Modelo de Mistura Finita Baseado em Regressão Passo a Passo para Modelagem de Imagem SAR Multi-Aspecto

Comparado com o radar de abertura sintética (SAR) convencional, o SAR multi-aspecto pode observar uma cena de vários aspectos, proporcionando assim uma análise e descrição mais detalhadas e abrangentes do alvo. Como resultado, um modelo preciso, estável e eficiente é necessário para modelar adaptativamente as imagens SAR multi-aspecto de acordo com as exigências de precisão. Para enfrentar este desafio, propomos um modelo de mistura finita (SRFMM) baseado em regressão passo a passo, com o objetivo de construir um modelo de mistura finita (FMM) combinando o menor número de modelos paramétricos individuais que atendam a uma demanda de precisão específica. O SRFMM primeiro emprega uma estratégia de classificação baseada em votação para determinar a ordem em que os modelos paramétricos individuais são adicionados ao FMM. Em seguida, combina linearmente os modelos paramétricos individuais um a um na ordem determinada até que a precisão desejada seja alcançada ou ocorra um sobreajuste para obter o FMM final. Na implementação do SRFMM, empregamos o algoritmo de otimização por enxame de partículas (PSO) para a estimativa de parâmetros e coeficientes devido à sua robustez e paralelismo. Realizamos uma avaliação experimental do SRFMM com dados de SAR circular na banda C (CSAR), e os resultados indicaram que o SRFMM pode modelar de forma precisa, estável e eficiente as regiões isotrópicas e anisotrópicas em imagens SAR multi-aspecto sob vários aspectos de observação e ângulos de abertura. A avaliação dos dados de CSAR na banda X também indica a aplicabilidade do SRFMM.