[发明专利]基于非凸-非局部全变差正则化的稀疏SAR成像方法及系统

权利要求书

1.一种基于非凸-非局部全变差正则化的稀疏SAR成像方法，其特征在于，包括：

在稀疏SAR成像模型中引入非凸惩罚项和非局部全变差范数惩罚项，构建基于非凸-非局部全变差正则化的稀疏SAR成像模型；

利用改进的变量分离及交替方向乘子法求解所述基于非凸-非局部全变差正则化的稀疏SAR成像模型，完成SAR成像。

2.根据权利要求1所述的稀疏SAR成像方法，其特征在于，所述基于非凸-非局部全变差正则化的稀疏SAR成像模型如下：

其中，λ₁、λ₂为拉格朗日乘子，y为二维回波向量化结果，x为二维场景向量化结果，Φ为对二维回波和二维场景进行向量化后对应的观测矩阵，p_nonconvex(x)为非凸惩罚项，p_NLTV(|x|)为非局部全变差范数惩罚项。

3.根据权利要求2所述的稀疏SAR成像方法，其特征在于，所述非局部全变差范数惩罚项p_NLTV(|x|)的定义为：

其中，X表示SAR二维场景图像；i＝(i₁，i₂)，表示像素点i在图像X中的位置；|X|_i表示图像X中位于位置i的元素；表示|X|_i的非局部梯度向量，M_NLTV表示每个像素点的非局部梯度向量的模构成的矩阵；其中，

其中，w(i，j)表示像素点i和像素点j之间的非局部权重；j＝(j₁，j₂)，表示像素点j在图像X中的位置；|X|_j表示图像X中位于位置j的元素；M_NLTV，i表示像素点i的非局部梯度向量的模构成的矩阵；N_i(D)表示以i为中心、大小为D×D的窗口，D为实数。

4.根据权利要求3所述的稀疏SAR成像方法，其特征在于，像素点i和j之间的非局部权重w(i，j)定义为：

其中，a表示加权欧式距离；a表示高斯核的标准差，且a＞0；N_i(d)表示以i为中心、大小为d×d的窗口，d为实数；N_j(d)表示以j为中心、大小为d×d的窗口；σ_r表示控制参数，且σ_r＞0。

5.根据权利要求2所述的稀疏SAR成像方法，其特征在于，所述非凸惩罚项的定义为：

其中，p_MC(x)表示典型的非凸惩罚项p_nonconvex(x)；x_i表示x中的第i个元素；p_MC(x_i)表示元素x_i的非凸惩罚项；θ表示非凸惩罚项p_MC(x_i)的调节参数，i与N均为正整数，1≤i≤N。

6.根据权利要求1所述的稀疏SAR成像方法，其特征在于，所述利用改进的变量分离及交替方向乘子法求解所述一种基于非凸-非局部全变差正则化的稀疏SAR成像方法模型，完成SAR成像，包括：

初始化迭代参数：雷达回波为y，观测矩阵为Φ，雷达场景初始化为x⁰＝0，中间变量z₁⁰＝0、z₂⁰＝0及p_i，j⁰＝0，拉格朗日乘子λ₁、λ₂，增广拉格朗日惩罚参数γ，非局部全变差正则化迭代步长τ；设定最大迭代步数为T_max，令迭代步数初始值t＝0，迭代终止条件ε；

进行迭代，更新迭代参数；

计算迭代参数。