本申請涉及遙感成像，特別是涉及一種基于自編碼器的sar深度超分辨成像方法及相關(guān)裝置。

背景技術(shù)：

1、壓縮感知(compressive?sensing，cs)在合成孔徑雷達(syntheticapertureradar，sar)系統(tǒng)中的應(yīng)用有助于實現(xiàn)超分辨率成像。cs是利用稀疏的先驗信息，從少數(shù)測量信號中精確地重構(gòu)信號。在基于壓縮感知理論的sar成像中，在采樣不足的情況下，尋找稀疏來恢復sar回波的成像結(jié)果。然而，目前基于壓縮感知理論的sar成像算法的采樣效率較低。

技術(shù)實現(xiàn)思路

1、本申請的目的是提供一種基于自編碼器的sar深度超分辨成像方法及相關(guān)裝置，可提升采樣效率。

2、為實現(xiàn)上述目的，本申請?zhí)峁┝巳缦路桨福?/p>

3、第一方面，本申請?zhí)峁┝艘环N基于自編碼器的sar深度超分辨成像方法，包括：

4、獲取初始參數(shù)集；所述初始參數(shù)集包括若干雷達工作參數(shù)組和若干真實sar圖像；所述雷達工作參數(shù)組包括場景中心參考斜距、衛(wèi)星飛行速度、方位向天線尺寸、發(fā)射脈沖數(shù)、發(fā)射信號的調(diào)頻率、雷達發(fā)射脈沖的時刻向量和工作波長；

5、將每一所述雷達工作參數(shù)組分別與每一所述真實sar圖像進行組合，構(gòu)建若干仿真場景；所有仿真場景構(gòu)成仿真場景數(shù)據(jù)集；

6、基于所述雷達工作參數(shù)組劃分觀測場景，得到第一場景；基于所述第一場景獲得初始化成像結(jié)果；

7、基于所述仿真場景數(shù)據(jù)集預訓練自編碼器，得到初始化網(wǎng)絡(luò)參數(shù)；

8、根據(jù)所述初始化網(wǎng)絡(luò)參數(shù)和所述初始化成像結(jié)果，循環(huán)迭代最小化成像損失函數(shù)，得到最終成像結(jié)果。

9、第二方面，本申請?zhí)峁┝艘环N基于自編碼器的sar深度超分辨成像裝置，包括：

10、初始參數(shù)集獲取模塊，用于：獲取初始參數(shù)集；所述初始參數(shù)集包括若干雷達工作參數(shù)組和若干真實sar圖像；所述雷達工作參數(shù)組包括場景中心參考斜距、衛(wèi)星飛行速度、方位向天線尺寸、發(fā)射脈沖數(shù)、發(fā)射信號的調(diào)頻率、雷達發(fā)射脈沖的時刻向量和工作波長；

11、仿真場景數(shù)據(jù)集構(gòu)建模塊，用于：將每一所述雷達工作參數(shù)組分別與每一所述真實sar圖像進行組合，構(gòu)建若干仿真場景；所有仿真場景構(gòu)成仿真場景數(shù)據(jù)集；

12、初始化成像結(jié)果生成模塊，用于：基于所述雷達工作參數(shù)組劃分觀測場景，得到第一場景；基于所述第一場景獲得初始化成像結(jié)果；

13、自編碼器預訓練模塊，用于：基于所述仿真場景數(shù)據(jù)集預訓練自編碼器，得到初始化網(wǎng)絡(luò)參數(shù)；

14、最終成像結(jié)果生成模塊，用于：根據(jù)所述初始化網(wǎng)絡(luò)參數(shù)和所述初始化成像結(jié)果，循環(huán)迭代最小化成像損失函數(shù)，得到最終成像結(jié)果。

15、第三方面，本申請?zhí)峁┝艘环N計算機設(shè)備，包括：存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序以實現(xiàn)上述基于自編碼器的sar深度超分辨成像方法。

16、第四方面，本申請?zhí)峁┝艘环N計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)上述基于自編碼器的sar深度超分辨成像方法。

17、根據(jù)本申請?zhí)峁┑木唧w實施例，本申請公開了以下技術(shù)效果：

18、本申請?zhí)峁┝艘环N基于自編碼器的sar深度超分辨成像方法及相關(guān)裝置，現(xiàn)有基于壓縮感知理論的sar超分辨成像，側(cè)重于將二維后向散射系數(shù)矩陣強制轉(zhuǎn)換為矢量，忽略了行與列之間存在的冗余，從而破壞內(nèi)部結(jié)構(gòu)，未能充分利用到后向散射系數(shù)矩陣的冗余性。針對上述問題，本申請利用自編碼器充分sar成像過程中后向散射系數(shù)的冗余性，提升了采樣效率。

技術(shù)特征：

1.一種基于自編碼器的sar深度超分辨成像方法，其特征在于，所述基于自編碼器的sar深度超分辨成像方法包括：

2.根據(jù)權(quán)利要求1所述的基于自編碼器的sar深度超分辨成像方法，其特征在于，將每一所述雷達工作參數(shù)組分別與每一所述真實sar圖像進行組合，構(gòu)建若干仿真場景，具體包括：

3.根據(jù)權(quán)利要求1所述的基于自編碼器的sar深度超分辨成像方法，其特征在于，基于所述第一場景獲得初始化成像結(jié)果，具體包括：

4.根據(jù)權(quán)利要求1所述的基于自編碼器的sar深度超分辨成像方法，其特征在于，所述自編碼器包括依次連接的編碼器、解碼器、平坦層和全連接模塊；其中，所述編碼器由多個卷積層組成；所述解碼器由多個卷積層組成。

5.根據(jù)權(quán)利要求1所述的基于自編碼器的sar深度超分辨成像方法，其特征在于，根據(jù)所述初始化網(wǎng)絡(luò)參數(shù)和所述初始化成像結(jié)果，循環(huán)迭代最小化成像損失函數(shù)，得到最終成像結(jié)果，具體包括：

6.根據(jù)權(quán)利要求5所述的基于自編碼器的sar深度超分辨成像方法，其特征在于，所述成像損失函數(shù)表示如下：

7.根據(jù)權(quán)利要求6所述的基于自編碼器的sar深度超分辨成像方法，其特征在于，所述設(shè)定條件為其中，為第l次迭代次數(shù)對應(yīng)的成像損失函數(shù)值，為第l-1次迭代次數(shù)對應(yīng)的成像損失函數(shù)值。

8.一種基于自編碼器的sar深度超分辨成像裝置，其特征在于，所述基于自編碼器的sar深度超分辨成像裝置包括：

9.一種計算機設(shè)備，包括：存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序以實現(xiàn)權(quán)利要求1-7中任一項所述的基于自編碼器的sar深度超分辨成像方法。

10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-7中任一項所述的基于自編碼器的sar深度超分辨成像方法。

技術(shù)總結(jié)
本申請公開了一種基于自編碼器的SAR深度超分辨成像方法及相關(guān)裝置，涉及遙感成像技術(shù)領(lǐng)域，該方法包括獲取初始參數(shù)集；初始參數(shù)集包括若干雷達工作參數(shù)組和若干真實SAR圖像；將每一雷達工作參數(shù)組分別與每一真實SAR圖像進行組合，構(gòu)建若干仿真場景；所有仿真場景構(gòu)成仿真場景數(shù)據(jù)集；基于雷達工作參數(shù)組劃分觀測場景，得到第一場景；基于第一場景獲得初始化成像結(jié)果；基于仿真場景數(shù)據(jù)集預訓練自編碼器，得到初始化網(wǎng)絡(luò)參數(shù)；根據(jù)初始化網(wǎng)絡(luò)參數(shù)和初始化成像結(jié)果，循環(huán)迭代最小化成像損失函數(shù)，得到最終成像結(jié)果，本申請利用自編碼器充分SAR成像過程中后向散射系數(shù)的冗余性，提升了采樣效率。

技術(shù)研發(fā)人員：陳文姣,張陳輝,劉堅強,劉洪林,常慧賢,郭玉鳳,高鵬旭
受保護的技術(shù)使用者：中國人民解放軍軍事航天部隊航天工程大學士官學校
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6