基于非局部理论的SAR图像提高质量的数据后处理技术研究

项目名称： 基于非局部理论的SAR图像提高质量的数据后处理技术研究

项目编号： No.61271437

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 无线电电子学、电信技术

项目作者： 赵侠

作者单位： 中国人民解放军国防科学技术大学

项目金额： 32万元

中文摘要： 获取高质量图像是合成孔径雷达(SAR)应用的关键。本项目研究基于非局部理论的SAR图像提高质量处理的理论、模型和快速算法。在开采SAR成像的工程背景、成像几何、SAR图像特征在不同数据域的表现形式等先验信息的基础上，建立不同数据域中能综合体现SAR图像目标特征、结构特征、纹理特征、统计特征等特征的非局部相似度测量准则，在此基础上，研究建立不同数据域中SAR图像提高质量处理的少参数的非局部均值模型、非局部正则化变分模型、Bayes非局部模型、非局部稀疏模型等，进而研究模型的适定性并设计相应的高效快速的模型求解算法。将所研究的理论、模型和算法应用于仿真和实测SAR图像处理，在实际处理中修正和完善模型，实现SAR图像的高质量重建。

中文关键词： SAR图像重建；非局部方法；相似度测量；变分正则化；快算算法

英文摘要： The key to SAR good application is getting SAR image with high quality. This topic's aim is to research the nonlocal theory,models and algorithms for SAR image processing. Based on the prior knowledge about the SAR imaging and data features of SAR image in different data areas，we try to construct the nonlocal similarity measurements including all kinds of image features.The nonlocal means model,the nonlocal regularitity model, the baysian nonlocal model and nonlocal sparse model with a few parameters will be researched and constructed in different data area,and the corresponding fast algorithms will be designed. The research results will be used to simulation images and the real images for getting better models and new SAR image with better quality.

英文关键词： SAR image reconstruction；nonlocal method；similarity measurement；variational regularization；fast algorithms