IFNet：面向手持式毫米波合成孔径雷达的深度成像与聚焦
计算机视觉与模式识别
2024-05-07 v2
摘要
近期进展展示了手持式毫米波成像的潜力，该技术将合成孔径雷达（SAR）原理应用于便携式场景。然而，现有处理手持运动误差的研究要么依赖昂贵的跟踪设备，要么采用简化的成像模型，导致部署不切实际或性能有限。本文提出IFNet，一种新颖的深度展开网络，结合了信号处理模型与深度神经网络的优点，为手持式毫米波系统实现稳健的成像与聚焦。我们首先通过整合关于毫米波图像和手持相位误差的多个先验信息，构建了手持成像模型。此外，我们将优化过程转化为迭代网络结构，以提升成像性能与效率。大量实验表明，IFNet能有效补偿手持相位误差，并从严重失真的信号中恢复高保真图像。与现有方法相比，IFNet在真实数据集上可实现平均峰值信噪比（PSNR）至少11.89 dB的提升，以及平均结构相似性指数（SSIM）64.91%的提升。
引用
@article{arxiv.2405.02023,
title = {IFNet: Deep Imaging and Focusing for Handheld SAR with Millimeter-wave Signals},
author = {Yadong Li and Dongheng Zhang and Ruixu Geng and Jincheng Wu and Yang Hu and Qibin Sun and Yan Chen},
journal= {arXiv preprint arXiv:2405.02023},
year = {2024}
}