一种宽带雷达isar图像性能定量判别方法
【技术领域】
[0001] 本发明涉及雷达测量中的宽带图像处理和应用技术，特别涉及一种宽带雷达ISAR 图像性能定量判别方法。
【背景技术】
[0002] 逆合成孔径雷达（Inverse Synthetic Radar，ISAR)利用宽带信号获得距离维的 分辨率，利用运动目标相对于静止雷达所产生的逆合成孔径获得方位维的分辨率，通过信 号处理方法可获得目标的高分辨ISAR图像。ISAR成像技术在诸多领域都发挥了重要作用。 专门针对ISAR图像建立一种有效的图像性能判别方法具有重要意义。一方面，可以利用判 别方法有效提高ISAR图像的性能，获得高清晰、可视化的ISAR图像；另一方面，通过判别方 法对图像的过滤，可以实现对图像的自动筛选，缩短目标识别时间，提高目标识别概率。
[0003] 然而，ISAR图像与光学图像有着本质的区别，传统的图像评估技术无法适用，所以 ISAR图像性能的评估判别一直是一个难点问题，而且相关的研究极少，未建立相应的评估 方法，因此需研究建立一种有效的ISAR图像性能判别方法，能够提高ISAR图像性能判别的 准确性。
【发明内容】
[0004] 有鉴于此，本发明提供了一种宽带雷达ISAR图像性能定量判别方法，能够在无需 用户参与的前提下完成ISAR图像性能的客观定量评估判别，而且能够提高ISAR图像性能 判别的准确性。
[0005] 为了解决上述技术问题，本发明是这样实现的：
[0006] 一种宽带雷达ISAR图像性能定量判别方法，包括：
[0007] 步骤一、获得待判别ISAR图像的二维数据矩阵；利用二维数据矩阵进行点目标指 标、面目标指标、信息量指标及对比度指标的评估，获得共10个评估指标的评估值；
[0008] 其中，点目标指标由区域目标相干相关函数的距离向峰值旁瓣比RPSLR、距离向积 分旁瓣比RISLR、方位向峰值旁瓣比APSLR、方位向积分旁瓣比AlSLR组成；面目标指标由图 像均值、方差、等效视数、辐射分辨率组成；
[0009] 步骤二、对10个评估指标值的评估值进行量化获得量化评估值Gk，k = 1，2,…，10 ;
[0010] 步骤三、将量化评估值Gk代入基于线性加权和准则的ISAR图像性能的定量判别 模型，获得ISAR图像性能综合判别值G，G越大表明图像性能越好，反之越差：
[0012] 其中，fk表示第k个评估指标相应的权重系数，且满足
，权重系 数是预先根据ISAR图像样本获得的评估指标随ISAR图像性能变化的敏感度表征量，敏感 度越高，权重系数越大。
[0013] 优选地，所述步骤二的量化方式为：
[0014] 若评估指标的评估值越小，代表图像性能越好，则该评估指标的量化方式为：
[0016] 若评估指标的评估值越大，代表图像性能越好，则该评估指标在模型中的量化方 式为：
[0018]其中，
[0019] Gk表示第k个评估指标的量化评估值；
[0020] 句表示对待评估的第i幅ISAR图像进行判别时，在步骤一获得的第k个评估指 标的评估值；
[0021 ] max(Gj)和)分别表示待评估的所有ISAR图像中第k个评估指标的评 i： i 估值的最大值和最小值。
[0022] 优选地，基于线性加权和准则的ISAR图像性能的定量判别模型中权重系数的获 取方式为：
[0023] 第1步：选取ISAR的η个雷达参数，η为大于或等于1的整数；
[0024] 第2步：取一个雷达参数作为当前雷达参数，改变当前雷达参数，其他雷达参数不 变，得到不同质量的ISAR图像，作为样本图像；利用10个评估指标对各样本图像进行评估， 获得各样本图像的评估指标；针对每个评估指标随当前雷达参数变化的曲线进行线性拟 合，获得拟合直线；拟合直线的斜率作为敏感度定量分析结果，直线斜率越大，表明相应评 估指标对当前雷达参数变化引起的图像性能变化的敏感度越高；本步骤获得当前雷达参数 对应的一组敏感度定量分析结果；
[0025] 第3步：按照第2步的做法，遍历第1步选取的η个雷达参数，共获得η组敏感度 定量分析结果；
[0026] 第4步：对相同评估指标对应的η个敏感度定量分析结果求平均，获得η个敏感度 平均值；
[0027] 第5步：根据各评估指标在模型中所占的权重系数与敏感度平均值成正比，确定 出10个评估指标的权重系数。
[0028] 优选地，第1步选取η = 3个雷达参数，包括带宽、成像积累脉冲数和信噪比。
[0029] 有益效果：
[0030] (1)本发明提出了一种基于线性加权和准则的ISAR图像性能定量判别方法。ISAR 图像的性能可由点目标评估指标、面目标评估指标、信息熵、对比度等多种客观评估指标进 行评估，综合各评估指标建立ISAR图像性能的定量评估判别模型。而且，本发明选取的评 估指标数量有限，但是反映全面，评估准确度高。
[0031] (2)本发明在确定权重系数时，并非人为确定，而是根据仿真图像进行统计获得， 统计时依据指标对图像参数变化的敏感度获取，而且获取时以直线来进行拟合，符合实际 情况，使得权重表达的更为准确。
[0032] 敏感度越尚的评估指标，其对于图像性能的评估判别越有效，在t吴型中所占的权 重系数应越大。根据定量分析结果，可确定各评估指标在模型中所占的权重系数，建立综合 的ISAR图像性能定量判别模型，得出图像性能的评估值。
[0033] (3)本发明选取了能够直接影响ISAR图像性能的三个仿真参数，包括带宽、成像 积累脉冲数和信噪比，从这三个客观因素出发，通过仿真实验，对各评估指标对于这三个客 观因素变化的敏感度进行分析。为了获得准确的权重系数奠定了基础，而且也减少了仿真 的工作量。
[0034]总之，该模型综合考虑了各种评估指标及其权重系数，具有较高的可靠性和稳健 性，可对宽带雷达ISAR图像进行客观定量评估判别。
【附图说明】
[0035] 图1为不同评估指标随成像积累脉冲数变化的曲线；其中，（a)为点目标评估指 标；(b)为面目标评估指标；（C)为信息熵和对比度；
[0036] 图2为不同评估指标随成像积累脉冲数变化曲线的线性拟合结果；其中，（a)为点 目标评估指标；(b)为面目标评估指标；（c)为信息熵和对比度。
【具体实施方式】
[0037] 下面结合附图并举实施例，对本发明进行详细描述。
[0038] 本发明的判别对象为ISAR图像的二维矩阵数据，首先针对ISAR图像的二维矩阵 数据分别进行点目标指标、面目标指标、信息量指标及对比度指标评估。
[0039] 本发明选取的点目标指标包括区域目标相干相关函数的距离向峰值旁瓣比 (Range Peak Side Lobe Ratio, RPSLR)、距离向积分旁辦比（Range Integrated Side Lobe Ratio, RISLR)、方位向峰值旁瓣比（Azimuth Peak Side Lobe Ratio, APSLR)、方位向积分旁 辦比（Azimuth Integrated Side Lobe Ratio, AISLR);
[0040] 本发明选取的面目标指标包括图像均值、方差、等效视数、辐射分辨率；其中，由于 原始图像包含背景，进行图像分割后再对目标部分进行面目标指标计算。
[0041] 本发明选取的评估指标包含点目标指标、面目标指标、信息量指标及对比度指标， 这些指标基本涵盖了可有效表征ISAR图像性能各个方面的评估指标，其中点目标指标和 面目标指标均选取了目前常用的一些典型评估指标，从而保证了评估模型的全面性。
[0042] 但这10个评估指标代表的含义和取值范围不同，难以从这10个评估指标值得出 图像质量的最终结论，需要将它们综合起来，构建统一的判别模型进行判别。本发明采用线 性加权合法建立综合评估判别模型。
[0043] 线性加权合法又称加权算术平均算子法，是指应用线性模型进行评价的一种整体 评价方法。本发明基于线性加权和准则的ISAR图像性能的定量判别模型为：
[0045] 其中，G表示ISAR图像性能综合判别值；
[0046] Gk (k = 1，2,…10)分别表示10个评估指标在模型中的评估值，这里指的是量化评 估值；
[0047] fk(k = 1，2,…10)分别表示各评估指标相应的权重系数，且满足
[0048] 下面说明评估指标的量化评估值及其权重系数的获取方式。
[0049] (l)Gk(k = 1，2,…，10)由以下方法确定：
[0050] 若评估指标的评估值越小，代表图像性能越好，则该评估指标在模型中的量化评 估值为：
[0052] 若评估指标的评估值越大，代表图像性能越好，则该评估指标在模型中