非凸联合稀疏与低秩优化在利用不完整数据增强逆合成孔径雷达（ISAR）成像中的应用

《Remote Sensing》：Non-Convex Joint Sparse and Low-Rank Optimization for Enhanced ISAR Imaging from Incomplete Data

　　

摘要

传统的逆合成孔径雷达（ISAR）成像技术可以从完整的观测数据中生成高分辨率图像。然而，在实际应用中，由于欠采样或缺失数据，传统方法往往会产生模糊的结果。尽管已经提出了压缩感知或低秩重建等方法来应对这一挑战，但现有技术通常无法充分利用ISAR数据中的稀疏性和低秩特性。此外，这些方法通常依赖于凸优化模型，这会导致估计偏差，削弱稀疏性的促进效果，并增加计算复杂性，从而降低成像质量。为了克服这些限制，本文提出了一种改进的ISAR成像方法，该方法联合施加非凸稀疏性和低秩约束以实现不完整数据的恢复。该成像模型结合了固有的稀疏性先验和低秩约束。通过基于交替方向乘子法的高效迭代算法解决这个非凸优化问题：稀疏成分使用带有正则化的迭代加权方案进行重构，而低秩成分则通过截断奇异值分解进行恢复。在模拟数据和实际测量数据上的实验结果表明，所提出方法的有效性和卓越性能。