[發明專利]基于頻域及譜矩陣的SAR圖像多層貝葉斯盲解卷積方法

在審

• 申請號: 201510908228.5
• 申請日: 2015-12-10
• 公開（公告）號: CN105551007A
• 公開（公告）日: 2016-05-04
• 發明（設計）人: 徐楓;王鑫;黃鳳辰;高建強;徐立中
• 申請（專利權）人: 河海大學
• 主分類號: G06T5/10
• 分類號: G06T5/10;G06T3/40
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

1.一種基于頻域及譜矩陣的SAR圖像多層貝葉斯盲解卷積方法，其特征是，包括如下步 驟：

1)輸入單幀觀測SAR圖像g，并給出其觀測模型為高斯分布p(g|f,h,β)=(12πβ)N/2exp{-12β||g-h*f||22},]]>式中，f表示原始SAR圖像，h表示點擴散函數，超參數β表示高斯分布觀測模型的方差，N＝P ×Q表示f的行數P和列數Q之積，||·||₂表示2-范數運算符，*表示2維卷積運算符；

2)對原始SAR圖像f進行初始化為f⁰＝g，并給出f的先驗模型為高斯分布 p(f|αim)=(12παim)N/2exp{-12αim||c*f||22},]]>式中，超參數α_im表示f的高斯分布先驗模型的方 差，c表示3×3的拉普拉斯掩模0-0.250-0.251-0.250-0.250;]]>

3)對點擴散函數h進行初始化為h⁰，其三維圖形為一橢圓拋物面，并給出h的先驗模型為 高斯分布式中，超參數α_h表示h的高斯分布先驗模 型的方差，M＝U×V表示h的行數U和列數V之積；

4)將β初始化為β⁰，其置信參數設為γ_β；將α_im初始化為其置信參數設為將α_h初 始化為其置信參數設為將上述3個超參數的先驗模型均設為伽馬分布 Γ(ω|aω0,bω0)=(bω0)aω0Γ(aω0)ωaω0-1exp[-bω0ω],]]>式中，ω＞0表示任一超參數，aω0>0,bω0>0]]>分別表示形 狀和尺度參數，且記

5)將先驗模型中的c零延拓并循環移位為c_es，而后變換至頻域表示為C_es；

6)對g、f和f⁰進行不帶系數的傅里葉變換，在頻域分別表示為G、F和F⁰，并將f的N行N列 循環協方差矩陣cov(f)的譜構建成P×Q的譜矩陣cov(F)，并對譜矩陣初始化為cov⁰(F)＝ 0；

7)采用步驟5)的方法，將h及h⁰零延拓并循環移位為h_es和而后變換至頻域表示為 H_es和

8)采用步驟6)的方法，將h_es的N行N列循環循環協方差矩陣cov(h_es)的譜構建成P×Q的 譜矩陣cov(H_es)，并對譜矩陣初始化為cov⁰(H_es)＝0；

9)采用基于變分優化隨機分布的迭代估計方法對超參數、H_es及F進行迭代估計，得到估 計值及

10)對及進行傅里葉反變換，得到空域值及采用步驟5)的逆過程對進行 循環移位使左上角中心化并去零，得到輸出盲解卷積的最終結果及