一种用于模板识别的空间目标isar图像处理方法
【技术领域】
[0001 ]本发明涉及雷达目标特征识别技术领域，特别涉及一种用于模板识别的空间目标 ISAR图像处理方法。
【背景技术】
[0002] 以下对本发明的相关技术背景进行说明，但这些说明并不一定构成本发明的现有 技术。
[0003] 近几十年来，雷达目标特性研究、宽带微波技术、计算机应用技术突飞猛进，模式 识别理论、机器视觉、人工智能等多学科综合发展，目标类型和属性的自动判定技术一雷达 自动目标识别成为国内外研究的热点。
[0004] 逆合成孔径雷达（ISAR)能全天候、全天时地对空间目标进行观测并成像，ISAR图 像同时具有距离和方位两个方向的高分辨率，通过分析二维高分辨ISAR图像可以得到目标 大小、形状、结构及姿态等信息，为目标特征提取、分类识别提供有力支撑。
[0005] ISAR图像分类识别方法一般是基于模板的分类识别，数据库需要存储目标的图像 模板或者特征模板，每个模板提供了一种分类假设，通过寻找待识别目标的图像或者特征 与数据库模板的最佳匹配完成分类。基于特征模板类识别的主要问题在于当样本很大时， 有效而稳健的分类特征很难找到，会严重影响识别的准确性。基于图像模板识别的方法不 存在特征选择的问题，在大样本量的情况下识别效果会更好。
[0006] 基于图像模板匹配的方法具有良好的容错能力和识别率，但受雷达散射机理影 响，空间目标的ISAR图像表现为三维目标在距离-多普勒二维平面上的散射中心分布，而且 空间目标成像姿态角自由度大，因此基于ISAR图像模板的分类识别需要对原始ISAR图像进 行相关预处理后方可进行。
【发明内容】
[0007] 本发明的目的在于提出一种用于模板识别的空间目标ISAR图像处理方法，能够解 决空间目标的ISAR图像无法直接应用于图像模板识别的问题，提高ISAR图像处理过程的图 像识别率。
[0008] 根据本发明的用于模板识别的空间目标ISAR图像处理方法，包括：
[0009] S1、对ISAR图像进行灰度化处理，得到灰度图像；
[0010] S2、采用线性滤波法对所述灰度图像进行滤波，得到滤波图像；
[0011] S3、对所述滤波图像进行Radon变换，确定所述ISAR图像的主轴方向，并根据所述 主轴方向、采用双线性插值法将所述ISAR图像的主轴旋转至预定方向；
[0012] S4、将旋转之后的ISAR图像归一化至预定大小，然后通过CNN卷积神经网络法进行 图像识别。
[0013] 优选地，所述ISAR图像与所述灰度图像之间的转换满足公式1:
[0014]
[0015]式中，gi(x，y)为灰度图像中（x，y)处的灰度值;raw(x，y)为ISAR图像中（x，y)处的 数据值;c 1 ims (0)为灰度图像中的最小灰度值;c 1 ims (1)为灰度图像中的最大灰度值。
[0016] 优选地，步骤S2包括:针对灰度图像中的任意一个像素点，选择当前像素点（x，y) 及其近邻的像素点作为邻域模板，并获取所述邻域模板内所有像素点的平均灰度值;将所 述平均灰度值赋予所述当前像素点，得到滤波图像中所述当前像素点的灰度值;其中，所述 灰度图像与所述滤波图像之间的转换满足公式2:
[0017]
[0018] 式中，g2(x，y)为滤波图像中（x，y)处的灰度值;h(i，j)为邻域模板内当前像素点 的加权系数;N为邻域模板内像素点的个数，邻域模板的尺寸为(2M+1) X (2M+1)，且N、Μ为正 整数。
[0019] 优选地，Μ的取值为1。
[0020] 优选地，所述邻域模板为四连通域，且
[0021]
[0022]或者，所述邻域模板为八连通域，且 [0023]
[0024]优选地，对所述滤波图像进行Radon变换、确定所述ISAR图像的主轴方向包括：
[0025] 针对变换角度范围内的每一个变换角度，获取所述滤波图像在所述变换角度下的 最大线积分作为第一线积分；
[0026] 以所有的第一线积分中积分值最大的第一线积分作为第二线积分，获取与第二线 积分对应的变换角度，即为主轴方向角;根据第二线积分的位置确定第二线积分方向与主 轴方位线的交点坐标；
[0027] 基于所述主轴方向角以及第二线积分方向与主轴方位线的交点坐标，采用双线性 插值法将所述ISAR图像的主轴旋转至预定方向。
[0028]优选地，对所述滤波图像进行Radon变换、确定所述ISAR图像的主轴方向包括：
[0029] 针对变换角度范围内的每一个变换角度，获取所述滤波图像在所述变换角度下的 最大线积分作为第一线积分，确定所有的第一线积分中积分值最大的第一线积分；
[0030] 以所有的第一线积分中积分值最大的第一线积分作为第二线积分，获取与第二线 积分对应的第一变换角度、以及第二线积分的第一积分带宽；
[0031] 以所有的第一线积分中积分值次大的第一线积分作为第三线积分，获取与第三线 积分对应的第二变换角度、以及第三线积分的第二积分带宽；
[0032] 比较第一积分带宽和第二积分带宽的大小，以其中较小者所对应的变换角度作为 主轴方向角;根据所述较小者的位置确定所述较小者与主轴方位线的交点坐标；
[0033] 基于所述主轴方向角以及所述交点坐标，采用双线性插值法将所述ISAR图像的主 轴旋转至预定方向。
[0034]优选地，变换角度范围为0°~179°，步长为1°。
[0035]优选地，所述预定大小为:32像素X 32像素。
[0036] 优选地，将旋转之后的ISAR图像归一化至预定大小包括：
[0037] 若所述ISAR图像的横向长度大于32像素，对所述ISAR图像矩阵的行进行抽值处 理，若所述ISAR图像的纵向长度大于32像素，对所述ISAR图像矩阵的列进行抽值处理；
[0038]若所述ISAR图像的横向长度小于32像素，对所述ISAR图像矩阵的行进行插值处 理，若所述ISAR图像的纵向长度小于32像素，对所述ISAR图像矩阵的列进行插值处理。 [0039]根据本发明的用于模板识别的空间目标ISAR图像处理方法，包括:对ISAR图像进 行灰度化处理，得到灰度图像;采用线性滤波法对所述灰度图像进行滤波，得到滤波图像； 对所述滤波图像进行Radon变换，确定所述ISAR图像的主轴方向，并根据所述主轴方向、采 用双线性插值法将所述ISAR图像的主轴旋转至预定方向；将旋转之后的ISAR图像归一化至 预定大小，然后通过CNN卷积神经网络法进行图像识别。本发明通过对ISAR图像进行灰度化 处理、滤波、主轴旋转和归一化处理，使得ISAR图像转换成适于识别输入的图像，提高了 ISAR图像识别过程的识别率。
【附图说明】
[0040] 通过以下参照附图而提供的【具体实施方式】部分，本发明的特征和优点将变得更加 容易理解，在附图中：
[0041] 图1是根据本发明的用于模板识别的空间目标ISAR图像处理方法的流程图。
【具体实施方式】
[0042] 下面参照附图对本发明的示例性实施方式进行详细描述。对示例性实施方式的描 述仅仅是出于示范目的，而绝不是对本发明及其应用或用法的限制。
[0043]空间目标的ISAR图像为三维目标在距离-多普勒二维平面上的散射中心分布，而 且空间目标成像姿态角的自由度大，无法直接应用于图像模板识别。本发明中，通过对ISAR 图像进行灰度化处理、滤波、主轴旋转和归一化处理，使得ISAR图像转换成适于识别输入的 图像，提高ISAR图像识别过程的识别率。本发明中的ISAR是指：Inverse Synthetic Aperture Radar，即逆合成孔径雷达。
[0044] ISAR图像是dB数据矩阵，所以，在进行训练识别之前，首先要对ISAR图像的dB数据 矩阵进行灰度化处理。参见图1，根据本发明的用于模板识别的空间目标ISAR图像处理方法 起始于步骤S1:对ISAR图像进行灰度化处理，得到灰度图像。优选地，对原始数据作线性映 射，从c 1 ims (0) -c 1 ims (1)映射到0-255，ISAR图像与灰度图像之间的转换满足
[0045] 公式 1:
[0046]
[0047]式中，gi(x，y)为灰度图像中（x，y)处的灰度值;raw(x，y)为ISAR图像中（x，y)处的 数据值;c 1 ims (0)为灰度图像中的最小灰度值;c 1 ims (1)为灰度图像中的最大灰度值。
[0048] S2、采用线性滤波法对灰度图像进行滤波，得到滤波图像。
[0049] 为了提高灰度图像的识别率，有必要对灰度图像进行滤波降噪。本领域技术人员 可以根据实际情况选择合适的方式进行滤波处理，根据本发明的优选实施例，步骤S2包括： 针对灰度图像中的任意一个像素点，选择当前像素点（x，y)及其近邻的像素点作为邻域模 板，并获取邻域模板内所有像素点的平均灰度值;将平均灰度值赋予所述当前像素点，得到 滤波图像中当前像素点的灰度值；
[0050] 其中，灰度图像与滤波图像之间的转换满足公式2:
[0051]
[0052] 式中，g2(x，y)为滤波图像中
（x，y)处的灰度值;h(i，j)为邻域模板内当前像素点 的加权系数;N为邻域模板内像素点的个数，邻域模板的尺寸为(2M+1) X (2M+1)，且N、Μ为正 整数。
[0053] 优选地，Μ的取值为1。邻域模板可以为四连通域，且
[0054]
[0055] 或者，邻域模板可以为八连通域，且
[0056]
[0057] S3、对滤汲图像进仃Kadon雙狭，确定ISAR图像的主轴方向，并根据主轴方向、采用 双线性插值法将ISAR图像的主轴旋转至预定方向。
[0058] 由于获取目标的ISAR图像的时间、角度和位置等因素的变化，同一目标的不同 I