基于压缩感知的SAR图像成像算法研究开题报告

1. 研究目的与意义（文献综述）

合成孔径雷达（SyntheticApertureRadar，简称SAR）是一种主动式的对地观测系统，它利用雷达回波信号的相关性累积雷达运动过程中回波信号的多普勒频移，在雷达的运动方向上合成等效的雷达孔径，从而实现方位向高分辨成像；通过在发射端发射大时宽带宽积信号，在接收端采用脉冲压缩技术，从而获得距离向的高分辨图像。SAR具有一定的地表穿透能力，可以全天时、全天候、大面积获取高分辨率图像，同时SAR图像包含目标的多种散射信息，具有大的动态范围和精密测距能力，因此SAR在灾害监测、环境监测、海洋监测、资源勘查、农作物估产、测绘和军事等方面的应用上有着独特的优势，可发挥其他遥感手段难以发挥的作用，许多发达国家如美国、俄罗斯、德国、日本，都积极投身于该技术的研究。但在实际应用中，SAR技术的发展也面临着一些新的问题，由于SAR图像数据规模大，相关性较弱，能量分散于整个图像上，如今的常见技术对SAR图像压缩效果都不理想，以奈奎斯特采样定理为基础的信号处理方法不能很好地处理高分辨雷达信号，从而考虑将近年来出现的稀疏信号处理理论——压缩感知（CompressedSensing，简称CS）理论引入到高分辨率雷达图像处理中来。

压缩感知理论于2004年提出，如今已在信息论、图像处理、地球科学、光学、微波成像、模式识别、无线通信、大气、地质等领域受到国内外学者的高度关注。压缩感知理论基于信号的可压缩性指出，对稀疏信号或可压缩信号，可以通过求解一个非线性稀疏约束的最优化问题，在远小于奈奎斯特采样率的条件下进行采样，并成功实现信号的准确或近似重构，减轻了收集大量数据以及后续存储和传输信号的压力。根据雷达目标的电磁散射特性，在高频区，雷达目标的回波信号可由少数几个重要的散射中心来刻画，宽带雷达可得到的感兴趣散射中心数远小于识别这些散射中心所需要的数据样本数。雷达目标的这种电磁特性与CS理论对稀疏性的要求一致，为CS理论在雷达成像中的应用提供了可能。综上所述，将CS理论应用于SAR图像的处理，将能有效解决海量数据的存储问题，降低图像处理的复杂度和计算代价，在实际应用中，降低雷达系统的采样要求，弥补雷达数据自身的缺失，改善雷达成像质量。如今，已经出现了一批研究CS理论在雷达成像方面应用的文献，但是CS理论在雷达成像中的应用是一个崭新的领域，还处在起步阶段，许多问题需要进一步研究。

2. 研究的基本内容与方案

针对cs理论及其应用的研究目前正如火如荼地展开，对cs基本理论的研究已经取得了一些有意义的结果，但是仍然有大量的问题需要进一步研究，比如：如何寻找快速的稀疏重构算法实现稀疏度较低的信号的恢复，对于稳定的重构算法如何设计一个最优的测量矩阵，如何寻找稳健的重构算法以实现对含噪信号的高效重建等等。

针对目前存在的一些问题，结合sar（合成孔径雷达）图像数据规模大、能量不集中等特点，提出基于压缩感知理论的sar图像成像算法，并给出具体的方法与结果，将获得的结果与传统方法进行对比。sar图像中对应于所有地物信息的各个散射点是按照分辨率弥补排列的，它们在通常情况下会占满整张sar图像，所以sar图像本身是不稀疏的，即能量分散。cs理论本身所具有的压缩采样特性有望解决高分辨雷达海量数据的采集、传输与存储问题，同时，基于cs理论的成像方法能够简化雷达系统，为取消雷达接收端的匹配滤波器、降低对接收机所必需的高速a/d转换器的要求提供了契机。

常用的压缩感知方法常常先用离散小波变换（dwt）对图像进行稀疏处理，再用随机高斯矩阵作为测量矩阵，实现信号的降维，最后用正交匹配追踪算法或其改进算法恢复信号，最后做离散小波逆变换实现原图像的恢复。本次设计将以传统方法为基础，从稀疏矩阵、测量矩阵、恢复算法中选择进行改进，提高计算处理的效率和恢复图像的效果，并在论文中给出仿真结果和相关数据，证明方法的有效性和可行性。

3. 研究计划与安排

第1周，查阅大量文献资料，了解论文题目；

第2——5周，根据论文题目进行学习研究，主要学习压缩感知理论，并完成开题报告；

第6——7周，学习sar图像的相关知识，对毕业论文有一个大致的思路和设计框架；

4. 参考文献（12篇以上）

[1]许学杰，潘志刚，刘畅.基于压缩感知的sar图像压缩算法.中国科学院大学学报.2015.32（6）：790-796.

[2]朱丰，张群，顾福飞，李开明，颜俊，毕博.基于压缩感知的sar图像压缩与重构方法.现代雷达.2012.34（5）.

[3]jungangyang,thompsonj,xiaotaohuang,tianjin,zhimin.