一种基于图像质量最优的SAR多普勒模糊数估计方法

摘要

本发明涉及一种基于图像质量最优的合成孔径雷达(SAR)多普勒模糊数估计方法，属于SAR成像技术领域。本发明利用图像质量与多普勒模糊数估计偏差之间的函数关系，将使图像质量最好时对应的多普勒模糊数作为SAR多普勒模糊数的估计值。本发明采用了基于图像质量最优的SAR多普勒模糊数估计方法，由于SAR图像质量对多普勒模糊数估计误差十分敏感，并且该方法充分利用了图像质量与多普勒模糊数之间的定量关系，因此，对于低对比度和高对比度场景均具有较高的估计精度。

说明书

技术领域

本发明涉及一种基于图像质量最优的SAR(合成孔径雷达)多普勒模糊数估 计方法，属于SAR成像技术领域。

背景技术

在SAR成像处理中，多普勒中心是极其重要的成像参数，由于方位向回波数 据依照脉冲重复频率进行采样，所以多普勒中心包括两部分：基带多普勒中心 (多普勒中心小数部分)和多普勒模糊数(多普勒中心整数部分)；如果多普勒 模糊数存在偏差，会导致图像信噪比变差，直接影响图像质量；通常情况下， 多普勒模糊数可由平台运动和天线姿态参数计算得到，不过由于测量单元的精 度有限，导致计算值与真实值偏差很大，所以需要采用基于回波数据的多普勒 模糊数估计方法。

场景的对比度会直接影响基于数据的多普勒模糊数估计方法的精度，如多重 频法、多波长法、距离多视互相关法和距离差异法适用于低对比度场景，距离 互相关法、多视频率差拍法、几何多普勒估计法和距离徙动校正/积分法适用 于高对比度场景，而在实际处理中，目标区域通常同时具有低对比度和高对比 度场景，这使得传统的多普勒模糊数估计方法估计精度下降，进而降低SAR图 像质量，甚至无法辨识目标。

因此，需要开发一种既适用于低对比度场景、又适用于高对比度场景的高精 度SAR多普勒模糊数估计方法。

发明内容

本发明的目的是为了克服已有技术的缺陷，解决传统SAR多普勒模糊数估计 方法同时用于低对比度和高对比度场景下误差大、精度低的问题，提出了一种 基于图像质量最优的SAR多普勒模糊数估计方法。

本发明的目的是通过以下技术方案实现的。

本发明的一种图像质量最优的SAR多普勒模糊数估计方法，其步骤如下：

步骤一、按目标合成孔径时间长度获取距离压缩后的SAR回波数据，采用 时域相关法得到多普勒中心小数部分估计值，用f_{dc_base}表示。

$f_{\mathrm{dc}\_\mathrm{base}}=\frac{1}{N_r}\underset{m=1}{\overset{N_r}{\Sigma }}\{\frac{F_a}{2\mathrm{\pi k}}·\arg [\underset{j=1}{\overset{N_a}{\Sigma }}S({\tau }_m,t)S^{*}({\tau }_m,t-k)\left]\right\}---\left(1\right)$

其中，N_r为距离压缩后的SAR回波数据的距离向采样点数，F_a为脉冲重复 频率，k为相关间隔，arg(·)为取复角操作，N_a为距离压缩后的SAR回波数据的 方位向采样点数，S(τ_m，t)为距离压缩后的SAR回波数据中第m个距离单元的回 波信号，1≤m≤Nr，τ_m为距离压缩后的SAR回波数据中第m个距离单元的回波信 号对应的距离向快时间，t为方位向慢时间。

步骤二、根据SAR几何关系，通过公式(2)得到多普勒模糊数的粗估计值， 用符号M_amb0表示；然后，根据多普勒模糊数的粗估计值M_amb0和预先设定的多普 勒模糊数的估计偏差(用符号M_ε表示)得到多普勒模糊数(用符号M_amb表示) 的搜索区间为[M_amb0-M_ε，M_amb0+M_ε]，即M_amb∈[M_amb0-M_ε，M_amb0+M_ε]。

$M_{\mathrm{amb}0}=\mathrm{round}\left(\frac{2V\cos \theta }{\lambda F_a}\right)---\left(2\right)$

其中，round(·)为取整操作，V为载机速度，θ为波束中心对应的前斜角，λ 为SAR的波长；

步骤三、利用步骤一和步骤二得到的结果，根据公式(3)，依次得到步骤二 所述搜索区间[M_amb0-M_ε，M_amb0+M_ε]内的所有多普勒模糊数对应的多普勒中心， 用符号f_dc(M_amb)表示。

f_dc(M_amb)＝f_{dc_base}+M_ambF_a                                  (3)

步骤四、利用步骤三得到的多普勒中心f_dc(M_amb)，对距离压缩后的SAR回波 数据进行距离走动校正和方位压缩处理得到SAR图像，并计算其图像熵。

所述对距离压缩后的SAR回波数据进行距离走动校正和方位压缩处理得到 SAR图像，并计算其图像熵的操作步骤包括第4.1步至第4.8步，具体为：

第4.1步：将距离压缩后的SAR回波数据中第n个方位单元的回波信号 S(τ，t_n)沿距离向进行傅里叶变换，得到第n个方位单元回波信号S(τ，t_n)的距离频 谱S(f，t_n)，f为距离频率；

第4.2步：利用步骤三得到的每一个多普勒中心f_dc(M_amb)，构造其对应的相 位因子，用符号φ(M_amb)表示。

φ(M_amb)＝exp{-j2πf_dc(M_amb)λT_a(n)/c·f}                    (4)

其中，T_a(n)是距离压缩后的SAR回波数据的第n个方位单元对应的方位时 间与孔径中心的时间差，c为光速；

第4.3步：根据公式(5)得到多普勒模糊数M_amb对应的相位校正后的距离频 谱，用符号S(f，tn，M_amb)表示。

S(f，t_n，M_amb)＝S(f，t_n)·φ(M_amb)                           (5)

第4.4步：对第4.3步得到的S(f，t_n，M_amb)沿距离向做逆傅里叶变换得到距 离走动校正后的SAR回波数据中第n个方位单元的回波信号，用S(τ，t_n，M_amb)表示。

第4.5步：对应步骤三得到的每一个多普勒中心f_dc(M_amb)，构造其对应的去 斜函数，用符号φ_d(M_amb)表示。

${\phi }_d\left(M_{\mathrm{amb}}\right)=\exp \{-\frac{{2\mathrm{\pi V}}^2}{\lambda R_m}\{1-{[\frac{\lambda }{2V}·f_{\mathrm{dc}}\left(M_{\mathrm{amb}}\right)]}^2\}·t^2\}---\left(6\right)$

其中，R_m是走动校正后的SAR回波数据中第m个距离单元对应的斜距。

第4.6步：根据公式(7)得到多普勒模糊数M_amb对应的去斜后的SAR回波数 据中第m个距离单元对应的回波信号，用符号S′(τ_m，t，M_amb)表示。

S′(τ_m，t，M_amb)＝S(τ_m，t，M_amb)·φ_d(M_amb)               (7)

第4.7步：利用第4.6步得到的结果，根据公式(8)得到多普勒模糊数M_amb 对应的方位压缩后的第m个距离单元的SAR图像，用符号I_m(M_amb)表示。

I_m(M_amb)＝|FFT{S′(τ_m，t，M_amb)}|²                (8)

其中，FFT{·}表示傅里叶变换。

第4.8步：利用第4.7步得到的结果，根据公式(9)得到多普勒模糊数M_amb对应的方位压缩后的SAR图像的熵，用符号H(M_amb)表示。

$H\left(M_{\mathrm{amb}}\right)=-\underset{m=1}{\overset{N_r}{\Sigma }}\underset{n=1}{\overset{N_a}{\Sigma }}\frac{I_m\left(M_{\mathrm{amb}}\right)}{\underset{m=1}{\overset{N_r}{\Sigma }}\underset{n=1}{\overset{N_a}{\Sigma }}{I}_m\left(M_{\mathrm{amb}}\right)}\ln \frac{I_m\left(M_{\mathrm{amb}}\right)}{\underset{m=1}{\overset{N_r}{\Sigma }}\underset{n=1}{\overset{N_a}{\Sigma }}{I}_m\left(M_{\mathrm{amb}}\right)}---\left(9\right)$

步骤五、取步骤四得到的所有SAR图像熵的最小值，并将其对应的多普勒模 糊数M_amb作为距离压缩后的SAR回波数据的多普勒模糊数估计值，用符号表 示。

经过上述步骤即可得到距离压缩后的SAR回波数据的基于图像质量最优的 SAR多普勒模糊数估计值。

有益效果

本发明提供了一种基于图像质量最优的SAR多普勒模糊数估计方法，与传统 的SAR多普勒模糊数估计方法相比，具有以下优点：采用了基于图像质量最优 的SAR多普勒模糊数估计方法，由于SAR图像质量对多普勒模糊数估计误差十 分敏感，因此对于低对比度和高对比度场景都具有较高的估计精度。

附图说明

图1为本发明的具体实施例的实施流程图；

图2为本发明的具体实施例中使用四种不同方法得到的多普勒模糊数估计 误差随场景对比度变化的示意图；其中，图2(a)为通过距离多视互相关法得到 的多普勒模糊数估计误差随场景对比度变化的示意图；图2(b)为通过几何多普 勒估计法得到的多普勒模糊数估计误差随场景对比度变化的示意图；图2(c)为 通过距离徙动校正/积分法得到的多普勒模糊数估计误差随场景对比度变化的 示意图；图2(d)为通过本发明方法得到的多普勒模糊数估计误差随场景对比度 变化的示意图。

具体实施方式

下面结合附图和实施例对本发明做进一步说明。

一种基于图像质量最优的SAR多普勒模糊数估计方法，观测场景为农田和 城镇，同时具有低对比度和高对比度场景，其实施流程如图1所示，其具体步 骤为：

步骤一、按目标合成孔径时间长度获取距离压缩后的SAR回波数据，采用 时域相关法，根据公式(1)得到多普勒中心小数部分估计值，用f_{dc_base}表示。

$f_{\mathrm{dc}\_\mathrm{base}}=\frac{1}{N_r}\underset{m=1}{\overset{N_r}{\Sigma }}\{\frac{F_a}{2\mathrm{\pi k}}·\arg [\underset{j=1}{\overset{N_a}{\Sigma }}S({\tau }_m,t)S^{*}({\tau }_m,t-k)\left]\right\}---\left(1\right)$

其中，N_r为距离压缩后的SAR回波数据的距离向采样点数且N_r＝400，F_a为 脉冲重复频率且F_a＝1000Hz，k为相关间隔且k＝1，arg(·)为取复角操作，N_a为距 离压缩后的SAR回波数据的方位向采样点数且N_a＝400，S(τ_m，t)为距离压缩后的 SAR回波数据中第m个距离单元的回波信号，1≤m≤N_r，τ_m为距离压缩后的SAR 回波数据中第m个距离单元的回波信号对应的距离向快时间，t为方位向慢时 间。

步骤二、根据SAR几何关系得到多普勒模糊数的粗估计值，用符号M_amb0表 示。

$M_{\mathrm{amb}0}=\mathrm{round}\left(\frac{2V\cos \theta }{\lambda F_a}\right)---\left(2\right)$

其中，round(·)为取整操作，V为载机速度且V＝150m/s，θ为波束中心对应 的前斜角且θ＝95°，λ为SAR的波长且λ＝0.03m，计算得到的多普勒模糊数的粗 估计值为M_amb0＝-1；

然后，根据多普勒模糊数的粗估计值M_amb0和预设的多普勒模糊数的估计偏 差(用符号M_ε表示且M_ε＝5)得到多普勒模糊数(用符号M_amb表示)的搜索区 间为[M_amb0-M_ε，M_amb0+M_ε]，即M_amb∈[M_amb0-M_ε，M_amb0+M_ε]，对于本实施例有 M_amb∈[-6，4]。

步骤三、利用步骤一和步骤二得到的结果，根据公式(3)，依次得到搜索区 间[M_amb0-M_ε，M_amb0+M_ε]内的所有多普勒模糊数对应的多普勒中心，用符号 f_dc(M_amb)表示。

f_dc(M_amb)＝f_{dc_base}+M_ambF_a                        (3)

步骤四、利用步骤三得到的多普勒中心f_dc(M_amb)，对距离压缩后的SAR回波 数据进行距离走动校正和方位压缩处理得到SAR图像，并计算其图像熵。其具 体过程为：

第4.1步：将距离压缩后的SAR回波数据中第n个方位单元的回波信号 S(τ，t_n)沿距离向进行傅里叶变换，得到第n个方位单元回波信号S(τ，t_n)的距离频 谱S(f，t_n)，f为距离频率；

第4.2步：利用步骤三得到的每一个多普勒中心f_dc(M_amb)，构造其对应的相 位因子，用符号φ(M_amb)表示。

φ(M_amb)＝exp{-j2πf_dc(M_amb)λT_a(n)/c·f}         (4)

其中，T_a(n)是距离压缩后的SAR回波数据的第n个方位单元对应的方位时 间与孔径中心的时间差，c为光速；

第4.3步：根据公式(5)得到多普勒模糊数M_amb对应的相位校正后的距离频 谱，用符号S(f，tn，M_amb)表示。

S(f，t_n，M_amb)＝S(f，t_n)·φ(M_amb)                (5)

第4.4步：对第4.3步得到的S(f，t_n，M_amb)沿距离向做逆傅里叶变换得到距 离走动校正后的SAR回波数据中第n个方位单元的回波信号，用S(τ，t_n，M_amb)表示。

第4.5步：对应步骤三得到的每一个多普勒中心f_dc(M_amb)，构造其对应的去 斜函数，用符号φ_d(M_amb)表示。

${\phi }_d\left(M_{\mathrm{amb}}\right)=\exp \{-\frac{{2\mathrm{\pi V}}^2}{\lambda R_m}\{1-{[\frac{\lambda }{2V}·f_{\mathrm{dc}}\left(M_{\mathrm{amb}}\right)]}^2\}·t^2\}---\left(6\right)$

其中，R_m是走动校正后的SAR回波数据中第m个距离单元对应的斜距。

第4.6步：根据公式(7)得到多普勒模糊数M_amb对应的去斜后的SAR回波数 据中第m个距离单元对应的回波信号，用符号S′(τ_m，t，M_amb)表示。

S′(τ_m，t，M_amb)＝S(τ_m，t，M_amb)·φ_d(M_amb)            (7)

第4.7步：利用第4.6步得到的结果，根据公式(8)得到多普勒模糊数M_amb对应的方位压缩后的第m个距离单元的SAR图像，用符号I_m(M_amb)表示。

I_m(M_amb)＝|FFT{S′(τ_m，t，M_amb)}|²                      (8)

其中，FFT{·}表示傅里叶变换。

第4.8步：利用第4.7步得到的结果，根据公式(9)得到多普勒模糊数M_amb对应的方位压缩后的SAR图像的熵，用符号H(M_amb)表示。

$H\left(M_{\mathrm{amb}}\right)=-\underset{m=1}{\overset{N_r}{\Sigma }}\underset{n=1}{\overset{N_a}{\Sigma }}\frac{I_m\left(M_{\mathrm{amb}}\right)}{\underset{m=1}{\overset{N_r}{\Sigma }}\underset{n=1}{\overset{N_a}{\Sigma }}{I}_m\left(M_{\mathrm{amb}}\right)}\ln \frac{I_m\left(M_{\mathrm{amb}}\right)}{\underset{m=1}{\overset{N_r}{\Sigma }}\underset{n=1}{\overset{N_a}{\Sigma }}{I}_m\left(M_{\mathrm{amb}}\right)}---\left(9\right)$

步骤五、取步骤四得到的所有SAR图像熵的最小值，并将其对应的多普勒 模糊数M_amb作为距离压缩后的SAR回波数据的多普勒模糊数估计值，用符号表示。

经过上述步骤即可得到距离压缩后的SAR回波数据的基于图像质量最优的 SAR多普勒模糊数估计值。

对距离压缩的SAR回波数据分别利用距离多视互相关法、几何多普勒估计 法、距离徙动校正/积分法和本实施例中的方法在不同场景对比度下得到了四 组多普勒模糊数的估计误差随场景对比度变化的示意图，如图2(a)、图2(b)、 图2(c)、图2(d)所示；其中，在图2的4张图中横坐标均为场景对比度，纵坐 标均为多普勒模糊数的估计误差；图2(d)中的多普勒模糊数的估计误差在低对 比度至高对比度时误差均为零，这表明本发明方法对于低对比度和高对比度场 景均可得到高精度的多普勒模糊数的估计值。

以上所述的具体描述，对发明的目的、技术方案和有益效果进行了进一步 详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于 限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等 同替换、改进等，均应包含在本发明的保护范围之内。