基于低秩和非局部自相似的稀疏ISAR成像方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114966687A(43)申请公布日2022.08.30(21)申请号202210584667.5(22)申请日2022.05.27(71)申请人河南工业大学地址450001河南省郑州市高新技术开发区莲花街100号(72)发明人任笑真白艳雯崔静樊慧玲张自豪吕宗旺孙福艳王贺鹏(74)专利代理机构郑州大通专利商标代理有限公司41111专利代理师周艳巧(51)Int.Cl.G01S13/90(2006.01)权利要求书2页说明书8页附图3页(54)发明名称基于低秩和非局部自相似的稀疏ISAR成像方法及系统(57)摘要本发明属于雷达成像技术领域，特别涉及一种基于低秩和非局部自相似的稀疏ISAR成像方法及系统，依据逆合成孔径雷达ISAR系统接收的回波信号重建图像的低秩性，将其低秩性作为重建图像的先验信息，利用先验信息及图像非局部自相似约束来构建稀疏成像模型；引入拉格朗日乘子对稀疏成像模型进行等价转化，并将稀疏成像问题分解为若干子问题进行迭代求解；依据迭代求解结果来获取最终的稀疏ISAR成像。本发明通过挖掘ISAR目标的结构相关性，结合ISAR目标的低秩先验和非局部自相似性来构建稀疏ISAR成像模型，以提高稀疏ISAR成像质量及成像效果。CN114966687ACN114966687A权利要求书1/2页1.一种基于低秩和非局部自相似的稀疏ISAR成像方法，其特征在于，包含如下内容：依据逆合成孔径雷达ISAR系统接收的回波信号重建图像的低秩性，将其低秩性作为重建图像的先验信息，利用先验信息及图像非局部自相似约束来构建稀疏成像模型；引入拉格朗日乘子对稀疏成像模型进行等价转化，并将稀疏成像问题分解为若干子问题进行迭代求解；依据迭代求解结果来获取最终的稀疏ISAR成像。2.根据权利要求1所述的基于低秩和非局部自相似的稀疏ISAR成像方法，其特征在于，重建图像的低秩性表示为：其中，X表示重建图像，Φ为字典矩阵，S为距离像，K为成像场景中散射点数目。3.根据权利要求1所述的基于低秩和非局部自相似的稀疏ISAR成像方法，其特征在于，图像非局部自相似表示中，将重建图像分解为若干图像块，在搜索窗中根据匹配策略寻找与图像块最相似的候选图像块，并依据分解的图像块大小和候选图像块数量将所有候选图像块堆叠为三维矩阵；通过对三维矩阵进行正交变换得到所有图像块的三维变换系数，利用三维变换系数来表示重建图像的非局部自相似算子。4.根据权利要求3所述的基于低秩和非局部自相似的稀疏ISAR成像方法，其特征在于，重建图像的非局部自相似算子表示为：其中，ΨNLX表示非局部自相似算子，ΘX表示以矩阵形式排列的所有三维变换系数，且ΘX列向量是由根据三维矩阵得到的变换系数按字典顺序进行重新排列构建，P表示分解的图像块个数，X表示重建图像，T3D表示三维正交变换算子。5.根据权利要求1所述的基于低秩和非局部自相似的稀疏ISAR成像方法，其特征在于，稀疏成像模型表示为：其中，X表示重建图像，Y表示回波信号矩阵，Φ为字典矩阵，S为距离像，ΘX表示以矩阵形式排列的所有三维变换系数，R表示稀疏孔径矩阵，λ1、λ2表示正则化参数。6.根据权利要求5所述的基于低秩和非局部自相似的稀疏ISAR成像方法，其特征在于，对稀疏成像模型进行等价转化过程表示为：其中，V1、V2和V3分别表示引入的拉格朗日乘子，μ表示罚参数，Φ为字典矩阵，Z和W为模型等价转化引入的辅助变量，ΘW为以矩阵形式排列的变量W的所有三维变换系数。7.根据权利要求6所述的基于低秩和非局部自相似的稀疏ISAR成像方法，其特征在于，依据S、Z、W、X将稀疏成像问题分解为关于S、Z、W、X的四个子问题，分别对该四个子问题进行迭代求解，并依据设置的迭代终止门限来获取最终的稀疏ISAR成像。8.一种基于低秩和非局部自相似的稀疏ISAR成像系统，其特征在于，包含：模型构建模块和成像求解模块，其中，模型构建模块，用于依据逆合成孔径雷达ISAR系统接收的回波信号重建图像的低秩2CN114966687A权利要求书2/2页性，将其低秩性作为重建图像的先验信息，利用先验信息及图像非局部自相似约束来构建稀疏成像模型；成像求解模块，用于通过引入拉格朗日乘子对稀疏成像模型进行等价转化，并将稀疏成像问题分解为若干子问题进行迭代求解；依据迭代求解结果来获取最终的稀疏ISAR成像。9.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1～7任一项所述的基于低秩和非局部自相似的稀疏ISAR成像方法的步骤。10.一种终端设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现权利要求1～7任一项