• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 26
    • 下载费用:20 金币  

    重庆时时彩东风计划: 基于分布式压缩感知的全极化SAR超分辨成像方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201410106245.2

    申请日:

    2014.03.20

    公开号:

    CN103983968A

    公开日:

    2014.08.13

    当前法律状态:

    授权

    有效性:

    有权

    法律详情: 授权|||实质审查的生效IPC(主分类):G01S 13/90申请日:20140320|||公开
    IPC分类号: G01S13/90 主分类号: G01S13/90
    申请人: 西安电子科技大学
    发明人: 张磊; 吴敏; 许志伟; 段佳; 邢孟道
    地址: 710071 陕西省西安市太白南路2号
    优先权:
    专利代理机构: 西安睿通知识产权代理事务所(特殊普通合伙) 61218 代理人: 惠文轩
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201410106245.2

    授权公告号:

    ||||||

    法律状态公告日:

    2016.03.23|||2014.09.10|||2014.08.13

    法律状态类型:

    授权|||实质审查的生效|||公开

    摘要

    本发明属于极化SAR超分辨成像技术领域,特别涉及基于分布式压缩感知的全极化SAR超分辨成像方法。该基于分布式压缩感知的全极化SAR超分辨成像方法包括以下步骤:建立全极化合成孔径雷达信号模型;根据各个极化通道接收的后向散射回波数据,得出合成孔径雷达后向散射系数矩阵;采用分布式压缩感知算法,建立合成孔径雷达后向散射系数矩阵的最优化问题模型;求解所述合成孔径雷达后向散射系数矩阵的最优化问题,得出合成孔径雷达后向散射系数矩阵;根据所述合成孔径雷达后向散射系数矩阵,针对每个极化通道进行超分辨成像处理,得出对应的伪彩色图像;针对各个极化通道对应的伪彩色图像进行伪彩色融合,得出伪彩色融合图像。

    权利要求书

    权利要求书
    1.  基于分布式压缩感知的全极化SAR超分辨成像方法,其特征在于,包括以下步骤:
    S1:根据合成孔径雷达中设置的全极化通道,建立全极化合成孔径雷达信号模型;所述全极化通道包括HH极化通道、HV极化通道和VV极化通道;
    S2:利用合成孔径雷达全极化通道中的每个极化通道,接收对应的后向散射回波数据;根据各个极化通道接收的后向散射回波数据,得出合成孔径雷达后向散射系数矩阵;
    S3:针对全极化合成孔径雷达超分辨成像问题,采用分布式压缩感知算法,建立合成孔径雷达后向散射系数矩阵的最优化问题模型;
    S4:求解所述合成孔径雷达后向散射系数矩阵的最优化问题,得出合成孔径雷达后向散射系数矩阵;
    S5:根据所述合成孔径雷达后向散射系数矩阵,针对每个极化通道进行超分辨成像处理,得出对应的伪彩色图像;
    S6:针对各个极化通道对应的伪彩色图像,采用基于RGB空间的伪彩色图像融合算法进行伪彩色融合,得出伪彩色融合图像。

    2.  如权利要求1所述的基于分布式压缩感知的全极化SAR超分辨成像方法,其特征在于,在步骤S1中,全极化合成孔径雷达信号模型为:
    s=Ta+ε
    其中,s=[sHH,sVV,sHV],s表示合成孔径雷达后向散射系数矩阵,sHH为16384×1维的列向量,sHH表示HH极化通道接收的回波向量;sVV为16384×1维的列向量,sVV表示VV极化通道接收的回波向量;sHV为16384×1维的列向量,sHV表示HV极化通道接收的回波向量;a=[aHH,aVV,aHV],a表示全极化稀疏信号矩阵,aHH为65536×1维的列向量,aHH为HH极化方式下的目标散射系数矢量;aVV为65536×1维的列向量,aVV为VV极化方式下的目标散射 系数矢量;aHV为65536×1维的列向量,aHV为HV极化方式下的目标散射系数矢量;T为设定的超分辨字典,T是一个16384×65536维的映射矩阵;ε=[εHH,εVV,εHV],εHH为16384×1维的列向量,εHH表示设定的HH极化通道加性噪声;εVV为16384×1维的列向量,εVV表示设定的VV极化通道加性噪声;εHV为16384×1维的列向量,εHV表示设定的HV极化通道加性噪声;
    在步骤S2中,在HH极化方式下的后向散射回波数据中,截取出维度为128×128的数据,将截取的数据记为HH极化通道回波截取数据;在VV极化方式下的后向散射回波信号中,截取出维度为128×128的数据,将截取的数据记为VV极化通道回波截取数据;在HV极化方式下的后向散射回波信号中,截取出维度为128×128的数据,将截取的数据记为HV极化通道回波截取数据;
    按照HH极化通道回波截取数据的列顺序,将HH极化通道回波截取数据的各列依次顺叠,得出HH极化通道接收的回波向量sHH;按照VV极化通道回波截取数据的列顺序,将VV极化通道回波截取数据的各列依次顺叠,得出VV极化通道接收的回波向量sVV;按照HV极化通道回波截取数据的列顺序,将HV极化通道回波截取数据的各列依次顺叠,得出HV极化通道接收的回波向量sHV;从而得出合成孔径雷达后向散射系数矩阵s。

    3.  如权利要求2所述的基于分布式压缩感知的全极化SAR超分辨成像方法,其特征在于,在步骤S3中,所述合成孔径雷达后向散射系数矩阵的最优化问题为:
    a=agrmina||s-Ta||F2+ρΣi=165536(|aSPAN(i)|2+τ)1/2]]>
    其中,||·||F表示矩阵的F-范数,ρ为标量,表示约束参数;τ为小于0.1的常数,且有:
    aSPAN(i)=aHH*(i)·aHH(i)+aVV*(i)·aVV(i)+aHV*(i)·aHV(i)]]>
    其中,aHH(i)表示aHH中的第i个元素,aVV(i)表示aVV中的第i个元素,aHV(i) 表示aHV中的第i个元素,*表示取共轭,|aSPAN(i)|表示aSPAN(i)的绝对值。

    4.  如权利要求3所述的基于分布式压缩感知的全极化SAR超分辨成像方法,其特征在于,所述步骤S4具体包括以下步骤:
    S41:初始化全极化稀疏信号矩阵a,获得全极化稀疏信号矩阵a的初始值设定迭代次数l,l=1,2,3...;当l为1时,执行步骤S42;
    S42:按照以下公式计算全极化稀疏信号矩阵a的第l次估计值
    G(a^l-1)a^l=2THs]]>
    其中,G(a^l-1)=2THT+ρ·Λ(a^l-1),]]>H表示矩阵的共轭转置,并且有:
    Λ(a^l-1)=diag{b(l-1)(i)}]]>
    Λ(a^l-1)=diag{1|a^SPANl-1(i)|2+τ}]]>
    其中,{b(l-1)(i)}为b(l-1)(1)至b(l-1)(65536)组成的集合,diag{b(l-1)(i)}指:以b(l-1)(1)至b(l-1)(65536)作为主对角线元素而构成的对角矩阵;而b(l-1)(i)为:
    b(l-1)(i)=1|a^SPANl-1(i)|2+τ]]>
    a^SPANl-1(i)=a^HHl-1*(i)·a^HHl-1(i)+a^VVl-1*(i)·a^VVl-1(i)+a^HVl-1*(i)·a^HVl-1(i)]]>
    其中,表示中第1列第i行的元素,表示中第2列第i行的元素,表示中第3列第i行的元素;
    S43:采用共轭梯度法求解步骤S42中的
    S44:判断是否满足迭代终止条件,如果不满足,则令l值加1,重复执行步骤S42至步骤S44;如果满足,则合成孔径雷达后向散射系数矩阵的最优化问题的解为全极化稀疏信号矩阵a等于然后执行步骤S5;所述迭代终止条件为:
    ||a^l-a^l-1||22||a^l-1||22<δ]]>
    其中,||·||2表示求2-范数,δ为设定的大于0的常数。

    5.  如权利要求4所述的基于分布式压缩感知的全极化SAR超分辨成像方法,其特征在于,在步骤S5中,在得出全极化稀疏信号矩阵a之后,即得出了HH极化方式下的目标散射系数矢量aHH、VV极化方式下的目标散射系数矢量aVV以及HV极化方式下的目标散射系数矢量aHV;
    将a的第一列从上到下依次划分为256个列向量,每个划分的列向量的个数均为256个,按照划分顺序,将划分的256个列向量组成HH极化方式下的目标散射系数矩阵,其维度为256×256的矩阵;针对所述HH极化方式下的目标散射系数矩阵,进行超分辨成像,得出HH极化通道对应的超分辨成像图;将a的第二列从上到下依次划分为256个列向量,每个划分的列向量的个数均为256个,按照划分顺序,将划分的256个列向量组成VV极化方式下的目标散射系数矩阵,其维度为256×256的矩阵;针对所述VV极化方式下的目标散射系数矩阵,进行超分辨成像,得出VV极化通道对应的超分辨成像图;将a的第三列从上到下依次划分为256个列向量,每个划分的列向量的个数均为256个,按照划分顺序,将划分的256个列向量组成HV极化方式下的目标散射系数矩阵,其维度为256×256的矩阵;针对所述HV极化方式下的目标散射系数矩阵,进行超分辨成像,得出HV极化通道对应的超分辨成像图;
    在步骤S6中,在进行伪彩色融合的过程中,将|aHH|作为对应RGB图的红色分量系数R,将|aVV|作为对应RGB图的绿色分量系数G,将将作为对应RGB图的蓝色分量系数B;|aHH|为aHH的模,|aVV|为aVV的模,|aHV|为aHV的模。

    关 键 词:
    基于 分布式 压缩 感知 极化 SAR 分辨 成像 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    0条评论

    还可以输入200字符

    暂无评论,赶快抢占沙发吧。

    关于本文
    本文标题:基于分布式压缩感知的全极化SAR超分辨成像方法.pdf
    链接地址://www.4mum.com.cn/p-6140808.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03