本发明涉及微波遥感技术领域的一种综合孔径辐射计反演处理方法，具体是涉及了一种基于多参数正则化的综合孔径辐射计反演处理方法。
背景技术：
综合孔径成像辐射计(sair)是用于高分辨率成像的无源微波传感器。与传统的真实孔径辐射计不同，sairs通过使用综合孔径技术提高了空间分辨率，从而避免了各方面的困难，如真实孔径天线带来的体积庞大和重量问题，并且能够使得综合孔径辐射计无需机械扫描。
sair的测量输出是频域中的可见性函数样本，需要通过亮温重构方法获得空间域中的亮温分布数据。从可见度函数到亮温图像的重构过程已被证明是病态的反问题。为了克服病态反问题对反演精度的影响，典型的亮温重构方法是通过对反问题添加新的限制或惩罚来获得稳定且唯一的解决方案，例如tikhonov正则化等方法(picardb,anterrieue.comparisonofregularizedinversionmethodsinsyntheticapertureimagingradiometry[j].ieeetransactionsongeoscienceandremotesensing,2005,43(2):218-224.)，以及通过考虑带限成像仪器的物理特性来获得合适的解决方案所提出的带限正则化(anterrieue.aresolvingmatrixapproachforsyntheticapertureimagingradiometers[j].ieeetransactionsongeoscienceandremotesensing,2004,42(8):1649-1656.)，但这些正则化反演方法往往依赖于特征正则化参数的选取，并且由于不适定问题和频带受限的物理特性，依旧存在较大的重构误差。
技术实现要素：
针对上述正则化方法存在的问题，本发明的目的是提供一种基于多参数正则化的综合孔径辐射计反演处理方法对亮温分布数据进行重构，以减小在重构过程中产生的重构误差，从而有效提高综合孔径辐射计的反演精度。
为达到上述目的，本发明采用如下技术方案：
方法包含如下步骤：
1)利用综合孔径辐射计采集观测场景的可见度函数数据，对可见度函数数据进行处理后获得可见度函数v；
根据综合孔径辐射计的系统特性参数计算获得综合孔径辐射计的系统调制矩阵g；
2)根据可见度函数v和系统调制矩阵g，利用多参数正则化方法获得特征正则化参数向量；
3)根据特征正则化参数向量，处理获得观测场景的反演亮温分布数据，最终获得观测场景的反演亮温图像。
所述特征正则化参数向量通过以下公式进行求解：
α＝(α1,·αi·,αk)t
min{w(αi)}
b(αi)v＝gqi
其中，α表示特征正则化参数向量，t表示转置操作，αi表示第i个特征正则化参数，i表示序号，i＝1,2,...,k，k表示特征正则化参数的总数，k≥2；w(αi)表示第i个特征正则化参数的目标值；min{w(αi)}表示对w(αi)表示求解第i个特征正则化参数的目标值的最小值，获得取得最小值时的第i个特征正则化参数αi；trace()表示取迹操作，i表示单位矩阵，b(αi)表示第i个特征正则化参数的影响矩阵；
所述反演亮温分布数据通过以下公式进行设置：
其中，q为观测场景的反演亮温分布数据，*表示共轭操作，αi表示第i个特征正则化参数，i表示序号，i＝1,2,...,k，k表示特征正则化参数的总数，k≥2；di表示第i个特征正则化矩阵。
所述特征正则化矩阵d为单位矩阵、一阶微分矩阵、二阶微分矩阵或者其他能反映亮温图像特征的矩阵。
所述系统特性参数包括每根天线的天线电压方向图、条纹洗涤函数、中心频率、带宽和积分时间。
本发明相比于现有技术的有益效果在于：
对于sair中观察到的亮温分布数据的反演问题已被证明是一个不适定的反问题，需要对其进行正则化处理以获得稳定且唯一的解。虽然tikhonov正则化和带限正则化方法可以有效地缓解反问题的病态性，但是由于仅添加了一个约束项，无法保留原始亮温图像的多尺度特征，依然残留了较大的重构误差。
针对上述问题，本发明提出了一种具有多个约束条件的多参数正则化方法用于sair重构。多参数正则化不同于使用单个惩罚项，而是添加了多个不同的惩罚项以反映原始图像的多尺度特征。此外，利用优化后的广义交叉验证方法选择特征正则化参数，提高了综合孔径辐射计反演问题的反演精度，大大降低误差的影响。
附图说明
图1为本发明的流程图；
图2为测试场景的原始亮温分布；
图3为无混叠视场内tikhonov正则化方法的反演亮温分布；
图4为无混叠视场内带限正则化方法的反演亮温分布；
图5为无混叠视场内多参数正则化方法的反演亮温分布；
图6为不同噪声水平下的正则化方法性能比较(均方根误差)；
图7为不同噪声水平下的正则化方法性能比较(峰值信噪比)。
具体实施方式
为了更为具体地描述本发明，下面结合附图及具体实施方式对本发明的技术方案进行详细说明。显然，所描述的实施例仅仅是本发明的部分实施例，而不是全部实施例。
为了验证本发明方法的有效性以及算法的优越性，在一维全极化综合孔径辐射计(fpir)成像系统上进行了数值仿真测试，并与tikhonov正则化、带限正则化进行比较。天线阵列为16根天线，稀疏地布置在不同位置，基线为两个天线之间的距离，最短基线δd＝0.589λ，最长基线为90δd，具体的系统特性参数还包括中心频率为1.4ghz，带宽为20mhz，积分时间τ＝1s。选取测试场景的原始亮温分布如图2所示，图2中的亮温数据来自于水瓶座卫星在2013年8月19日观测到的h极化l波段海洋陆地交界区域。
本实施例包括以下步骤：
首先选取测试场景的原始亮温分布数据，原始亮温分布数据获取自水瓶座卫星在2013年8月19日观测到的h极化l波段海洋陆地交界区域；
如图1所示，根据综合孔径辐射计的系统特性参数计算获得综合孔径辐射计的系统调制矩阵g；系统调制矩阵g通过以下公式进行求解：
ξ＝{ξ1,ξ2,...,ξn}
其中，m和n分别为系统调制矩阵g的行列数，m＝[1,m]，其中m表示综合孔径辐射计的采样基线数，即可见度函数数据在频率域上的采样点数，n表示一维分布的原始亮温分布数据的像素数，本实施例中m＝241，n＝600，gm(ξ)表示系统调制矩阵g中的第m行的调制子矩阵，ξ表示原始亮温分布数据的不同像素位置所对应的方向余弦向量组成的方向余弦向量组，ukh为综合孔径辐射计中的天线k和天线h以波长为单位的距离向量，k≠h，k＝1,2,...,16，h＝1,2,...,16，系统调制矩阵g中中间行的调制子矩阵的距离向量最小；系统调制矩阵g中，g1(ξ)为系统调制矩阵g中的第1行的调制子矩阵，gm(ξ)为系统调制矩阵g中的第m行的调制子矩阵，g1(ξ)和gm(ξ)表示第1行的和第m行的调制子矩阵的距离向量最大，系统调制矩阵g中的调制子矩阵的距离向量的绝对值关于中间行对称布置，随着天线k和天线h的不同取值，构成不同的采样基线，调制子矩阵的距离向量也会相应变化，本实施例中，16根天线组合构成241个采样基线；随着调制子矩阵与中间行之间的距离变大，系统调制矩阵g中的调制子矩阵的距离向量的绝对值也变大，关于中间行对称布置的两行调制子矩阵之间共轭；ξ1表示第一方向余弦向量，ξ1＝(sinθ1cosφ1,sinθ1sinφ1)，θ1和φ1分别表示原始亮温分布数据的第一像素与综合孔径辐射计之间的天顶角和方位角；ξ2表示第二方向余弦向量，ξ2＝(sinθ2cosφ2,sinθ2sinφ2)，θ2和φ2分别表示原始亮温图像的第二像素与综合孔径辐射计之间的天顶角和方位角；ξn表示第n方向余弦向量，ξn＝(sinθncosφn,sinθnsinφn)，θn和φn分别表示原始亮温分布数据的第n像素与综合孔径辐射计之间的天顶角和方位角；fk()和fh()分别为天线k和天线h归一化的天线电压方向图，*表示共轭操作；
根据天线阵列从亮温数据到可见度函数数据构建系统调制矩阵g，16根天线的模拟天线方向图是各向异性的。可见度函数数据为综合孔径辐射计采集的可见度函数的有限个采样点。此外，条纹洗涤函数
2)根据可见度函数v和系统调制矩阵g，利用多参数正则化方法获得特征正则化参数向量；
特征正则化参数向量通过以下公式进行求解：
α＝(α1,·αi·,αk)t
min{w(αi)}
b(αi)v＝gqi
其中，α表示特征正则化参数向量，t表示转置操作，αi表示第i个特征正则化参数，i表示序号，i＝1,2,...,k，k表示特征正则化参数的总数，k≥2；w(αi)表示第i个特征正则化参数的目标值，trace()表示取迹操作，即求trace()括号中的矩阵的对角元素之和，i表示单位矩阵，b(αi)表示第i个特征正则化参数的影响矩阵；
具体地：
根据可见度函数v和系统调制矩阵g，利用多参数正则化方法引入多种不同的特征正则化参数后获得反演亮温分布数据的表达式，通过引入约束项进行正则化处理，即求解反演亮温分布数据的表达式的极小值，极小值为反演亮温分布数据的表达式的稳定唯一解，通过以下公式进行设置：
其中，q为观测场景的反演亮温分布数据；
根据公式
其中，qi表示第i个特征正则化参数对应的亮温分布结果；
每个特征正则化参数均通过优化后的广义交叉验证方法获得，通过以下公式进行求解：
min{w(αi)}
b(αi)v＝gqi
其中，min{w(αi)}表示对w(αi)表示求解第i个特征正则化参数的目标值的最小值，获得取得最小值时的第i个特征正则化参数αi；
由k个特征正则化参数组成特征正则化参数向量，通过以下公式进行设置：
α＝(α1,·αi·,αk)t
特征正则化矩阵d为单位矩阵、一阶微分矩阵、二阶微分矩阵或者其他能反映亮温图像特征的矩阵。其中，单位矩阵用于缓解亮温图像中的病态性能，提高解的稳定性，一阶微分矩阵反映亮温图像的边缘结构，二阶微分矩阵对亮温变化较大的地方十分敏感，能够很好地反映亮温图像的纹理结构。
3)根据特征正则化参数向量，反演获得观测场景的反演亮温分布数据，最终获得观测场景的反演亮温图像。
反演亮温分布数据通过以下公式进行设置：
其中，q为观测场景的反演亮温分布数据。
在综合孔径辐射计成像系统中，受馈源天线尺寸的限制，系统的最短基线通常大于奈奎斯特采样的限制条件，因而导致成像存在混叠现象，给成像结果带来误差，所以需要对成像范围选取无混叠区域视场，其中无混叠区域大小为
对于多参数正则化方法同tikhonov正则化和带限正则化方法的定量比较，本发明通过计算不同方法下的均方根误差(rmse)和峰值信噪比(psnr)进行衡量，具体计算公式如下：
其中q(j)为第j个像素点反演得到的反演亮温分布数据，q'(j)为第j个像素点的原始亮温分布数据，n是无混叠视场(affov)中的亮温像素数。因此，计算了图3中不同正则化方法的定量误差情况，其中tikhonov正则化，带限正则化和多参数正则化的rmse值分别为4.91k，4.49k和1.64k。psnr分别为34.30db，35.09db和43.84db。
为进一步验证多参数正则化方法在不同噪声水平下的反演性能，进行定量分析反演方法对误差和噪声干扰的敏感性，方差σ2以0.01×max(vi)＝730.75为间距，分别测试了在可见度函数的基础上添加一个均值为零，方差设置为0.01×max(vi)＝730.75至0.10×max(vi)＝7307.5的高斯白噪声。并将多参数正则化方法的反演结果分别同tikhonov正则化方法和带限正则化方法进行比较，显示了无混叠范围视场内的反演结果误差。图6和图7分别显示了tikhonov正则化，带限正则化和多参数正则化方法在不同噪声水平下的性能情况。结果表明，与tikhonov正则化和带限正则化方法相比，多参数正则化对测量误差和噪声干扰具有更强的鲁棒性。可以发现，多参数正则化可以更好地提高重构亮温分布的准确性。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
1.一种基于多参数正则化的综合孔径辐射计反演处理方法，其特征在于，包含如下步骤：
1)利用综合孔径辐射计采集观测场景的可见度函数数据，对可见度函数数据进行处理后获得可见度函数v；
根据综合孔径辐射计的系统特性参数计算获得综合孔径辐射计的系统调制矩阵g；
2)根据可见度函数v和系统调制矩阵g，利用多参数正则化方法获得特征正则化参数向量；
3)根据特征正则化参数向量，处理获得观测场景的反演亮温分布数据，最终获得观测场景的反演亮温图像。
2.根据权利要求1所述的一种基于多参数正则化的综合孔径辐射计反演处理方法，其特征在于，所述特征正则化参数向量通过以下公式进行求解：
α＝(α1,·αi·,αk)t
min{w(αi)}
b(αi)v＝gqi
其中，α表示特征正则化参数向量，t表示转置操作，αi表示第i个特征正则化参数，i表示序号，i＝1,2,...,k，k表示特征正则化参数的总数，k≥2；w(αi)表示第i个特征正则化参数的目标值；min{w(αi)}表示对w(αi)表示求解第i个特征正则化参数的目标值的最小值，获得取得最小值时的第i个特征正则化参数αi；trace()表示取迹操作，i表示单位矩阵，b(αi)表示第i个特征正则化参数的影响矩阵；
3.根据权利要求1所述的一种基于多参数正则化的综合孔径辐射计反演处理方法，其特征在于，所述反演亮温分布数据通过以下公式进行设置：
其中，q为观测场景的反演亮温分布数据，*表示共轭操作，αi表示第i个特征正则化参数，i表示序号，i＝1,2,...,k，k表示特征正则化参数的总数，k≥2；di表示第i个特征正则化矩阵。
4.根据权利要求1所述的一种基于多参数正则化的综合孔径辐射计反演处理方法，其特征在于，所述特征正则化矩阵d为单位矩阵、一阶微分矩阵、二阶微分矩阵或者其他能反映亮温图像特征的矩阵。
5.根据权利要求1所述的一种基于多参数正则化的综合孔径辐射计反演处理方法，其特征在于：所述系统特性参数包括每根天线的天线电压方向图、条纹洗涤函数、中心频率、带宽和积分时间。
技术总结