专利名称：一种基于广义Hough变换的航天器分类识别方法
技术领域：
本发明属于航天測量与控制领域，涉及ー种利用RCS序列的航天器分类识别方法。
背景技术：
目前我国现役雷达大多采用窄带雷达体制，因此探索和研究在窄带雷达体制下的空间目标识别问题具有重要的现实意义和广泛的实用价值。目标RCS包含了丰富的目标信息，是窄带雷达能够获取的目标雷达特性的主要数据，因此利用RCS測量数据的目标分类识别是空间目标雷达识别的ー个重要方面。由于雷达在不同观测弧段对航天器的观测角度不同，而RCS对姿态角的变化又比较敏感，使得每个航天器不同观测弧段的RCS序列统计特征及其变换特征不稳定。常用RCS序列的统计量包括描述目标RCS序列的平均位置与特定位置的均值、极大值、极小值、中位数等位置特征參数和表示RCS序列在整个实数轴上分散程度的极差、标准差、标准均差、变异系数等散布特征參数。金胜、高梅国等人根据7个目标10个观测弧段的雷达测量数据，采用最近邻法，利用上述统计特征进行了识别，结果表明该方法只能对形体区别较大的航天器进行初歩分类识别，而且识别率低，大致为70%。在变换特征中，传统的傅里叶变换是ー种全局变换，无法表达RCS序列的时频局域性质，短时傅里叶变换虽然有所改进，但本质上讲仍是ー种单一分辨率的信号分析方法，在对呈现非平稳信号特性RCS序列的应用上，仍然存在局限性，时频分析方法相对于上述方法具有较大的优势，但在实际应用中，对目标的识别性能并不好，基本处于理论探索阶段，实际中主要用于对目标姿态稳定性的判决。
发明内容
为了克服现有技术的不足，本发明提供ー种基于广义Hough变换的航天器分类识别方法，能够实现自动目标识别，并提高识别率。本发明解决其技术问题所采用的技术方案包括以下步骤(I)针对某雷达观测弧段的RCS序列，以时间为横轴，RCS幅度为纵轴绘制ニ值图像，得到RCS序列图像。(2)计算RCS序列图像的像素的紧凑度，进行初分类，如果该紧凑度与模板库中某幅模板图像的紧凑度差值的绝对值小于0. 05，则该模板图像可以參与后续的匹配运算；如果模板库中没有一幅模板图像的紧凑度满足上述要求，则认为该目标无法识别，为未知目标。(3)使用邻域平均法的均值滤波器对RCS序列图像进行滤波，在滤波的同时提取RCS序列图像的轮廓生成轮廓图。对轮廓图进行孔洞填充，并进行外轮廓特征提取，然后对外轮廓特征进行等间隔抽取，减小信息的冗余，获得离散外轮廓图。抽取的原则是不影响图像特征的分辨识别，也就是要满足图像匹配运算的精度要求，控制在误差容许的范围内，由于使用的模板图像大小为200X200像素，轮廓匹配容许误差为10个像素，因此进行8倍等间隔抽取是可行的。最后使用广义Hough变换对离散外轮廓图对应的RCS序列图像中与模板图像最可能匹配的区域进行投票，票数最高的区域即为粗定位区域图像。(4)利用数学形态学方法提取粗定位区域图像的骨架特征，运用Hausdorff距离将粗定位区域图像的骨架特征与模板图像的骨架特征进行细匹配，如果得到的Hausdorff距离小于20个像素，则认为两者相匹配，粗定位区域图像即为匹配区域图像，否则认为匹配失败，待识别目标为未知目标。(5)分别画出匹配区域图像与模板图像的像素紧凑程度分布图。计算两像素紧凑程度分布图之间的Hausdorff距离，如果Hausdorff距离小于20个像素，则认为匹配区域 图像与模板图像的像素紧凑程度分布大致相同，通过上述步骤得到的识别结果准确，待识别目标即为模板图像所代表的目标，否则认为待识别目标为未知目标。本发明的有益效果是由于雷达测得的RCS序列对姿态角的变化比较敏感，使得航天器在不同观测弧段的RCS序列统计特征及其变换特征不稳定，致使利用RCS序列的统计特征及变换特征识别空间目标的效果不理想。而某些特殊工作平台的航天器，由于卫星特征部件(如航天器上的抛物面天线)或卫星工作方式(如气象卫星)的影响，不同弧段的RCS序列有相似特征出现，且与其他工作平台航天器的RCS明显不同，因此利用这些特征可以完成对目标的识别。本发明提出将每个观测弧段的RCS序列视为ニ值图像，提取其中的边缘、骨架和紧凑度特征，运用广义Hough变换将模板图像与待识别的RCS序列图像进行粗定位，然后使用一种基于Hausdorff距离的图像匹配方法进行RCS序列图像的细匹配，实现自动目标识别的方法。
图I是本发明的方法流程图；图2是ー个观测弧段的空间目标RCS序列；图3是待匹配目标的轮廓特征8倍抽取图；图4是模板轮廓特征8倍抽取图，其中图4(a)、图4(b)、图4(c)分别是A类航天器模板、B类航天器模板、C类航天器模板；图5是对待匹配图像进行广义Hough变换的投票结果图；图6是待匹配图像的骨架特征图；图7是航天器模板图像的骨架图，其中图7 (a)、图7 (b)、图7 (c)分别是A类航天器模板、B类航天器模板、C类航天器模板；图8是航天器模板的紧凑程度分布图，其中图8 (a)、图8 (b)、图8 (c)分别是A类航天器模板、B类航天器模板、C类航天器模板；图9是待识别目标RCS序列图像与模板图像相匹配部分的紧凑程度分布图。具体实施方法下面以具体实例说明，以某雷达探测圈次接收的RCS序列为例，对其所属航天器进行分类识别，包括以下步骤I.将RCS序列转换成RCS序列图像提取某圈次的RCS序列，以时间为横轴，RCS幅度为纵轴绘制ニ值图像，得到的ニ值图像如图2所示。
2.基于像素紧凑度的初分类计算待匹配图像的紧凑度，紧凑度的计算公式为J = AJA-(I)式⑴中，Aarea是该目标物体的面积，Amee表示目标最小外接矩形的面积。根据公式⑴得到待匹配图像的紧凑度为0.2119，而模板库中A、B、C、D类目标RCS序列图像的紧凑度如表I所示，由于待匹配图像与A、B、C三类目标RCS序列图像的紧凑度差的绝对值小于0. 05，因此选定A类、B类、C类三类模板图像參与后续的匹配，D类模板相差较远，可以排除。表I四类空间目标RCS序列紧凑程度结果
权利要求
1.ー种基于广义Hough变换的航天器分类识别方法，其特征在于包括下述步骤 (1)针对某雷达观测弧段的RCS序列，以时间为横轴，RCS幅度为纵轴绘制ニ值图像，得到RCS序列图像； (2)计算RCS序列图像的像素的紧凑度，进行初分类，如果该紧凑度与模板库中某幅模板图像的紧凑度差值的绝对值小于0. 05，则该模板图像可以參与后续的匹配运算；如果模板库中没有一幅模板图像的紧凑度满足上述要求，则认为该目标无法识别，为未知目标； (3)使用邻域平均法的均值滤波器对RCS序列图像进行滤波，在滤波的同时提取RCS序列图像的轮廓生成轮廓图；对轮廓图进行孔洞填充，并进行外轮廓特征提取，然后对外轮廓特征进行等间隔抽取，最后使用广义Hough变换对离散外轮廓图对应的RCS序列图像中与模板图像最可能匹配的区域进行投票，票数最高的区域即为粗定位区域图像； (4)利用数学形态学方法提取粗定位区域图像的骨架特征，运用Hausdorff距离将粗定位区域图像的骨架特征与模板图像的骨架特征进行细匹配，如果得到的Hausdorff距离小于20个像素，则认为两者相匹配，粗定位区域图像即为匹配区域图像，否则认为匹配失败，待识别目标为未知目标； (5)分别画出匹配区域图像与模板图像的像素紧凑程度分布图，计算两像素紧凑程度分布图之间的Hausdorff距离，如果Hausdorff距离小于20个像素,贝U认为匹配区域图像与模板图像的像素紧凑程度分布大致相同，通过上述步骤得到的识别结果准确，待识别目标即为模板图像所代表的目标，否则认为待识别目标为未知目标。
2.根据权利要求I所述的基于广义Hough变换的航天器分类识别方法，其特征在于所述的等间隔抽取为8倍等间隔抽取。
全文摘要
本发明公开了一种基于广义Hough变换的航天器分类识别方法，针对某雷达观测弧段的RCS序列绘制RCS序列图像，计算RCS序列图像的像素的紧凑度，进行初分类，对RCS序列图像进行滤波并生成轮廓图，使用广义Hough变换确定粗定位区域图像；提取粗定位区域图像的骨架特征，与模板图像的骨架特征进行细匹配；最终进行基于像素紧凑程度的匹配验证。本发明能够实现自动目标识别，并提高识别率。
文档编号G06K9/62GK102663437SQ20121013478
公开日2012年9月12日 申请日期2012年5月3日 优先权日2012年5月3日
发明者寇鹏, 牛威, 苏威 申请人:中国西安卫星测控中心