本發(fā)明屬于圖像處理、旁瓣抑制等領域，涉及合成孔徑雷達圖像旁瓣抑制領域，尤其是一種SAR圖像旁瓣抑制方法。

背景技術：

合成孔徑雷達(Synthetic Aperture Radar,SAR)圖像解譯包括目標檢測、目標識別等過程。解譯的正確性與圖像質量緊密相關，為了提高圖像質量，圖像預處理必不可少，它對后續(xù)的目標檢測、特征提取和分類識別有著重要的影響。SAR圖像中強散射點目標的高旁瓣會掩蓋相鄰的弱目標，從而影響后續(xù)的目標檢測和識別，因此旁瓣抑制是SAR圖像預處理過程中非常重要的一步。SAR圖像通常使用傅里葉變換方法進行成像處理，這類方法簡單，但是傅里葉變換具有較高的旁瓣電平和較寬的主瓣寬度，通過加權處理降低旁瓣電平會使主瓣分辨率降低。利用切趾濾波和神經網絡的方法可以在不損失分辨率的同時壓低旁瓣電平，但該類方法需要通過迭代求解目標函數來抑制旁瓣，計算量較大?？臻g變跡(Spatial Variant Apodization，SVA)是一種基于余弦類頻域加權的非線性加權方法，采用若干加權函數對奈奎斯特采樣的圖像加權處理，逐點選取最小值作為輸出，它可以不損失分辨率而有效抑制旁瓣。

技術實現要素：

為了克服現有旁瓣抑制方法對SAR圖像的旁瓣抑制效果較差的不足，本發(fā)明提出一種基于小波變換空間變跡的SAR圖像旁瓣抑制方法，和傳統(tǒng)的空間變跡方法相比，本發(fā)明在基本不損失分辨率的同時，能夠進一步有效抑制SAR圖像的旁瓣。

本發(fā)明解決其技術問題所采用的技術方案是：

一種基于小波變換空間變跡的SAR圖像旁瓣抑制方法，包括以下步驟：

步驟1，對成像后的復數圖像分別進行實部和虛部的小波分解，如果復數圖像本身是2的整數倍采樣，則直接進行實部和虛部的小波分解，如果復數圖像不是2的整數倍采樣，要對復數圖像進行升采樣到2的整數倍采樣，然后進行實部和虛部的小波分解；通過二維小波分解將實部和虛部各自分解成四個子通道，分別為實部的低頻子通道、水平高頻子通道、垂直高頻子通道和對角高頻子通道，以及虛部的低頻子通道、水平高頻子通道、垂直高頻子通道和對角高頻子通道；

步驟2，對二維小波分解后的各子通道進行空間變跡旁瓣抑制，得到各子通道旁瓣抑制后數據；

步驟3，將旁瓣抑制后的各子通道數據通過小波重構分別得到實部數據和虛部數據，再對實部數據和虛部數據分別進行空間變跡旁瓣抑制，這時的空間變跡采樣倍數為原始復數圖像的采樣倍數，將實部和虛部組合成基于小波變換空間變跡旁瓣抑制后的復數圖像。

進一步，所述步驟2中，二維小波分解后的各子通道空間變跡旁瓣抑制過程為：

采用三點濾波空間變跡：

G_R(n)＝w(n)g(n-R)+g(n)+w(n)g(n+R) (1)

其中，R為采樣倍數，g(n)為圖像采樣點的原始幅度值，G_R(n)為空間變跡后的圖像采樣點的幅度值，g(n-R)為當前采樣點之前的第R個圖像采樣點的原始幅度值，g(n+R)為當前采樣點之后的第R個圖像采樣點的原始幅度值，w(n)是權函數；在權函數約束條件0≤w(n)≤0.5下最小化|G_R(n)|²，并自適應求解最優(yōu)權函數w(n)，得到最優(yōu)解為：

由于復數圖像本身是2的整數倍采樣，小波分解是進行下采樣的過程，所以計算權函數w(n)時，采樣倍數R等于原始采樣倍數的一半，對w(n)加以約束，輸出數據為：

本發(fā)明的有益效果主要表現在：對復數圖像的實部數據和虛部數據分別進行小波分解，對小波分解后的各小波子通道數據進行SVA旁瓣抑制，然后將旁瓣抑制后的各小波子通道數據按照實部和虛部分別進行小波重構，對小波重構后的實部數據和虛部數據再分別進行SVA旁瓣抑制，組合得到最終的復數圖像。在基本不損失分辨率的同時，能夠進一步有效抑制SAR圖像的旁瓣。

附圖說明

圖1為本發(fā)明的一種基于小波變換空間變跡的SAR圖像旁瓣抑制方法流程圖。

圖2為傳統(tǒng)成像方法、SVA方法處理后和本發(fā)明方法處理后方位向切面圖，其中，(a)距離多普勒成像后方位向切面圖；(b)SVA處理后方位向切面圖；(c)本發(fā)明方法處理后方位向切面圖。

圖3為傳統(tǒng)成像方法、SVA方法處理后和本發(fā)明方法處理后距離向切面圖，其中，(a)距離多普勒成像后距離向切面圖；(b)SVA處理后距離向切面圖；(c)本發(fā)明方法處理后距離向切面圖。

圖4為傳統(tǒng)成像方法、SVA方法處理后和本發(fā)明方法處理后二維點目標圖像，其中，(a)距離多普勒成像后二維點目標圖像；(b)SVA處理后二維點目標圖像；(c)本發(fā)明方法處理后二維點目標圖像。

具體實施方式

下面結合附圖和實施例對本發(fā)明作進一步說明。

參照圖1～圖4，一種基于小波變換空間變跡的SAR圖像旁瓣抑制方法，包括3個步驟，具體為：

步驟1，復數圖像實部和虛部的小波分解

經過距離多普勒算法成像之后得到二維的復數點目標圖像，對成像后的復數圖像分別進行實部和虛部的小波分解，如果復數圖像本身是2的整數倍采樣，則直接進行實部和虛部的小波分解，如果復數圖像不是2的整數倍采樣，要對復數圖像進行升采樣到2的整數倍采樣，然后進行實部和虛部的小波分解。

將成像后的復數圖像分成實部數據和虛部數據兩部分，通過二維小波分解將實部和虛部各自分解成四個子通道，分別為實部的低頻子通道LL、水平高頻子通道HL、垂直高頻子通道LH和對角高頻子通道HH，以及虛部的低頻子通道LL、水平高頻子通道HL、垂直高頻子通道LH和對角高頻子通道HH。

步驟2，二維小波子通道的SVA旁瓣抑制

對各個二維小波子通道進行SVA旁瓣抑制，二維小波子通道SVA旁瓣抑制過程為：采用三點濾波SVA。余弦權函數為：

其中，0≤w(n)≤0.5，0≤n≤N，N是奈奎斯特采樣率。

對式(4)進行傅里葉變換，得到沖擊響應矩陣：

i(n)＝wδ_n,-1+δ_n,0+δ_n,1 (5)

其中，

利用式(5)作為圖像域的三點卷積核函數，對圖像的實部和虛部分別處理。式(5)和圖像像素點g(n)卷積后輸出的值為：

G(n)＝w(n)g(n-1)+g(n)+w(n)g(n+1) (6)

當信號是以整數倍奈奎斯特采樣率采樣時，采樣率為R，則(6)式改為：

G_R(n)＝w(n)g(n-R)+g(n)+w(n)g(n+R) (7)

其中，R為采樣倍數，g(n)為圖像采樣點的原始幅度值，G_R(n)為空間變跡后的圖像采樣點的幅度值，g(n-R)為當前采樣點之前的第R個圖像采樣點的原始幅度值，g(n+R)為當前采樣點之后的第R個圖像采樣點的原始幅度值，w(n)是權函數，本實施例中原始仿真數據方位向和距離相采樣倍數設為2。

在權函數約束條件0≤w(n)≤0.5下最小化|G_R(n)|²，并自適應求解最優(yōu)權函數w(n)，得到最優(yōu)解為：

因為仿真參數設定復數圖像方位向和距離向是2的整數倍采樣，所以計算二維小波子通道SVA采樣點權函數w(n)時，采樣倍數R等于原始采樣倍數的一半。對w(n)加以約束，輸出數據為：

步驟3，實部和虛部分別SVA旁瓣抑制后合成復數圖像

將旁瓣抑制后的各子通道數據通過小波重構重新得到實部數據和虛部數據，再對實部數據和虛部數據分別進行SVA旁瓣抑制，這時的SVA采樣倍數為原始復數圖像的采樣倍數，將實部和虛部組合成基于小波變換SVA旁瓣抑制后的復數圖像。

本實施例采用二維點目標仿真數據進行。二維點目標仿真參數設定為：發(fā)射線性調頻信號載頻9.6GHz，脈沖寬度2us，信號帶寬150MHz，采樣頻率300MHz，脈沖重復頻率400Hz，天線方位口徑2m，載機速度200m/s，中心斜距參考距離20Km，方位向和距離向的采樣倍數為2。

為了驗證本發(fā)明方法的旁瓣抑制效果，將本發(fā)明方法和SVA旁瓣抑制方法分別對距離多普勒成像后的復數圖像進行旁瓣抑制處理，并比較兩種方法的性能，比較結果見表1。從表1可以看出經過SVA旁瓣抑制后圖像的距離向和方位向的峰值旁瓣比(PSLR)和積分旁瓣比(ISLR)性能都較原始復數圖像有顯著的提升，能夠將旁瓣抑制到-24dB以下；而用本發(fā)明方法(基于小波變換的SVA方法)旁瓣抑制處理后，在保持分辨率基本不變的前提下，距離向和方位向的峰值旁瓣比和積分旁瓣比性能較傳統(tǒng)SVA方法有較大的提高，能將旁瓣抑制到-33dB以下。

表1

圖2和圖3分別為點目標的方位向和距離向切面圖，其中(a)為距離多普勒算法的成像結果，(b)為SVA旁瓣抑制后結果，(c)為本發(fā)明方法旁瓣抑制后結果。從圖中可以看出空間變跡法和本發(fā)明方法在保持主瓣寬度基本不變的前提下，在方位向和距離向上均能夠有效抑制旁瓣的電平，而本發(fā)明方法對旁瓣電平的抑制效果更佳。圖4為點目標以及兩種方法旁瓣抑制后的圖像，(a)為距離多普勒算法成像后的圖像，(b)為SVA旁瓣抑制后圖像，(c)為本發(fā)明方法旁瓣抑制后圖像。從圖4(b)中可以看出空間變跡法對圖像的旁瓣抑制效果較明顯，但目標點周圍還是有泄漏的旁瓣；從圖4(c)中可以看出本發(fā)明提出的基于小波變換的空間變跡法相對傳統(tǒng)空間變跡法，在保持圖像分辨率基本不變的同時，主瓣能量更為集中，有著更好的旁瓣抑制效果。

顯而易見，在不偏離本發(fā)明的真實精神和范圍的前提下，在此描述的本發(fā)明可以有許多變化。因此，所有對于本領域技術人員來說顯而易見的改變，都應包括在本權利要求書所涵蓋的范圍之內。本發(fā)明所要求保護的范圍僅由所述的權利要求書進行限定。