基于稀疏和低秩结构的层析SAR成像方法

基于稀疏和低秩结构的层析SAR成像方法

TN957.52; 该文提出了一种基于稀疏和低秩结构的层析SAR三维成像方法.传统基于压缩感知的层析SAR成像方法仅仅对给定方位-距离单元的高程向进行稀疏表征和重建.考虑城市和森林等区域中各自的布局分布较为类似,目标在相邻方位-距离单元的高程向分布具有较强相关性.该方法通过引入Karhunen Loeve变换来表征相邻方位-距离单元的高程向的低秩结构特性,构建稀疏和低秩结构相结合的目标区域层析SAR成像模型,采用ADMM算法对层析SAR成像模型进行求解,将复杂的原优化问题分解为若干相对简单的子问题,通过优化变量交替投影的方式进行算法求解,得到层析SAR成像结果.该方法提高了低航过数或低通道数情...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:雷达学报 2022, Vol.11 (1), p.52-61
Hauptverfasser: 赵曜, 许俊聪, 全相印, 崔莉, 张柘
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 61
container_issue 1
container_start_page 52
container_title 雷达学报
container_volume 11
creator 赵曜
许俊聪
全相印
崔莉
张柘
description TN957.52; 该文提出了一种基于稀疏和低秩结构的层析SAR三维成像方法.传统基于压缩感知的层析SAR成像方法仅仅对给定方位-距离单元的高程向进行稀疏表征和重建.考虑城市和森林等区域中各自的布局分布较为类似,目标在相邻方位-距离单元的高程向分布具有较强相关性.该方法通过引入Karhunen Loeve变换来表征相邻方位-距离单元的高程向的低秩结构特性,构建稀疏和低秩结构相结合的目标区域层析SAR成像模型,采用ADMM算法对层析SAR成像模型进行求解,将复杂的原优化问题分解为若干相对简单的子问题,通过优化变量交替投影的方式进行算法求解,得到层析SAR成像结果.该方法提高了低航过数或低通道数情况下的重建精度,拥有更好的成像性能.仿真和实测数据实验表明,该重建方法能够有效分离散射体并保证重建能量的精度,且在降低航过数或通道数的情况下保持良好的成像效果,有效抑制伪影现象.
doi_str_mv 10.12000/JR21210
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_ldxb202201006</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>ldxb202201006</wanfj_id><sourcerecordid>ldxb202201006</sourcerecordid><originalsourceid>FETCH-LOGICAL-s1006-eed449a18d4b0e84fa6e7be6be501e55ae75556e6b9b5328665d03ed763043a63</originalsourceid><addsrcrecordid>eNotjbtKA0EUQKdQMMSAP2G5emfuzN3dMgSfBIQYwS7MMLOihBVcREvRFBaShIgpLGKplsHKiH-TnfkNI1odOMU5jK1x2OACADb3W4ILDkusIiBVkUjweIXViuLUAJJQBCgrDMuX2XzWD283YTwoRw_z7354fQ9fj37SC8-9cnrrJ8PDesvfD8u7gR9_-o-nVbac6W7hav-ssqPtrXZjN2oe7Ow16s2o4AAUOWelTDVPrDTgEplpcrFxZJwC7pTSLlZK0UKkRqFIiJQFdDYmBImasMrW_7pXOs90ftI5O7-8yBfHTtdeGwFCwO8IfwDQ7FOu</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于稀疏和低秩结构的层析SAR成像方法</title><source>DOAJ Directory of Open Access Journals</source><source>Elektronische Zeitschriftenbibliothek - Frei zugängliche E-Journals</source><creator>赵曜 ; 许俊聪 ; 全相印 ; 崔莉 ; 张柘</creator><creatorcontrib>赵曜 ; 许俊聪 ; 全相印 ; 崔莉 ; 张柘</creatorcontrib><description>TN957.52; 该文提出了一种基于稀疏和低秩结构的层析SAR三维成像方法.传统基于压缩感知的层析SAR成像方法仅仅对给定方位-距离单元的高程向进行稀疏表征和重建.考虑城市和森林等区域中各自的布局分布较为类似,目标在相邻方位-距离单元的高程向分布具有较强相关性.该方法通过引入Karhunen Loeve变换来表征相邻方位-距离单元的高程向的低秩结构特性,构建稀疏和低秩结构相结合的目标区域层析SAR成像模型,采用ADMM算法对层析SAR成像模型进行求解,将复杂的原优化问题分解为若干相对简单的子问题,通过优化变量交替投影的方式进行算法求解,得到层析SAR成像结果.该方法提高了低航过数或低通道数情况下的重建精度,拥有更好的成像性能.仿真和实测数据实验表明,该重建方法能够有效分离散射体并保证重建能量的精度,且在降低航过数或通道数的情况下保持良好的成像效果,有效抑制伪影现象.</description><identifier>ISSN: 2095-283X</identifier><identifier>DOI: 10.12000/JR21210</identifier><language>chi</language><publisher>广东工业大学 广州 510006%中国运载火箭技术研究院 北京 100076%北京市遥感信息研究所 北京 100192%苏州空天信息研究院 苏州 215000</publisher><ispartof>雷达学报, 2022, Vol.11 (1), p.52-61</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/ldxb/ldxb.jpg</thumbnail><link.rule.ids>314,780,784,864,4024,27923,27924,27925</link.rule.ids></links><search><creatorcontrib>赵曜</creatorcontrib><creatorcontrib>许俊聪</creatorcontrib><creatorcontrib>全相印</creatorcontrib><creatorcontrib>崔莉</creatorcontrib><creatorcontrib>张柘</creatorcontrib><title>基于稀疏和低秩结构的层析SAR成像方法</title><title>雷达学报</title><description>TN957.52; 该文提出了一种基于稀疏和低秩结构的层析SAR三维成像方法.传统基于压缩感知的层析SAR成像方法仅仅对给定方位-距离单元的高程向进行稀疏表征和重建.考虑城市和森林等区域中各自的布局分布较为类似,目标在相邻方位-距离单元的高程向分布具有较强相关性.该方法通过引入Karhunen Loeve变换来表征相邻方位-距离单元的高程向的低秩结构特性,构建稀疏和低秩结构相结合的目标区域层析SAR成像模型,采用ADMM算法对层析SAR成像模型进行求解,将复杂的原优化问题分解为若干相对简单的子问题,通过优化变量交替投影的方式进行算法求解,得到层析SAR成像结果.该方法提高了低航过数或低通道数情况下的重建精度,拥有更好的成像性能.仿真和实测数据实验表明,该重建方法能够有效分离散射体并保证重建能量的精度,且在降低航过数或通道数的情况下保持良好的成像效果,有效抑制伪影现象.</description><issn>2095-283X</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2022</creationdate><recordtype>article</recordtype><recordid>eNotjbtKA0EUQKdQMMSAP2G5emfuzN3dMgSfBIQYwS7MMLOihBVcREvRFBaShIgpLGKplsHKiH-TnfkNI1odOMU5jK1x2OACADb3W4ILDkusIiBVkUjweIXViuLUAJJQBCgrDMuX2XzWD283YTwoRw_z7354fQ9fj37SC8-9cnrrJ8PDesvfD8u7gR9_-o-nVbac6W7hav-ssqPtrXZjN2oe7Ow16s2o4AAUOWelTDVPrDTgEplpcrFxZJwC7pTSLlZK0UKkRqFIiJQFdDYmBImasMrW_7pXOs90ftI5O7-8yBfHTtdeGwFCwO8IfwDQ7FOu</recordid><startdate>2022</startdate><enddate>2022</enddate><creator>赵曜</creator><creator>许俊聪</creator><creator>全相印</creator><creator>崔莉</creator><creator>张柘</creator><general>广东工业大学 广州 510006%中国运载火箭技术研究院 北京 100076%北京市遥感信息研究所 北京 100192%苏州空天信息研究院 苏州 215000</general><general>苏州市空天大数据智能应用技术重点实验室 苏州 215000</general><general>中国科学院空天信息创新研究院 北京 100190</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2022</creationdate><title>基于稀疏和低秩结构的层析SAR成像方法</title><author>赵曜 ; 许俊聪 ; 全相印 ; 崔莉 ; 张柘</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-s1006-eed449a18d4b0e84fa6e7be6be501e55ae75556e6b9b5328665d03ed763043a63</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2022</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>赵曜</creatorcontrib><creatorcontrib>许俊聪</creatorcontrib><creatorcontrib>全相印</creatorcontrib><creatorcontrib>崔莉</creatorcontrib><creatorcontrib>张柘</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>雷达学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>赵曜</au><au>许俊聪</au><au>全相印</au><au>崔莉</au><au>张柘</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于稀疏和低秩结构的层析SAR成像方法</atitle><jtitle>雷达学报</jtitle><date>2022</date><risdate>2022</risdate><volume>11</volume><issue>1</issue><spage>52</spage><epage>61</epage><pages>52-61</pages><issn>2095-283X</issn><abstract>TN957.52; 该文提出了一种基于稀疏和低秩结构的层析SAR三维成像方法.传统基于压缩感知的层析SAR成像方法仅仅对给定方位-距离单元的高程向进行稀疏表征和重建.考虑城市和森林等区域中各自的布局分布较为类似,目标在相邻方位-距离单元的高程向分布具有较强相关性.该方法通过引入Karhunen Loeve变换来表征相邻方位-距离单元的高程向的低秩结构特性,构建稀疏和低秩结构相结合的目标区域层析SAR成像模型,采用ADMM算法对层析SAR成像模型进行求解,将复杂的原优化问题分解为若干相对简单的子问题,通过优化变量交替投影的方式进行算法求解,得到层析SAR成像结果.该方法提高了低航过数或低通道数情况下的重建精度,拥有更好的成像性能.仿真和实测数据实验表明,该重建方法能够有效分离散射体并保证重建能量的精度,且在降低航过数或通道数的情况下保持良好的成像效果,有效抑制伪影现象.</abstract><pub>广东工业大学 广州 510006%中国运载火箭技术研究院 北京 100076%北京市遥感信息研究所 北京 100192%苏州空天信息研究院 苏州 215000</pub><doi>10.12000/JR21210</doi><tpages>10</tpages></addata></record>
fulltext fulltext
identifier ISSN: 2095-283X
ispartof 雷达学报, 2022, Vol.11 (1), p.52-61
issn 2095-283X
language chi
recordid cdi_wanfang_journals_ldxb202201006
source DOAJ Directory of Open Access Journals; Elektronische Zeitschriftenbibliothek - Frei zugängliche E-Journals
title 基于稀疏和低秩结构的层析SAR成像方法
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2024-12-28T18%3A42%3A26IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E7%A8%80%E7%96%8F%E5%92%8C%E4%BD%8E%E7%A7%A9%E7%BB%93%E6%9E%84%E7%9A%84%E5%B1%82%E6%9E%90SAR%E6%88%90%E5%83%8F%E6%96%B9%E6%B3%95&rft.jtitle=%E9%9B%B7%E8%BE%BE%E5%AD%A6%E6%8A%A5&rft.au=%E8%B5%B5%E6%9B%9C&rft.date=2022&rft.volume=11&rft.issue=1&rft.spage=52&rft.epage=61&rft.pages=52-61&rft.issn=2095-283X&rft_id=info:doi/10.12000/JR21210&rft_dat=%3Cwanfang_jour%3Eldxb202201006%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=ldxb202201006&rfr_iscdi=true