中文摘要：

与单通道SAR系统相比，多通道SAR系统(如干涉、极化、极化干涉)具有数据量大、图像应用时需要幅度和相位信息等特点。为满足成像数据的实时传输要求，通常需要对图像进行压缩处理。课题面向干涉、极化SAR的实时应用方向，针对多通道SAR复图像数据，研究基于相位保持的SAR图像压缩理论和新方法，包括（1）研究多通道SAR图像数据间的关联模型以及通道间数据的去相关方法；（2）研究SAR图像数据的高效稀疏表示方法和对稀疏变换系数的量化编码方法；（3）研究多通道SAR数据和噪声的数学表征模型，在此基础上研究能够充分保留SAR图像目标幅度、相位、极化特征的噪声滤除算法并与SAR图像压缩相结合，实现压缩倍数和压缩性能的进一步提高。课题拟在理论上提出多通道SAR图像联合去噪、压缩的新方法，并通过实测数据验证所提方法的性能和适用性。课题研究在多通道SAR图像的实时应用方面具有重要理论意义和实际应用价值。

结论摘要：

与单通道SAR系统相比，多通道SAR系统(如干涉、极化)具有数据量大、图像应用时需要相位信息等特点。课题面向干涉、极化SAR的实时应用方向，研究基于相位保持的多通道SAR数据压缩理论和新方法，主要内容包括（1）研究多通道SAR数据间的关联模型以及通道间数据的去相关方法；（2）研究SAR数据的高效稀疏表示方法和对变换系数的量化编码方法；（3）研究多通道SAR图像数据和噪声的数学表征模型，在此基础上研究能够充分保留SAR图像幅度、相位的去噪算法并与图像压缩相结合，实现压缩性能的进一步提高。 项目重要成果（1）针对SAR原始数据压缩，在固定码率BAQ算法基础上，提出可自适应码率分配的BAQ算法，推导了基于高斯信源率失真函数的最优比特分配公式，与传统BAQ算法相比，以较小的复杂度增加为代价，可同时提高SAR图像信噪比及相位精度，并可实现分数比特率，增加了应用的灵活性。（2）研究了SAR原始数据幅度相位压缩算法，提出了AP-TCQ算法，该方法与BAQ方法相比具有更好的相位保持特性。（3）针对SAR复图像压缩，提出了基于自适应比特分配的SAR图像分块压缩方法，该方法总体压缩性能优于等比特率的分块压缩算法，对于目标和纹理区域具有较好的视觉效果。（4）研究了基于压缩感知的SAR复图像压缩方法，在压缩感知信号降维方面，提出了一种更优化的观测矩阵构造方法；在信号重构方面，提出了一种基于微分熵和迭代加权最小二乘的改进重构算法。（5）研究了采用Shearlet变换进行SAR幅度图像去噪的新方法，与传统方法相比具有较好的去噪和目标增强效果。（6）针对全极化SAR图像数据，研究了4个极化通道之间的数据相关性。利用全极化SAR图像在极化通道之间的相关性，提出基于三维矩阵变换的压缩方法，可有效的实现极化通道间数据的去相关，有利于后续的量化、编码。（7）研究了基于方向提升小波变换和基于Bandelets变换的SAR图像稀疏变换方法。共形成研究报告6篇，已发表论文6篇，其中国外期刊2篇，国际会议2篇，国内核心2篇，录用待发表论文3篇。发表论文中被SCI检索1篇，EI检索1篇，ISTP检索1篇。培养研究生3人。项目对SAR原始数据压缩，SAR复图像压缩、去噪等进行了深入研究，按时完成了项目研究计划。项目跟踪国际最新技术，研究成果对推动我国SAR数据实时应用具有一定的理论意义和应用价值。