一种基于深度学习的机载毫米波SAR运动精确补偿方法

本发明公开一种基于深度学习的机载毫米波SAR运动精确补偿方法，涉及遥感成像与图像处理技术领域，旨在解决复杂气象条件与地物环境下因飞行平台运动误差导致的成像模糊与目标识别困难问题。该方法通过构建图神经网络GNN与时间Transformer融合的MotionCompNet神经网络模型，结合惯性导航数据与SAR回波数据的联合建模，实现了对高频、非线性运动误差的精确估计与补偿。在频域中利用相位误差模型函数对原始回波信号进行校正，显著提升了成像清晰度与空间几何一致性。该方法具备良好的通用性与实时性，单帧推理延迟低，适用于无人机在线处理与边缘计算部署，显著降低了设备成本与任务失败率，为输电线路异物识别与覆冰监测等电力巡检任务提供了高效、可靠的解决方案。