深度展开SAR成像网络

样本运动自适用

利用深度展开网络学习并补偿舰船目标样本变化的运动误差，无需精确运动参数即可实现高分辨率成像。

Wanmin, Wu · Pu, Wei · Hai, Yu · 武俊杰 · 黄钰林 · Song, Yue · 杨海光 · 杨建宇

IEEE Transactions on Geoscience and Remote Sensing 2025

技术优势

泛化能力强

通过深度展开结构学习成像过程中的先验，网络能适应不同运动参数下的回波，无需针对每个样本重新训练。

无需精确运动参数

将高分辨率成像视为运动参数优化问题，以图像质量评估结果为客观函数，自动搜索最准确的平动和转动参数。

自建质量评估

提出专门的 SAR 舰船图像质量评估网络，对具有不同聚焦质量的成像结果进行评估，为参数优化提供可靠反馈。

补偿空变误差

同时建模平动和转动引起的空间不变与空变误差，并通过学习实现误差补偿和成像。

应用场景

• 合成孔径雷达成像：提升舰船目标的成像分辨率和聚焦质量，为后续识别提供清晰轮廓。
• 海洋监测：在船只运动复杂的情况下获得清晰图像，增强海面态势感知能力。
• 目标识别：提供聚焦良好的舰船图像，提高后续目标识别算法的准确率。
• 自主导航：为自主系统提供高质量的舰船目标成像结果，辅助避障与路径规划。