DNN二维自动聚焦算法

低对比度成像清晰

针对长合成孔径时间SAR的严重二维散焦问题，该算法采用深度神经网络以无监督方式估计耦合的二维误差，并在低对比度场景下显著优于传统方法。

Yi, Xie · 陈龙永 · Tang, Haibo · 张福博 · Tao, Jiang · 李振华

IEEE Transactions on Geoscience and Remote Sensing 2025

参数信息

合成孔径时间

150–270 s

技术优势

低对比度下依然聚焦

利用加权熵损失函数和深度神经网络在无监督方式下优化，即使场景对比度很低，也能准确估计二维相位误差。

无需高精度惯导

该方法直接从回波数据中反演运动误差，摆脱了对高精度导航系统的依赖，降低了对航迹控制的要求。

二维耦合误差一并处理

将二维聚焦问题建模为一系列耦合的一维曲线估计任务，避免了传统方法中二维误差分离带来的精度损失。

实测数据验证

在合成孔径时间150–270 s的实测LSAT-SAR图像上验证，性能显著超过传统方法。

应用场景

• 无人机雷达成像：让小型无人机搭载的SAR在长时间积分下仍能获得清晰图像，无需额外高精度惯导设备。
• 轻小型平台SAR：针对轻小型平台运动误差大的特点，从回波中直接补偿二维误差，降低对平台稳定度的要求。
• 自主导航感知：提供高质量SAR图像，为自主导航提供可靠的地形感知信息，尤其在GPS拒止环境下。
• 高分辨率对地观测：改善长合成孔径时间下高分辨率图像的聚焦质量，提升对地观测数据的可用性。