论文部分内容阅读
高分辨率雷达卫星,在应急减灾等领域有着先天优势,但受硬件系统的限制、平台非理想运动、成像条件不理想及系统相干斑噪声等因素影响,实际获得的雷达图像分辨率较低,图像质量较差。因此开展雷达图像超分辨率重建的研究,从图像处理角度,提高雷达图像分辨能力,具有重要的应用意义。近年来稀疏表示在图像重建中表现出极大的生命力,并在光学图像的超分辨率重建中得到了较好的应用。本文从稀疏理论角度研究星载雷达图像的超分辨率重建问题,主要内容如下:(1)研究星载雷达图像的退化机理及稀疏先验特性。分析雷达成像系统模糊降质因子及其先验知识的表达,提出利用椭球抛物面模型来模拟SAR脉冲响应函数,并实验验证了模型的适用性;研究了目标散射特性及其先验知识表达;研究了星载SAR目标散射场景的稀疏特性,包括图像数据本身的稀疏性和图像参数化模型的稀疏性。(2)在稀疏理论的基础上,分别从变分模型和贝叶斯理论角度,探讨了单通道星载雷达图像超分辨率重建的正则化泛函模型,研究了基于lp范数和洛伦茨(Lorentz)稀疏先验约束的重建模型,并对模型进行了推导求解及参数估计,利用星载SAR图像数据进行了实验验证,证明此方法在SAR图像去噪及目标增强方面效果较为显著。(3)在单通道SAR重建的基础上,研究了多通道SAR图像的重建问题。首先分析了相同传感器、相同入射角条件下的多通道序列图像差异因子,对运动差异和几何形变差异利用图像配准改善;模糊降质差异利用估计的椭圆抛物面模型。在单通道重建泛函模型基础上,提出了多通道星载雷达图像超分辨率重建的泛函模型,利用稀疏先验知识、序列图像差异因子以及联合稀疏约束的分析成果,研究了基于lp范数稀疏约束的多通道SAR重建泛函表达形式及模型的求解问题,并利用三通道SAR图像进行了实验验证,证明多通道SAR重建的可行性,且本文方法能够在抑制噪声的同时,提高SAR图像的空间分辨率。(4)研究了重建过程中算法的优化问题。提出了“多维卷积转矩阵”的计算方法,解决了大量卷积运算的复杂性问题,该方法可以有效的提高大影像处理速度。