一种融合多维特征的模型-数据驱动网络用于层析SAR成像
信号处理
2022-11-29 v1 计算机视觉与模式识别
摘要
基于深度学习(DL)的层析SAR成像算法正逐渐受到研究关注。通常,这类算法采用展开网络来模拟经典压缩感知(CS)方法的迭代计算,并逐个处理距离-方位单元。然而,这种方式仅有效利用了一维特征,直接忽略了相邻分辨单元之间的相关性。为此,我们提出了一种新颖的模型-数据驱动网络,基于多维特征实现层析SAR(tomoSAR)成像。在深度展开方法指导下,构建了一个二维深度展开成像网络。在此基础上,我们加入两个二维处理模块(均为卷积编码器-解码器结构),以有效增强成像场景的多维特征。同时,为训练所提出的基于多特征的成像网络,我们构建了一个完全由建筑物仿真数据组成的tomoSAR仿真数据集。实验验证了该模型的有效性。与传统的基于CS的FISTA方法以及基于DL的gamma-Net方法相比,我们所提方法在保持良好成像精度的同时,在完整性方面具有更优的性能。
引用
@article{arxiv.2211.15002,
title = {A Model-data-driven Network Embedding Multidimensional Features for Tomographic SAR Imaging},
author = {Yu Ren and Xiaoling Zhang and Xu Zhan and Jun Shi and Shunjun Wei and Tianjiao Zeng},
journal= {arXiv preprint arXiv:2211.15002},
year = {2022}
}