成 萍 赵家群 张春杰 司锡才

(1.哈尔滨工程大学信息与通信工程学院,黑龙江 哈尔滨 150001;2.哈尔滨工程大学理学院,黑龙江 哈尔滨 150001)

1.引 言

由于被动毫米波成像能够全天时全天候地工作,同时它还能穿透云、烟、雾、衣物等,因此,它在军事侦察、环境监测、飞机导航、安全检测以及医学检查等领域中得到了广泛的应用。

与红外和可见光相比,毫米波波长较长,同时它还受实际成像系统孔径的限制,因此,被动毫米波成像的分辨率一般比较低。为了提高图像分辨率,需要采用图像恢复算法[1-5]。目前在被动毫米波图像恢复中,常用的方法有傅立叶域正则化方法和小波域正则化方法[3-4]。

傅立叶域和小波域正则化方法具有一些缺陷,它们不能同时保持目标特征和有效地滤除噪声。自适应稀疏表示在与信号结构匹配方面具有很大的灵活性[6-12]。它通过自适应地选取基函数,可以灵活地表示信号特征,同时有效地去除噪声。因此,论文提出一种基于自适应稀疏表示的被动毫米波成像算法,实验数据的成像结果验证了所提算法的有效性。

式中:g为观测到的被动毫米波图像;h为被动毫米波成像系统的空间频率特性,也被称为点扩展函数;f为目标或场景的辐射温度分布,也就是实际的被动毫米波图像;n为噪声,一般假设为高斯白噪声;符号⊗表示卷积。式(1)对应的成像系统框图如图1所示。

图1 被动毫米波成像系统框图

2.被动毫米波成像模型

被动毫米波成像可以表示为下面的形式[1]