NSR-NET非稀疏重建网络

非稀疏场景高精度成像

面向非稀疏场景的SAR欠采样成像网络，通过可学习图像表示和分段线性正则化实现高质量重建，优于现有方法并具备跨参数泛化能力。

杨建宇 · Haowen, Zuo · 安洪阳 · Jiang, Ruili · 李中余 · 孙志超 · 武俊杰

IEEE Transactions on Geoscience and Remote Sensing 2024

参数信息

成像误差相对降低

12 %

技术优势

非稀疏场景也能高质量成像

网络通过2D卷积学习图像表示，并用可学习分段线性层拟合正则化函数，使模型能捕捉复杂结构，不再依赖场景稀疏性假设。

跨参数跨场景可直接使用

在不同雷达参数和成像场景下设计的泛化验证实验表明，网络无需针对新条件重新训练即可保持良好性能。

应用场景

• 雷达成像与遥感：用于星载或机载SAR欠采样数据的高质量成像，减少数据量、提高重建精度。
• 智能建造与结构：为建筑结构形变监测提供高精度雷达图像，增强非稀疏场景下的细节恢复能力。
• 卫星互联网：降低星上SAR数据存储与传输压力，为低轨星座提供高效的成像数据压缩方案。
• 无人机：在无人机有限载荷和功耗下实现高质量合成孔径雷达成像，延长任务时间。