基于即插即用先验与定制化深度网络的灵活三维断层合成孔径雷达重建框架

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：A Flexible Plug-and-Play Framework With Scene-Specific Priors for TomoSAR Reconstruction

　　

摘要：

断层合成孔径雷达（TomoSAR）是一种用于获取观测场景高分辨率三维（3-D）信息的先进遥感技术。现有的 TomoSAR 重建方法广泛采用了显式正则化项，例如 L1-范数和全变分（TV），以提高断层重建质量。然而，显式正则化项通常与特定的散射假设绑定，使得单一正则化项不足以应对例如城市结构的稀疏散射与森林的连续体散射共存等场景。即插即用（PnP）框架通过将先验模型与物理正演模型解耦，提供了一种有前途的解决方案，从而允许在不修改迭代框架的情况下灵活替换不同的先验。更重要的是，PnP 可以容纳非解析先验，例如深度神经网络，它们可以学习使用显式正则化项难以描述的复杂散射特征。为了利用这种灵活性进行涉及不同散射机制的 TomoSAR 重建，本文提出了一种基于 PnP 先验和快速迭代收缩阈值算法（FISTA）的灵活三维断层重建框架。针对不同类型的场景使用通用的数据保真度公式，同时通过可互换的 PnP 插件引入依赖于场景的先验知识。具体而言，采用了两种定制的非解析先验，其中全卷积自编码器用于城市建筑区域，U-Net 用于森林区域。模拟和真实数据的实验表明，所提出的策略通过利用特定场景 PnP 先验的优势改进了 TomoSAR 重建。