基于训练字典优化测量矩阵的sar图像压缩算法

《基于训练字典优化测量矩阵的sar图像压缩算法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第6期吕高焕等：基于训练字典优化测量矩阵的SAR图像压缩算法937文章编号：2095-4980(2015)06-0930-07基于训练字典优化测量矩阵的SAR图像压缩算法吕高焕1，吕文涛2(1.鲁东大学信息与电气工程学院，山东烟台264025；2.浙江理工大学信息学院，浙江杭州310018)摘要：为压缩复数合成孔径雷达(SAR)图像，基于压缩感知理论，设计了基于训练字典优化测量矩阵。该方法可增强测量矩阵的列之间的不相关性，有效地降低测量矩阵列向量间的互相干性，提高重构结果的精确度。基于优化后的测量矩阵，可以获取更好的复数SAR图像压缩结果。通过真实场景的复数SAR图像实验，验证了该算法的有效

2、性。关键词：复数合成孔径雷达图像；压缩感知；测量矩阵中图分类号：TN958.2文献标识码：Adoi：10.11805/TKYDA201506.0930ASARimagecompressionalgorithmbasedonoptimizationmeasurementmatrixLVGaohuan1，LVWentao2(1.SchoolofInformationandElectricalEngineering，LudongUniversity，YantaiShandong264025，China；2.CollegeofInformaticsandElectronics，ZhejiangSCI

3、-TechUniversity，HangzhouZhejiang310018,China)Abstract：Anoptimizedmeasurementmatrixisdesignedtocompresscomplex-valuedSyntheticApertureRadar(SAR)imagesbasedonCompressiveSensing(CS).Theproposedmeasurementmatrixcanenhancetheincoherencebetweencolumnsandmitigatethemutualcoherenceofthemeasurementmatrixeff

4、ectivelygivingrisetoimprovementintheaccuracyofreconstructionresult.Basedontheoptimizedmeasurementmatrix,abettercompressionresultcanbeobtainedforthecomplexSARimage.Theeffectivenessoftheproposedmethodisvalidatedbyusingtherealfielddata.Keywords：complexSyntheticApertureRadarimage；CompressedSensing；meas

5、urementmatrix合成孔径雷达(SAR)是一种高分辨力的微波成像雷达，它不受时间和天气的限制，能够全天候、全天时对地物目标进行成像[1]。SAR图像数据量成几何级数迅速增长，给存储和传输带来了很大的压力，使得SAR图像数据高速传输成为制约SAR遥感技术应用的瓶颈。目前，国际上很多学者在对如何解决SAR图像的存储和传输问题进行研究，其中通过数据压缩，在尽可能保持图像质量的情况下，得到尽可能高的压缩比的算法一直是研究的热点。近年来，关于SAR图像压缩的研究在国际上不断增多，许多针对SAR图像设计的压缩技术也相继出现，依据虚部、实部处理方式不同，现有的复数SAR图像压缩算法可大致分为3类：

6、实虚部独立压缩、实虚部一起压缩以及幅值和相位独立压缩。第1第6期吕高焕等：基于训练字典优化测量矩阵的SAR图像压缩算法937类算法对复数图像的实部和虚部独立压缩，如基于实数小波变换的方法等，其缺点在于无法有效保持相位信息；第2类算法主要是基于快速傅里叶变换(FastFourierTransform，FFT)的方法或复数小波变换的方法，对虚实部同时进行压缩处理，可以获得较好的相位保持；第3类将幅值和相位分开处理，通常幅值采用基于小波或小波包变换的压缩算法，可以获得较高的压缩比，而相位近似均匀分布且相关性较低，目前还没有较好的处理方式。收稿日期：2015-07-10；修回日期：2015-09-3

7、0基金项目：国家自然科学基金资助项目(No.61471185)；浙江省自然科学基金资助项目(No.LY16F010018)；鲁东大学人才引进基金资助项目(No.LY2014031)压缩感知(CS)是由数学家Donoho等人于2006年提出的一种新的数据压缩与重建理论和方法[2-3]。近年来，它作为一种新的信号获取与压缩重构方法被引入到信号处理领域中。CS理论指出，只要信号是可压缩的或在某个变换域是稀疏的，那么