典型文献
基于形态学自适应分块的高分辨SAR多特征增强算法
文献摘要：
传统基于l1范数正则化算子(least absolute shrinkage and selection operator,LASSO)模型的合成孔径雷达(synthetic aperture radar,SAR)压缩感知类稀疏成像算法易丢失弱散射点.基于扩展型组LASSO系列模型的算法虽可增强SAR结构特征以保留弱散射点,但由于其增强过程中本质上采用了欧式距离方法进行特征分块,致使分块较为"机械",不能很好地提取目标结构,从而影响最终高分辨SAR成像质量.针对上述问题,提出一种基于形态学自适应分块的交替方向多乘子法(morphological auto-blocking alternating direction method of multipliers,MAB-ADMM)来实现高分辨SAR多特征表征.该算法通过建立基于形态学分块的lM/lF混合结构范数和L1稀疏范数来分别引入结构和稀疏先验,从而实现结构与稀疏多特征增强.由于采用了基于测地距离的形态学分块方式,MAB-ADMM算法能够更加有效地识别感兴趣的目标轮廓,从而提高结构增强的准确度和完整度.实验部分通过采用仿真复数据和实测SAR数据对所提算法和传统算法的成像结果进行定性对比,从而验证所提算法具有优越的多特征增强能力.此外,采用相变热力图对所提算法和传统算法的恢复能力进行定量对比,并利用MSTAR数据验证了所提算法可有效针对分类算法进行结果提升.
文献关键词：
交替方向多乘子法;合成孔径雷达成像;形态学;相变图
中图分类号：
作者姓名：
方澄;李慧娟;路稳;宋玉蒙;杨磊
作者机构：
中国民航大学电子信息与自动化学院天津市智能信号与图像处理重点实验室,天津300300
文献出处：
引用格式：
[1]方澄;李慧娟;路稳;宋玉蒙;杨磊-.基于形态学自适应分块的高分辨SAR多特征增强算法)[J].系统工程与电子技术,2022(02):470-479
A类：
多特征增强,交替方向多乘子法,lM,lF,相变图
B类：
自适应分块,SAR,增强算法,l1,范数,正则化,least,absolute,shrinkage,selection,operator,LASSO,synthetic,aperture,radar,压缩感知,知类,稀疏成像,成像算法,强过,欧式距离,目标结构,成像质量,morphological,auto,blocking,alternating,direction,method,multipliers,MAB,ADMM,混合结构,L1,稀疏先验,测地距离,感兴趣,目标轮廓,结构增强,完整度,复数,传统算法,增强能力,变热,热力图,恢复能力,定量对比,MSTAR,数据验证,分类算法,合成孔径雷达成像
AB值：
0.397749
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
