基于Fourier原子的基追踪方法在SAR超分辨成像中的应用

将基追踪方法的应用扩展到SAR图像的超分辨问题上来.首先在相位历史域依据SAR目标属性散射模型构造了一类具有快速算法的Fourier原子;其次利用Fourier原子的可分离特性,分别在图像的行和列的方向上构造相应的字典,降低了字典的维数和计算复杂度,并且设计了一种新的迭代算法进行快速求解基追踪优化问题;最后对得到的表示系数作IFFT变换以得到更高分辨率的SAR图像.仿真算例和MSTAR实测数据计算表明,基于Fourier原子的基追踪方法能够快速稳定实现,同时具有良好的超分辨性能.     

一种新的SAR超分辨成像方法

提出了一种新的合成孔径雷达(SAR)超分辨成像方法。首先在图像域获得散射中心特征参数的初始估计，然后在相位历史域利用非线性回归模型的参数估计方法获得散射中心特征参数的高精度估计，最后依据相位历史域SAR点散射模型，生成更大尺度的相位历史数据，对得到的相位历史数据成像即得到了更高分辨率的SAR图像。仿真计算结果表明，该方法能够快速稳定实现，同时具有良好的超分辨性能。     

多形态稀疏性正则化的图像超分辨率算法

 如何设计更加高效并能保持图像几何和纹理结构的多幅图像超分辨模型和算法是目前该领域有待解决的难点问题.针对图像的几何、纹理结构形态,分别建立符合类内强稀疏而类间强不相干的几何结构和纹理分量稀疏表示子成份字典,形成图像的多形态稀疏表示模型,进而提出一种新的基于多形态稀疏性正则化的多帧图像超分辨凸变分模型,模型中的正则项刻画了理想图像在多成份字典下的稀疏性先验约束,保真项度量其在退化模型下与观测信号的一致性,采用交替迭代法对该多变量优化问题进行数值求解,每一子问题采用前向后向的算法分裂法进行快速求解.针对可见光与红外图像序列进行了数值仿真,实验结果验证了本文模型与数值算法的有效性.     

基于字典稀疏表示的图像超分辨率重建

针对单字典学习的稀疏表示超分辨算法不能保证相邻图像块的兼容性而导致稀疏重建后图像质量低的问题,提出了图像块对学习的稀疏表示的改进方法。该方法使用主成份分析法处理训练样本的图像特征块;然后在输入的低分辨率图像块的稀疏表示系数中恢复出高分辨率图像块;最后将低分辨图像块的稀疏表示与高分辨图像块字典组合生成高分辨率图像块的超分辨重建算法。实验数据对于提出的算法能有效地恢复出质量更好的图像且峰值信噪比有所提高。     

图像稀疏表示及图像超分辨应用分析

随着科学技术的进步,图像稀疏表示以及图像超分辨在当下的图像处理中得到了较为广泛的应用,对于图像高效率表示来说,具有十分重要的影响。图像稀疏表示技术以及图像超分辨应用对于促进图像应用发展起到了较为不错的效果,其在应用过程中,主要基于图像稀疏表示模型,对稀疏分解以及字典构造问题进行了表述。文章对图像稀疏表示及图像超分辨过程中的稀疏表示及图像超分辨应用上的图像去噪、修复以及识别问题进行了总结和分析,希望能够为图像稀疏表示及图像超分辨应用提供一些参考和建议。     

基于小波字典稀疏表示的SAR图像目标识别

针对稀疏表示识别算法在图像域构造冗余字典时过分依赖预处理及原子维数较大的问题,提出基于小波字典的 SAR图像稀疏表示识别算法。首先采用二维离散小波变换将原始图像变换到小波域,建立小波域 SAR图像特征模型,得出小波域低频成分可充分表征目标类别信息的结论。然后取小波域低频成分进行2DPCA特征抽取构造小波字典,最后由改进 OMP 算法稀疏分解系数得到识别结果。SAR MSTAR数据的实验结果表明,在无预处理的情况下识别率高达99％,并且在含噪比10％的情况下识别率仍达96％。     

基于小波字典稀疏表示的SAR图像目标识别

针对稀疏表示识别算法在图像域构造冗余字典时过分依赖预处理及原子维数较大的问题,提出基于小波字典的SAR图像稀疏表示识别算法。首先采用二维离散小波变换将原始图像变换到小波域,建立小波域SAR图像特征模型,得出小波域低频成分可充分表征目标类别信息的结论。然后取小波域低频成分进行2DPCA特征抽取构造小波字典,最后由改进OMP算法稀疏分解系数得到识别结果。SAR MSTAR数据的实验结果表明,在无预处理的情况下识别率高达99%,并且在含噪比10%的情况下识别率仍达96%。     

多极化SAR图像联合稀疏去噪

给出了一种基于联合稀疏表示的多极化合成孔径雷达(SAR)图像滤波算法。首先,利用三个极化通道(HH、HV、VV)的部分SAR图像数据进行字典联合训练;然后,对极化SAR的三个通道图像构建联合稀疏描述模型;最后,采用正交匹配追踪算法求解联合稀疏系数,重构每个通道的图像。文中采用美国AIRSAR实测半月湾数据进行实验,并与每个通道图像单独稀疏去噪再合成的功率图像结果进行比较,结果表明:该算法不仅对图像的斑点噪声抑制效果明显,而且边缘特性和强散射点目标幅值特征保持效果良好。     

连续场景的稀疏阵列SAR侧视三维成像研究

合成孔径雷达的回波数据和图像数据都是复数,由于各个分辨单元散射点的初始相位是随机的,致使连续变化地物场景的信号带宽较大,传统的单天线SAR很难实现空间稀疏降采样。该文采用交轨向多天线观测结构,分析了交轨向稀疏阵列SAR的成像模型,首次提出利用信号重构方法,去除散射点随机初相位,降低复信号带宽,以较大间隔的空间稀疏采样实现稀疏阵列SAR侧视3维成像。干涉SAR 2维成像实际数据处理结果验证了通过信号重构可以降低复信号带宽,稀疏阵列SAR侧视3维成像的仿真结果验证了该文方法的有效性。     

基于压缩感知的多角度SAR特征提取

为提高目标属性散射中心参数估计的精度和鲁棒性,利用多角度SAR数据作为输入,将参数估计问题转化为稀疏向量重构问题,使用分步估计算法提高计算效率,从而实现多角度SAR特征提取.研究内容包括两方面,一是论证多角度SAR的角度和频率分集特性对字典矩阵性能的改善.另外,为提高算法效率,本文提出分步参数估计算法.首先用理想点目标模型得到初步估计的图像表示,然后通过图像分割和能量中心计算估计模型阶次、位置和散射类型,最后以初步估计为先验信息重新构造字典矩阵,得到最终估计.实验验证了算法鲁棒性以及分辨率的改善.     

基于几何绕射模型的多频带信号融合新方法

多频带雷达信号融合处理利用从不同频段获取的目标在一维谱域呈稀疏分布的雷达观测数据,通过信号级相干融合来提高目标散射中心参数估计精度和一维距离像的分辨能力。传统谱估计类融合方法的性能都受限于模型阶数估计。而多频带的稀疏分布,破坏了观测系统矩阵的互相干性度量,从而使得基追踪（基于l1范数的稀疏表示）方法的全局最优解可能并不等于信号的真实稀疏表示。本文在GTD散射模型的基础上,提出了一种基于稀疏贝叶斯学习的融合方法,既避免了阶数估计,又克服了基追踪方法的缺陷。实验结果也表明了此方法的优越性。      

基于匹配追踪的ISAR超分辨成像方法

稀疏信号表示在与信号结构匹配方面具有很大的灵活性,可以用于逆合成孔径雷达(ISAR)成像.目前常用的算法基寻踪法和FOCUSS法都是并行算法,计算量很大.而匹配追踪法是一种逐步选取基函数的算法,计算量小.因而是一种更有效的成像算法.对于仿真和真实ISAR雷达数据,匹配追踪法得到的图像分辨率大大高于传统的傅里叶变换方法.故表明匹配追踪法是一种有效的ISAR超分辨成像方法.     

基于稀疏表示的SAR图像属性散射中心参数估计算法

考虑目标频率-方位2维观测数据在属性散射中心模型参数空间上的稀疏性,该文提出一种基于稀疏表示的属性散射中心提取与参数估计方法。由于模型参数维数较高,构造的高维联合字典将消耗较多系统资源。该算法通过分别构建包含位置信息与方位属性参数信息的两个低维字典代替高维的联合字典实现距离特性与方位特性的解耦合,以降低资源需求,并通过正交匹配追踪(OMP)-RELAX联合算法求解l0优化问题,从而实现在频率-方位角域上位置参数与方位属性参数的联合估计。根据提取的属性散射中心可以有效地估计目标或目标重要部件的几何尺寸。基于电磁计算数据和实测数据的实验结果验证了该算法的有效性。     

一种改进的用于稀疏表示的正交匹配追踪算法

稀疏表示理论在军事目标识别、雷达目标参数估计等领域应用越来越广,而目标信号的稀疏表示通常不唯一,因此产生了大量的稀疏表示算法。本文基于现有稀疏表示算法的研究,提出一种改进的正交匹配追踪(OMP)算法。首先采用非线性下降的阈值更快速地选择原子,确定备选原子集,提高了算法速度;其次用正则化的二次筛选剔除备选原子集中能量较低的原子,保证了算法精确度;并设置迭代停止条件实现算法的稀疏度自适应。实验结果表明,本文算法可以实现稀疏表示求解精确度和速度上的平衡,求解速度比基追踪(BP)算法快,精确度比OMP、正则化OMP(ROMP)、基于自适应OMP回溯(BAOMP)算法高。     

Bayesian Shearlet shrinkage for SAR image de-noising via sparse representation

As SAR has been widely used nearly in every field, how to improve SAR’s image in both quality and visual effect has become necessary. Before what we really process the SAR image like image segmentation, edge detection, target detection or other processing, we must suppress the speckle noise in the image firstly. By analyzing the sorts and origins of noises, we present a new de-noising method of SAR image in the Shearlet domain based on sparse representation and Bayesian theory. Firstly, we apply the Shearlet transform to the noised SAR image. Secondly, we construct a new de-noising model via sparse representation and then use iterative algorithm based on Bayesian theory to solve it. Lastly, we can obtain the clean SAR image from the de-nosing Shearlet coefficients. The experimental results show that the proposed algorithm can not only effectively suppress speckle noise to improve the PSNR of SAR image, but also significantly improves the visual effect of SAR image, especially in enhancing the image’s texture.     

基于稀疏表示的Shearlet域SAR图像去噪

该文通过分析SAR图像的噪声成因以及其斑点噪声模型,结合图像的稀疏表示理论提出一种基于稀疏表示的Shearlet域SAR图像去噪算法。算法从整体上对SAR图像进行去噪:首先对SAR图像进行Shearlet变换,然后利用稀疏表示模型构造出去噪的最优化模型,在此基础上进行迭代去噪,然后重构SAR图像得到去噪后的图像。实验结果表明:该文所提出的算法不仅可以显著去除相干斑噪声,提高去噪图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR),还明显地改善了图像的视觉效果,更好地保留了图像纹理信息。     

稀疏微波SAR图像特征分析与目标检测研究

稀疏微波成像利用观测场景在空时频极化等表示域上的稀疏先验,通过线性综合测量方式获得比传统Nyquist采样低得多的回波数据,使用优化重构算法恢复观测场景微波图像,相对于传统微波成像体制具有诸多优势。在稀疏微波成像体制下,图像的获取和表征均发生了变化,需要在雷达图像理解现有理论和方法的基础上,研究新的特征分析和认知解译理论与方法。该文分析了稀疏SAR图像的统计特性以及点、线、面等特征的变化情况,对于使用空域稀疏模型重构的SAR图像,统计分布退化,适当降低采样率不影响点、线目标的提取精度。在此基础之上,研究了稀疏SAR图像海上舰船目标检测方法,得益于较弱的背景噪声,稀疏SAR图像的目标检测使用简单的阈值处理即可获得较好的检测效果。