本发明图像处理领域,尤其涉及一种基于稀疏低秩分解和频率系数重分配的isar成像方法。
背景技术:
1、合成孔径雷达(sar)可以在全天候条件下获取高分辨率图像,用于地球观测。然而,由于目标运动和噪声或杂波背景的存在,很难获得非合作目标的高质量sar图像。逆sar(isar)提供了另外一种信号处理方式来获得非合作目标的高分辨率图像。sar通过雷达平台的运动来获得合成孔径,同时假设成像目标静止。而isar在合成孔径形成过程中,利用目标运动来进行方位向的成像。为了获得高质量的机动目标运动图像,我们需要在目标周围切割得到目标图像切片,然后通过反演sar成像算法得到isar数据。接下来,使用isar信号处理方法重新聚焦sar图像中的机动目标。然而,在散焦的sar目标图像中出现的杂波会显著降低isar成像的质量。
技术实现思路
1、有鉴于此,为了解决现有isar成像方法中由杂波引起的isar成像质量低的技术问题,第一方面,本发明提出一种基于稀疏低秩分解和频率系数重分配的isar成像方法,所述方法包括以下步骤:
2、获取初始图像;
3、基于所述初始图像,通过稀疏低秩分解方法构建目标区域;
4、基于rid成像框架,以所述目标区域为先验知识,重新分配目标频率分率系数,得到最终图像。
5、其中,所述初始图像由rd成像算法生成得到。
6、可选的,所述基于所述初始图像,通过稀疏低秩分解方法构建目标区域这一步骤,其具体包括:
7、将所述初始图像中散焦分量和目标强散射点区域的分离问题表述为低秩稀疏的l0范数最小化问题;
8、对所述低秩稀疏的l0范数最小化问题进行求解,利用散焦分量的低秩性和目标的稀疏性对目标区域进行分离,得到目标区域和杂波区域。
9、通过该优选步骤,将目标区域与杂波区域分离,方便后续只重新分配属于目标的时频表示分量。
10、可选的,所述低秩稀疏的l0范数最小化问题,公式表示如下:
11、
12、s.t.x=l+s
13、其中,x表示初始图像,l表示低秩部分,s表示稀疏部分,λ表示低秩部分和稀疏部分之间的权重,||·||0表示l0范数。
14、可选的,所述基于rid成像框架,以所述目标区域为先验知识,重新分配目标频率分率系数,得到最终图像这一步骤,其具体包括:
15、基于rid成像框架,以所述目标区域为先验知识,构建频率系数重排算子;
16、基于所述频率系数重排算子,通过迭代重新分配目标频率分率系数,得到最终图像。
17、通过该优选步骤,构建频率系数重排算子对目标区域执行频率系数重新分配。
18、在一些实施例中,所述频率系数重排算子,表示如下:
19、
20、
21、其中,rτ,tar get表示第τ个距离单元的目标区域,rτ,background表示第τ个距离单元的杂波区域,ω1(t,ω)表示频率系数重排算子,ω0(t,ω)表示原始重分配算子,t表示时间点,ω表示预设的频率变量,g表示stft的结果,g'表示窗函数g的一阶微分。
22、该步骤表示的是:
23、如果ω0(t,ω)属于距离单元的目标区域,则
24、如果ω0(t,ω)属于距离单元的杂波区域,它将不会被重新分配,即ω1(t,ω)=ω。
25、可选的,所述迭代重新分配目标频率分率系数这一过程,公式表示如下:
26、
27、其中,n表示迭代次数,η表示变换后的频率变量。
28、该步骤中,将频率系数重排算子n次复合,重写表达式。
29、第二方面,本发明还提出了一种基于稀疏低秩分解和频率系数重分配的isar成像系统,所述系统包括:
30、图像获取模块,用于获取初始图像;
31、稀疏低秩分解模块,基于所述初始图像,通过稀疏低秩分解方法构建目标区域;
32、频率系数重分配模块,基于rid成像框架,以所述目标区域为先验知识,重新分配目标频率分率系数,得到最终图像。
33、本发明还提出了一种基于稀疏低秩分解和频率系数重分配的isar成像装置,包括:
34、至少一个处理器;
35、至少一个存储器,用于存储至少一个程序;
36、当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如上所述一种基于稀疏低秩分解和频率系数重分配的isar成像方法。
37、基于上述方案,本发明提供了一种基于稀疏低秩分解和频率系数重分配的isar成像方法,首先使用稀疏低秩分解方法来获得目标区域作为距离瞬时多普勒(rid)成像的先验信息,然后rid成像过程中,我们采用提出了面向目标的多重同步压缩变换(targetoriented multisynchrosqueezing transform,tmsst)tmsst方法,这种时频分析方法基于同步压缩变换(sst),该方法继承了短时间傅里叶变换(stft)的主要优势,没有交叉项。该方法结合rid成像框架,利用前面提取的目标区域作为先验信息,提出了一种目标的频率系数重排算子,在抑制杂波的同时提高目标的分辨率,进而得到高质量图像。
1.一种基于稀疏低秩分解和频率系数重分配的isar成像方法,其特征在于,包括以下步骤:
2.根据权利要求1所述一种基于稀疏低秩分解和频率系数重分配的isar成像,其特征在于,所述基于所述初始图像,通过稀疏低秩分解方法构建目标区域这一步骤,其具体包括:
3.根据权利要求2所述一种基于稀疏低秩分解和频率系数重分配的isar成像方法,所述低秩稀疏的l0范数最小化问题,公式表示如下:
4.根据权利要求1所述一种基于稀疏低秩分解和频率系数重分配的isar成像方法,其特征在于,所述基于rid成像框架,以所述目标区域为先验知识,重新分配目标频率分率系数,得到最终图像这一步骤,其具体包括:
5.根据权利要求4所述一种基于稀疏低秩分解和频率系数重分配的isar成像方法,其特征在于,所述频率系数重排算子,表示如下:
6.根据权利要求5所述一种基于稀疏低秩分解和频率系数重分配的isar成像方法,其特征在于,所述基于所述频率系数重排算子,通过迭代重新分配目标频率分率系数这一过程,公式表示如下:
7.一种isar成像系统,其特征在于,用于执行如权利要求1所述的基于稀疏低秩分解和频率系数重分配的方法,包括:
8.一种基于稀疏低秩分解和频率系数重分配的isar成像装置,其特征在于,包括: