[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

说明书

本公开提供了一种基于非凸‑非局部全变差正则化的稀疏SAR成像方法，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。本公开还提供了一种基于非凸‑非局部全变差正则化的稀疏SAR成像系统、电子设备、存储介质及计算机程序产品。

技术领域

本公开涉及雷达成像技术领域，具体涉及一种基于非凸-非局部全变差正则化的稀疏SAR成像方法及系统。

背景技术

合成孔径雷达(Synthetic aperture radar，SAR)是一种主动式微波成像系统，具有全天时、全天候和高分辨率成像的特点，被广泛应用于环境监测和土地资源管理等方面。随着SAR技术的发展，要求雷达系统的分辨率和测绘带宽不断提高，大数据量的瓶颈也越发明显。稀疏SAR成像是一种利用稀疏信号处理方法实现SAR成像的新体制，在过去的十年里，随着压缩感知技术的发展，该新型成像体制得到了广泛的研究。

基于L₁正则化的SAR成像方法，可以在满采样的条件下，有效抑制噪声和杂波，提升图像质量；在降采样率的情况下，有效重构SAR图像，保持目标细节。L₁正则化可以增强SAR图像中点目标特征；全变差(Total variation，TV)正则化可以增强SAR图像中的面目标特征，保持面目标后向散射系数的连续性、均匀性。将L₁范数惩罚项和TV范数惩罚项进行简单线性组合生成一个复合惩罚函数，可以得到L₁-TV正则化模型，该模型既可以增强点目标特征，又可以增强面目标特征。但是L₁-TV正则化存在以下两个问题：1)、L₁正则化方法是一种凸优化方法，对SAR重建目标的幅度进行低估，造成信号处理端的误差，进而对SAR定标的精度造成影响；2)、TV正则化会过度平滑场景中的孤立点目标，导致增强面目标特征与保持点目标重构精度之间出现矛盾。

发明内容

为解决现有技术中存在的问题，本公开实施例提供的一种基于非凸-非局部全变差正则化的稀疏SAR成像方法、系统、电子设备、存储介质及程序产品，该方法相比于现有技术，既可以有效抑制加性噪声和杂波，增强点目标特征，又可以抑制斑点噪声，保持面目标后向散射系数的连续性、均匀性。

本公开的第一个方面提供了一种基于非凸-非局部全变差正则化的稀疏SAR成像方法，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。

进一步地，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。

进一步地，非局部全变差范数惩罚项p_NLTV(|x|)的定义为：

其中，X为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，