一种基于SAR子视分析的海面自适应成像方法与流程

一种基于sar子视分析的海面自适应成像方法
技术领域
1.本发明涉及sar图像处理领域，具体涉及一种基于sar子视分析的海面自适应成像方法。


背景技术：

2.合成孔径雷达(synthetic aperture radar,sar)是一种可以实现二维高分辨率的微波主动成像雷达。雷达发射大时宽带宽积的电磁波，然后通过脉冲压缩得到距离向上的大分辨率。方位向的高分辨率利用合成孔径的原理来实现。随着分辨率的提高和新成像模式的产生，对sar成像处理算法的要求也越来越复杂。
3.经典的sar成像算法主要包括rd算法、cs算法等。rd算法是为民用星载sar开发的第一个成像处理算法，但存在两点不足：首先，当用较长的核函数提高距离徙动校正精度时，运算量较大；其次，二次距离压缩对方位向频率的依赖性问题较难解决，从而限制了其对某些大斜视角和长孔径sar的处理精度。cs算法避免了距离徙动校正中的插值操作。如图1所示，该算法基于scaling原理，通过对chirp信号进行频率调制，实现了对该信号的尺度变换或平移。基于该原理，通过相位相乘替代时域插值来完成随距离变换的距离徙动校正。此外，由于需要在二维频域进行数据处理，cs还能解决二次距离压缩对方位向频率的依赖问题。cs算法是目前星载sar上最常用的成像算法。
4.目前，星载合成孔径雷达图像中普遍存在图像质量模糊问题，其中方位模糊现象尤为突出。当模糊能量较强时，会产生大量的虚假目标，从而影响了对图像中真实目标的误判。由于海面图像幅度远低于陆地图像，相较于陆地应用，方位模糊对海洋应用的影响更为严重，尤其是在海岸带、海陆交界处的海洋监测中，海岸人工建筑、养殖区、舰船等后向散射强烈的目标产生的模糊信号相对于海洋背景来说强度依然很大，严重影响海洋背景图像的后续应用。此外，海洋背景sar图像还经常受到海杂波的干扰，影响成像质量。


技术实现要素：

5.本发明的目的在于提出一种基于子视分析的海面自适应成像方法。
6.实现本发明目的的技术解决方案为：一种基于sar子视分析的海面自适应成像方法，包括如下步骤：
7.步骤1，子视分离：将sar单视复图像变换到方位频域，根据成像时方位向加的窗函数类型，进行窗函数加权的反向校正，再将方位向多普勒带宽平均分为左右两个部分，分别对只含一半频谱的回波进行方位向逆傅里叶变换，得到左右子孔径图像；
8.步骤2，子视互相关系数计算：根据左右子孔径图像计算子视互相关系数；
9.步骤3，子视相干熵计算：根据左右子孔径图像计算子视相干熵；
10.步骤4，特征域像素分割：将子视互相关系数和子视相干熵组成的二维特征空间划分为干扰、目标、海杂波3个区域，按照划分的区域对像素进行分割；
11.步骤5，新像素幅值计算：计算各分区域的像素幅值。
12.一种基于sar子视分析的海面自适应成像系统，利用所述的基于sar子视分析的海面自适应成像方法，实现海面自适应成像。
13.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，利用所述的基于sar子视分析的海面自适应成像方法，实现海面自适应成像。
14.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，利用所述的基于sar子视分析的海面自适应成像方法，实现海面自适应成像。
15.本发明与现有技术相比，其显著优点为：通过构建新的特征空间，达到干扰信号、目标信号和海杂波信号的有效分离，采用固定阈值和自适应阈值相结合的方式在特征空间划分像素归属，并基于不破坏图像完整性的原则创新性地采用不同运算方式对图像进行重构，能够有效抑制干扰和海杂波，提高信杂比。
附图说明
16.图1是cs算法基本流程图。
17.图2是本发明基于sar子视分析的海面自适应成像方法的流程图。
18.图3是特征域分割示意图。
19.图4是cs成像结果与本发明处理结果对比图。
具体实施方式
20.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
21.本发明基于sar子视分析的海面自适应成像方法的基本流程如图2所示，主要包括子视分离、子视互相关系数计算、子视相干熵计算、特征域像素分割、新像素幅值计算5个步骤，具体内容如下：
22.步骤1，子视分离
23.首先将高分辨率sar单视复图像变换到方位频域；然后根据成像时方位向加的窗函数类型，进行窗函数加权的反向校正；接着将方位向多普勒带宽平均分为左右两个部分；最后分别对只含一半频谱的回波进行方位向逆傅里叶变换，分别得到左右子孔径图像s1和s2。
24.步骤2，子视互相关系数计算
25.子视之间的互相关系数计算方式如下：
[0026][0027]
其中，*
t
表示共轭转置；《》表示空域平均，这里采用对像素点为中心的5*5像素区域结果求平均；||表示取绝对值。
[0028]
步骤3，子视相干熵计算
[0029]
假设有n个子视s＝[s1,s2,
…
,sn]
t
，其协方差矩阵λi是[s]的第i个特征值。定义子视相干熵
[0030][0031]
其中当n＝2时，hc＝-(p1log2p1+p2log2p2)。
[0032]
步骤4，特征域像素分割
[0033]
将子视互相关系数和子视相干熵组成的二维特征空间划分为3个区域(r1：干扰，r2：目标，r3：海杂波)，按照划分的区域对像素进行分割：
[0034]
当hc≤0.5时，像素划分到r1；
[0035]
当ρc＞0.01max(ρc)，hc＞0.5时，像素划分到r2；
[0036]
当ρc≤0.01max(ρc)，hc＞0.5时，像素划分到r3；
[0037]
其中，max( )表示取最大值。
[0038]
步骤5，新像素幅值计算
[0039]
按照如下公式计算各分区的像素幅值：
[0040]
r1：aa＝2
·
min{|sl1|,|sl2|}
[0041]
r2：a
t
＝|sl1|+|sl2|
[0042]
r3：as＝|sl1+sl2|
[0043]
其中，aa、a
t
、as分别表示干扰像素幅度、目标像素幅度、海杂波像素幅度，min{}表示取最小值，sl1、sl2分别表示像素点在左右子孔径图像中的值。
[0044]
本发明还提出一种基于sar子视分析的海面自适应成像系统，利用所述的基于sar子视分析的海面自适应成像方法，实现海面自适应成像。
[0045]
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，利用所述的基于sar子视分析的海面自适应成像方法，实现海面自适应成像。
[0046]
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，利用所述的基于sar子视分析的海面自适应成像方法，实现海面自适应成像。
[0047]
综上所述，本发明通过对sar图像的再处理，抑制了海洋背景sar图像中的方位模糊和海杂波，提升了海洋背景下的sar成像质量。
[0048]
实施例
[0049]
为了验证本发明方案的有效性，进行如下实验。
[0050]
从gf-3卫星超精细条带海洋场景cs成像结果中裁切出2个切片(图4中(a)和(c))，切面大小为1200乘以1200像素。距离向和方位向的像素间隔分别为1.124m和1.713m。切片中包含了舰船、方位模糊和海杂波信号。经本发明方法的处理，得到如图4(b)和(d)的结果。从目视效果上来看，方位模糊信号受到了抑制，舰船目标更为突显。
[0051]
为了定量地验证本发明的优势，从两个切片中分别选取了各舰船的最强散射点(s1，s2，s3，s4)，点状方位模糊信号的最强点(a1，a2，a4，a5)，分布型方位模糊信号区域a3，并在各切片中选取了比较均匀的海杂波区域。表1给出了处理前后信杂比的变化情况，其中区域的功率是平均后得到的。从信杂比结果来看，本发明的应用使得方位模糊信号受到很大的抑制，舰船信号的信杂比保持不变或略优于cs成像结果。
[0052]
表1处理前后信杂比
[0053][0054][0055]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0056]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。