资源描述：
《SAR 图像目标超分辨的变范数正则化算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第12期电子学报Vol.36No.122008年12月ACTAELECTRONICASINICADec.2008SAR图像目标超分辨的变范数正则化算法1,21王光新,王正明(1国防科学技术大学理学院,湖南长沙410073;2桂林空军学院,广西桂林541003)摘要:基于正则化变分的框架,提出了SAR图像目标超分辨的变范数算法.考虑目标在成像区域中的稀疏特性,利用广义高斯分布对目标区域的幅度进行建模,在Bayes估计的框架下,推导了lp范数约束的正则化变分模型和广义高斯分布形状参数的关系.采用迭代的方法在逐次估计真实图像的过程中,将p的取值与逐次估计结果相关
2、联,逐步估计目标区域分布的形状参数,并修正lp范数的具体形式,由此得到变范数的正则化模型.该方法克服了通过经验选取p值的局限,以及由观测数据估计p值的误差.仿真和实测SAR图像的处理结果表明了该方法的有效性.关键词:SAR图像;超分辨;变范数;正则化;参数估计中图分类号:TN957文献标识码:A文章编号:03722112(2008)12238905SARImageTargetsSuperresolutionBasedonRegularizationwithVariableNorms1,21WANGGuangxin,WANGZhengming(1Nation
3、alUniversityofDefenseTechnology,Changsha,Hunan410073,China;2GuilinAirforceCollege,Guilin,Guangxi541003,China)Abstract:Basedontheframeworkofregularizationvariation,weproposedasuperresolutionalgorithmofSARimagetargetsusingvariablenorms.Consideringthesparsenessofscatteringsinthescene,thegeneralize
4、dGaussiandistribution(GGD)isusedtomodeltheamplitudeofthetargetsdata.FollowingBayesianframework,wededucedtherelationshipbetweenlpnormregularizationandtheshapeparameterofGGD.Underaniterativescheme,weassociatedtheparameterpwiththeestimatedresultsofeachiterationstep.Theestimatedparameterpwasthenused
5、tomodifythemodelandtoconstructasuperresolutionmodelwithvariablelpnorms.Ourmethodovercomestheshortcomingsofthefixedlpnormregularizationmodel,whichselectstheparameterpbyexperience.Finally,wedemonstratedtheperformanceofourmethodonsimulatedandrealSARscene.Experimentsshowthatthemethodselectsparameter
6、pautomaticallyinaniterativeway,andproducessuperresolvedSARimages.Keywords:SARimage;superresolution;variablenorms;regularization;parameterestimation[2]息,一方面为实现带宽外推提供所需的信息;另一方1引言[3]面,可以作为约束来改进图像超分辨问题的病态性.合成孔径雷达(SyntheticApertureRadar,SAR)是一种针对SAR图像中感兴趣目标的稀疏特性,Cetin[3]利用高分辨的相干成像雷达,其空间分辨率是对SAR成像
7、广义高斯分布作为SAR图像目标区域数据的稀疏先验系统区分不同空间位置地物目标能力的一种度量,是衡分布,并由此构造了一族基于lp范数的非二次正则化量SAR成像系统性能及SAR图像应用效能的关键指超分辨模型.但是在建立该模型时,p值并没有一个合标.在硬件系统不变的情况下,如何利用数据处理的方理的确定方法,主要是根据主观经验选取.这种做法在法进一步改进SAR图像的分辨率,已经成为目前SAR计算上有其简单性,易于操作,但是其应用具有一定的[
