基于结构化稀疏的大场景高分辨SAR图像压缩感知

Combined the complex structured sparse characteristics of large-scale and high-resolution SAR images and the democracy property of random measurement of compressive sensing, this project does research on the structured sparse based compressive sensing and robust coding to solve the problem of the massive data of large-scale and high-resolution SAR images on the available limited bandwidth channel.Firstly, Directioanl Lifting Wavelet Transform(DLWT) is used to get sparse representation for large-scale and high-resolution SAR images, and context modeling and hierarchical tree are used to get structured sparse models to capture the complex structured sparse characteristics. Secondly,the laws of compressive sensing for large-scale and high-resolution SAR images with complex structured sparse characteristics is investigated form the structured sparse point of view to design structured sparse model-based compressive sensing reconstruction algorithm. Finally, the codec algorithm with high compression ratio,simple encoder and error resilience properties is designed based on the characteristics of the currently available SAR image transmission channel. The research will build theoretical basis for the robust coding algorithm with high compression ratio of complex data from the perspective of compressive sensing and can be generalized to the compressive sensing and its application of similar complex data.

本项目针对大场景高分辨SAR图像所具有的复杂结构化稀疏特征，结合压缩感知随机测量的"民主性"特点，研究基于结构化稀疏模型的大场景高分辨SAR压缩感知，并在此基础上设计有效的鲁棒编解码算法，以期解决大场景高分辨SAR图像的海量数据传输需求与有限可用带宽之间的矛盾。首先采用方向提升小波变换对大场景高分辨SAR图像进行稀疏表示，利用上下文和层次树相结合的方法构建结构化稀疏模型，捕捉稀疏系数间的各种复杂结构相关性；然后从结构化稀疏的角度出发，研究大场景高分辨SAR图像这类富含复杂结构化稀疏特征数据的压缩感知的规律，设计基于结构化稀疏模型的压缩感知重建算法；最后针对当前可用SAR图像传输信道的特点，设计压缩比大、编码简单、抗误码强的编解码算法。 本申请项目将从压缩感知的角度为复杂数据大压缩比鲁棒编解码算法奠定理论基础，还可为类似复杂数据的压缩感知研究及其应用提供重要理论参考。

本项目针对大场景高分辨SAR图像所具有的复杂结构化稀疏特征，结合压缩感知随机测量的"民主性"特点，研究基于结构化稀疏模型的大场景高分辨SAR压缩感知，并在此基础上设计了有效的鲁棒编解码算法，部分解决了大场景高分辨SAR图像的海量数据传输需求与有限可用带宽之间的矛盾。. 项目提出了新的基于压缩感知（CS）的合成孔径雷达（SAR）图像编码传输方案。利用CS的民主性实现了传输的鲁棒性。考虑到SAR图像弱稀疏性造成的率失真性能较低，使用方向提升小波变换（DLWT）作为SAR图像的稀疏表示，并采用稀疏滤波技术来消除小系数的干扰。同时，利用DLWT系数的结构稀疏性，比如尺度间的依赖关系，设计了一种有效的基于贝叶斯的SAR图像重建算法。同时，在算法中研究了比特深度和测量速率之间的最佳折衷问题。结果表明，与传统的联合信源信道编码（JSCC）相比，该方案对丢包具有更强的鲁棒性。比如，当丢包率（PLR）过大时，JSCC方案容易导致悬崖效应，然而，所提出方案的率失真性能只是缓慢下降。. 本申请项目从压缩感知的角度为复杂数据大压缩比鲁棒编解码算法奠定理论基础，还可为类似复杂数据的压缩感知研究及其应用提供重要理论参考。