1 Rascunho sobre SAR

Imagens do sensor SAR (Synthetic Aperture Radar ) são obtidas pelo imageamento de alta resolução
por microondas a partir de satélites ou aeronaves, fornecendo informações para aplicações civis e milita-
res [1]. A principal restrição desse sistema é a indisponibilidade de um link com alta taxa de dados, em
decorrência da alta quantidade de dados coletados [2]. Dessa forma, o emprego de compressão de imagens
é essencial para a operacionalização e redução dos custos de armazenamento e transmissão, permitindo
avanços dos sistemas SAR [1]. [parágrafo] As técnicas convencionalmente empregadas para a compressão
dos dados SAR são baseadas em quantização escalar, vetorial e no domı́nio das transformadas. Essas
técnicas exploram a redundância inerente do sinal amostrado na taxa de Nyquist para alcançar uma
representação compacta e, a transmissão eficiente da informação [3]. No entanto, a amostragem em altas
taxas e a eliminação de redundância em grandes quantidades de dados implicam em baixa eficiência em
termos de taxa de amostragem e complexidade computacional. Uma vez que, na prática, os sistemas SAR
utilizam os mais simples métodos em função dos seus limitados requisitos computacionais e de banda dis-
ponı́vel para a transmissão [4].

Synthetic aperture radar (SAR) is an active ground imaging system based on coherent processing of
multiple radar echoes acquired along the path of a moving platform (aircraft or satellite) being widely
used in many civilian and military applications [5, 2]. SAR transmits chirp signals and the received
echoes are sampled into In-phase (l) and Quadrature (Q) components, referred as SAR raw data [6].
Modern airborne and spaceborne SAR systems produce very high resolution images performing the raw
data compression as an essential requirement in order to reduce the volume of stored onboard data and
transmission to ground station. For interferometry SAR applications it is necessary to have high phase
preserving to prevent large errors making greater demands on the reconstruction accuracy than in most
other compression applications [7]. Techniques for compression SAR raw normally explore its noise like
characteristics due to several scatters added incoherently with unknown phase and amplitude. The most
used compression methods are based on scalar quantizer, vector quantizer and transform domain. In
1989, Kwok and Johnson [8] develop the most widely recognized method of raw SAR data compression -
the Block Adaptive Quantization (BAQ). This method uses a scalar quantizer controlled by the statistics
of the SAR raw data to quantize this data with fewer bits.

Referências
[1] C.-h. Chen, Signal and image processing for remote sensing. CRC press, 2012.

[2] G. Rilling, M. Davies, B. Mulgrew, et al., “Compressed sensing based compression of sar raw data,”
in SPARS’09-Signal Processing with Adaptive Sparse Structured Representations, 2009.
[3] F. Zhu, Q. Zhang, J. Yan, F. Gu, and M. Zhu, “Sar imagery compressing and reconstruction method
based on compressed sensing,” in Progress In Electromagnetics Research Symposium Proceedings,
pp. 27–30, 2012.
[4] J. D. Blanchard and J. Tanner, “Gpu accelerated greedy algorithms for compressed sensing,” Mathe-
matical Programming Computation, vol. 5, no. 3, pp. 267–304, 2013.
[5] J. Tian, J. Sun, Y. Zhang, and N. Ahmad, “High performance parallel implementation of compressive
sensing sar imaging,” 2012.

[6] S. Bhattacharya, T. Blumensath, B. Mulgrew, and M. Davies, “Synthetic aperture radar raw data
encoding using compressed sensing,” in Radar Conference, 2008. RADAR’08. IEEE, pp. 1–5, IEEE,
2008.
[7] S. Peskova and S. Vnotchenko, “Analysis of complex sar raw data compression,” in SAR workshop:
CEOS Committee on Earth Observation Satellites, vol. 450, p. 619, 2000.
[8] R. Kwok and W. T. Johnson, “Block adaptive quantization of magellan sar data,” Geoscience and
Remote Sensing, IEEE Transactions on, vol. 27, no. 4, pp. 375–383, 1989.