基于isar图像的空间目标姿态估计方法
【技术领域】
[0001] 本发明属于雷达技术领域，特别设及一种基于ISAR图像的空间目标姿态估计方 法，可用于对空间目标进行姿态估计。
【背景技术】
[0002] 空间目标姿态估计对了解空间目标的动作意图W及判断空间目标的状态具有非 常重要的意义。利用逆合成孔径雷达（Inverse Synthetic Ape;rture Radar, ISAR)对空间 目标连续测量获得的序列图像来精确获得空间目标所配备太阳能翼、平板天线等重要载荷 部件的绝对姿态的技术可实际应用于包括空间目标故障分析、威胁度评判等民用和军用领 域，是目前能够实现空间目标姿态估计的实用技术。
[0003] 目前，测定空间目标姿态常用主动和被动两种方式：主动测量是在飞行器中装载 GPS接收机和惯性测量器对飞行器的位置和姿态进行测量，运种方法称为运动目标内测，运 动目标内测要求飞行器配备专口的测量系统，系统复杂度高。被动测量是利用光电或雷达 传感器对空间目标进行连续高分辨成像，根据成像序列信息来进行空间目标的姿态确定， 被动测量方式具有与空间目标状态无关的优点，也可W直接应用到未知目标或者失控目标 的姿态测量应用，但利用光电传感器进行空间目标姿态测定易受到天气、时间等因素的制 约，在实际空间目标姿态测量中存在局限性。
【发明内容】
[0004] 针对上述现有技术的不足，本发明的目的在于提出一种基于ISAR图像的空间目标 姿态估计方法，该方法将获得的ISAR雷达图像依次进行滤波、对数变换、目标与背景的分割 和形态学处理，得到提取边界后的图像，再通过Radon变换提取空间目标在Ξ维空间中较为 线束的线性结构，并将每一幅提取边界后的图像与前一幅提取边界后的图像进行关联处理 后，构造代价函数，针对每个线性结构，捜索使代价函数为最小的姿态参数，完成对空间目 标的姿态估计。
[0005] 为了实现上述技术目的，本发明采用如下技术方案予W实现。
[0006] -种基于ISAR图像的空间目标姿态估计方法，其特征在于，包括W下步骤：
[0007] 步骤1，由ISAR雷达系统接收设定时间段内的回波信号;对设定时间段内的回波信 号进行距离-多普勒处理，得到目标区域的雷达图像序列，该序列包括P幅目标区域的雷达 图像;对第P幅目标区域的雷达图像依次进行滤波和对数变换，得到第P幅预处理后的目标 区域的雷达图像，P = l，2，. . .，P;
[000引步骤2,对第P幅预处理后的目标区域的雷达图像进行目标与背景的分割，得到第P 幅目标-背景的二值图像；
[0009] 步骤3，对第P幅目标-背景的二值图像进行形态学处理，提取目标的边界，得到第P 幅提取边界后的图像；
[0010] 步骤4，提取第P幅提取边界后的图像的N个线性结构;记录第P幅提取边界后的图 像中每个线性结构的倾角、中屯、位置和长度，其中，N是正整数；
[0011] 步骤5,将第一幅提取边界后的图像作为第一幅关联后的图像;再从第二幅提取边 界后的图像开始，将第P幅提取边界后的图像与第P-1幅提取边界后的图像进行关联处理， 即将第P幅提取边界后的图像的N个线性结构与第P-1幅提取边界后的图像的N个线性结构 进行匹配标记，得到第二幅到第P幅关联后的图像;最终，得到P幅关联后的图像；
[0012] 步骤6,设定第P幅关联后的图像的第i个线性结构的姿态参数包括仰角θρ,ι和方位 角Φρ,ι，则第i个线性结构的姿态参数集为Ci，Ci={(0i,i，φι,ι)，. . .，（θρ,ι，φρ,ι)，...， (9ρ,?，Φρ,〇}，其中，-90° <白含90°，0° < Φ。80°;构造第i个线性结构的代价函数，并在第 i个线性结构的姿态参数集Cl中捜索使其代价函数达到最小的一组姿态参数，将该姿态参 数作为第i个线性结构的最终的姿态参数，i = l，2,. . .，N，即完成对空间目标的姿态估计。
[0013] 本发明与现有技术相比所具有的优点：
[0014] 1)本发明利用空间目标的ISAR图像序列的相对投影变化关系，结合空间投影理 论，通过二维ISAR图像序列对空间目标的Ξ维绝对姿态实现精确反演，本发明具有很高的 实用性。
[0015] 2)本发明利用形态学、Radon变换等预处理技术有效提高了 ISAR图像的线性结构 提取的精确性，可针对具有复杂几何形态的空间目标进行姿态估计。
【附图说明】
[0016] 图1是本发明的流程图；
[0017] 图2是本发明仿真采用的空间目标的结构图，其中，空间Ξ维坐标系各坐标轴的单 位为米(m);
[0018] 图3a、图3b和图3c分别是提取的空间目标的第1幅、第6幅和第14幅提取边界后的 图像的线性结构的示意图，其中，横坐标为像素点，纵坐标为像素点；
[0019]图4曰、图4b和图4c分别是空间目标的第1幅、第6幅和第14幅提取边界后的图像的 关联后的线性结构的示意图，其中，横坐标为像素点，纵坐标为像素点；
【具体实施方式】：
[0020] 参照图1，本发明的基于ISAR图像的空间目标姿态估计方法，具体实现步骤如下：
[0021] 步骤1，由ISAR雷达系统接收设定时间段内的回波信号;采用距离-多普勒算法对 设定时间段内的回波信号进行处理，得到目标区域的雷达图像序列，该序列包括P幅目标区 域的雷达图像;对第P幅目标区域的雷达图像依次进行滤波和对数变换，得到第P幅预处理 后的目标区域的雷达图像，P = l，2，. . .，P。
[0022] 步骤1中，第p幅预处理后的目标区域的雷达图像中像素点(m，n)的像素值为Fp(m， η)：
[0023] Fp(m，n) = ci X ln[fp(m，n)+C2]+C3
[0024] 其中，fp(m，n)为第p幅目标区域的雷达图像中像素点(m，n)的像素值，ci、C2和C3对 数变换常量。
[0025] 步骤2,采用k-mean算法对第P幅预处理后的目标区域的雷达图像进行目标与背景 的分割，得到第P幅目标-背景的二值图像。
[00%]步骤2的具体子步骤为：
[0027] 2.1选取第P幅预处理后的目标区域的雷达图像中的最大像素值作为目标类ω 1的 聚类中屯、μρ,ι，选取预处理后的目标区域的雷达图像中的最小像素值作为非目标类《2的聚 类中屯、lip, 2;
[0028] 2.2计算分类阔值T，
，对第P幅预处理后的目标区域的雷达图像中的 所有像素点进行分类，若像素点(m，n)的像素值Fp(m，n)>T，则像素点(111，11)￡〇1，反之，贝。 像素点(m，n) E 〇2;
[0029] 2.3分别计算聚类后目标类ω 1的聚类中屯、μ/ρ, 1和聚类后非目标类ω 2的聚类中屯、 μ'ρ'2:
[0032]其中，化为属于目标类ω 1的像素点个数，化为属于非目标类ω 2的像素点个数； [00削 2.4如果聚类后目标类ωι的聚类中屯、μ%,1不等于目标类ωι的聚类中屯、μρ,ι，或者 聚类后非目标类《2的聚类中屯、μ%,2不等于非目标类《2的聚类中屯、μρ,2,则令μρ,? = μ%,?， 叫,2=4'。,2，返回步骤2.2，
[0034] 如果聚类后目标类ω 1的聚类中屯、μ/ Ρ, 1等于目标类ω 1的聚类中屯、μρ, 1，且聚类后非 目标类《2的聚类中屯、μ/ρ,譜于非目标类《2的聚类中屯、μρ,2;并将化个属于目标类ωι的像 素点的像素值赋值为1，将化个属于非目标类ω 2的像素点的像素值赋值为0，得到第Ρ幅目 标-背景的二值图像。
[0035] 步骤3，对第Ρ幅目标-背景的二值图像进行形态学处理，提取目标的边界，得到第Ρ 幅提取边界后的图像。
[0036] 步骤3的具体子步骤为：
[0037] 3.1对第Ρ幅目标-背景的二值图像进行膨胀处理，填补目标中的空桐，同时扩张目 标-背景的二值图像的边界，得到第Ρ幅膨胀图像BWlp;
[0038] 3.2对第口幅膨胀图像8胖1。进行腐蚀处理，同时收缩第口幅膨胀图像8胖1。的边界，得 到第P幅腐蚀图像BW2p;
[0039] 3.3根据第9幅膨胀图像8胖1。和第9幅腐蚀图像8胖2。，得到第9幅提取边界后的图像 BWp，其中，第P幅提取边界后的图像BWp中像素点(m，n)的像素值为
[0040]
[0041 ]其中，巧納为第P幅膨胀图像BWlp中像素点(m，n)的像素值，&