基于结构保持的星载SAR图像超分辨重构算法

星载合成孔径雷达（SAR）可以实现全天候、全天时、大幅宽的对地观测，但受天线尺寸和数据有损传输影响，高分辨率SAR图像的获取十分困难。针对该问题，提出一个基于结构保持的图像超分辨重构网络（SP-SRNet），以实现SAR图像从低分辨（LR）图像到高分辨（HR）图像的重构：使用一个轻量级深度卷积神经网络提取图像梯度图特征，为超分辨重构网络提供更多的结构信息；设计一个由像素损失和梯度损失组成的多目标函数优化SP-SRNet。利用ICEYE公司卫星高分辨SAR图像，采用双3次下采样算法构建SAR图像的LR-HR数据集，并在该数据集运用多种现有算法对比仿真验证。结果表明，提出的SP-SRNet在定量评估指标和主观视觉上均优于现有的超分辨重构算法。