基于l_k范数正则化方法的SAR图像超分辨

提高合成孔径雷达(SAR)图像的分辨率对自动目标识别等具有重要意义。为此改进了一种基于lk范数正则化方法,并用于SAR图像超分辨。该方法通过合理开发利用符合SAR成像工程背景的先验知识,构造附加约束,把图像超分辨问题规划为形式简单的带约束优化问题。仿真和实测数据计算结果证实了该方法的有效性。

基于l_k范数正则化的SAR图像目标特征增强

增强SAR图像的目标特征对自动目标识别等具有重要意义。该文改进了一种基于lk范数正则化方法,并用于SAR图像目标特征增强。该方法通过开发利用符合SAR图像统计特性的先验知识,构造附加约束,把图像目标特征增强问题规划为形式简单的最优化问题,并利用一种迭代算法进行快速求解。仿真和实测数据计算结果证实了该方法的有效性。

基于l_k范数的SAR复图像域正则化方法分析及改进

正则化方法通过增加先验信息约束实现合成孔径雷达(SAR)图像的超分辨和噪声抑制,为目标识别提供了更高质量的图像信息。该文通过对基于lk范数的SAR复图像域正则化方法迭代过程的分析,揭示其增强分辨率的内在机理,并针对原有方法在不同强度散射点条件下分辨率提高不一致的问题,提出采用可变的正则化参数对其进行改进。仿真数据和MSTAR实测数据的实验结果证实了改进方法的有效性。

基于l_k范数正则化的实信号去噪方法

针对实信号去噪问题 ,系统研究了基于lk 范数正则化的去噪方法。在研究和借鉴Tikhonov正则化参数选择方法的基础上 ,给出了基于lk 范数正则化中最优正则化参数的自动选择方法 ,同时给出了正则化方法求解的迭代算法。理论分析和仿真计算结果表明 ,该方法对于加性噪声有较好的抑制能力 ,同时能够有效地保护信号中的重要特征。

SAR图像点目标超分辨正则化方法的简化计算

合成孔径雷达(SAR)是一种高分辨率相干成像雷达,是重要的空间遥感手段,分辨率的高低直接决定了其应用效果的优劣。正则化方法是提高SAR图像分辨率的有效方法,但传统的迭代算法计算速度较慢。文中分析了基于lk范数的图像超分辨正则化方法的迭代求解公式,得出了由该迭代公式产生的迭代序列收敛的极限的解析表达式。将该结论用于正则化模型的求解可以显著降低计算量,由此得到了正则化迭代算法的简化计算方法。仿真与MSTAR图像处理结果表明,简化后的方法计算速度提高了2 000倍以上,计算结果与传统方法的相对差别小于6×10-9。

基于稀疏约束与性能最优化的SAR图像目标增强方法

基于合成孔径雷达(Synthetic aperture radar,SAR)图像的稀疏特性,将目标增强模型设计与性能要求相融合,建立了信噪比性能最优化目标函数与lk范数约束项构成的SAR图像变参数增强模型。通过对模型解的惟一性、收敛性及其增强性能分析,确定稀疏参数k的选择范围,继而通过参数估计的均方误差分析,得到正则参数的选择方法,并设计求解迭代过程。图像处理过程可达到较高的自动程度。MSTAR图像数据处理结果验证了该模型的有效性,经处理后图像噪声得到抑制,目标特征得到明显增强,性能优于传统正则化模型。

SAR图像目标增强模型最优性能分析

研究用于SAR图像目标增强的lk范数正则化方法的最优性能。从有偏参数估计的统计性能极限角度,将达到渐进最小总方差的参数估计看作目标增强的最优效果。根据Bayes框架以及罚最大似然估计原理,研究了达到最优性能时正则项需满足的条件,该条件与图像大小、信号统计分布以及观测数据噪声方差有关,可为模型设计与迭代算法设计提供依据。并证明了仅当噪声方差较小时lk范数约束才能使得处理结果达到该最优估计性能。仿真实验验证了该结论的正确性。