基于分布式SAR图像的点、线目标辨识与图像增强方法与流程

本发明属于合成孔径雷达
技术领域：
，尤其涉及一种基于分布式合成孔径雷达(sar)图像的点、线目标辨识与图像增强方法。
背景技术：
：合成孔径雷达是一种全天时、全天候的高分辨率的微波遥感成像雷达，已广泛应用于环境监测、海洋观测、资源勘探、农作物估产、测绘和军事等领域中，发挥着其他遥感手段难以发挥的作用。传统的sar二维成像算法可对观测区域在方位和斜距平面上进行二维高分辨成像，其距离向上的高分辨力是通过发射大时宽带宽积的线性调频信号结合脉冲压缩来实现，其方位向上的高分辨力则是通过雷达运动构成虚拟的合成孔径来实现。城区等复杂场景的sar图像，往往存在大量点、直线型目标。其中点目标指孤立的强散射体，如铁塔等建筑物。线目标一般指sar图像中建筑物的边缘、公路及机场跑道。然而，由于单一的观测视角以及基于点散射模型的成像处理算法的局限，传统sar在对城区等人造目标较多的复杂区域成像时，线目标的特征往往会发生缺失，退化为线目标端点处的两个点状目标，导致sar图像中的线目标与点目标很难区分。根据模式识别领域相关研究成果，线目标是人类理解图像的重要元素之一，线目标特征的缺失导致sar图像解译难度增大，不能完全满足现实的需求。技术实现要素：有鉴于此，为了解决复杂场景的sar图像中线目标退化为点状目标，造成点、线目标难以区分的问题，提出了一种基于分布式sar图像的点、线目标辨识与图像增强方法。为了解决上述技术问题，本发明是这样实现的：一种基于分布式sar图像的点、线目标辨识与图像增强方法，包括：利用双视角下的雷达回波数据进行成像，获得双角度sar图像；从双角度sar图像中提取点状目标集合；利用点状目标的相位信息，区分点状目标为线目标端点或点目标；确定线目标端点所构成的线目标，在雷达回波中重建线目标。优选地，所述从双角度sar图像中提取点状目标集合为：对双角度sar图像进行配准，找到同时出现两幅图像中的点状目标，得到图像中点状目标集合。优选地，所述利用点状目标的相位信息，区分点状目标为线目标端点或点目标为：获取点状目标i在双角度sar图像中图像峰值处的相位差；判断所述相位差是否大于或等于90°，如果是则判定该点状目标为线目标的端点，否则判定该点状目标为点目标。优选地，所述确定线目标端点所构成的线目标为：步骤a、将点目标信号从雷达回波数据中移除；步骤b、将线目标端点之间不可相连的情况筛除；步骤c、确认经步骤b筛除后留下的线目标端点对是否可构成线目标。优选地，所述步骤b将线目标端点之间不可相连的情况筛除的方式为：将所有的线目标端点进行组合，判断每个组合中两个端点的相位差是否在90°～270°范围内，如果是，则确认两个端点可以相连，否则筛除该组合情况。优选地，所述步骤c确认经步骤b筛除后留下的线目标端点对是否可构成线目标的方式为：将可相连的线目标端点对作为可能的线目标，利用该可能的线目标的散射模型生成线目标回波模板，将线目标回波模板与雷达真实回波进行互相关性c计算，并计算线目标回波模板的自相关性c0，判断互相关性c与自相关性c0之间的差异是否在设定范围内，如果是，则确认所述可能的线目标是线目标。优选地，所述在雷达回波中重建线目标为：利用线目标散射模型构造线目标回波，添加到雷达回波数据中，最后对新的雷达回波进行成像，完成线目标重建。有益效果：对比已有技术，本发明方法的有益效果在于，能够根据两个视角的合成孔径雷达图像中点目标的相位特征，实现sar图像中点、线目标分类，为重建观测场景信息及图像解译提供支持。本方法尤其适用于合成孔径雷达对城区等复杂场景的观测情况，能根据两个视角的sar图像将线状目标的端点与点目标识别，并根据识别结果完成线目标的特征的重建，从而降低sar图像解译难度。附图说明图1为基于图像特征的分布式sar点、直线型多目标辨识与图像增强方法流程图。图2为合成孔径雷达与观测场景的示意图。图3为观测场景中线目标的参数说明图。图4为观测场景示意图。图5为处理前两个视角的合成孔径雷达的成像结果图；(a)为ileft，(b)为iright。图6为sar图像中线目标端点的相位值与雷达观测视角关系。图7为sar图像中点目标的相位值与雷达观测视角关系。图8为不同朝向的线目标自相关性结果。图9为处理后的合成孔径雷达的图像增强结果图。具体实施方式本发明提供了基于分布式sar图像的点、线目标辨识与图像增强方法，利用双视角下的雷达回波数据进行成像，获得双角度sar图像；从双角度sar图像中提取点状目标集合；利用点状目标的相位信息，区分点状目标为线目标端点或点目标；确定线目标端点所构成的线目标，最后在雷达回波中重建线目标。可见，本发明利用目标相位信息来分区线目标端点和点目标，从而识别出退化成点状目标的线目标，最终实现线目标的重建。本发明解决了复杂场景的sar图像中线目标退化为点状目标，造成点、线目标难以区分的问题。下面结合附图并举实例，对本发明进行详细描述。本实例以对包含大量点、线目标的合成孔径雷达图像进行分类为例，实现观测场景中线目标缺失特征的完整重建，采用条带成像模式，合成孔径雷达与观测场景的几何关系如图2，仿真的雷达参数如下表1所示：表1雷达参数数值地平角ψ15°载频f07ghz带宽b500mhz平台速度v10m/s脉冲重复频率prf57hz子孔径合成孔径l0300m平台与场景中心距离rxy15km子孔径1观测视角历程θ19.5°-10.5°子孔径2观测视角历程θ2169.5°-170.5°本实例中，观测场景中线目标的参数说明如图3，观测场景示意图如图4所示。场景中目标参数如下表2所示，其中，l为线目标的长度，为线目标的朝向，α为线目标与地面的夹角，当α＝0°时，线目标位于地平面内：表2图1为本发明基于分布式sar图像的点、线目标辨识与图像增强方法的流程图，如图1所示，该方法包括如下步骤：步骤一、利用合成孔径雷达对待观测区域进行双视角的常规成像。本步骤，利用合成孔径雷达，对待观测区域进行双视角的常规成像。观测视角的间隔越大，其能够区分的线状目标越多。因为当观测视角分布于场景中待区分的线状目标的法线的两侧时，才能将该线状目标识别出来。通过双视角成像，所获得的成像结果记为ileft，iright，如图5所示。需要说明的是，这里所称的点状目标包括真实的点目标，还包括线目标退化后所形成的线目标端点。步骤二、点状目标位置及强度估计。对上述双角度sar图像ileft、iright进行配准，找到同时出现两幅图像中的点状目标，得到图像中点状目标集合。并估计点状目标的位置(xi,yi)及强度ai，得到图像中点状目标的位置集合f：f＝{(x1,y1),…,(xi,yi),…,(xm,ym)},i＝1,2,…,m(1)其中，m为图像中点状目标的数量。在本实例的仿真条件下，点状目标数量为m＝9，其中6个为线目标的端点，3个为点目标。基于sar图像的点目标位置及强度的估计结果为：点状目标1：(x1,y1)＝(10,1)；a1＝2；点状目标2：(x2,y2)＝(10,4)；a2＝2；点状目标3：(x3,y3)＝(-10,-4)；a3＝2；点状目标4：(x4,y4)＝(5,8)；a4＝2；点状目标5：(x5,y5)＝(-5,8)；a5＝2；点状目标6：(x6,y6)＝(7.5,-8)；a6＝2；点状目标7：(x7,y7,)＝(-7.5,-8)；a7＝2；点状目标8：(x8,y8)＝(-1.29,6.83)；a8＝2；点状目标9：(x9,y9)＝(1.29,-2.83)；a9＝2；步骤三、点状目标图像峰值相位值提取。根据点状目标的位置(xi,yi)提取ileft、iright图像中点状目标(xi,yi)的图像峰值相位值φileft(xi,yi),φiright(xi,yi)。后向投影成像算法(bp成像算法)中，成像网格每一个格点的像素值等效于雷达回波补偿相位后再求积分的结果，其表示如下：其中，i(x,y)为成像网格中格点(x,y)像素值(该像素值通过等效为一个复数)；s(f,η)为雷达回波，f为雷达信号频率，η为慢时间，r为bp成像网格点与雷达的斜距，c为光速。对于真实点目标而言，其回波的表达式如(3)所示，在sar图像中的峰值点处，其在脉冲压缩后的bp成像处理时所补偿的相位与点目标回波模型中的相位相同。其中，spoint(f,η)为点目标的回波信号模型，r0为该点目标与雷达的斜距，η为慢时间。因而，点目标在图像中的像素值约为一个常数。这表明，sar图像中点目标是各向同性的，其在sar图像中峰值处的相位不随观测视角变化。i(x0,y0)＝c(4)其中，(x0,y0)为点目标的位置。根据基于几何模型的目标散射特性建模方法，线目标的回波可表征为：其中，线目标的中心位置为(x0,y0)，线目标长度为l，朝向为孔径内雷达的方位角变化历程为θ,光速为c，η为慢时间。对于线目标的端点而言，其回波的相位与线目标的中心位置相关。线目标回波在bp成像时，其端点处的成像点所补偿的相位与实际所处的位置并不相符，多补偿了一个相位项这一过程可表征为：其中r0(η；x0,y0)为线目标中心位置(x0,y0)到雷达的斜距。为分别为线目标的两个端点到雷达的斜距。sar图像中的线段的两个端点分别携带了与雷达孔径内方位角变化历程θ，直线朝向长度l有关的相位残留如(7)所示。其中，aθ为常数项，f0为发射信号的中心频率，b为发射信号带宽，c为光速。综上所述，sar图像中线目标的端点的相位会随观测视角表现为阶跃函数。该特征如图6。由于点目标不包含该相位残留，因此sar图像中点目标的相位不随观测视角变化，如图7。因此本发明基于这一关键特征，利用双视角雷达的两幅sar图像分别提取图像中点目标的相位信息即可以区分线目标端点和普通点目标。本实例中，根据点目标的位置(xi,yi)提取ileft与iright图像中点目标(xi,yi)的图像峰值处相位值φileft(xi,yi),φiright(xi,yi)的结果如下：点状目标1：(x1,y1)＝(10,1)；a1＝2；φileft＝0.0513rad；φiright＝0.0762rad；点状目标2：(x2,y2)＝(10,4)；a2＝2；φileft＝0.0409rad；φiright＝0.0488rad；点状目标3：(x3,y3)＝(-10,-4)；a3＝2；φileft＝-0.0241rad；φiright＝-0.0683rad；点状目标4：(x4,y4)＝(5,8)；a4＝2；φileft＝-1.4008rad；φiright＝1.6222rad；点状目标5：(x5,y5)＝(-5,8)；a5＝2；φileft＝1.7859rad；φiright＝-1.3161rad；点状目标6：(x6,y6)＝(7.5,-8)；a6＝2；φileft＝-1.4540rad；φiright＝1.7083rad；点状目标7：(x7,y7)＝(-7.5,-8)；a7＝2；φileft＝1.4001rad；φiright＝-1.5450rad；点状目标8：(x8,y8)＝(-1.29,6.83)；a8＝2；φileft＝1.6176rad；φiright＝-1.4630rad；点状目标9：(x9,y9)＝(1.29,-2.83)；a9＝2；φileft＝-1.5553rad；φiright＝1.6245rad。步骤四、针对每个点状目标，计算左右两个视角图像峰值处相位差。对于点集f，针对每个点计算左右两个视角下同一点状目标的双侧相位差δφ＝φileft-φiright。如果δφ≥90°则将该点状目标判断为线段的端点；否则判定该点状目标为普通点目标。本实施例中，点集f中有9个点目标，其图像峰值处相位差分别为：δφ1＝-0.0251rad；δφ2＝-0.0079rad；δφ3＝0.0442rad；δφ4＝-3.230rad；δφ5＝3.1020rad；δφ6＝-3.1623rad；δφ7＝2.9451rad；δφ8＝3.0806rad；δφ9＝-3.1798rad。可见，点目标1、2、3的双侧相位差δφ1,δφ2,δφ3均小于0.1rad，因此，点目标1、2、3均为真实存在的点目标。对于点目标4、5、6、7、8、9，其双侧相位差δφ均大于2rad，因此，点目标4至点目标9均为线目标的端点。步骤五、点目标的信号移除。根据步骤四点目标与线段端点的分类结果，将点目标信号从雷达原始回波信号中移除：其中s(f,η)为雷达的回波数据，η为慢时间，f为雷达信号的频率，(xi,yi)为点目标坐标，n为点目标数量；ri(η；xi,yi)为点目标到雷达的斜距历程，ai为点目标的强度。本实例中n＝3。步骤六、线目标端点间不可相连情况的筛除。本步骤根据线目标端点的相位特征，判决移除点目标后f集合中的剩余线目标端点目标可否相连。对于线目标，其两个端点的相位残留恰好相反，为即两端点的相位和为0、相位差为180°。因此可根据线目标两端点在sar图像中峰值相位的相位差为180°的特征筛除一些线目标端点。考虑到噪声以及其他杂波的影响，将该180°扩大为90°～270°的范围。那么，对于移除点目标的集合f，将其中所有的线目标端点进行组合，判断每个组合中两个端点的相位差是否为在90°～270°范围内，如果是，则确认两个端点可以相连，否则筛除该组合情况。在该实例中，可能的连接情况如下表3：表3步骤七、线目标端点相连的判决。可以相连的两线目标端点不一定构成线目标。本步骤还需要对线目标进行鉴别，以确认经步骤六筛除后留下的线目标端点对是否可构成线目标。对于剩余的每一种端点相连的可能情况，由线目标的散射模型生成该种情况下线目标的回波模板sline(f,η)，设步骤六剩余p种组合，则针对每种组合，产生线目标回波模板sline-p(f,η)，p＝1,2，…,p。sline-p(f,η)参见公式(6)。采用下式(9)将线目标回波模板与雷达真实回波进行互相关性c计算，并计算线目标回波模板的自相关性c0，判断互相关性c与自相关性c0之间的差异是否在设定范围内，如果是，则确认所述可能的线目标是线目标。其中，cp为第p种组合对应的线目标回波模板；*表示求共轭。第p种组合的线目标自相关表示为cp0，则将cp与cp0进行比较，根据二者差值绝对值是否在范围内，确定第p种组合中的两端点是否构成线目标。在本实例中，最终判决端点4与端点5构成线目标，端点6与端点7构成线目标，端点8与端点9构成线目标。步骤八、线目标特征重建。根据点目标与线目标的分类结果，利用公式(6)的线目标散射模型sline(f,η)构造线目标回波，添加入雷达回波数据中，最后对新的雷达回波进行成像，从而对sar图像中缺失的线目标特征进行补偿，以重建观测场景的sar图像。本实例中，由点线分类结果，重构观测场景sar图像，结果如图9。本实施例的仿真结果显示利用本发明给出的方法，结合工程实现的可能性，很好地对场景中的点目标与线目标端点进行了分类，并重构了观测场景中线目标缺失的特征。综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页12