国产婷婷一区二区三区,国产成人亚洲综合青青,国产精品久久久av

基于BM4D的即插即用层析SAR成像

电子技术应用

王琨1，2，3，张冰尘1，2

1.中国科学院空天信息创新研究院；2.空间信息处理与应用系统技术重点实验室； 3.中国科学院大学电子电气与通信工程学院

摘要： 层析合成孔径雷达是一种先进的三维遥感技术，通过引入先验模型能够提高成像质量。现有方法通过显式正则化算子约束重构过程，但其难以兼容非解析先验模型。将快速迭代收缩阈值算法（FISTA）与即插即用（PnP）框架相结合，在迭代过程中插入基于四维块匹配滤波（BM4D）的非解析插件，无需构建显式正则化算子即可将其用于层析成像特征增强。实验表明，所提框架具有快速收敛的优势，通过该框架引入的BM4D先验在针对具有复杂结构特征的目标成像时表现出优秀的性能，为非解析先验在层析成像中的应用提供了通用化解决方案。

關鍵詞： 层析合成孔径雷达即插即用 BM4D 特征增强快速迭代收缩阈值算法

中圖分類號：TN957.52 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.256511
中文引用格式： 王琨，張冰塵. 基于BM4D的即插即用層析SAR成像[J]. 電子技術應用，2025，51(10)：117-122.
英文引用格式： Wang Kun，Zhang Bingchen. Plug-and-Play tomographic SAR imaging based on BM4D[J]. Application of Electronic Technique，2025，51(10)：117-122.

Plug-and-Play tomographic SAR imaging based on BM4D

Wang Kun1，2，3，Zhang Bingchen1，2

1.Aerospace Information Research Institute， Chinese Academy of Sciences；2.Key Laboratory of Technology in Geo-spatial Information Processing and Application System；3.School of Electronic， Electrical and Communication Engineering， University of Chinese Academy of Sciences

Abstract： Tomographic Synthetic Aperture Radar (TomoSAR) is an advanced 3D remote sensing technology capable of enhancing imaging quality through the incorporation of prior models. Existing methods typically use explicit regularization constraints in the reconstruction process. However, non-analytic priors face challenges in TomoSAR imaging. This paper combines Fast Iterative Shrinkage-Thresholding Algorithm (FISTA) with Plug-and-Play (PnP) framework, embedding a BM4D-based non-analytic prior during iterations. Our proposed method enables feature enhancement in TomoSAR imaging without designing explicit regularization operators. Experimental results show that the proposed framework offers fast convergence. The BM4D prior introduced via this framework achieves excellent performance in TomoSAR imaging of targets with complex structure features. Our proposed framework provides a universal solution for the application of non-analytic prior models in tomographic imaging.

Key words : tomographic synthetic aperture radar；plug-and-play；block-matching 4D filtering （BM4D）；feature enhancement；fast iterative shrinkage-thresholding algorithm

引言

合成孔徑雷達（Synthetic Aperture Radar, SAR）[1]是一種先進的地球遙感技術，具有全天時、全天候的觀測能力。層析合成孔徑雷達（Tomographic SAR, TomoSAR）[2-3]技術利用多基線觀測系統獲取多幅二維SAR復圖像，在高程方向上進行孔徑合成以獲取目標的高程信息。層析SAR技術通過重構方位-距離分辨單元內的散射系數獲取目標高程信息，該過程可以表示為前向模型與先驗模型的優化求解。其中，前向模型基于層析成像的物理機制構建，表示為噪聲影響下的線性系統，常采用最小二乘準則建立數據保真項。先驗模型通過引入目標的特征約束，構造正則化懲罰項以提高重構質量。

近年來，根據成像目標特征構建的先驗模型有力推動了層析成像特征增強算法的發展。基于壓縮感知（Compressive Sensing, CS）理論的成像方法從目標的稀疏性出發，實現了城市區域目標的超分辨重構和高質量成像[4]。針對具有空間連續性特征的建筑物，全變分（Total Variation, TV）正則化能夠有效消除重構點云中的噪聲，同時填補平滑表面缺失的結構[5]。由于TV先驗缺乏對完整三維空間結構特征的建模能力，基于形態學正則化的成像方法通過計算散射體在三維鄰域內的形態學特征，保留目標在三維空間中的完整結構信息[6]。除此之外，研究者通過線段檢測與結構先驗優化建筑立面重建效率[7]，通過平面與線性幾何語義約束的融合提升三維成像的精度[8]，構建Z型幾何模型實現高聚集度建筑點云重構[9]。這些研究為提高三維成像質量提供了多種思路。

隨著數據驅動的非解析先驗模型的發展，目前缺乏兼容該類先驗的通用層析重構框架。針對該問題，本文引入即插即用（Plug-and-Play, PnP）[10]思想，以實現非解析先驗在層析成像中的嵌入。PnP的核心思想為解耦前向模型與先驗模型的求解過程，通過采用PnP先驗替代近端算子，建立具有模塊化結構的通用性框架。PnP框架基于交替方向乘子法[10]、迭代收縮閾值法（Iterative Shrinkage-Thresholding Algorithm, ISTA）[11]等算法建立，其廣泛應用于計算成像[12]、磁共振成像[13]及雷達成像[14-15]等多個領域。

基于上述背景，本文提出了一種通用化層析SAR成像框架，該框架能夠兼容非解析先驗模型。本文建立了基于快速迭代收縮閾值算法（Fast ISTA, FISTA）和PnP先驗的層析SAR重構框架，該框架具有較快的收斂速度，通過該框架引入的四維塊匹配濾波（Block-Matching and 4D filtering, BM4D）[16-17]先驗能夠保留目標復雜結構特征。

本文詳細內容請下載：

http://m.tom3567.com/resource/share/2000006817

作者信息：

王琨1，2，3，張冰塵1，2

（1.中國科學院空天信息創新研究院，北京 100094；

2.空間信息處理與應用系統技術重點實驗室，北京 100094；

3.中國科學院大學電子電氣與通信工程學院，北京 100049）

原創聲明：此內容為AET網站原創，未經授權禁止轉載。

相關內容