基于先验信息的SAR目标增强成像方法研究.pdfVIP

摘要

合成孔径雷达（SAR）作为一种主动式微波探测系统，具有全天时、全天候

成像的能力，在航空航天、地理测绘、军事制导等领域有着重要应用价值。随着

雷达技术的发展，SAR成像的性能越来越高，人们对SAR图像的目标细节特征需

求也在不断提高。传统的匹配滤波类成像方法没有利用任何先验信息，无法适应

目标及环境的特性，其成像性能难以得到突破。近年来兴起的压缩感知SAR成像

方法，利用了目标的稀疏性先验信息，能够增强目标散射点的特征。然而仅利用

稀疏性先验难以增强目标的边缘和纹理等其他结构特征，并且成像结果容易受到

目标以外的强杂波散射点干扰。因此，研究更加有效的SAR目标特征增强成像方

法具有重要的意义。

基于先验信息的SAR目标增强成像是在压缩感知稀疏SAR成像的基础上，通

过在重构模型中加入对目标先验信息的表征，以此适应成像场景的目标与环境特

性，在成像过程中实现目标的特征增强。

本文针对基于稀疏先验的SAR成像方法存在的问题，通过对SAR图像中更多

的结构特征先验信息加以利用，展开了SAR目标特征增强成像方法的研究，主要

的研究内容如下：

1.建立了机载SAR成像的回波信号模型，针对传统匹配滤波类SAR成像方法

无法适应目标与环境特性的问题，研究了利用稀疏先验信息的压缩感知SAR成像

方法，为目标增强SAR成像方法的研究奠定了理论基础。

2.提出了加权与混合全变分（TV）正则化SAR目标增强成像方法。该方法利

用统计先验信息对初始成像结果进行目标分割，分别对目标区域和背景区域进行

加权，并在此基础上构造了表征目标结构先验信息的混合TV正则项，实现了目标

特征的增强与背景杂波的抑制。

3.提出了针对复杂场景的结构聚类字典学习SAR目标增强成像方法。该方法

根据结构特征对图像块样本集进行聚类，通过K-SVD算法对各类图像块进行稀疏

字典学习，获得了包含场景先验信息的超完备字典，完成了对成像场景的稀疏重

构，实现了不满足稀疏特性的复杂场景目标特征增强。

以上所述的SAR目标增强成像方法，均通过仿真实验的验证。实验结果证明

了本文所提出的成像方法能够有效增强目标的特征。

关键词：合成孔径雷达，稀疏成像，目标增强，全变分，字典学习

ABSTRACT

Asanactivemicrowavedetectionsystem,syntheticapertureradar(SAR)hasthe

capabilityofall-weatherandall-weatherimaging,andhasimportantapplicationvalue

inaerospace,geographicmapping,militaryguidanceandotherfields.Withthe

developmentofradartechnology,theperformanceofSARimagingisgettinghigher

andhigher,andthedemandfortargetdetailfeaturesofSARimageisalsoincreasing.

Thetraditionalmatchedfilteringimagingmethoddoesnotuseanypriorinformation

andcannotadapttothecharacteristicsofthetargetandenvironment,soitsimaging

performanceisdifficulttobebrokenthrough.Inrecentyears,compressedsensingSAR

imagingmethodscanenhancethefeaturesoftargetscatteringpoints