基于参数化电磁散射模型的合成孔径雷达（SAR）目标成像技术不仅能够全天时、全天候对目标进行侦察和监视、实现对隐藏目标进行探测，而且可以利用有限观测数据实现对复杂观测条件下的目标进行高精度成像，获取几何特征更明显、可视性更强的SAR图像以及含有更多细节特性的目标信息。在大相干积累角、大带宽条件下，传统SAR目标成像中假设分辨单元散射系数为常数的传统点散射模型将不再适用，需要考虑目标散射特性的各向异性和系统频率响应的差异性。用多组参数来描述目标电磁散射特性的本质属性，利用这些少量的本质参数，提高SAR目标识别能力和效率。 本课题在一定的前期工作基础上，致力于对基于参数化电磁散射模型的SAR目标成像技术的若干问题展开研究。本课题首先建立典型目标的参数化电磁散射模型，在此基础上，研究参数化模型在SAR回波数据的映射关系。为了能从雷达回波中快速有效地提取目标几何电磁特征，提出一种稳健而快速的属性散射中心模型特征参数提取方法。传统极化目标分解方法对各个像素的散射机理分解为基本散射机理类型的线性加权和，难以反映部件整体结构的极化信息；且对于低信噪比的人造复杂目标，直接分解难以反映目标真实的散射特性，提出了一种联合属性散射中心的极化目标重构新方法。基于属性散射中心模型，分别提出了在小视角和大视角条件下基于参数化模型的SAR目标超分辨成像方法，并研究SAR目标图像的可视化技术，对图像中目标的特征进行增强，以提高目标的可视性，以获取更高分辨率、更多细节特性的SAR目标图像。今后的研究主要集中在基于参数化电磁散射模型的目标提取与识别新技术和基于参数化电磁散射模型的杂波和干扰抑制新技术。 2100433B

图像可以分解为结构和纹理2大部分，其中的结构信息体现的是图像的整体框架，包含图像的边缘等重要的描述信息，而纹理信息体现的是图像框架中的细节部分。

TV模型容易在各向异性扩散的过程中，将平滑区域噪声作为边缘而产生阶梯效应，而分解出来的结构图像，去除了图像的噪声。因此，对图像的结构部分使用基于TV模型图像修复，就能避免噪声干扰引入的阶梯效应，但是此时还存在一个问题，利用结构图像进行TV模型的扩散修复，仅能避免原来图像中噪声对图像造成的阶梯效应，而对于图像中的边缘部分图像梯度变化大的地方即图像的特征点，如还沿着梯度的垂直方向扩散，则必然会造成图像特征点的迷糊化，因此，为保证图像的特征点的保持，必须在修复过程中将图像的特征点提取出，保证对特征点不沿着图像的梯度正交方向扩散。

在图像的结构部分采用以下的修复方程：

该修复方程利用图像分解技术提取图像结构部分，避免了原始TV模型容易引入的阶梯效应，防止修复结果出现假边缘，同时，对于图像中存在的特征点能很好地实现保留。