SARimageBayesiancompressivesensing【中文】.docxVIP

利用定向提升小波变换域的尺度内和尺度间依赖关系的ASR贝叶斯压缩感知摘要：压缩感知（CS）为我们提供了一种新的解决方案来减少传输和储存高分辨率的合成孔径雷达（SAR）图像的大量数据。为了提高CS的性能，本文提出了以定向提升小波变换（DLWT）为稀疏表示的SAR图像压缩感知。随后在DLWT域的基于贝叶斯的SAR图像重构算法被提出。为进一步提高重构效果，提出了一种充分利用DLWT系数尺度内衰减和尺度间定向聚集特性的先验概率模型。1前言SAR是一个可以搭载在各类机载和星载平台上的主动成像微波传感器，由于其有用在所有天气和昼夜条件下工作的能力，SAR正在成为遥感中不可或缺的工具。由于具有较高的空间分辨率，SAR会面临一个巨大的数据率，而这就需要有效的数据压缩以减少传输和储存的数据量。传统上，基于变换的图像编码主要被用来降低SAR图像数据率。然而，这些基于变换的图像编码需要采样更高的数据率，这就增加了SAR系统的复杂度。最近压缩感知理论提出了用远少于传统奈奎斯特采用率的测量值重构稀疏或可压缩信号，它已经作为另一种降低巨大SAR数据率的另一种方案吸进了广泛的研究。更具体来说，论文【8】提出了一种基于CS的采用迭代收缩/阈值(IST)恢复的SAR图像压缩算法；论文【9】提出了一种通过独立成分分析和压缩采样的SAR图像压缩方法；论文【10】提出了一种在小波变换域采用正交匹配追踪法（OMP）的基于C