基于组稀疏的极化差分SAR层析成像方法

doi:10.3969/j.issn.1001-506X.2019.05.11

系统工程与电子技术 ›› 2019, Vol. 41 ›› Issue (5): 1007-1012.doi: 10.3969/j.issn.1001-506X.2019.05.11

基于组稀疏的极化差分SAR层析成像方法

杨牡丹^1,2,3, 张冰尘^1,2, 魏中浩^1,2,3, 徐志林^1,2,3, 洪文^1,2

1. 中国科学院电子学研究所空间信息处理与应用系统技术重点实验室, 北京 100190;
2. 中国科学院电子学研究所, 北京 100190; 3. 中国科学院大学, 北京 100049

出版日期:2019-04-30 发布日期:2019-04-26

Polarization differential SAR tomography imaging method based on group sparse

YANG Mudan^1,2,3, ZHANG Bingchen^1,2, WEI Zhonghao^1,2,3, XU Zhilin^1,2,3, HONG Wen^1,2

1. Key Laboratory of Technology in Geospatial Information Processing and Application System, Institute of
Electronics, Chinese Academy of Sciences, Beijing 100190, China; 2. Institute of Electronics, Chinese Academy of
Sciences, Beijing 100190, China; 3. University of Chinese Academy of Sciences, Beijing 100049, China

Online:2019-04-30 Published:2019-04-26

摘要/Abstract

摘要：

差分合成孔径雷达(synthetic aperture radar, SAR)层析成像通过多航过数据重建观测目标的后向散射系数和视线方向形变速率。将全极化与差分SAR层析相结合,针对城市建筑成像高程向稀疏的特点以及全极化数据反演中,信号稀疏支撑集相同的特点,提出将稀疏约束与组稀疏约束相结合的求解模型,用基于层次稀疏的阈值迭代方法进行求解。通过仿真实验和基于BioSAR 2007实测数据的半仿真实验验证,实验表明全极化差分SAR层析成像方法,重构结果相较于单极化,提高了高程向和形变速率精度,且有更好的鲁棒性,在信噪比为10 dB时,相较于单极化差分SAR层析成像方法,能更好恢复高程向信息和形变速率。

关键词: 全极化, 差分合成孔径雷达层析成像, 组稀疏, 阈值迭代

Abstract:

Differential synthetic aperture radar (SAR) tomography reconstructs the backscattering coefficient and line-of-sight deformation rate of the target by multi-pass data. We combine the full-polarization and differential SAR tomography. Aiming at urban building imaging elevation sparseness and the same signal sparse support set in full-polarization data inversion, a solution model combined with sparse constraints and group sparse constraints is solved by threshold iterative method based on hierarchical sparseness. The simulation and semi-simulation experiment based on BioSAR data are done to verify the results. The experiment shows compared with the monopole the reconstruction results the full-polarization differential SAR tomography method improve the accuracy of elevation and has better robustness. When the signal-to-noise ratio is 10 dB, it can recover the elevation information and deformation rate better than the single-polarization differential SAR tomography method.

Key words: full polarization, differential synthetic aperture radar (SAR) tomography, group sparse, threshold iteration

杨牡丹, 张冰尘, 魏中浩, 徐志林, 洪文. 基于组稀疏的极化差分SAR层析成像方法[J]. 系统工程与电子技术, 2019, 41(5): 1007-1012.

YANG Mudan, ZHANG Bingchen, WEI Zhonghao, XU Zhilin, HONG Wen. Polarization differential SAR tomography imaging method based on group sparse[J]. Systems Engineering and Electronics, 2019, 41(5): 1007-1012.

[1]	但波, 付哲泉, 高山, 简涛. 基于卷积神经网络的海面目标全极化高分辨距离像识别技术[J]. 系统工程与电子技术, 2022, 44(1): 108-116.
[2]	徐志明, 艾小锋, 周柯宏, 赵锋, 肖顺平. 双基地雷达微动空间目标全极化回波仿真方法[J]. 系统工程与电子技术, 2021, 43(10): 2789-2796.
[3]	赵辉, 方禄发, 张天骐, 李志伟, 徐先明. 基于组稀疏表示和加权全变分的图像压缩感知重构[J]. 系统工程与电子技术, 2020, 42(10): 2172-2180.
[4]	赵克祥, 毕辉, 张冰尘. 基于快速阈值迭代的SAR层析成像处理方法[J]. 系统工程与电子技术, 2017, 39(5): 1019-1023.
[5]	吴佳妮, 陈永光, 冯德军, 王雪松. 基于预分类的全极化HRRP模型匹配目标识别方法[J]. 系统工程与电子技术, 2016, 38(9): 1969-1974.
[6]	何伟, 邢孟道. 基于密度峰值搜索的全极化SAR图像分类[J]. 系统工程与电子技术, 2016, 38(1): 60-63.
[7]	谭洪, 仇晓兰, 洪峻. 原始数据压缩对全极化SAR极化信息的影响[J]. 系统工程与电子技术, 2015, 37(9): 2029-2034.
[8]	张玉玺，王晓丹，姚旭，雷蕾. 基于复数全极化HRRP的雷达目标识别[J]. 系统工程与电子技术, 2014, 36(2): 260-265.
[9]	王菁, 周建江, 廖启新. 基于全极化GTD模型的雷达目标二维散射中心提取[J]. Journal of Systems Engineering and Electronics, 2011, 33(12): 2643-2648.
[10]	胡楚锋, 许家栋,李南京, 张麟兮. 全极化SAR半实物仿真系统[J]. Journal of Systems Engineering and Electronics, 2010, 32(7): 1537-1539.
[11]	谈璐璐, 杨汝良. 利用Cameron分解进行极化干涉图像对的配准研究[J]. Journal of Systems Engineering and Electronics, 2009, 31(6): 1284-1287.

基于组稀疏的极化差分SAR层析成像方法

Polarization differential SAR tomography imaging method based on group sparse

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价