一种基于被动微波干涉成像的运动点目标的检测方法与流程

本发明涉及被动微波干涉成像领域，具体涉及一种基于被动微波干涉成像的运动点目标的检测方法。
背景技术：
：被动微波干涉测量本质上是通过对空间中不同点收到的信号进行互相关，测出信号空间分布的傅里叶分量。如果与通常的时间序列信号处理做一个类比，这里所述的空间就相当于时间，信号在空间的分布就相当于通常的时域信号，而干涉测量给出其频域信号，使用综合成像方法，通过对干涉处理得到的可视度函数的傅里叶变换反演出信号的空间分布，得到亮温分布图。但由于测量的天线阵列不可避免地存在对uv平面的采样覆盖不完全，以及从天线接收辐射信号经放大到最终的相关处理过程中也会引入噪声等因素，会使图像质量备受影响，特别是空间采样频率uv平面的覆盖不完全性使得图像受到由高的旁瓣等因素造成的负面影响，其结果是所恢复目标的场景图像可能会出现混叠。需要采用重构成像算法从“脏”图中重构出原始图像，即脏图的洁化技术。常用的处理方法有clean算法等。clean算法是一种非线性去卷积的迭代方法。clean算法适用于大数据图像，特别是针对含噪图像，有着较好的图像恢复性能，但是在大数据图像洁化处理时，因为数据量大导致计算时间长。而在采样稀疏的情况下，能够降低运算时间及运算的复杂度，但是对于稀疏采样获得的反演图像中存在副瓣影响，当混叠严重时完全无法识别出任何目标点信息。因此，在稀疏采样的情况下，利用传统单帧图像反演发现点目标运动轨迹的思路是不可行的。技术实现要素：本发明的目的在于，为解决被动微波干涉成像中在采样稀疏情况下，由于图像混叠，利用单帧图像反演无法识别出目标点运动轨迹的技术问题，本发明提供一种基于被动微波干涉成像的运动点目标检测方法。该方法充分利用多帧图像数据，对消弱背景后的图像采用clean方法洁化，进而识别出点目标的运动轨迹。为了实现上述目的，本发明提供的一种被动微波干涉成像的运动点目标检测方法，其步骤包括：步骤1)采用稀疏分布的天线阵列进行干涉测量，获得若干个采样时刻的可见度数据，利用被动微波干涉成像原理对可见度数据进行傅里叶变换，反演得到与若干个采样时刻对应的各帧反演图像；步骤2)将步骤1)所得到的所有反演图像进行数据平均，得到图像平均估计；步骤3)从步骤1)所得到的各帧反演图像中减去图像平均估计，得到各帧处理图像；步骤4)根据天线数量和阵列部署所确定的基线矢量，对步骤3)得到的各帧处理图像采用洁化方法进行洁化操作，得到各帧洁图；步骤5)对步骤4)所得到的各帧洁图进行运动点目标定位，记录运动点目标位置信息。天线阵列中的每两个天线可形成一条测量基线，天线阵列可形成多条基线。天线数量和阵列部署确定了空间中基线矢量的分布。天线阵列被动接收探测目标的微波辐射，每一时刻每条基线对应得到一个可见度数据，干涉阵列得到一组可见度数据。利用被动微波干涉成像原理，可见度数据与物体亮温为傅里叶变换对；通过可见度数据的傅里叶变换，可反演得到这一时刻的亮温分布图。由此，得到一段时间范围的各帧反演图像。作为上述技术方案的进一步改进，所述的步骤1)中图像反演的步骤包括：将空间中的各天线接收到的信号做互相关处理，并积分得到可见度函数，对可见度函数进行傅里叶变换，得到亮温分布图。作为上述技术方案的进一步改进，所述的步骤2)中图像平均估计表示为：其中，n表示帧图像序列数量，(x,y)为图像中一点坐标，表示点坐标(x,y)处的图像平均估计，mk(x,y)表示第k帧图像中点坐标(x,y)处的目标贡献亮温值，若运动目标位于该点坐标(x,y)处，则目标贡献亮温值为1，否者目标贡献亮温值为0，ak(x,y)表示第k帧图像中点坐标(x,y)处目标的混叠特性贡献的亮温值，b(x,y)表示点坐标(x,y)处背景及背景混叠所贡献的亮温值。因为背景视为静止，所以b(x,y)不随时间改变，因为目标位置随时间发生变化，因此mk(x,y)和ak(x,y)与时间相关。作为上述技术方案的进一步改进，所述的步骤3)中处理图像表示为：其中，i′k(x,y)表示第k帧图像的处理图像。作为上述技术方案的进一步改进，所述的步骤4)包括：步骤4.1)设置初始化为零的幅度索引矩阵，矩阵大小与反演图像大小一致；步骤4.2)根据天线数量和阵列部署所确定的基线矢量，计算点扩散函数；步骤4.3)在步骤3)得到的处理图像中寻找最大值，找到后将点扩散函数的中心点移动到该最大值上，并且对点扩散函数的每一个点都乘以设定的系数，之后将该点扩散函数从处理图像中去除，在幅度索引矩阵中对应的最大值位置处，添加幅度值；步骤4.4)对处理图像的剩余部分重复执行步骤4.3)，直至剩余部分的最大值小于给定的噪声水平，迭代终止，得到幅度索引矩阵和剩余图；步骤4.5)设置点扩散函数的高斯拟合为洁束，将步骤4.4)中得到的幅度索引矩阵与洁束进行卷积；步骤4.6)对卷积处理后的结果加上剩余图，得到洁图。本发明的一种基于被动微波干涉成像的运动点目标检测方法优点在于：本发明的运动点目标检测方法充分利用多帧图像信息，消弱了背景对动目标检测的影响，在分离了背景后的处理图像基础上采用clean方法进行洁化处理，能有效地恢复点目标位置信息。本发明的方法解决了在采样稀疏情况下，通过单帧图像反演完全无法识别点目标的技术问题，通过多帧数据处理，能够准确地识别并提取出运动点目标的运动轨迹；数据运算的复杂度及运算时间较低。附图说明图1为本发明提供的一种基于被动微波干涉成像的运动点目标检测方法流程图；图2为本发明中的clean方法流程图；图3a-3f为本发明实施例中点目标运动的多帧原图；图4a-4f为本发明实施例中多帧采样反演图；图5为本发明实施例中多帧图像的平均估计图；图6a-6f为本发明实施例中多帧图像的处理图；图7a-7f为本发明实施例中clean后各帧图像；图8a-8f为本发明实施例中运动点目标识别图。具体实施方式下面结合附图和实施例对本发明所述的一种基于被动微波干涉成像的运动点目标检测方法进行详细说明。本发明提供一种基于被动微波干涉成像的运动点目标检测方法，如图1所示，该方法对图像数据的处理过程包括：根据被动微波干涉原理进行稀疏采样图像数据条件下的图像反演；对反演得到的多帧图像进行数据平均，视为背景估计；在各帧图像中消弱背景，得到处理后的图像；依据采样特征，采用洁化(clean)方法对各帧处理后图像进行洁化操作，得到各帧洁图；在各帧洁图中进行目标定位，进而识别出运动点目标的运动轨迹。本发明的上述方法解决了采样稀疏情况下，利用单帧图像反演完全无法识别目标的难题，根据多帧图像信息消弱背景，再进行洁化处理，以识别出运动点目标的运动轨迹。所述的运动点目标检测方法具体包括以下步骤：步骤1)采用稀疏分布的天线阵列进行干涉测量，获得若干个采样时刻的可见度数据，利用被动微波干涉成像原理对可见度数据进行傅里叶变换，反演得到与若干个采样时刻对应的各帧反演图像；步骤2)将步骤1)所得到的多帧图像进行数据平均，得到图像平均值；步骤3)从步骤1)所得到的各帧反演图像中减去步骤2)中计算得到的图像平均值，得到新的各帧处理图像，各帧处理图像相对原图消弱了背景；步骤4)根据天线数量和阵列部署所确定的基线矢量，对步骤3)得到的各帧处理图像采用clean方法进行洁化操作，得到各帧洁图；步骤5)从步骤4)所得到的各帧洁图中查找亮源位置，记录各帧点目标的位置信息；步骤6)根据步骤5)所得到的运动点目标位置信息，识别得到点目标的运动轨迹。在所述的步骤1)中，被动微波干涉测量本质上是通过对空间中不同点收到的信号进行互相关，测出信号空间分布的傅里叶分量。被动微波干涉成像是通过天线阵列中各单元天线被动地接收来自目标场景的辐射信息，将各天线接收到的信号做互相关处理并积分得到可见度函数，即源的傅里叶分量；对可见度函数进行傅里叶变换，即可得到目标的亮温分布图，即“脏图”。在运动点目标检测过程中，依据上述成像方法获取多帧脏图。在所述的步骤2)中，将所得到的多帧脏图进行平均，视为图像的平均估计。假设一组n帧图像序列，第k帧图像为ik(x,y)，(x,y)为图像中某一点坐标。图像中每点亮温包括运动目标贡献亮温、目标混叠贡献亮温、背景及背景混叠贡献亮温，表示为：ik(x,y)＝mk(x,y)+ak(x,y)+b(x,y)。通过n帧图像平均，得到图像的平均估计：其中，n表示帧图像序列数量，(x,y)为图像中一点坐标，表示点坐标(x,y)处的图象平均估计，mk(x,y)表示第k帧图像中点坐标(x,y)处的目标贡献亮温值，若运动目标位于该点坐标(x,y)处，则目标贡献亮温值为1，否者目标贡献亮温值为0，ak(x,y)表示第k帧图像中点坐标(x,y)处目标的混叠特性贡献的亮温值。因为目标位置随时间发生变化，因此mk(x,y)和ak(x,y)与时间相关。b(x,y)表示点坐标(x,y)处背景及背景混叠所贡献的亮温值，因为背景视为静止，所以b(x,y)不随时间改变。在所述的步骤3)中，各帧反演图像减去步骤2)中计算得到的图像平均值，得到新的各帧处理后图像，表示为：将公式(1)带入公式(2)得：其中，i′k(x,y)表示第k帧图像的处理图像。由此，可以看出处理后的图像仅包含运动点目标及其混叠影响，背景中的固定值部分完全去除。在所述的步骤4)中，根据采样特征，对步骤3)得到的各帧处理图像采用clean方法进行洁化操作。clean是一种非线性去卷积的迭代方法，每帧处理后图像视为脏图，如图2所示，得到洁图的处理步骤具体包括：步骤4.1，设置初始化为零的幅度索引矩阵，矩阵大小与反演图像大小一致；步骤4.2，根据天线数量和阵列部署所确定的基线矢量，计算采样的点扩散函数(脏束)；点扩散函数是探测系统对点源目标的响应，即输入为点源目标时，基线在空间频率域采样后，输出的亮温分布；步骤4.3，在步骤3)得到的脏图中，寻找最大值，找到后将脏束的中心点移动到该最大值上，并且对脏束的每一个点都乘以亮温系数γ，该系数根据实际应用场景进行设置，系数越小越精细，相应的迭代次数增大；之后将该脏束从此脏图中去除，在幅度索引矩阵中对应的最大值位置处，添加幅度值；步骤4.4，对脏图的剩余部分重复执行步骤4.3，直至剩余部分的最大值小于给定的噪声水平，迭代终止，得到幅度索引矩阵和剩余图；步骤4.5，设置点扩散函数的高斯拟合为洁束，将步骤4.4中得到的幅度索引矩阵与洁束进行卷积；步骤4.6，对卷积处理后的结果加上剩余图，得到洁图。在所述的步骤5)中，对步骤4)所获得的各帧洁图，迭代搜寻图像中的亮源位置，记录各帧点目标的位置信息。在所述的步骤6)中，根据步骤5)所获得的结果，得到点目标的运动轨迹。实施例一假设图3a-3f为模拟的6个采样时刻的原始图像，图像大小均为256×256，图像中有两个点目标，随时间变化，在本实施例中，对各采样时刻的原始图像分别均匀采样100个点。目标随时间变换位置信息如表1所示：表1两个点目标运动轨迹仿真值时刻点目标a点目标b1(100,100)(200,200)2(100,130)(200,170)3(130,130)(170,170)4(130,160)(170,140)5(160,160)(140,140)6(190,190)(110,110)根据上述仿真数据，本发明方法的实施步骤为：步骤1)利用被动微波干涉成像原理，进行稀疏采样情况下图像反演，通过对干涉得到的可视度函数的傅里叶变换，得到6个采样时刻对应的各帧反演图像，如图4a-4f所示。步骤2)将步骤1)所得到的多帧图像进行平均，得到图像平均值，如图5所示。步骤3)从各帧反演图像中减去步骤2)中所得到的图像平均估计，得到各帧处理图像，如图6a-6f所示。步骤4)根据采样特征，对步骤3)得到的各帧处理图采用clean方法进行洁化操作，得到各帧洁图，如图7a-7f所示。步骤5)对步骤4)得到的各帧洁图进行目标定位，记录目标位置信息，如图8a-8f所示。步骤6)根据步骤5)获得的结果，识别出点运动目标的运动轨迹，如表2所示：表2识别的两个点目标运动轨迹值时刻点目标a点目标b1(100,100)(200,200)2(100,130)(200,170)3(130,130)(170,170)4(130,160)(170,140)5(160,160)(140,140)6(190,190)(110,110)根据上述表1和表2的数据对比可知，利用本发明提供的运动点目标检测方法，能够准确地识别出图像中的点目标的位置信息。最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。当前第1页12