阵列三维SAR图像增强理论与方法研究

Because of the ability of downward-looking, linear array synthetic aperture radar (LASAR) has great advantages in the field of topographic mapping, disaster monitoring and military reconnaissance, and becomes one of the Hot-points in SAR research. On the other hand, however, because of the limit of platform, the resolution of LASAR in the array direction is far lower than those in the other directions, which limits its application greatly. .In the face of the problems of LASAR in the application of remote sensing, this project will research the DEM enhancement technique of LASAR. The sparse recovery methods and variational principle will be applied during researching, the corresponding DEM enhancement methods will be proposed to improve the performances, and the LASAR DEM enhancement theory will be built finally. This project will partly solve the bottleneck that restricts the development of LASAR from the aspect of data processing, and the research achievements will support the LASAR system design and application researches greatly.

由于具备了传统SAR没有的下视观测能力，阵列三维SAR在地形测绘、灾害监测及军事侦察等方面较传统SAR具有很大优势，成为近年来合成孔径雷达技术的研究热点之一。由于载机平台尺寸的限制，阵列三维SAR阵列向分辨率远远低于距离向和方位向，严重制约了阵列三维SAR的实际应用能力。.针对阵列三维SAR系统在对地遥感应用中所面临的问题，本课题将研究阵列三维SAR图像增强技术，突破基于稀疏重建的图像增强方法、基于变分模型的图像增强方法等关键技术，建立阵列三维SAR图像增强理论。本课题将从数据处理的角度，一定程度上解决制约阵列三维SAR发展的阵列尺寸与阵列向分辨率的固有矛盾，研究成果将为阵列三维SAR系统设计及应用技术研究奠定理论基础和技术支持。

针对阵列三维SAR在信号处理、图像增强等方面所面临的问题，本课题研究了阵列三维SAR图像增强技术，突破基于稀疏重建的图像增强方法、基于变分模型的图像增强方法等关键技术，建立阵列三维SAR图像增强理论，并在此基础上将深度学习等先进信息处理手段用于阵列三维SAR图像处理领域，开展了三维SAR应用技术的探索研究。研究过程中，课题组发表SCI 论文17篇，并合著国家出版基金资助书籍“三维合成孔径雷达”1本，培养博士及硕士研究生8人。本课题研究的主要贡献如下：.1. 针对阵列三维SAR典型的系统偏差，如通道误差、接收波门误差等，课题组利用实测数据对误差特性和补偿方法进行了研究，处理了实测阵列三维SAR数据，获得了良好成像效果。.2. 针对传统LASAR稀疏三维成像质量不高的问题，研究了基于压缩采样匹配追踪算法、基于最大稀疏贝叶斯正则化的LASAR高精度三维成像算法等，一定程度上提升了LASAR稀疏三维成像的鲁棒性。.3. 针对稀疏重建技术在用于阵列三维SAR分辨率增强时存在的 “单值性”缺失问题，将变分模型用于阵列三维SAR分辨率增强处理，并通过滑窗结构结合改进的OMP算法提出了DEM变分模型的高效求解方法(Var-OMP算法)，在处理起伏地形和城市区域的分辨率增强问题时，其性能远优于基于稀疏模型的重建方法。.4. 在阵列三维 SAR图像增强的研究过程中，课题组针对阵列三维 SAR系统的重要应用之一——人体安检系统开展了相关的应用技术研究，将深度学习领域的目标检测技术用于近场三维SAR图像异物检测应用，开发了相关的算法模块，显著提高了检测的速度和精度。.5. 在阵列三维SAR图像增强的研究过程中，课题组将深度学习方法用于SAR图像处理中，提出了多尺度递归相干斑抑制网络、扩增一致性约束下半监督训练框架等用以处理SAR图像，为基于深度学习的阵列三维SAR数据/图像处理研究奠定了技术基础。