[发明专利]轮廓增强的聚束式合成孔径雷达成像方法

摘要

本发明公开了一种轮廓增强的聚束式SAR成像方法，主要解决传统聚束SAR成像算法对方位向接收的场景回波数据依赖较强以及所成图像的轮廓模糊、分辨率低的问题。其实现步骤是：利用层析成像建模的方法构建聚束SAR距离剖面成像模型，将各方位维数据按接收顺序排列并不断投影至待成像场景的图像域，获得初步成像结果；将初步成像投影至表征图像轮廓的稀疏变换域，借助交替迭代的思想对目标函数进行交替迭代求解，最终得到轮廓增强的SAR图像。本发明方法极大地减少了成像所需的方位维回波数据，克服了点扩散函数旁瓣对成像分辨率的影响，可用于对机载雷达在方位维回波数据不足的条件下进行高分辨成像。

主权项

1.一种轮廓增强的聚束式SAR成像方法，包括如下步骤： （1）用层析成像建模的方法构建聚束SAR距离剖面成像模型为： g=Cf+ζ 其中，g为回波向量，f是场景散射系数向量，C为观测核，ζ表示噪声向量； （2）构建成像目标函数： 2a）引入场景目标轮廓的稀疏项||Df||₂，利用正则化方法将步骤（1）中的聚束SAR距离剖面成像模型转化为下面的成像目标函数式： 其中，|| ||₂表示求向量的2范数，D为二维差分算子，Df相当于场景图像的水平和垂直方向的一阶离散梯度，ε为残差，s.t.{A}表示满足A的条件下求B最小值的运算符号；2b）引入松弛变量w将Df从稀疏项||Df||₂中分离出来，对w和Df的残差进行惩罚约束，将步骤2a）中的表达式写成增广拉格朗日乘子形式，得成像的无约束优化目标函数式： 其中，β为惩罚参数，μ为保真度项系数，λ为拉格朗日乘子，w为引入的松弛变量，|| ||₂表示求向量的2范数，D为二维差分算子，Df作为场景图像的水平和垂直方向的一阶离散梯度的近似； 2c）将步骤2b）中的成像的无约束优化目标函数式分解为w子问题和f子问题这两个子问题的目标函数式： w子问题目标函数式为： 其中，β为惩罚参数，()^H表示求赫米特共轭，|| ||₂表示求向量的2范数，D为二维差分算子，表示求使{}中目标函数值最小的变量w的运算符号，w^k+1为松弛变量w在第k步迭代后的变量，f^k为场景散射系数向量f在第k-1步迭代后的变量，λ^k为拉格朗日乘子在第k-1步更新后的值；f子问题目标函数式为： 其中，β为惩罚参数，()^H表示求赫米特共轭，μ为保真度项系数，|| ||₂表示求向量的2范数，D为二维差分算子，表示求使{}中目标函数值最小的变量f的运算符号，f^k+1为场景散射系数向量f在第k步迭代后的变量，w^k+1为松弛变量w在第k步迭代后的变量，λ^k为拉格朗日乘子在第k-1步更新后的值；（3）利用交替方向最小化算法对步骤2c）中的两个子问题目标函数进行交替迭代求解，得到轮廓增强的SAR图像： 3a）参数初始化 迭代步数k=1，场景散射系数向量初始值为f^k=0，松弛变量初始值w^k=0，拉格朗日乘子初始值λ^k=1，保真度项系数μ>0，惩罚参数β>0，残差ε>0； 3b）固定向量初始值f^k和乘子初始值λ^k,利用二维收缩公式求解步骤2c）中的w子问题目标函数式，得到松弛变量w在第k步迭代后的变量w^k+1； 3c）固定所述的w^k+1和λ^k，利用共轭梯度法求解步骤3c）中的f子问题目标函数式，得到场景散射系数向量f在第k步迭代后的变量f^k+1； 3d）由所述的f^k+1，w^k+1更新拉格朗日乘子λ，得到拉格朗日乘子λ在第k步更新后的值λ^k+1； 3e）令k＝k+1，判断是否满足迭代终止条件： 其中，|| ||₂表示求向量的2范数，f^k为场景散射系数向量f在第k-1步迭代后的变量，f^k-1为场景散射系数向量f在第k-2步迭代后的变量，ε为残差； 若满足迭代终止条件则将fk写成矩阵形式，得到轮廓增强的SAR图像，否则重新由3b）开始继续迭代运行。