一种基于多时相耦合分析的干扰抑制方法技术

本发明专利技术涉及一种基于多时相耦合分析的干扰抑制方法，在图像域实现遥感图像的干扰抑制，属于雷达信号处理领域。由于遥感图像具有多时相的特点，多幅同一地域的遥感图像的背景具有一定相关性，可以认为背景满足低秩特性；而对于干扰信号，仅出现在一幅或几幅图像中，可以认为其满足稀疏特性。本发明专利技术利用遥感图像背景和干扰的低秩和稀疏特性差异，实现背景和干扰的分离，还原清晰的遥感图像，并分离出干扰图像。与传统干扰抑制的方法相比，本发明专利技术无需知道回波信息，仅有遥感成像数据，就可以实现干扰抑制。现干扰抑制。现干扰抑制。

【技术实现步骤摘要】
一种基于多时相耦合分析的干扰抑制方法


[0001]本专利技术涉及雷达信号处理领域，具体涉及一种基于多时相耦合分析的低秩矩阵分解的遥感干扰抑制方法。

技术介绍

[0002]天基雷达具有全天时、全天候工作等特点，可以准确获取地物信息，并且不受天气和光照的影响，能够提供了解全球环境变化的重要数据，在商业、军事等领域得到广泛应用。随着无线电技术的迅猛发展，天基雷达面临的干扰也逐渐变多，例如地面干扰和星间干扰，这些干扰极大降低了图像质量，影响雷达的观测精度。
[0003]现有的干扰抑制方法主要分为两类：基于模型驱动的干扰抑制方法和基于数据驱动的干扰抑制方法。模型驱动的干扰抑制方法是从干扰产生机理与先验假设出发，通过建立回波信号模型，利用时域或频域分析工具实现干扰抑制。但在实际情况中，模型的精确表达难度较大，且超参数无法自适应学习。数据驱动的干扰抑制方法则将神经网络作为黑箱模型，通过深层次的特征学习实现“端到端”的干扰抑制，但此类方法对数据依赖性较高且欠缺可解释性。
[0004]此外，现在常用的干扰抑制方法大多以原始回波作为处理对象，算法涉及复杂的数据分析与变换处理，计算复杂度大、运算效率不高。在一些实际应用中，遥感用户终端通常难以直接获取原始回波数据，可获得的处理数据一般都是聚焦处理后的图像数据。因此，研究针对图像域的干扰抑制方法，可以提高数据资源的利用效率，具有重要的理论意义和现实应用价值。

技术实现思路

[0005]要解决的技术问题
[0006]为了克服现有技术的不足，本专利技术提供一种基于多时相耦合分析的干扰抑制方法，在图像域实现遥感图像的干扰抑制。由于遥感图像具有多时相的特点，多幅同一地域的遥感图像的背景具有一定相关性，可以认为背景满足低秩特性；而对于干扰信号，仅出现在一幅或几幅图像中，可以认为其满足稀疏特性。本专利技术主要利用遥感图像背景和干扰的低秩和稀疏特性差异，实现背景和干扰的分离，还原清晰的遥感图像，并分离出干扰图像。
[0007]技术方案
[0008]一种基于多时相耦合分析的干扰抑制方法，其特征在于步骤如下：
[0009]步骤1：图像数据预处理
[0010]通过天基雷达获取一组同一地域、不同时间的遥感图像，获取图像的个数为K，每幅图像的大小用矩阵表示为将K幅图像进行叠加后，得到一个原始图像数据张量再对D进行向量化处理，得到原始图像矩阵
[0011]步骤2：利用多时相联合分析，对步骤1中的原始图像矩阵进行低秩稀疏分解，得
到低秩矩阵和稀疏矩阵
[0012]采用快速迭代阈值收缩算法FISTA进行低秩稀疏分解：
[0013]矩阵的分解模型表示为：其需要解决的优化问题的模型如下：
[0014][0015]其中，||
·
||
*
表示核范数，即低秩矩阵的奇异值之和；||
·
||
1,2
表示混合的1、2范数，即稀疏矩阵每个行向量的2范数；λ
l
和λ
s
分别表示低秩正则化参数和稀疏正则化参数；
[0016]得到FISTA算法的迭代公式如下：
[0017][0018]式中，表示奇异值算子，且U、V
H
和σ
i
由作奇异值分解得到：Σ＝diag(σ
i
,
…
,σ
r
)；表示软阈值算子，且表示单位矩阵，k表示迭代次数，L
f
表示Lipschitz常数；分别表示经过k次迭代后得到的低秩矩阵和稀疏矩阵；
[0019]将迭代终止次数设置为Y，经过Y次迭代后，迭代结束并返回低秩矩阵和稀疏矩阵
[0020]步骤3：经步骤2分解后得到的低秩图像数据矩阵对矩阵进行矩阵化处理，得到一个低秩图像数据张量然后对L从第四维进行提取，就可以恢复出干扰抑制后的遥感图像同理，将稀疏图像矩阵进行矩阵化处理后，可得到分离出的干扰图像
[0021]一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述的方法。
[0022]一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现上述的方法。
[0023]有益效果
[0024]本专利技术提供一种基于多时相耦合分析的干扰抑制方法，直接在图像域进行遥感图像的干扰抑制，利用多时相图像间的相关性，实现背景和干扰的分离。与传统干扰抑制的方法相比，本专利技术无需知道回波信息，仅有遥感成像数据，就可以实现干扰抑制。通过实验证
明，本专利技术能够分离背景与干扰，并恢复出清晰的遥感图像，同时分离出干扰图像。
附图说明
[0025]附图仅用于示出具体实施例的目的，而并不认为是对本专利技术的限制，在整个附图中，相同的参考符号表示相同的部件。
[0026]图1是本专利技术使用的遥感图像数据，其中：(a)时刻1图像(不含干扰)；(b)时刻2图像(不含干扰)；(c)时刻3图像(不含干扰)；(d)时刻4图像(不含干扰)；(e)时刻5图像(不含干扰)；(f)时刻6图像(不含干扰)；(g)时刻7图像(含干扰)。
[0027]图2是本专利技术的方法实现流程图。
[0028]图3是本专利技术实施例的干扰抑制效果示意图：(a)干扰抑制后恢复的遥感图像；(b)分离得到的干扰图像。
具体实施方式
[0029]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。此外，下面描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0030]以下实施过程参照图2。
[0031]基于多时相耦合分析的遥感图像干扰抑制方法的具体步骤如下：
[0032]步骤一：本专利技术实施例中使用的遥感图像来源于哨兵1
‑
A号(Sentinel
‑
1A)卫星，共7幅遥感图像，每幅图像的大小用矩阵表示为将7幅图像进行叠加，得到原始图像数据张量再对D进行向量化处理，得到原始图像数据矩阵
[0033]步骤二：利用多时相联合分析，对步骤一中的原始图像数据矩阵进行低秩稀疏分解，得到低秩矩阵和稀疏矩阵
[0034]本专利技术基于快速迭代阈值收缩算法(Fast Iterative Shrinkage
‑
thresholding Algorithm,FISTA)进行低秩稀疏分解。迭代公式如(2)式所示，本专利技术实施例中，迭代终止次数Y＝500，低秩正则化参数λ
l
＝10，稀疏正则化参数λ
s
＝0.1，Lipschitz常数L
f
＝1.5。
[0035]步骤三：经步骤二分解后得到的低秩图像数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多时相耦合分析的干扰抑制方法，其特征在于步骤如下：步骤1：图像数据预处理通过天基雷达获取一组同一地域、不同时间的遥感图像，获取图像的个数为K，每幅图像的大小用矩阵表示为i＝1,
…
,K；将K幅图像进行叠加后，得到一个原始图像数据张量再对D进行向量化处理，得到原始图像矩阵步骤2：利用多时相联合分析，对步骤1中的原始图像矩阵进行低秩稀疏分解，得到低秩矩阵和稀疏矩阵采用快速迭代阈值收缩算法FISTA进行低秩稀疏分解：矩阵的分解模型表示为：其需要解决的优化问题的模型如下：其中，||
·
||
*
表示核范数，即低秩矩阵的奇异值之和；||
·
||
1,2
表示混合的1、2范数，即稀疏矩阵每个行向量的2范数；λ
l
和λ
s
分别表示低秩正则化参数和稀疏正则化参数；得到FISTA算法的迭代公式如下：式中，表示奇异值算子，且i＝1,
…
r，U、V
H
和σ
i

【专利技术属性】
技术研发人员：陶明亮，赖思绮，粟嘉，范一飞，王伶，张兆林，李滔，宫延云，韩闯，杨欣，谢坚，汪跃先，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：