本發明屬于高維合成孔徑雷達成像數據處理，具體涉及一種基于svd-dcs的稀疏陣列層析sar三維重建方法和系統。

背景技術：

1、合成孔徑雷達(synthetic?aperture?radar,sar)是一種全天時、全天候、主動式微波成像雷達，對地表具有一定的穿透能力。在sar基礎上發展起來的層析sar是一種高時效、真立體、高精度三維重建新技術，在城市實景三維建設、野外勘探救援、非合作區域環境偵察、森林生物量與冰儲量估算等領域具有廣闊的應用前景。層析sar通過在方位-斜距平面的法線方向上增加多部天線或多次航過，并進行第三維高程向合成孔徑，從而實現第三維分辨能力，實現疊掩區域信息恢復。隨著新一代星載sar星座的發展，已有多顆衛星能夠在較短時間間隔內獲取同一地區多幅高分辨sar圖像，這為層析sar三維重建技術提供了可靠的數據保障。

2、然而，層析sar沿方位-斜距平面的法線方向進行第三維合成孔徑時，多航過或多天線采樣構成不均勻、稀疏陣列，傳統的dft、bf、capon等譜分析方法進行疊掩區域高程反演時，要求高程向信號采樣是均勻的，且采樣頻率須滿足奈奎斯特采樣定理，導致層析分辨率無法突破瑞利分辨率的局限性。利用music、奇異值分解(svd)等方法進行解疊掩，雖然在高程向分辨率上它能超越瑞利分辨率，但是以犧牲空間分辨率為代價的。雖然層析sar系統具有高程向的分辨率，但受天線數目的限制，高程向合成孔徑長度較小，導致高程向分辨率遠遠小于方位向與斜距向分辨率。為了滿足在稀疏、不規則基線分布條件下第三維超分辨率成像，基于壓縮感知(cs)的sl1mmer方法應運而生，它利用目標信號結構的稀疏特性，對低維空間低分辨率、欠奈奎斯特采樣的數據，進行非相關測量實現信號精確重構。然而，在基線數目少且不均勻分布的情形下，sl1mmer方法難以抑制第三維旁瓣噪聲，從而引入大量虛假目標。

3、作為cs理論的拓展，2005年，baron等人針對多個信號之間的聯合稀疏性，提出了分布式壓縮感知(dcs)理論。基于信息論中兩個信源的聯合熵小于各自熵之和的原理，dcs通過定義聯合稀疏的概念，充分挖掘多個信號之間的相關性，進行聯合cs，其性能一定優于各信號單獨cs的性能，進而降低系統對采樣率的要求。鑒于dcs優于cs的表現，研究基于dcs的層析sar三維重建方法，對于降低層析sar對系統的要求、提高層析sar三維重建的時效性具有重要意義。

技術實現思路

1、本發明要解決的技術問題是：提供一種基于svd-dcs的稀疏陣列層析sar三維重建方法和系統，用于提高稀疏陣列sar三維重建的密度與可靠度。

2、本發明為解決上述技術問題所采取的技術方案為：一種基于svd-dcs的稀疏陣列層析sar三維重建方法，包括以下步驟：

3、s1：獲取稀疏陣列sar圖像并進行預處理，得到預處理好的層析sar堆棧數據；

4、s2：以參考像元為中心，在劃定的窗口范圍內，采取平均對數相干閾值及平均幅度約束準則的方法，在預處理好的層析sar堆棧數據中逐像素搜索識別相鄰等高像元；

5、s3：根據相干系數指數權重進行自適應權重設計，對相鄰等高像元構成的層析sar數據堆棧作svd分解以降低dcs數據處理維度；

6、s4：通過mmv觀測svd投影，估計降維后的層析sar數據堆棧的參考像元處的噪聲能量作為svd-dcs頻譜估計模型的參數；

7、s5：代入降維后的層析sar數據堆棧，利用svd-dcs頻譜估計模型估計頻譜矩陣，并重建參考像元散射強度輪廓；

8、s6：通過頻譜矩陣構建信息論約束的模型階數求解模型，確定層析sar點云模型階數；

9、s7：通過頻譜矩陣構建目標三維復散射系數優化求解模型，估計層析sar點云散射強度值；

10、s8：對距離-多譜勒-高程坐標系下的層析sar點云數據進行地理編碼，輸出層析sar點云空間位置及散射強度數據。

11、按上述方案，所述的步驟s1中，具體步驟為：

12、s11：對輸入的稀疏陣列sar圖像進行復圖像配準得到sar復圖像；

13、s12：輸入參考地形數據，對sar復圖像進行相位去斜處理得到去斜sar復圖像；

14、s13：對去斜sar復圖像進行幅相誤差校正，得到預處理好的層析sar堆棧數據。

15、按上述方案，所述的步驟s2中，具體步驟為：

16、s21：設m為稀疏陣列sar圖像的圖幅數，xi(m)表示第m幅預處理好的層析sar堆棧數據在參考像元i處的復值，yi(m)表示第m幅預處理好的層析sar堆棧數據與參考像元i處相鄰的像元處的復值，*表示復數的共軛運算；構建參考像元x與相鄰像元y的相似性度量指數分布范圍在(0,1]之間：

17、

18、s22：對參考像元x與相鄰像元y的相似性度量指數取負對數運算，分布范圍在[0,∞)之間：

19、

20、s23：設n為sar圖像塊像元總數；在相干計算窗口內，逐個計算參考像元圖像塊與相鄰像元圖像塊對應像元間的相似性度量指數，求平均相似性度量指數并作為參考像元圖像塊與相鄰像元圖像塊的相似性度量指數：

21、

22、s24：計算參考像元與相鄰像元處層析sar數據的平均幅度ax、ay；

23、s25：將參考像元處平均幅度ax大于0.5倍的相鄰像元處平均幅度ay、參考像元處平均幅度ax小于2倍的相鄰像元處平均幅度ay，以及與參考像元圖像塊的相似性度量指數d(x,y)小于-lncthresh的相鄰像元圖像塊的中心像元，識別為相鄰等高像元，其中設置相干閾值cthresh＝0.5；

24、s26：遍歷所有像元作為參考像元，根據步驟s41到s45找出所有像元的相鄰等高像元。

25、進一步的，所述的步驟s3中，具體步驟為：

26、s31：設k為矩陣的秩，l為相鄰等高像元數加1，s為從大到小排列的奇異值元素構成的對角矩陣，k〈l、k＜m，um×k、vl×k表示前k個奇異值對應特征向量構成的信號子空間，其余奇異值對應的特征向量構成的是噪聲子空間；通過svd將相鄰等高像元構成的層析sar數據堆棧y分解為信號和噪聲對應的子空間，且僅保留信號子空間：

27、y＝usvh＝[um×k,um×(m-k)]sm×l[vl×k,vl×(l-k)]h????(4)；

28、s32：令其中ik×k為k×k的單位陣，0(l-k)×k為(l-k)×l的零矩陣；計算降維后的層析sar數據堆棧為

29、進一步的，所述的步驟s4中，具體步驟為：

30、s41：設表示奇異值構成的對角矩陣，表示奇異值向量構成的矩陣；對壓縮傳感矩陣a進行奇異值分解如下：

31、

32、s42：設表示第n個奇異值向量，表示降維后的層析sar數據堆棧的第i列向量，將求得的參數作為參考像元處噪聲的能量大小，用于svd-dcs頻譜估計的噪聲能量約束以及層析sar點云模型定階；計算噪聲能量公式如下：

33、

34、進一步的，所述的步驟s5中，具體步驟為：

35、s51：設||?||2,1、||?||f分別表示矩陣的l1-l2混合范數、f范數；代入降維后的層析sar數據堆棧，構建svd-dcs頻譜估計模型：

36、

37、s52：采用譜梯度投影方法估計頻譜矩陣

38、s53：設表示估計出的頻譜矩陣的第i行向量；給出最終參考像元處散射強度結果

39、進一步的，所述的步驟s6中，具體步驟為：

40、s61：設為參考像元處有效目標的個數，z為前個最大頻譜峰值的位置，表示前個最大頻譜峰值位置對應的三維散射系數；構建信息論約束的模型階數求解模型：

41、

42、信息約束項采用bic、mdl模型：

43、

44、s62：根據頻譜峰值從大到小組合，通過窮舉法代入并計算代價函數，將代價函數最小的目標分布情形對應的有效散射目標個數以及高程位置作為參考像元處有效的目標個數及高程位置信息。

45、進一步的，所述的步驟s7中，具體步驟為：

46、s71：構建目標三維復散射系數優化求解模型：

47、

48、s72：設表示的第i列向量；通過最小二乘方法求解公式(10)，并估計層析sar點云散射強度值為：

49、

50、一種基于svd-dcs的稀疏陣列層析sar三維重建系統，包括slc圖像配準模塊、相位去斜模塊、幅相誤差校正模塊、相鄰等高像元識別模塊、自適應權重設計模塊、噪聲能量估計模塊、svd-dcs譜估計模塊、模型階數選擇模塊、目標參數估計模塊和地理編碼模塊；

51、slc圖像配準模塊用于獲取稀疏陣列sar圖像并進行復圖像配準，得到sar復圖像；

52、相位去斜模塊用于根據參考地形數據對sar復圖像進行相位去斜處理，得到去斜sar復圖像；

53、幅相誤差校正模塊用于對去斜sar復圖像進行幅相誤差校正，得到預處理好的層析sar堆棧數據；

54、相鄰等高像元識別模塊用于以參考像元為中心，在劃定的窗口范圍內，采取平均對數相干閾值及平均幅度約束準則的方法，在預處理好的層析sar堆棧數據中逐像素搜索識別相鄰等高像元；

55、自適應權重設計模塊用于根據相干系數指數權重進行自適應權重設計，對相鄰等高像元構成的層析sar數據堆棧作svd分解以降低dcs數據處理維度；

56、噪聲能量估計模塊用于通過mmv觀測svd投影，估計降維后的層析sar數據堆棧的參考像元處的噪聲能量作為svd-dcs頻譜估計模型的參數；

57、svd-dcs譜估計模塊用于代入降維后的層析sar數據堆棧后估計頻譜矩陣，并重建參考像元散射強度輪廓；

58、模型階數選擇模塊用于通過頻譜矩陣構建信息論約束的模型階數求解模型，確定層析sar點云模型階數；

59、目標參數估計模塊用于通過頻譜矩陣構建目標三維復散射系數優化求解模型，估計層析sar點云散射強度值；

60、地理編碼模塊用于對距離-多譜勒-高程坐標系下的層析sar點云數據進行地理編碼，輸出層析sar點云空間位置及散射強度數據。

61、一種計算機存儲器，其內存儲有可被計算機處理器執行的計算機程序，該計算機程序執行一種基于svd-dcs的稀疏陣列層析sar三維重建方法。

62、本發明的有益效果為：

63、1.本發明的一種基于svd-dcs的稀疏陣列層析sar三維重建方法和系統，針對不規則、稀疏采樣情形下層析sar難以精確重建、虛假目標多的問題，通過對稀疏陣列sar圖像數據進行包括復圖像配準、相位去斜處理、幅相誤差校正處理的預處理，得到預處理好的層析sar堆棧數據；通過包括識別相鄰等高像元、svd分解降低dcs數據處理維度，通過噪聲能量估計和svd-dcs頻譜估計，重建參考像元散射強度輪廓；通過選擇模型階數、估計目標參數，并對數據進行地理編碼，輸出層析sar點云空間位置及散射強度數據，實現了提高稀疏陣列sar三維重建的密度與可靠度的功能。

64、2.相比傳統beamforming、capon、music多視方法，以及svd-wiener、sl1mmer單視方法，本發明方法具有最高的點云重建數目，三維重建的密度高。

65、3.相比現有的svd-wiener、sl1mmer超分辨率單視方法，本發明方法抑制旁瓣噪聲更好，通過精確重建提高了層析sar點云重建的可靠度。