基于加权l_(1)范数优化的双基地ISAR稀疏成像算法

针对低信噪比条件下实现双基地逆合成孔径雷达(inverse synthetic aperture radar,ISAR)稀疏孔径成像时重构质量较差的问题,提出了一种基于加权l_(1)范数优化的高分辨成像算法。首先,假设各像元稀疏非同分布,利用贝叶斯准则和最大后验概率估计将双基地ISAR稀疏孔径成像问题转化为加权l_(1)范数约束问题,建立成像模型;然后,利用柯西-牛顿算法进行加权l_(1)范数约束最优化问题的求解,实现目标图像重构。由于假设各像元独立非同分布,故通过像元加权的方式更好地利用了目标的能量聚集和结构特性,提高了成像质量。最后,仿真实验验证了算法的有效性和优越性。

基于重加权l_(1)范数的边缘保持图像平滑算法

边缘保持图像平滑是很多计算机视觉和图形学算法的关键步骤,基于l_(1)范数的边缘保持图像平滑算法是现有算法中性能较好的一种,但是该算法的平滑结果中仍然存在很多未被平滑的纹理。为了改进算法的平滑结果,提出了一种新的基于重加权l_(1)范数的边缘保持图像平滑算法,该算法将原始的基于l_(1)范数的图像平滑算法与重加权l_(1)范数最小化相结合,通过使用重加权方法使得解更加稀疏;并通过实验对该算法的性能进行了验证。结果表明:和基于l_(1)范数的图像平滑算法以及一些最新的图像平滑算法相比,文中提出的算法可以更加有效地平滑图像,平滑结果中仅有很少的纹理残留;采用重加权l_(1)范数可以改进现有的基于l_(1)范数的图像平滑算法的图像平滑结果。