摘要
高分辨合成孔径雷达(synthetic aperture radar,SAR)成像具备目标细节特征的感知能力。通过引入目标特征先验知识,可以实现对特定目标特征的高精度增强处理。然而,传统稀疏特征增强的方式,仅能完成对目标场景中特显点的增强,对复杂的目标结构特征无能为力。本文考虑目标细节特征的复杂性,提出方向性结构全变分(directional total structure variation,DTSV)正则子进行结构先验表征,可实现对成像目标复杂结构特征任意梯度变化的拟合,进而实现对结构特征的高精度正则优化处理。具体地,本文在交替方向多乘子方法(alternating direction method of multipliers,ADMM)的协同优化框架下实现DTSV正则优化求解(DTSV-ADMM),利用该框架提供的对偶上升思想可有效提升迭代优化算法的收敛性能。此外,基于ADMM框架提供的多变量“分解-调和”机理,通过建立分裂变量组可以实现多个正则项的协同优化增强。由此,本文进一步引入l1范数对成像目标稀疏特征进行表征,并在协同优化框架下实现对方向性结构特征和稀疏特征的稳健计算,可有效减小多特征优化存在的“误差传播”问题。本文所提算法通过近端算子对特征进行解析计算,可获得对应特征的闭合解析解,从而可进一步提升算法运算稳健性和计算效率。实验部分分别选取SAR静止场景和地面动目标(ground moving target imaging,GMTIm)数据对所提算法性能进行验证,同时应用相变分析方法(phase transition diagram,PTD)定量地分析了本文所提算法相比传统方法的优越性。
- 单位