一种基于深度学习的SAR方位向欠采样成像方法与系统

本发明公开了一种基于深度学习的SAR方位向欠采样成像方法与系统，获取SAR数据集，包含满采样的SAR图像，以及每个SAR图像对应的回波数据，作为深度展开网络的输入；获取SAR多普勒中心频率和调频率、载频和卫星等效速度，利用SAR成像中的chirp scaling算法设计成像算子；基于Unet架构构建深度展开网络，对回波信号进行图像恢复；训练深度展开网络，保存损失最小的模型权重文件，权重文件中的参数包含去噪器中卷积层及非线性激活函数中的参数，共轭梯度下降中的可学习参数，及欠采样模式的参数；加载预训练的权重文件，使用展开网络模型进行推理，获取去模糊成像结果，并获取优化后的欠采样策略。本发明实现的方位向模糊抑制效果好。