[发明专利]一种Video-SAR图像实时压缩重构方法

说明书

一种Video‑SAR图像实时压缩重构方法，利用Robust‑PCA有效抑制Video‑SAR图像中的相干斑噪声，同时很好地保留了细节纹理特征。通过训练学习最优Wavelet包基字典，实现了对Video‑SAR图像很好的稀疏表征，从而减少了测量数，提高了重构精度，存储不同类型场景的稀疏基，进行稀释表征时直接调用，减少运算量。通过对Video‑SAR图像的关键帧和非关键帧帧差以不同的采样率进行低复杂度压缩编码，采用分布式压缩感知重构，可以满足实时传输的要求。使用Canny算子进行边缘检测，实现了对非关键帧进行Bregman迭代细解码，能够重构出细节丰富的高分辨率SAR图像。

技术领域

本发明属于雷达信号处理技术领域，涉及一种基于最优Wavelet包基字典学习及分布式压缩感知的Video-SAR图像实时压缩重构方法，主要用于解决海量Video-SAR图像给数据的储存和传输带来的巨大压力。

背景技术

视频合成孔径雷达(Video Synthetic Aperture Radar，Video-SAR)是美国国防部先进研究项目局(Defense Advanced Research Projects Agency,DARPA)在2012年5月发布的，目标是研发一种工作在太赫兹频段的高分辨率全动态Video-SAR，能够穿透云、尘等对地面场景目标进行成像、探测和跟踪，且可借助云、尘等来保护自身不受敌方攻击。对于Video-SAR，高数据量、高数据率的远距离无线传输技术极大地限制了传输带宽，需要在图像允许的失真范围内进行压缩，使得压缩后的数据率满足存储和下传的要求，因此研究SAR图像的压缩具有很大的现实意义。

压缩感知(Compressed Sensing，CS)是近年来信号处理领域内的一个研究热点，与传统的数据采样定理不同，在目标信号或图像具有一定稀疏性的前提下，压缩感知保证可以用远少于乃奎斯特采样定理所需的采样数以很高的概率精确重建出目标信号或图像，其采样数目与目标的稀疏度关系密切。许多研究人员已经将压缩感知理论应用到高分辨率SAR数据处理领域，实现有效的图像压缩和精确的图像重构。例如，利用基小波的Contourlet变换和分块DCT变换对SAR图像稀疏表征，并进行随机观测获得低维数据，有效缓解系统的存储压力和信道的传输负担。

即便如此，针对SAR图像的压缩感知研究仍处于起步阶段，主要涉及如下问题：

第一，待压缩SAR图像的稀疏表征问题，由于SAR图像本身是不稀疏的，无法直接使用压缩感知对SAR图像进行压缩重构。目前，常用的方式是使用事先设定的变换矩阵。例如，基于DCT变换作为稀疏基，但是容易出现块效应，小波基作为稀疏基不能很好的保留SAR图像中的边缘和纹理信息。

第二，对SAR图像数据压缩时需要先对SAR原始图像做去相干斑嗓声抑制处理，使得SAR图像的相关性增加，有利于提高压缩比。但是抑制处理会影响SAR图像的质量，如对图像分辨率及孤立点目标都有影响。

第三，SAR图像非常巨大，数据流速率很高，因此对于压缩的实时性提出了更高的要求。

第四，SAR图像中背景区域和目标区域富含细节纹理及边缘有用信息，不同程度的压缩，会影响其峰值信噪比(PSNR)及SAR图像质量，因此提高重构的误差是非常必要的。

发明内容

本发明解决的技术问题是：克服现有技术的不足，提供了一种基于最优Wavelet包基字典学习及分布式压缩感知的Video-SAR图像实时压缩重构方法，本方法解决了针对Video-SAR图像的相干斑抑制问题，以及Video-SAR图像的稀疏表征问题，并在此基础上实现了低复杂度的Video-SAR图像压缩编码方法，以及高分辨率Video-SAR图像的重构问题。

本发明的技术解决方案是：一种Video-SAR图像实时压缩重构方法，包括如下步骤：