维克托·丘吉尔;安妮·盖尔布 具有不确定性量化的子孔径SAR成像。 （英语） Zbl 1519.94003号 反向探测。 39，第5号，文章ID 054004，27 p.（2023）. 利用分层贝叶斯先验和相应的稀疏贝叶斯学习估计过程，提出了子孔径后验密度通用模型。利用合成数据和实际数据验证了从相位历史数据重建子孔径SAR图像的效率。该方法减少了斑点并提高了对比度。审核人：丹尼斯·西多罗夫（伊尔库茨克） MSC公司： 94A08型 信息与通信理论中的图像处理（压缩、重建等） 68T05型 人工智能中的学习和自适应系统 2015年1月62日 贝叶斯推断 关键词：合成孔径雷达;子孔径图像恢复;广义稀疏贝叶斯学习;不确定性量化 软件：SAR图像形成 PDF格式BibTeX公司 XML格式引用 \textit{V.Churchill}和\textit{A.Gelb}，逆问题。39，第5号，文章编号054004，27页（2023；Zbl 1519.94003） 全文： 内政部 arXiv公司 参考文献： [1] Andersson，F。；摩西·R。；Natterer，F.，合成孔径雷达成像的快速傅立叶方法，IEEE Trans。Aerosp.航空公司。电子。系统。，48215-29（2012年）·doi:10.1109/TAES.2012.619631 [2] 阿奇博尔德，R。；Gelb，A。；Platte，R.B.，使用多项式湮没变换从欠采样傅里叶数据重建图像，科学杂志。计算。，67, 432-52 (2016) ·Zbl 1339.65026号 ·doi:10.1007/s10915-015-0088-2 [3] 阿根蒂，F。；拉皮尼，A。；Bianchi，T。；Alparone，L.，《合成孔径雷达图像斑点抑制教程》，IEEE Geosci。遥感杂志，1，6-35（2013）·doi:10.1109/MGRS.2013.277512 [4] 阿什，J。；Ertin，E。；波特，L.C。；Zelnio，E.，《广角合成孔径雷达成像：各向异性散射的模型和算法》，IEEE信号处理。Mag.，31，16-26（2014）·doi:10.1109/MSP.2014.2311828 [5] Ash，J.N.，《合成孔径雷达反投影图像的自动聚焦方法》，IEEE Geosci。遥感快报。，9, 104-8 (2012) ·doi:10.1109/LGRS.2011.2161456 [6] Austin，C D2012模型估计的稀疏方法及其在雷达成像中的应用博士论文俄亥俄州立大学 [7] 奥斯汀，C.D。；Ertin，E。；Moses，R.L.，《稀疏多程3D SAR成像：GOTCHA数据集的应用》，Proc。SPIE，7337（2009）·数字对象标识代码：10.1117/12.820323 [8] 巴巴坎，S.D。；莫利纳，R。；Katsaggelos，A.K.，稀疏贝叶斯图像恢复，第3577-80页（2010），IEEE [9] Bardsley，J.M.，基于MCMC的不确定性量化图像重建，SIAM J.Sci。计算。，34，A1316-32（2012）·Zbl 1246.15022号 ·数字对象标识码：10.1137/1085760X [10] O.巴图。；乔廷，M.，稀疏驱动SAR成像中的参数选择，IEEE Trans。Aerosp.航空公司。电子。系统。，473040-50（2011年）·doi:10.1109/TAES.2011.6034687 [11] 博伊德，S。；北卡罗来纳州帕里赫。；朱，E。；佩莱托，B。；Eckstein，J.，《通过交替方向乘数法进行分布式优化和统计学习》，Found。趋势马赫。学习。，3, 1-122 (2011) ·Zbl 1229.90122号 ·doi:10.1016/j.ins.2020.02.019 [12] 坎德斯，E.J。；罗姆伯格，J。；Tao，T.，《鲁棒不确定性原理：从高度不完整的频率信息中精确重建信号》，IEEE Trans。《信息论》，52，489-509（2006）·Zbl 1231.94017号 ·doi:10.10109/TIT.2005.862083 [13] Casteel，C.H Jr；洛杉矶戈尔姆。；米纳迪，M.J。；斯卡伯勒，S.M。；Naidu，K.D。；英国Majumder，《从城市环境中的体积数据集对目标进行2D/3D成像的挑战》，Proc。SPIE，6568（2007）·数字对象标识代码：10.1117/12.731457 [14] 切廷，M。；Karl，W.C.，基于非二次正则化的特征增强合成孔径雷达图像形成，IEEE Trans。图像处理。，10, 623-31 (2001) ·Zbl 1036.68603号 ·数字对象标识代码：10.1109/83.913596 [15] 切廷，M。；Moses，R.L.，《利用频带遗漏的粒子孔径数据进行SAR成像》，Proc。SPIE，5808，32-43（2005）·数字对象标识代码：10.1117/12.606624 [16] 切廷，M。；斯托亚诺维奇，I。；奥洪，N.O。；瓦什尼，K。；萨马迪，S。；卡尔·W·C。；Willsky，A.S.，《稀疏驱动合成孔径雷达成像：重建、自动调焦、运动目标和压缩传感》，IEEE信号处理。Mag.，31，27-40（2014）·doi:10.1109/MSP.2014.2312834 [17] Chantas，G。；北卡罗来纳州加拉萨诺。；利卡斯，A。；Saunders，M.，基于t分布图像先验乘积的变分贝叶斯图像恢复，IEEE Trans。图像处理。，17, 1795-805 (2008) ·Zbl 1371.94080号 ·doi:10.1109/TIP.2008.2002828 [18] Chantas，G。；北卡罗来纳州加拉萨诺。；莫利纳，R。；Katsaggelos，A.K.，用空间加权总变异图像先验的乘积进行变分贝叶斯图像恢复，IEEE Trans。图像处理。，19, 351-62 (2009) ·Zbl 1371.94079号 ·doi:10.10109/TIP.2009.2033398 [19] 尚塔斯，G.K。；北卡罗来纳州加拉萨诺。；Likas，A.C.，使用新的非平稳边缘保持图像先验的贝叶斯恢复，IEEE Trans。图像处理。，15, 2987-97 (2006) ·doi:10.1109/TIP.2006.877520 [20] M.切尼。；Borden，B.，《雷达成像基础》（2009），宾夕法尼亚州费城：SIAM，费城·Zbl 1192.78002号 [21] Chierchia，G。；El Gheche，M。；斯卡帕，G。；Verdoliva，L.，基于块匹配和协同过滤的多时相SAR图像去噪，IEEE Trans。地质科学。遥感，55，5467-80（2017）·doi:10.1109/TGRS.2017.2707806 [22] 丘吉尔，V。；Gelb，A.，分段平滑信号恢复的估计和不确定性量化，J.Compute。数学。，41, 246-62 (2023) ·Zbl 1524.62118号 ·doi:10.4208/jcm.2110-m2021-0157 [23] 丘吉尔，V。；Gelb，A.，基于采样的聚束式SAR图像重建，基于相位历史数据，用于斑点减少和不确定性量化，SIAM J.Uncertain。量化，101225-49（2022）·Zbl 1504.94011号 ·数字对象标识代码：10.1137/20M1379721 [24] 科佐利诺，D。；帕里利，S。；斯卡帕，G。；Poggi，G。；Verdoliva，L.，快速自适应非局部SAR去噪，IEEE Geosci。遥感快报。，11, 524-8 (2013) ·doi:10.1109/LGRS.2013.2271650 [25] Daoui，A。；Yamni，M。；厄洛格里，O。；Karmouni，H。；Sayyouri，M。；Qjidaa，H.，用于信号和图像重建的高阶charlier矩的稳定计算，信息科学。，521, 251-76 (2020) ·兹伯利07334712 ·doi:10.1016/j.ins.2020.02.019 [26] Di Martino，G。；波德里科，M。；波吉，G。；里奇奥，D。；Verdoliva，L.，《SAR去装饰基准框架》，IEEE Trans。地质科学。遥感，52，1596-615（2013）·doi:10.1109/TGRS.2013.2252907 [27] Dong，X。；Zhang，Y.，使用最大后验估计从欠采样原始数据重建SAR图像，IEEE J.Sel。顶部。申请。地球观测卫星遥感，81651-64（2014）·doi:10.1109/JSTARS.2014.2360776 [28] Duan，H。；张，L。；方，J。；黄，L。；Li，H.，用于逆合成孔径雷达成像的模式耦合稀疏贝叶斯学习，IEEE信号处理。莱特。，22, 1995-9 (2015) ·doi:10.1109/LSP.2015.2452412 [29] Ertin，E。；奥斯汀，C.D。；夏尔马，S。；摩西·R·L。；Potter，L.C.，GOTCHA经验报告：全圆孔三维SAR成像，Proc。SPIE，6568（2007）·数字对象标识代码：10.1117/12.723245 [30] 费斯勒，J.A。；Sutton，B.P.，使用最小最大插值的非均匀快速傅里叶变换，IEEE Trans。信号处理。，51, 560-74 (2003) ·Zbl 1369.94048号 ·doi:10.1109/TSP.2002.807005 [31] Glaubitz，J。；Gelb，A。；Song，G.，广义稀疏贝叶斯学习及其在图像重建中的应用，SIAM J.Uncertain。量化，11262-84（2023）·Zbl 1514.94006号 ·doi:10.1137/22M147236X [32] 洛杉矶戈尔姆。；Moore，L.J.，MATLAB SAR图像形成工具箱，Proc。SPIE，7699（2010）·数字对象标识代码：10.1117/12.855375 [33] Greengard，L。；Lee，J-Y，加速非均匀快速傅里叶变换，SIAM Rev.，46，443-54（2004）·Zbl 1064.65156号 ·doi:10.1137/S003614450343200X [34] C.V.Jakowatz。；Wahl，D.E。；艾切尔，P.H。；基格里亚特区。；汤普森，P.A.，《聚光灯模式合成孔径雷达：信号处理方法》（2012），柏林：施普林格出版社，柏林 [35] 季S。；薛勇。；Carin，L.，贝叶斯压缩传感，IEEE Trans。信号处理。，56, 2346-56 (2008) ·Zbl 1390.94231号 ·doi:10.1109/TSP.2007.914345 [36] 凯皮奥，J。；Somersalo，E.，《统计与计算反问题》，第160卷（2006），柏林：施普林格出版社，柏林·Zbl 0927.35134号 [37] 卡拉库什，俄勒冈州。；库罗鲁，E.E。；Altinkaya，M.A.，遥感图像斑点的广义贝叶斯模型选择，IEEE Trans。图像处理。，28, 1748-58 (2018) ·doi:10.1109/TIP.2018.2878322 [38] Lee，J.S。；尤尔凯维奇，L。；Dewaele，P。；Wambacq，P。；Oosterlinck，A.，《合成孔径雷达图像的斑点滤波：综述》，《遥感评论》，第8期，第313-40页（1994年）·doi:10.1080/02757259409532206 [39] Lee，J-Y；Greengard，L.，《3型非均匀FFT及其应用》，J.Compute。物理。，206, 1-5 (2005) ·Zbl 1072.65170号 ·doi:10.1016/j.jcp.2004.12.004 [40] 刘，H。；Jiu，B。；刘，H。；Bao，Z.，基于稀疏贝叶斯学习的超分辨率ISAR成像，IEEE Trans。地质科学。遥感，52，5005-13（2013）·doi:10.1109/TGRS.2013.2286402 [41] 摩尔·L·J。；索具，B.D。；Penno，R.P.，合成孔径雷达图像相位信息表征，IEEE Trans。Aerosp.航空公司。电子。系统。，55, 676-88 (2018) ·doi:10.1109/TAES.2018年2864410 [42] 摩尔·L·J。；索具，B.D。；佩诺，R.P。；Zelnio，E.G.，《使用相位进行雷达散射体分类》，Proc。SPIE，10201（2017）·doi:10.117/12.2267832 [43] 摩西·R·L。；波特，L.C。；Çetin，M.，广角合成孔径雷达成像，Proc。斯皮，5427164-75（2004年）·数字对象标识代码：10.1117/12.544935 [44] Nagy，J.G。；O'Leary，D.P.，通过子图像和置信图像恢复图像，电子。事务处理。数字。分析。，13, 22-37 (2002) ·Zbl 1058.94003号 [45] Newstadt，G。；Zelnio，E。；Hero，A.，在SAR图像中使用贝叶斯模型进行移动目标推断，IEEE Trans。Aerosp.航空公司。电子。系统。，50, 2004-18 (2014) ·doi:10.1109/TAES.2013.130123 [46] Onhon，N.O。；乔廷，M.，联合SAR成像和相位误差校正的稀疏驱动方法，IEEE Trans。图像处理。，21, 2075-88 (2011) ·Zbl 1373.94313号 ·doi:10.1109/TIP.2011.2179056 [47] 帕里利，S。；波多里科，M。；安吉利诺，C.V。；Verdoliva，L.，基于LLMMSE小波收缩的非局部SAR图像去噪算法，IEEE Trans。地质科学。遥感，50，606-16（2011）·doi:10.1109/TGRS.2011.2161586 [48] Paulson，C2013利用闪烁现象学使用合成孔径雷达对民用车辆进行分类佛罗里达大学博士学位论文 [49] 波特，L.C。；Ertin，E。；J.T.帕克。；乔廷，M.，《雷达成像中的稀疏性和压缩感知》，Proc。IEEE，981006-20（2010）·doi:10.1109/JPROC.2009.2037526 [50] 波特，L.C。；Schniter，P。；Ziniel，J.，《雷达稀疏重建》，Proc。SPIE，6970，9-23（2008）·doi:10.1117/12.786286 [51] 鲁丁，L.I。；奥舍，S。；Fatemi，E.，基于非线性全变分的噪声去除算法，Physica D，60259-68（1992）·兹比尔0780.49028 ·doi:10.1016/0167-2789（92）90242-F [52] 萨马迪，S。；切廷，M。；Masnadi-Shirazi，M.A.，基于稀疏表示的合成孔径雷达成像，IET雷达声纳导航。，182-93年5月（2011年）·doi:10.1049/iet-rss.2009.0235 [53] Sanders，T2016MATLAB成像算法：图像重建、恢复和对齐，重点放在层析成像上（网址：http://www.tobysanders.com/software网站) [54] 桑德斯，T。；Gelb，A。；Platte，R.B.，使用序列联合稀疏性的合成SAR成像，J.Compute。物理。，338, 357-70 (2017) ·Zbl 1415.65050号 ·doi:10.1016/j.jcp.2017.02.071 [55] 桑德斯，T。；Scarnati，T.，SAR相关相位误差校正和稀疏模型的组合，Proc。SPIE，10222，63-73（2017）·数字对象标识代码：10.1117/12.2262861 [56] Scarnati，T.，偏微分方程和成像中正则化的最新技术，博士论文（2018） [57] T·斯卡纳提。；Gelb，A.，《合成孔径雷达数据的联合图像形成和二维自动聚焦》，J.Compute。物理。，374, 803-21 (2018) ·Zbl 1416.94020号 ·doi:10.1016/j.jcp.2018.07.059 [58] T·斯卡纳提。；Gelb，A.，合成孔径雷达数据基于方差的联合稀疏性重建，用于散斑抑制，Proc。SPIE，10647（2018）·doi:10.1117/12.2500209 [59] 斯托亚诺维奇，I。；切廷，M。；Karl，W.C.，利用稀疏性的广角SAR联合空间方向重建，Proc。SPIE，6970，37-48（2008）·doi:10.1117/12.786288 [60] Stuart，A.M.，《逆向问题：贝叶斯观点》，《数值学报》。，19451-559（2010年）·Zbl 1242.65142号 ·doi:10.1017/S0962492910000061 [61] 苏·W。；秦，Y。；Wang，H。；Yang，Q.，《基于稀疏贝叶斯学习的联合ISAR成像和相位误差校正》，《国际信号处理杂志》。系统。，4, 487-93 (2016) ·doi:10.18178/ijsps.4.6.487-493 [62] Tibshirani，R.，《通过套索进行回归收缩和选择》，J.R.Stat.Soc.B，58，267-88（1996）·兹比尔0850.62538 ·doi:10.1111/j.2517-6161.1996.tb02080.x [63] Tikhonov，A.N。；Goncharsky，A。；斯蒂芬诺夫（Stepanov，V.）。；Yagola，A.G.，《求解不适定问题的数值方法》，第328卷（1995），柏林：施普林格出版社，柏林·Zbl 0831.65059号 [64] Tipping，M.E.，稀疏贝叶斯学习和相关向量机，J.Mach。学习。第211-44号决议（2001年）·Zbl 0997.68109号 ·doi:10.1162/15324430152748236 [65] Ugur，S。；Arákan，O.，SAR图像重建和压缩感知自动调焦，数字。信号处理。，22923-32（2012年）·文件编号：10.1016/j.dsp.2012.07.11 [66] 吴，C。；邓，B。；Wang，H。；秦，Y。；Su，W.，联合SAR成像和相位误差校正的稀疏贝叶斯方法，第1卷，第1383-6页（2015），IEEE [67] 吴，J。；刘，F。；Jiao，L。；Wang，X.，基于贝叶斯框架和进化计算的压缩感知SAR图像重建，IEEE Trans。图像处理。，20, 1904-11 (2011) ·Zbl 1372.94273号 ·doi:10.1109/TIP.2010.2104159 [68] 吴琼。；Zhang，Y.D。；阿明，M.G。；Himed，B.，利用结构化贝叶斯压缩传感的高分辨率被动SAR成像，IEEE J.Sel。顶部。信号处理。，9, 1484-97 (2015) ·doi:10.1109/JSTSP.2015.2479190 [69] Xu，G。；邢，M。；张，L。；刘，Y。；Li，Y.，贝叶斯逆合成孔径雷达成像，IEEE Geosci。遥感快报。，8, 1150-4 (2011) ·doi:10.1109/LGRS.2011.2158797 [70] 徐，J-P；Pi，Y-N；曹志杰，合成孔径雷达成像中的贝叶斯压缩传感，IET雷达声纳导航。，6, 2-8 (2012) ·doi:10.1049/iet-rsn.2010.0375 [71] 薛，M。；圣地亚哥，E。；Sedehi，M。；Tan，X。；Li，J.，通过迭代自适应方法和稀疏贝叶斯学习进行SAR成像，Proc。SPIE，7337（2009）·数字对象标识代码：10.1117/12.817781 [72] 张杰。；Gelb，A。；Scarnati，T.，使用支持信息先验的经验贝叶斯推断，SIAM/ASA J.不确定性。量化，10745-74（2022）·Zbl 1493.62031号 ·数字对象标识码：10.1137/21M140794X 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。