[發明專利]基于壓縮學習感知的SAR高分辨圖像重建方法

有效

• 申請號: 201110074477.0
• 申請日: 2011-03-25
• 公開（公告）號: CN102142139A
• 公開（公告）日: 2011-08-03
• 發明（設計）人: 楊淑媛;焦李成;劉芳;周宇;萬艷艷;王晶;王爽;侯彪;緱水平
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于壓縮學習感知的SAR高分辨圖像重建方法，包括如下步驟：

(1)輸入一組高分辨SAR圖像作為訓練圖像并將其剖分為大小相同的小塊，由這些圖像小塊構造一組訓練圖像集合X并輸入一幅低分辨SAR圖像Y；

(2)根據訓練圖像集合X，隨機初始化目標訓練字典Ψ和耦合觀測矩陣Φ，利用如下公式求解目標訓練字典Ψ和耦合觀測矩陣Φ：

min||X-Ψα||22;||ΨTΦTΦΨ-I||22s.t.∀i,||αi||0≤T,]]>

其中，α為稀疏系數矩陣，為任意第i列，||α_i||₀為矩陣α中系數向量α_i的0范數，和為求解Ψ^TΦ^TΦΨ-I和X-Ψα的2范數的平方，T為稀疏度控制系數，I為單位矩陣；

(3)從低分辨SAR圖像Y中輸入一個小塊y、目標訓練字典Ψ和耦合觀測矩陣Φ，利用快速貝葉斯匹配追蹤FBMP算法求解式：min||β||₀，s.t.y＝ΦΨβ，得到低分辨SAR圖像小塊y的稀疏分解系數β＝E(β/y)，E(·)表示期望；

(4)利用目標訓練字典Ψ和稀疏分解系數β，求解高分辨SAR圖像小塊x，其公式為x＝Ψβ；

(5)重復步驟(3)和步驟(4)，對所有輸入的低分辨SAR圖像小塊依次處理，將每一個高分辨SAR圖像小塊x進行組合，得到SAR高分辨重構圖像Z。

2.根據權利要求1所述的SAR圖像高分辨重建方法，其中步驟(2)所述的利用Couple-KSVD算法求解s.t.||α_i||0≤T，按如下步驟進行：

2a)對公式中的第一個目標函數進行變形，得到：

其中，X為訓練圖像集，Ψ為目標訓練字典，α為稀疏系數矩陣，為Ψ的第j列原子，α^j為α的第j行元素組成的向量，N為Ψ的總列數，為Ψ的第k列原子，α^k為α的第k行元素組成的向量，E_k為不使用Ψ的第k列原子進行信號稀疏分解所產生的誤差矩陣；

2b)對變形后的公式乘以Ω_k，得到目標分解公式

其中Ω_k是大小為P^*|ω_k|的矩陣，P為輸入的訓練圖像集合X的列數，ω_k＝{i|1≤i≤N，α^k(i)≠0}，|ω_k|為ω_k的模值，且Ω_k在(ω_k(j)，j)處為1，在其它點處全為0，其中1≤j≤|ω_k|，ω_k(j)為ω_k的第j個數值；

2c)對目標分解公式中的誤差矩陣進行奇異值分解得到其中U為左奇異矩陣，V^T為右奇異矩陣，Δ為奇異值矩陣；

2d)用左奇異矩陣U的第一列去更新Ψ的第k列原子d_k，同理依次對k取值從1到N對Ψ中所有原子進行更新處理，得到目標訓練字典Ψ和稀疏系數矩陣α；

2e)利用上述目標訓練字典Ψ，求解公式：得到耦合觀測矩陣Φ。