Н=(АTА+δE)-1 АT вычисляется на основе известной матрицы А.
3. Вектор
Figure 00000017
построчно переписывается в матрицу
Figure 00000018
, которая представляет восстановленное изображение объекта.
Рассмотренный способ, как и другие способы восстановления изображений как в пространственной, так и в частотной областях, обладает следующим недостатком. Ошибки восстановления сильно зависят от ошибок задания аппаратной функции, и способ оказывается неустойчивым к ошибкам аппаратной функции. Поэтому перед операциями восстановления требуется нахождение оптимальных оценок
Figure 00000019
аппаратной функции α(i,j) с наименьшими ошибками оценивания, например, в смысле МНК.
Технический результат направлен на нахождение аппаратной функции α(i,j) по методу МНК при восстановлении изображений объектов.
Технический результат предлагаемого технического решения достигается тем, что способ восстановления изображений при неизвестной аппаратной функции заключается в умножении вектора наблюдений
Figure 00000020
справа на матрицу весовых коэффициентов Н, рассчитанную по МНК ошибок восстановления, что дает в результате оптимальный вектор искомого изображения
Figure 00000021
, отличающийся тем, что перед операциями восстановления формируется вектор наблюдений
Figure 00000022
эталонного изображения
Figure 00000023
, который умножается справа на матрицу весовых коэффициентов W, рассчитанную для эталонного изображения
Figure 00000024
по критерию МНК ошибок оценивания аппаратной функции, в результате получается оптимальный вектор
Figure 00000025
оценок аппаратной функции
Figure 00000026
, элементы которого используются при вычислении матрицы весовых коэффициентов Н.
Расчетная часть.
Модель измерения (1) записывается в виде:
Figure 00000027
Figure 00000028
или в векторно-матричной форме:
Figure 00000029
где
Figure 00000030
- вектор-столбец измерений y(i,j), считанных построчно из матрицы Y={y(i,j)};
Figure 00000031
- вектор-столбец искомых значений аппаратной функции α(i,j), записанных построчно из матрицы {α{i,j)};
Figure 00000032
Figure 00000033
- вектор-столбец помех p(i,j); Х1-(M-2m)(N-2n)×(2m+1)(2n+1) - матрица элементов x(i,j), переписанных из матрицы X по определенному правилу, изложенному, например, на языке MATLAB:
Figure 00000034
Из (4) по критерию минимума квадрата нормы
Figure 00000035
то есть МНК, находится оценка
Figure 00000036
вектора
Figure 00000037
относительно
Figure 00000038
и Х1:
Figure 00000039
умножением справа вектора
Figure 00000040
на матрицу весовых коэффициентов:
Figure 00000041
При необходимости для обращения матрицы в (5) используется регуляризация:
Figure 00000042
. Однако число наблюдений в у больше числа оцениваемых параметров в векторе
Figure 00000043
и матрица
Figure 00000044
хорошо обусловлена.
Способ осуществляют следующим образом.
1. Предварительно выполняют следующие операции:
1.1. Известная матрица ХЭ={xЭ(i,j)},
Figure 00000045
,
Figure 00000046
эталонного изображения представляется в форме матрицы Х1.
1.2. При сканировании поля эталонного изображения ХЭ по пространству
Figure 00000047
Figure 00000048
получается матрица YЭ, которая переписывается в вектор
Figure 00000049
.
1.3. По формуле (5) вычисляется матрица весовых коэффициентов W и вектор
Figure 00000049
умножается справа на эту матрицу. В результате получается вектор оптимальных оценок
Figure 00000050
, элементы которого записываются в матрицу оценок значений аппаратной функции
Figure 00000051
.
1.4. Для найденной матрицы
Figure 00000052
вычисляется матрица весовых коэффициентов
Figure 00000053
.
2. В рабочем режиме при восстановлении изображения X выполняют следующие операции:
2.1. При сканировании поля искомого изображения X по пространству
Figure 00000054
Figure 00000055
получается матрица наблюдений Y, которая переписывается в вектор
Figure 00000020
.
2.2. Вектор
Figure 00000056
умножается справа на матрицу Н, в результате получается вектор оптимальных оценок
Figure 00000057
.
2.3. Элементы вектора
Figure 00000058
построчно переписываются в матрицу
Figure 00000059
, которая представляет восстановленное изображение объекта.
Замечание. Взятые из состава вектора
Figure 00000050
оценки аппаратной функции
Figure 00000060
можно использовать и при других способах восстановления изображений, например с помощью восстанавливающего фильтра Винера в частотной области [5].
Литература
1. Николаев А.Г., Перцов С.В. Радиотеплолокация (пассивная радиолокация). М.: Сов. радио, 1964. 335 с.
2. Шарков Е.А. Радиотепловое дистанционное зондирование Земли: физические основы: в 2 т. / Т. 1. М.: ИКИ РАН, 2014. 544 с.
3. Патент RU 2292060.
4. Патент RU 2379706.
5. Василенко Г.И., Тараторин A.M. Восстановление изображений. М.: Радио и связь, 1986. 304 с.

Claims (1)

  1. Способ восстановления изображений при неизвестной аппаратной функции, заключающийся в умножении вектора наблюдений
    Figure 00000061
    справа на матрицу весовых коэффициентов H, рассчитанную по методу наименьших квадратов (МНК) ошибок восстановления, что дает в результате оптимальный вектор искомого изображения
    Figure 00000062
    , отличающийся тем, что перед операциями восстановления формируется вектор наблюдений
    Figure 00000063
    эталонного изображения
    Figure 00000064
    , который умножается справа на матрицу весовых коэффициентов W, рассчитанную для эталонного изображения
    Figure 00000065
    по критерию МНК ошибок оценивания аппаратной функции, в результате получается оптимальный вектор
    Figure 00000066
    оценок аппаратной функции
    Figure 00000067
    , элементы которого используются при вычислении матрицы весовых коэффициентов H.
RU2015156626/07A 2015-12-28 2015-12-28 Способ восстановления изображений при неизвестной аппаратной функции RU2604720C1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2015156626/07A RU2604720C1 (ru) 2015-12-28 2015-12-28 Способ восстановления изображений при неизвестной аппаратной функции

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2015156626/07A RU2604720C1 (ru) 2015-12-28 2015-12-28 Способ восстановления изображений при неизвестной аппаратной функции

Publications (1)

Publication Number Publication Date
RU2604720C1 true RU2604720C1 (ru) 2016-12-10

Family

ID=57776657

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2015156626/07A RU2604720C1 (ru) 2015-12-28 2015-12-28 Способ восстановления изображений при неизвестной аппаратной функции

Country Status (1)

Country Link
RU (1) RU2604720C1 (ru)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2285940C2 (ru) * 2005-01-11 2006-10-20 ОАО "Уральское проектно-конструкторское бюро "Деталь" Способ измерения радиометрических контрастов целей и радиометр для его реализации
RU2292060C1 (ru) * 2005-06-28 2007-01-20 Рязанская государственная радиотехническая академия Способ наблюдения за воздушными объектами и поверхностью на базе бортовой рлс
RU2373552C1 (ru) * 2008-04-14 2009-11-20 Федеральное агентство по образованию Государственное образовательное учреждение высшего профессионального образования Рязанский государственный радиотехнический университет Способ формирования радиолокационного изображения в бортовых системах радиовидения
RU2411536C1 (ru) * 2009-06-15 2011-02-10 Федеральное агентство по образованию Государственное образовательное учреждение высшего профессионального образования Рязанский государственный радиотехнический университет Способ двухэтапного восстановления радиолокационного изображения
JP4977806B2 (ja) * 2010-08-09 2012-07-18 パナソニック株式会社 レーダイメージング装置、イメージング方法及びそのプログラム
US20130106642A1 (en) * 2011-10-26 2013-05-02 Raytheon Company Subterranean radar system and method
US20140168007A1 (en) * 2012-12-19 2014-06-19 Sony Corporation Method for generating an image and handheld screening device

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2285940C2 (ru) * 2005-01-11 2006-10-20 ОАО "Уральское проектно-конструкторское бюро "Деталь" Способ измерения радиометрических контрастов целей и радиометр для его реализации
RU2292060C1 (ru) * 2005-06-28 2007-01-20 Рязанская государственная радиотехническая академия Способ наблюдения за воздушными объектами и поверхностью на базе бортовой рлс
RU2373552C1 (ru) * 2008-04-14 2009-11-20 Федеральное агентство по образованию Государственное образовательное учреждение высшего профессионального образования Рязанский государственный радиотехнический университет Способ формирования радиолокационного изображения в бортовых системах радиовидения
RU2411536C1 (ru) * 2009-06-15 2011-02-10 Федеральное агентство по образованию Государственное образовательное учреждение высшего профессионального образования Рязанский государственный радиотехнический университет Способ двухэтапного восстановления радиолокационного изображения
JP4977806B2 (ja) * 2010-08-09 2012-07-18 パナソニック株式会社 レーダイメージング装置、イメージング方法及びそのプログラム
US20130106642A1 (en) * 2011-10-26 2013-05-02 Raytheon Company Subterranean radar system and method
US20140168007A1 (en) * 2012-12-19 2014-06-19 Sony Corporation Method for generating an image and handheld screening device

Similar Documents

Publication Publication Date Title
Zhang et al. Super-resolution surface mapping for scanning radar: Inverse filtering based on the fast iterative adaptive approach
Rau et al. Advances in calibration and imaging techniques in radio interferometry
Guan et al. Maximum a posteriori–based angular superresolution for scanning radar imaging
CN108051810B (zh) 一种InSAR分布式散射体相位优化方法
CN104268844B (zh) 一种基于加权局部图像熵的小目标红外图像处理方法
Hysell et al. Optimal aperture synthesis radar imaging
Klibanov et al. A new version of the convexification method for a 1D coefficient inverse problem with experimental data
Chen et al. Mitigation of azimuth ambiguities in spaceborne stripmap SAR images using selective restoration
Ma et al. Target imaging based on ℓ 1 ℓ 0 norms homotopy sparse signal recovery and distributed MIMO antennas
Li et al. Noise filtering of high-resolution interferograms over vegetation and urban areas with a refined nonlocal filter
CN112415515A (zh) 一种机载圆迹sar对不同高度目标分离的方法
Ren et al. SIRV-based high-resolution PolSAR image speckle suppression via dual-domain filtering
CN104407485B (zh) 一种基于角位置纠缠的量子关联成像方法
Lu et al. Accurate SAR image recovery from RFI contaminated raw data by using image domain mixed regularizations
RU2604720C1 (ru) Способ восстановления изображений при неизвестной аппаратной функции
Fan et al. Underwater image restoration by means of blind deconvolution approach
Ndoye et al. An mm-based algorithm for l 1-regularized least squares estimation in gpr image reconstruction
Espejo et al. Gegenbauer random fields
Xu et al. A novel SAR imaging method based on morphological component analysis
Gavaskar et al. Regularization using denoising: Exact and robust signal recovery
Hu et al. The spatial resolution enhancement deconvolution technique of the optimized wiener filter in Terahertz band
JPWO2018105106A1 (ja) 観測装置および観測方法
Sica et al. Benefits of blind speckle decorrelation for InSAR processing
Zhang et al. An improved parameter filtering approach for processing GRACE gravity field models using first-order Gauss–Markov process
Zhang et al. Adaptive spatial filtering of interferometric data stack oriented to distributed scatterers

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20171229