刘 艳
(重庆人文科技学院计算机工程学院 重庆 401524)
合成孔径雷达(Synthetic Aperture Radar,SAR)图像由于其在不同天气条件下的可用性和无云图像的良好质量,使得SAR图像比其他雷达成像的应用场景更广泛[1-2]。SAR图像的超分辨率(Super Resolution,SR)克服了成像器件固有的分辨率局限性,为在军事系统、环境测绘等其他遥感图像上的应用做好了准备。因此,通过图像处理技术来增强SAR图像的分辨率是当前非常活跃的研究领域[3]。
目前,研究人员已经提出了一些关于超分辨率SAR成像的工作,如谱估计[4]和正则化[5]等方法。超分辨率SAR成像的谱估计和正则化都具有增强目标特征、抑制噪声和增强分辨率的优点。文献[6]提出了一种基于联合学习策略的SAR图像空间分辨率增强方法,该方法将合成孔径雷达图像分解为卡通分量和纹理分量,然后进行处理,从而实现从LR-SAR图像中重建HR-SAR图像的目的。文献[7]提出了一种实现复杂目标超分辨SAR成像的快速稀疏谱估计算法,该算法利用基于快速傅里叶变换的预处理共轭梯度方法和牛顿法有效地估计稀疏谱参数,进而合成稀疏SAR图像。文献[8]提出了一种基于自适应压缩感知和稀疏先验的SAR超分辨率方法,该方法将自适应压缩感知技术和稀疏先验知识作为高分辨率图像重建和点扩展函数估计领域的正则化器,用于解决SAR图像在非参数盲单图像超分辨率时的高度不适定问题。文献[9]则将凸集投影算法应用于SAR图像重建处理中,使得基于多极化信息重建的高分辨率SAR图像的纹理更加细致清晰。……