基于目标特征的isar图像融合方法
【专利摘要】本发明公开了一种基于目标特征的ISAR图像融合方法，涉及逆合成孔径雷达ISAR图像的融合，其步骤为：首先，对全孔径数据分段，并获取子图像；提取子图像的空域特征点和空域特征描述符向量，并进行空域特征点的匹配；之后，选择优化的空域特征点；利用方位向尺度因子搜索方法，进行方位向尺度变换和去中心；计算子图像之间的旋转角度，并旋转变换图像，获取幅度均值图像的熵值；利用最小熵值确定融合子图像；最后，通过非负矩阵分解方法，得到融合图像的基向量，从而确定最终的融合图像。本发明保留了融合图像中目标的完备信息，可用于不同子图像的融合和实时处理。
【专利说明】基于目标特征的ISAR图像融合方法
【技术领域】
[0001] 本发明属于雷达【技术领域】，特别涉及逆合成孔径雷达ISAR图像融合方法，尤其涉 及一种基于目标特征的ISAR图像融合方法。
【背景技术】
[0002] 逆合成孔径雷达（Inverse Synthetic Aperture Radar, ISAR)成像技术已被广泛 应用于包括目标成像以及目标几何形态鉴定的民用和军用领域。连续相干处理时间内运动 的空间目标在经过平动和复杂的多方向转动后，在较短相干处理时间的ISAR图像中目标 的局部散射点和结构会发生变化，从而造成目标部分结构信息的丢失，因此需要作多个短 时处理，再通过短时ISAR图像进行配准和融合，从而得到长时间多姿态角度下的ISAR图 像。
[0003] 在ISAR图像融合方法中，直接对所有短时处理后得到的图像进行一次融合比较 困难，因此需要先对相邻的图像进行两两融合，然后通过多个阶层的融合得到最终准确的 融合图像。然而，对于ISAR图像中两两之间的融合，直接通过整体图像进行的方法存在处 理时间长和融合准确度低的缺点。
[0004] 为了解决这个问题，一些研究人员和学者提出了直接利用图像配准的方法和基于 图像目标高能量点进行融合的方法。针对利用图像进行配准从而达到融合效果的方法， CHENFulong提出了一种利用shape矩阵估计的方法，通过求取特征描述符获取平动分量， 然后通过估计的旋转角度和几何不变方法进行图像的配准。然而这种基于shape矩阵的旋 转角度估计方法主要利用边缘特征点，并不适用于长相干时间的ISAR图像的转角估计，并 且ISAR目标在长相干时间内运行时其方位向会发生几何形变，该方法未考虑此种情况。针 对这个问题，可以利用提取出高能量点和旋转代价函数进行处理。Vignaud利用RELAX算法 从大量连续的高精度ISAR图像中提取出大量高能量点。然后通过建立逆旋转结构的代价 函数将不同图像中目标的高能量点进行逆旋转，从而得到一系列姿态一致的目标图像。之 后，再将这些高能量点进行叠加，得到最终的融合图像。然而，该方法得到的原始ISAR图像 具有很高的精度，提取的高能量点较多有利于利用这类散射点进行融合。但这种方法具有 两个缺点，一是通常的ISAR图像所具有的高能量点一般不会特别多；二是利用该方法得到 的融合图像信息缺失严重。
[0005] 以上方法都不能有效提取出足够的特征点进行旋转角度准确地估计，同时缺少 ISAR目标局部结构变化和方位向尺度变化的考虑，无法对长相干时间的ISAR图像进行有 效的图像融合。
【发明内容】
[0006] 本发明的目的在于针对上述已有技术的不足，提供一种基于目标特征的ISAR图 像融合方法，实现不同子图像的融合，并且保留了融合图像中目标的完备信息。
[0007] 为达到上述目的，本发明采用以下技术方案予以实现。
[0008] 一种基于目标特征的ISAR图像融合方法，其特征在于，包括以下步骤：
[0009] 步骤1，获取雷达全孔径ISAR数据，雷达全孔径ISAR数据在方位向上有b个距离 单元，b为正整数；对雷达全孔径ISAR数据在方位向上的b个距离单元进行等分分段，得到 X段子孔径数据，X大于1并且小于等于b ;
[0010] 对所述X段子孔径数据进行ISAR成像，得到X幅ISAR子图像，每一幅ISAR子图 像像素点的行数为N 1,列数为N2 和N2分别为自然数；
[0011] 将X幅ISAR子图像中的第一幅子图像T1作为参考图像P，第二幅子图像T 2作为 变换图像S;
[0012] 步骤2,给定像素点幅值的幅值阈值，将大于幅值阈值的像素点确定为极大值像素 占.
[0013] 从参考图像P中确定极大值像素点的数目为A1 ;
[0014] 对参考图像P中的第a个极大值像素点进行空域特征提取，得到第a个极大值像 素点的空域特征描述符向量< =2，·.·，^^?，ISaSA1;进而得到参考图像P中 的A1个极大值像素点形成的参考空域特征描述符矩阵D1 ..,AJt，维数为 A1X 2n，其中，A1为参考图像P中极大值像素点的数目也就是参考空域特征描述符向量D1的 行数，[?^表示向量转置；
[0015] 从变换图像S中确定极大值像素点的数目为A2 ;
[0016] 对变换图像S中的第a'个极大值像素点进行空域特征提取，得到第a'个极大 值像素点的空域特征描述符向量尤1彡a'彡A2 ;进而得到变换图 像S中的A2个极大值像素点形成的变换空域特征描述符矩阵A =[4,4,...,?^ ，维数为 Α2Χ2η，[· ]τ表示向量转置，其中，A2为变换图像S中极大值像素点的数目也就是变换空域 特征描述符矩阵D2的行数，Ap A2和η均为正整数；
[0017] 步骤3,计算参考空域特征描述符向量D1的第i行数据和变换空域特征描述符向 量D 2的每行数据之间的欧氏距离，I < i < A1，得到参考空域特征描述符向量D1的第i行 数据的A2个欧氏距离…从参考空域特征描述符向量01的第i行数据 的A2个欧氏距离中选择最小值Oi f和次小值Q,/(); 1彡f彡A2,1彡fQ彡A2 ;
[0018] 设定距离阈值G ;如果D1的第i行数据的A2个欧氏距离中选择的最小值Oiif和次 小值cU的比值小于距离阈值G，则参考图像P中的第i个极大值像素点的匹配点为变换图 像S的第f个极大值像素点；
[0019] 令i从1至A1进行遍历，从参考图像P的A1个极大值像素点和变换图像S的A 2个 极大值像素点中确定U对匹配的极大值像素点，1彡U彡min[A11A2];
[0020] 步骤4,求取每一对匹配的极大值像素点的位置坐标之间的欧氏距离，得到U个欧 氏距离；
[0021] 设定噪声容纳阈值范围F，若第u个位置坐标的欧氏距离在噪声容纳阈值范围F之 内，则保留第u个欧氏距离所对应的一对匹配的极大值像素点，否则，去除第u个位置坐标 的欧氏距离所对应的一对匹配的极大值像素点，I < U < U，得到K对优选的极大值像素点， I ^ K ^ U ；
[0022] 在参考图像P中的K个优选极大值像素点的位置坐标分别为 [X1 1,.V11],[.4乂],...,[4,义]，在变换图像S中的K个优选极大值像素点的位置 坐标分别为[ii Κ]，· ' ·，[·^?，·)^]，···，[·^，' 其中 I < K < U ;
[0023] 步骤5,设定变换图像S的方位向上第m个方位向尺度因子〇m，1彡m彡M，M表示 变换图像S的方位向上尺度因子的最大个数，对变换图像S中的K个优选的极大值像素点 位置坐标H,乃2],[x22, J22 ], ·. ·, [Xi2,乃2],…,]进行方位向尺度变换，得到修正后极大值 像素点位置坐标为[与,对],[与,另]，...,[芳，对],...,[4,?];
[0024] 对参考图像P中K个优选极大值像素点位置坐标 [X11,)'丨]，[X丨，7丨]，…，,K…，[χ?]进行去中心，得到参考图像P的K个中心化优选极 大值像素点位置坐标^1/丨1^1,/12],...，^1/1],...,^1〇/!^;对变换图像3中1(个修 正后极大值像素点位置坐标[?],[与,?,·.·,[?〗,充]，…，[4,?]进行去中心，得到变 换图像S的K个中心化优选极大值像素点位置：
[0025]
【权利要求】
1. 一种基于目标特征的ISAR图像融合方法，其特征在于，包括以下步骤： 步骤1，获取雷达全孔径ISAR数据，雷达全孔径ISAR数据在方位向上有b个距离单元，b为正整数；对雷达全孔径ISAR数据在方位向上的b个距离单元进行等分分段，得到X段 子孔径数据，X大于1并且小于等于b; 对所述X段子孔径数据进行ISAR成像，得到X幅ISAR子图像，每一幅ISAR子图像像 素点的行数为N1,列数为N2 和N2分别为自然数； 将X幅ISAR子图像中的第一幅子图像T1作为参考图像P，第二幅子图像T2作为变换 图像S; 步骤2,给定像素点幅值的幅值阈值，将大于幅值阈值的像素点确定为极大值像素点； 从参考图像P中确定极大值像素点的数目为A1 ; 对参考图像P中的第a个极大值像素点进行空域特征提取，得到第a个极大值像素点 的空域特征描述符向量C= ,…,<2, ]，1彡a彡A1 ;进而得到参考图像P中的A1个 极大值像素点形成的参考空域特征描述符矩阵A ..>UT，维数为4X2n， 其中，A1为参考图像P中极大值像素点的数目也就是参考空域特征描述符向量D1的行数， [?]7表示向量转置； 从变换图像S中确定极大值像素点的数目为A2 ; 对变换图像S中的第a'个极大值像素点进行空域特征提取，得到第a'个极大值像素 点的空域特征描述符向量4 …，1彡a'彡A2 ;进而得到变换图像S中 的4个极大值像素点形成的变换空域特征描述符矩阵D2 ，维数SA2X2n， [· ]τ表示向量转置，其中，A2为变换图像S中极大值像素点的数目也就是变换空域特征描 述符矩阵D2的行数，VA2和η均为正整数； 步骤3,计算参考空域特征描述符向量D1的第i行数据和变换空域特征描述符向量D2 的每行数据之间的欧氏距离，I<i<A1，得到参考空域特征描述符向量D1的第i行数据的 A2个欧氏距离: ?，从参考空域特征描述符向量D1的第i行数据的A2个 欧氏距离中选择最小值〇i，f和次小值cU; 1彡f彡A2,1彡fQ彡A2 ; 设定距离阈值G;如果D1的第i行数据的A2个欧氏距离中选择的最小值Oiif和次小值G.,,,的比值小于距离阈值G，则参考图像P中的第i个极大值像素点的匹配点为变换图像S 的第f个极大值像素点； 令i从1至A1进行遍历，从参考图像P的Al个极大值像素点和变换图像S的A2个极 大值像素点中确定U对匹配的极大值像素点，1彡U彡min[A1,A2]; 步骤4,求取每一对匹配的极大值像素点的位置坐标之间的欧氏距离，得到U个位置坐 标的欧氏距离； 设定噪声容纳阈值范围F，若第u个位置坐标的欧氏距离在噪声容纳阈值范围F之内， 则保留第u个欧氏距离所对应的一对匹配的极大值像素点，否则，去除第u个位置坐标的 欧氏距离所对应的一对匹配的极大值像素点，I<u<U，得到K对优选的极大值像素点， I^K^U； 在参考图像P中的K个优选极大值像素点的位置坐标分别为 在变换图像s中的K个优选极大值像素点的位置 坐标分别为[彳，3^--2J7*]，…? 其中I<K<U; 步骤5,设定变换图像S的方位向上第m个方位向尺度因子σπ，1 <m<M，M表示变换 图像S的方位向上尺度因子的最大个数，对变换图像S中的K个优选的极大值像素点位置 坐标D^v12Mx22,…,进行方位向尺度变换，得到修正后极大值像 素点位置坐标为[毛2,Λ2 ],[毛2,九2 ]，…,[句，充]，…，[4,5?; 对参考图像P中K个优选极大值像素点位置坐标 [X11，乃1 ]，[x丨,K]，…，[4，乂―],…，[4，乂 ]进行去中心，得到参考图像p的κ个中心化优选极 大值像素点位置坐标|^，/丨]，|^,乂12],...，^^，乂丨],... ,[^^^;对变换图像3中1(个修 正后极大值像素点位置坐标[与,芳],...,[芳,九2],...,[4,5^]进行去中心，得到变 换图像S的K个中心化优选极大值像素点位置： 厂 *2 ? Γ *2 *2 Π厂*2 "? Γ *2 *2 ? 卜i，_yr」，LxE」，…，Lx :，少i」，.--，Lxd; 步骤6,利用参考图像P的K个中心化优选极大值像素点位置坐标和变换图像S的K个 中心化优选极大值像素点位置坐标，计算参考图像P和变换图像S之间旋转角度Θm ; 利用旋转角度Θm，对变换图像S进行旋转得到旋转后变换图像分"，将旋转后变换图像 与参考图像P的对应像素点幅值叠加，再求取对应像素点的幅度均值，得到幅度均值图 像I1'2,并计算幅度均值图像I1'2的熵值λm ; 步骤7,根据步骤5和步骤6,利用M个方位向尺度因子对变换图像S进行方位向尺度 变换和旋转，得到M个熵值A1，…，Am，…，λΜ;Μ表示变换图像S的方位向上尺度因子的最 大个数； 从M个熵值X1,…，Xm,…，λΜ中选择最小熵值λe，确定最小熵值λe对应的旋转后 变换图像分，1彡e彡M;将最小熵值λe对应的旋转后变换图像炉作为变换图像S的最 优化子图像； 步骤8,将X幅ISAR子图像中的第一幅子图像T1作为第1融合子图像Z1 ; 将变换图像s的最优化子图像作为第2融合子图像Z2 ; 设定整数c，3 <c<X，将第c-1融合子图像作为参考图像P，将X幅子图像中第c幅 子图像T。作为变换图像S，根据步骤2到步骤7得到变换图像S的最优化子图像，将变换图 像S的最优化子图像作为第c融合子图像Z。；进而得到X幅融合子图像，即第1融合子图像 Z1、第2融合子图像Z2、第c融合子图像Z。，…，第X融合子图像Zx，其中第c融合子图像Z。 的像素点为N1行N2列矩阵； 步骤9,利用非负矩阵分解方法对X幅融合子图像进行分解，得到X幅融合子图像的基 向量，维数为N1N2XI; 步骤10,将X幅融合子图像的基向量W的每N2个元素排为一行，得到重排后的基图像 炉，维数为N1XN2，重排后的基图像#为最终的融合图像。
2. 根据权利要求1所述的一种基于目标特征的ISAR图像融合方法，其特征在于，步骤 3包括以下子步骤： (3a)计算参考图像P的空域特征描述符向量D1中第i行数据与变换图像S的空域特 征描述符向量D2中第1行数据之间的欧氏距离Ou; 当1依次等于1、2、3、…、A2时，得到参考图像P的空域特征描述符向量D1中 第i行数据与变换图像S的空域特征描述符向量D2每行数据形成的A2个欧氏距离 ()i.\，()L2 …" · ·，〇i'A: ·' A2个欧氏距离形成第i个距离向量Oi, I^I^A2 ; (3b)选择第i个距离向量Oi中的最小值Oiif与次小值，计算第i个向量Oi的元素中最 小值〇i;f和次小值6^。的比值，其中f为整数，1彡f彡A2 ; 如果第i个距离向量Oi中最小值Oi,f和次小值cLu的比值小于距离阈值G，则参考 图像P的第i个极大值像素点与变换图像S的第f个极大值像素点相匹配，I<i<A1,I^f^A2 ； 如果第i个距离向量Oi中最小值Oiif和次小值cU1的比值大于或等于距离阈值G，则 参考图像P的第i个极大值像素点与变换图像S的A2个极大值像素点都不匹配； (3c)根据步骤3a)到3b)，i从1至A1进行遍历，得到参考图像P和变换图像S中共有U对匹配的极大值像素点，其中U彡min[A1,A2]。
3. 根据权利要求1所述的一种基于目标特征的ISAR图像融合方法，其特征在于，步骤 5包括以下子步骤： (5a)构建方位向尺度因子的搜索区间σ= [σσ2,…，σm,…，σM]，1彡m彡M,其 中。π+1= 〇π+Δ。，△。为步进间隔；M表示变换图像S的方位向上尺度因子的最大个数； (5b)选择第m个方位向尺度因子〇m，对变换图像S中第k个优选极大值像素点进行 如下方位向尺度变换，得到修正后的极大值像素点位置坐标[苟,5?为：
其中，为修正前变换图像S中第k个优选极大值像素点坐标位置； (5c)根据步骤（5b)，对变换图像S中K个优选极大值像素点的位 置坐标进行方位向尺度变换，得到K个修正后极大值像素点位置坐标为 [_ X1-，乃-」，L 」，…，L心:,λ:」，· · ·，L&，； (5d)计算出参考图像P中K个优选极大值像素点位置坐标 [χ?，>'; ]，，％ ]，…,[aK]，…，[4，K]的均值1，y1 ]; 对参考图像P的K个优选极大值像素点位置坐标进行去中心，得到参考图像P的K个 中心化优选极大值像素点位置坐标^丨,/丨],^1，/丨],...,^丨,3，1]，...，^1,/1-]; 其中，对第k个优选极大值像素点位置坐标进行去中心，得到第k个中心化优选极大值 像素点位置坐标为： [·*〇/!] (5e)对变换图像S中K个修正后的极大值像素点位置坐标 [苹艽]，[苳宄]，·.·，[€，只],...,[容，对]去中心，得到变换图像S的K个中心化优选极大值 像素点位置坐标[fK], [4, …,[4, /5],…,[4, /i' ]。
4. 根据权利要求1所述的一种基于目标特征的ISAR图像融合方法，其特征在于，步骤 6包括以下子步骤： (6a)利用旋转角度θπ，对变换图像S进行旋转，得到旋转后变换图像#为：
(6b)将参考图像P和旋转后变换图像#的对应像素点幅值叠加，再求取对应像素点的 幅度均值，得到幅度均值图像I1，2 ;变换图像象素点的行数为N1，列数为N2 ; (6c)计算出幅度均值图像I1'2的熵值λπ :
其中，ln[ ·]为底数为e的对数函数，η为幅度均值图像II，2的像素点的行数， 1彡η彡N1,κ为幅度均值图像I1，2的像素点的列数，1彡κ彡N2A1为幅度均值图像I1，2 的最大行数，N2为幅度均值图像I1'2的最大列数。
5. 根据权利要求1所述的一种基于目标特征的ISAR图像融合方法，其特征在于，步骤 9包括以下子步骤： (9a)将X幅融合子图像Z1,Z2，…，Ζ。，…，Zx中第c幅融合子图像Ζ。对应的矩阵中元素 的每一列头尾相接，转化为N1N2维的第c幅融合子图像Z。的列向量V。； (9b)根据步骤9a)得到X幅融合子图像转换的列向量V1,V2，…，V。，…，Vx，设定转换矩 阵V= [V1,V2，…，V。，…，Vx]，其中，转换矩阵V的行数为N1N2，列数为X; (9c)采用非负矩阵分解方法将基向量W进行Q迭代，得到第Q次迭代的基向量 M=卜···,<&]，Q为设定的迭代总次数； 其中，第q次迭代基向量Wtl为：
式中，1彡q彡Q,Q为设定的迭代总次数，α为基向量W的元素序列号，1彡α彡N1N2 ;Htl表示第q次迭代的辅助向量，β为辅助向量H的元素序列号，1彡β彡X为第q次 迭代中基向量Wq的第α个元素为第q次迭代的辅助向量Hq的第β个元素；va;e为 矩阵V第a行第β列个元素；基向量W的初始值< 为元素个数为N1N2的随机列向量,辅 助向量H的初始值H0为元素个数为X的随机行向量；N1N2为转换矩阵V的行数,X为转换矩 阵V的列数； (9d)设定第Q次迭代的基向量^^[<，><,···,><&]*X幅融合子图像的基向量 F=[叫，
【文档编号】G06T3/00GK104240212SQ201410445675
【公开日】2014年12月24日 申请日期:2014年9月3日 优先权日:2014年9月3日
【发明者】张磊, 许志伟, 邢孟道 申请人:西安电子科技大学