利用稀疏非负矩阵分解的大转角SAR成像方法

doi:10.3969/j.issn.1001-2400.2014.03.008

J4 ›› 2014, Vol. 41 ›› Issue (3): 49-55.doi: 10.3969/j.issn.1001-2400.2014.03.008

利用稀疏非负矩阵分解的大转角SAR成像方法

许然;李亚超;邢孟道

(西安电子科技大学雷达信号处理国家重点实验室，陕西西安 710071)

收稿日期:2013-07-05 出版日期:2014-06-20 发布日期:2014-07-10
通讯作者: 许然
作者简介:许然(1988-)，男，西安电子科技大学博士研究生， E-mail: xuran@stu.xidian.edu.cn．
基金资助:
国家自然科学基金资助项目(61001211)；973资助项目(2010CB731903)；西安电子科技大学基本科研业务费资助项目(JY10000902014)

Wide angle SAR imaging via sparse non-negative matrix factorization

XU Ran;LI Yachao;XING Mengdao

(National Key Lab. of Radar Signal Processing, Xidian Univ., Xi'an 710071， China)

Received:2013-07-05 Online:2014-06-20 Published:2014-07-10
Contact: XU Ran

摘要/Abstract

摘要：

提出了一种采用稀疏非负矩阵分解(NMF)的大转角成像方法．首先将全孔径划分为若干相互重叠的子孔径，然后分别使用极坐标格式算法获得不同视角下的子图像，最终采用加入稀疏增强正则项的NMF算法在图像域对子图像进行迭代融合，获得目标增强和信噪比更高的全孔径综合图像．仿真实验结果验证了该方法的有效性．

关键词: 合成孔径雷达, 非负矩阵分解, 稀疏, 子孔径, 图像融合

Abstract:

This paper proposes a novel WASAR imaging scheme, which divides the full aperture data into several overlapping sub-apertures and uses the Polar Format Algorithm (PFA) to obtain sub-images at different aspects. Finally we perform full aperture image composition via Non-negative Matrix Factorization (NMF) with a sparse regularization term. The target feature of the synthesized image is enhanced and the SNR is improved. Simulation results verify the effectiveness of the novel approach.

Key words: synthetic aperture radar(SAR), non-negative matrix factorization(NMF), sparseness, sub-aperture, image fusion

中图分类号:

TN957

许然;李亚超;邢孟道. 利用稀疏非负矩阵分解的大转角SAR成像方法[J]. J4, 2014, 41(3): 49-55.

XU Ran;LI Yachao;XING Mengdao. Wide angle SAR imaging via sparse non-negative matrix factorization[J]. J4, 2014, 41(3): 49-55.

参考文献

［1］ Moses R L, Potter L C, Cetin M. Wide Angle SAR Imaging ［C］//Proceedings of SPIE: 5427, Algorithms for Synthetic Aperture Radar Imagery Ⅺ. Bellingham: SPIE, 2004: 164-175.
［2］ Moore T G. A FFT Based Algorithm for the Formation of Wide-angle ISAR Images Using EIP ［C］//IEEE International Radar Conference. Piscataway: IEEE, 1995: 392-395.
［3］ Stojanovic I, Cetin M, Karl W C. Joint Space Aspect Reconstruction of Wide-angle SAR Exploiting Sparsity ［C］//Proceedings of SPIE: 6470, Algorithm for Synthetic Aperture Radar Imagery ⅩⅤ. Bellingham: SPIE, 2008: 697005.
［4］刘启, 洪文, 谭维贤, 等. 宽角合成孔径雷达二维缺失数据自适应幅相估计成像方法［J］. 电子与信息学报, 2012, 34(3): 616-621.
Liu Qi, Hong Wen, Tan Weixian, et al. Adaptive Tuning Missing-data Amplitude and Phase Estimation Method in Wide Angle SAR ［J］. Journal of Electronics ＆ Information Technology, 2012, 34(3): 616-621.
［5］殷海青, 刘红卫. 一种基于L₁稀疏正则化与非负矩阵分解的盲源信号分离新算法［J］. 西安电子科技大学学报, 2010, 37(5): 835-841.
Yin Haiqing, Liu Hongwei. New Blind Source Separation Algorithm Based on L₁ Sparse Regularization and Nonnegative Matrix Factorization ［J］. Journal of Xidian University, 2010, 37(5): 835-841.
［6］ Lee D D, Seung H S. Learning the Parts of Objects by Non-negative Matrix Factorization ［J］. Nature, 1999, 401(21): 788-791.
［7］ Li Y, Ngom A. A New Kernel Non-negative Matrix Factorization and Its Application in Microarray Data Analysis ［C］//IEEE Symposium on Computational Intelligence in Bioinformatics and Computational Biology. Piscataway: IEEE, 2012: 371-378.
［8］ Guo R, Zhang L, Xing M, et al. Polarimetric SAR Image Fusion Using Nonnegative Matrix Factorisation and Improved-RGB Model ［J］. Electronics Letters, 2010, 46(20): 1399-1401.
［9］ Yokoya N, Yairi T, Iwasaki A. Coupled Nonnegative Matrix Factorization Unmixing for Hyperspectral and Multispectral Data Fusion ［J］. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(2): 528-537.
［10］ Zhou F, Bai X, Xing M, et al. Analysis for Wide-angle Radar Imaging ［J］. IET Radar, Sonar and Navigation, 2011, 5(4): 449-457.
［11］ Eggert J, Korner E. Sparse Coding and NMF ［C］//IEEE International Conference on Neural Networks. Piscataway: IEEE, 2004: 2529-2533.
［12］ Hoyer P O. Non-negative Matrix Factorization with Sparseness Constraints ［J］. Journal of Machine Learning Research, 2004, 4(9): 1457-1469.
［13］ Cetin M. Feature-enhanced Synthetic Aperture Radar Imaging ［D］. Boston: Boston University, 2001.
［14］ Lee D D, Seung H S. Algorithms for Non-negative Matrix Factorization ［C］//Neural Information Processing Systems Conference. Cambridge: Massachusetts Institute of Technology Press, 2000: 556-562.
［15］ Bucciarelli M, Pastina D. Multi-grazing ISAR for Side-view Imaging with Improved Cross-range Resolution ［C］//IEEE Radar Conference. Piscataway: IEEE, 2011:939-944.
［16］ Air Force Research Laboratory. Backhoe Data Sample and Visual Challenge Problem［EB/OL］. ［2012-08-18］. Https://www.sdms.afrl.af.mil/.

[1]	杨仲平,周青松,张剑云. 区域能量聚焦技术中超稀疏阵列优化算法[J]. 西安电子科技大学学报, 2021, 48(4): 57-63.
[2]	乔鱼,冯象初. 博弈方法下的图像去噪与边界提取[J]. 西安电子科技大学学报, 2021, 48(4): 128-135.
[3]	陶毅,丁丽. 利用共轭对称性的数字IQ频域校准方法[J]. 西安电子科技大学学报, 2021, 48(2): 181-189.
[4]	逯彦,廖桂生,黄庆享. 结合稀疏表示的跨摄像头运动目标跟踪算法[J]. 西安电子科技大学学报, 2021, 48(2): 197-204.
[5]	胡利平,闫华,钟卫军,殷红成,王超. 舰船目标三维散射中心建模及SAR快速仿真方法[J]. 西安电子科技大学学报, 2021, 48(2): 72-83.
[6]	段崇棣,韩超垒,杨志伟,张庆君. 一种杂波分类辅助的近海岸模糊杂波抑制方法[J]. 西安电子科技大学学报, 2021, 48(2): 64-71.
[7]	杨军,周芳. 分布式小卫星MIMO-SAR超高分辨成像方法[J]. 西安电子科技大学学报, 2021, 48(2): 99-108.
[8]	王昕,常贵清,池琛琛. 广角SAR各向异性散射目标分离成像[J]. 西安电子科技大学学报, 2021, 48(2): 109-116.
[9]	陆金文,闫华,殷红成,张磊,董纯柱. 用于三维散射中心SBR建模的边缘绕射修正[J]. 西安电子科技大学学报, 2021, 48(2): 117-124.
[10]	潘志鹏,雷菁,文磊,唐朝京. 高斯近似消息传播SM-SCMA多用户检测算法[J]. 西安电子科技大学学报, 2020, 47(6): 37-44.
[11]	黄樟钦,母召,岑陈,高寒. 一种多路视频的360度实时拼接技术[J]. 西安电子科技大学学报, 2020, 47(2): 1-8.
[12]	蒋莹,冯明月,徐起,何翼. 高精度宽带欠定信号快速DOA估计方法[J]. 西安电子科技大学学报, 2020, 47(2): 91-97.
[13]	杨晓莉,蔺素珍. 一种注意力机制的多波段图像特征级融合方法[J]. 西安电子科技大学学报, 2020, 47(1): 120-127.
[14]	赵辉,张乐,刘莹莉,张静,张天骐. 低相干高鲁棒性观测矩阵优化[J]. 西安电子科技大学学报, 2019, 46(6): 171-178.
[15]	黄臣,刘宏清,罗臻,周翊. 一种低秩联合稀疏模型下的杂波抑制方法[J]. 西安电子科技大学学报, 2019, 46(6): 60-66.

利用稀疏非负矩阵分解的大转角SAR成像方法

Wide angle SAR imaging via sparse non-negative matrix factorization

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10