ATASI-Net：一种用于自适应阈值层析SAR成像的高效稀疏重构网络
信号处理
2023-07-19 v1 计算机视觉与模式识别
摘要
层析SAR技术因能通过从不同跨轨角度采集的一叠SAR图像沿高程方向进行三维分辨而备受关注。考虑到其在有限样本下的超分辨能力，新兴的基于压缩感知（CS）的算法已被引入层析SAR（TomoSAR）。然而，传统基于CS的方法存在若干缺陷，包括抗噪能力弱、计算复杂度高以及参数微调复杂。针对高效TomoSAR成像，本文提出一种基于解析学习迭代收缩阈值算法（ALISTA）架构、带自适应阈值的新型高效稀疏展开网络，称为自适应阈值ALISTA稀疏成像网络（ATASI-Net）。ATASI-Net每一层的权重矩阵作为离线优化问题的解被预计算，仅留两个标量参数从数据中学习，显著简化了训练阶段。此外，为每个方位-距离像素引入自适应阈值，使阈值收缩不仅随层变化，且为逐元素进行。而且，最终学习到的阈值可被可视化并与SAR图像语义结合以实现相互反馈。最后，在仿真与真实数据上的大量实验证明了所提方法的有效性与高效性。
引用
@article{arxiv.2211.16855,
title = {ATASI-Net: An Efficient Sparse Reconstruction Network for Tomographic SAR Imaging with Adaptive Threshold},
author = {Muhan Wang and Zhe Zhang and Xiaolan Qiu and Silin Gao and Yue Wang},
journal= {arXiv preprint arXiv:2211.16855},
year = {2023}
}