基于幅度与径向速度联合的sar图像动目标聚类方法

文档序号:10553368阅读:468来源:国知局
基于幅度与径向速度联合的sar图像动目标聚类方法
【专利摘要】本发明公开了一种基于目标幅度与径向速度联合的SAR图像动目标聚类方法。其技术方案是:1.对自适应杂波抑制后的SAR图像数据进行单元恒虚警率检测;2.估计SAR图像数据中过单元恒虚警率检测门限的所有像素点径向速度,将每个像素点在SAR图像上的坐标位置信息和该像素点的径向速度估计信息共同张成一组特征向量;3.对各个像素点张成的特征矢量运用均值偏移算法实现目标径向速度一致性检测,根据检测结果对像素点进行模态合并与类间合并;4.分类输出聚类后的目标像素群。本发明降低了在低擦地角情况下,地面扩展运动目标周围的噪点,提高了目标聚类精度,可用于在远程监视模式下对地面扩展运动目标的识别与检测。
【专利说明】
基于幅度与径向速度联合的SAR图像动目标聚类方法
技术领域
[0001] 本发明属于运动平台雷达技术领域,特别涉及一种合成孔径雷达SAR图像动目标 聚类方法,可用于在远程监视模式下对地面扩展运动目标的识别与检测。
【背景技术】
[0002] 在机载雷达远程监视模式下,随着SAR分辨率的提高,目标呈现明显扩展特性,精 确获取目标的尺寸信息有助于目标的识别与检测。目标的尺寸信息需要通过聚类或分割来 获取,目前,合成孔径雷达地面运动目标检测SAR-GMTI方法中的很多目标聚类方法是对多 通道SAR图像数据进行幅度门限、相位门限或幅相联合门限检测后得出的二维散点图,运用 聚类领域常用的k均值聚类、模糊C均值聚类等算法进行图像意义上散点聚类,这样处理容 易将目标周围的诸多噪点与真实目标聚为一类,很大程度上影响目标的真实尺寸。
[0003] Dr.P.K.Sanyal等人在文献《Using Shaped Phase-thresholds for Detecting Moving Targets in Multiple-Channel SAR》(IEEE,2008)中首先选取尺寸较小的固定矩 形窗,对SAR图像中过幅度门限与相位门限的潜在目标像素点进行滑窗处理,计算进入窗内 的潜在目标像素点的中心位置,当窗内像素点的中心与滑动窗的中心重合时停止窗的滑 动,重复该过程直到全部过门限像素点均聚好类,移除类中为单点或者较小像素群的类,然 后选取尺寸较大的固定矩形窗,将剩余类按上述过程重新聚类,完成类间合并且重新计算 潜在目标的中心。该方法利用了扩展目标像素点位置相邻的先验信息,使得目标聚类相比 传统的图像聚类更为准确,但是仍然会将真实目标周围的杂波点或噪点与目标聚为一类, 影响目标真实尺寸信息。
[0004] Liu Baochang等人在文献《An Improvement in Multichannel SAR-GMTI Detection in Heterogeneous Environments))(IEEE Transaction on Geoscience and Rmote Sensing,2015,53(2))中提到的目标聚类方法是从杂波抑制后的SAR图像中选取幅 度最大点作为聚类中心,选取与目标经验尺寸相当的固定矩形窗作为聚类窗对SAR图像数 据进行平滑,将落入该聚类窗内的像素点聚为一类,移除已聚好类的像素点,在余下的像素 点中继续选择幅度最大点作为聚类中心,重复上述过程直至所有像素点都已聚类完全。该 方法将目标的经验尺寸信息作为先验信息,仅仅是简单运用目标的位置信息与目标的部分 幅度信息进行聚类,导致目标聚类精度不高。
[0005] 对于远程SAR监视模式下的地面扩展运动目标聚类,目前缺乏较好的聚类方法。

【发明内容】

[0006] 本发明的目的在于提出一种基于幅度与径向速度联合的SAR图像动目标聚类方 法,以降低在低擦地角情况下,地面扩展运动目标周围的噪点,进而提高目标聚类精度。
[0007] 实现本发明的主要思路是:首先,对自适应杂波抑制后的SAR图像数据进行单元恒 虚警率CA-CFAR检测,然后,估计SAR图像数据中过单元恒虚警率CA-CFAR检测门限的所有像 素点径向速度,将每个像素点在SAR图像上的坐标位置信息和该像素点的径向速度估计信 息共同张成一组特征向量,接着,对各个像素点张成的特征矢量运用均值偏移meanshift算 法实现目标径向速度一致性检测,根据检测结果对像素点进行模态合并与类间合并,最后, 分类输出聚类后的目标像素群。
[0008] 为实现上述目的,本发明的技术方案包括以下步骤:
[0009] (1)利用SAR图像数据中每个像素点的幅度信息,对自适应杂波抑制后的SAR图像 数据进行幅度恒虚警率CFAR检测,并将过检测门限的像素点用1表示,不过检测门限的像素 点用0表示,得到一幅与SAR图像各个像素点位置一一对应的0、1二值图像;
[001 0] (2)估计SAR图像中过CFAR检测门限的像素点径向速度,并对过CFAR检测门限的像 素点径向速度进行取指数变换,得到新速度矢量(vri,vmi);
[0011] (3)根据SAR图像分辨率,计算过CFAR检测门限的像素点在步骤(1)中二值图像上 的位置信息( Xl,yi),并用新速度矢量(vr^vnu)和该位置信息(Xl,yi)共同张成一组特征矢 量Vi = (xi,yi,vri,vmi )T,每个过CFAR检测门限的像素点分别对应一个特征矢量,其中i = 1, 2,3…N,N表示过CFAR检测门限的像素点个数,()T表示向量转置;
[0012] (4)对N个特征矢量进行筛选,并构造特征矢量收敛值;
[0013] (4a)根据目标经验尺寸,在N个特征矢量V:中筛选出满足目标要求的K个特征矢 量,K彡N;
[0014] (4b)对K个特征矢量运用均值漂移meanshift算法进行目标径向速度一致性检测, 得到K个特征矢量收敛值,K个特征矢量收敛值各自与K个像素点对应;
[0015] (5)对K个像素点实现模态合并与类间合并;
[0016] (5a)对K个像素点求干涉相位均方误差〇_;〈,并对 < 取指数变为:
[0017] exp (/〇,:)〇 Ja:
[0018] 其中,exp (*)表示指数运算,cr二表示_exp (的实部,a:表示exp 的虚部,j 表示复数虚部标示符,有j2 = _l成立;
[0019 ](5b)根据 <,cr:定义 cr:K 为:
[0020]
[0021] a;n =c2-a:;
[0022] 其中,Cl,C2表示两个可调系数,有Cl > 0,C2 > 0,<J,K分别表示高斯核函数的径 向速度信息实部带宽和径向速度信息虚部带宽;
[0023] (5c)定义高斯核函数在方位向、距离向的带宽分别为,根据先验信息估计待 检测目标的尺寸并求取待检测目标在SAR图像中所占据的像素个数,将 2分别设置为 待检测目标在方位向、距离向所占据的像素个数;
[0024] (5(1)把? 作为模态合并门限,在K个像素点中,对任意两个像素点的特 征矢量收敛值进行相似性判断,并将过模态合并门限的两个像素点合并为一类,得到H个像 素类,记作Ci,C2'"Ch;
[0025] (5e)对H个像素类进行类间合并,得到合并后的Q个目标像素群并分别输出,即得 到各个潜在目标,其中QSH。
[0026] 本发明与现有技术相比,具有以下优点:
[0027] 第一,本发明相比于传统仅依靠像素点的幅度与位置信息进行目标聚类的算法, 将幅度、位置与扩展目标径向速度信息联合应用,提高了扩展目标的聚类精度,有效的消减 了将扩展目标周围的噪点归为目标所在像素群的问题。
[0028] 第二、本发明利用了扩展运动目标径向速度一致性信息,有效将幅度较高但无径 向速度的杂波像素群与目标像素群区分开,进一步降低了目标检测虚警。
[0029] 第三、本发明利用了扩展运动目标径向速度一致性信息,可将径向速度不同的密 集目标区分开;另外,对于由于目标能量不均所导致过CFAR检测门限后目标像素群断裂的 情况,运用本发明方法可以将断裂的目标像素点重新聚为一类,提高目标的聚类精度。
【附图说明】
[0030] 下面结合附图和【具体实施方式】对本发明做进一步详细说明。
[0031] 图1是本发明的实现流程图;
[0032] 图2是SAR图像数据经过杂波抑制后的单元平均恒虚警率CA-CFAR检测结果;
[0033] 图3是用传统的kmeans算法聚类后,对4个仿真目标的输出结果;
[0034] 图4是用本发明的方法聚类后,对4个仿真目标的输出结果。
【具体实施方式】
[0035] 本发明是一种基于幅度与径向速度联合的SAR图像动目标聚类方法,动目标聚类 是动目标识别与检测的一个重要部分,动目标聚类只关心单元平均恒虚警率CA-CFAR检测 后属于动目标的像素点信息,但是在SAR图像经过单元平均恒虚警率CA-CFAR检测后的散点 图中,不仅包括目标像素群,还包括强杂波像素群以及扩展运动目标周围的噪点;在低擦地 角的情况下,仅仅是简单运用目标的位置信息与目标的部分幅度信息对散点图进行聚类, 不仅难以有效地将目标像素群与杂波像素群区分开,而且会将扩展运动目标周围的噪点归 为目标像素群,另外,对于能量不均匀的目标像素群会出现断裂现象,导致目标聚类精度不 高。本发明针对上述问题,运用目标幅度与径向速度信息对SAR图像经过单元平均恒虚警率 CA-CFAR检测后的散点图进行聚类,不仅可以将目标像素群与噪点、杂波像素群区分开,而 且可以将断裂的目标像素群重新聚为一类,有效提高聚类精度。
[0036] 参照图1,对本发明的实施步骤如下:
[0037] 步骤1,对自适应杂波抑制后的SAR图像数据进行恒虚警率CFAR检测,得到一幅二 值图像。
[0038] 本实例对SAR图像数据进行像素配准与通道均衡后得到的3个通道成像数据&,&, S3为例,对3个通道成像数据利用自适应相位中心偏置天线技术ADPCA进行杂波抑制,得到 一幅杂波抑制后的SAR图像,记作S sup;对杂波抑制后的SAR图像Ssup利用单元平均恒虚警率 CA-CFAR进行幅度检测,将过单元平均恒虚警率CA-CFAR检测门限的像素点标记为1,未过单 元平均恒虚警率CA-CFAR检测门限的像素点标记为0,进而得到一幅与SAR图像像素点一一 对应的〇、1二值图像S bina。
[0039] 步骤2,估计过单元平均恒虚警率CA-CFAR检测门限的各个像素点的径向速度并计 算各个像素点在SAR图像上的位置信息,由径向速度和该像素点的位置信息构成特征矢量。
[0040] (2a)利用自适应匹配滤波AMF方法估计步骤1中的SAR图像数据过单元平均恒虚警 率CA-CFAR检测门限的像素点径向速度,以步骤1中SAR图像数据过单元平均恒虚警率CA-CFAR检测门限的第i个像素点为例,求第i个像素点的径向速度v 1:
[0042] 其中,w = i?;>s(v,.)表示线性约束最小均方误差准则下的最优权矢量,Vr表示进行 搜索的径向速度,a s(vr)表示由阵列结构和待搜索径向速度vr确定的空域导向矢量,(*"表 示矩阵求逆,1^表示杂波加噪声协方差矩阵,v rmax表示雷达工作的最大不模糊速度,vrmax = 入? PRF/2,PRF表示雷达的脉冲重复频率,A表示雷达工作波长,Xs>1表示过单元平均恒虚警 率CA-CFAR检测门限的第i个像素点对应的多通道数据, H表示矩阵共辄转置,
表示满足条彳彳
的径向速度v:r,i = l,2,-,4表示过单元平均恒 虚警率CA-CFAR检测门限的像素数。
[0043] (2b)将步骤(2a)中得到的过单元平均恒虚警率CA-CFAR检测门限的第i个像素点 径向速度Vi经过下式进行取指数变换,得到新速度矢量(vri,vmi):
[0045] 其中,vri,Vnu分别表示对径向速度^取指数变换后的实部和虚部,A表示雷达工作 波长,j表示复数虚部标志符,有j 2 = _l成立,V表示雷达平台的运动速度,d表示相邻通道间 基线的长度,exp (*)表示指数运算,i = l, 2,^_N,N表示过单元平均恒虚警率CA-CFAR检测门 限的像素数;
[0046] (2c)建立与步骤1中SAR图像数据一一对应的场景暂态参考坐标系,即以方位向为 x轴,以距离向为y轴,以载机在地表的投影点为坐标原点,根据雷达参数确定SAR图像的方 位向、距离向分辨单元,按照分辨单元求出过单元平均恒虚警率CA-CFAR检测门限的像素点 坐标位置(Xi,yi),由(Xi,yi)和步骤(2b)求出的新速度矢量为(vri,vnu)共同形成特征矢量 Vi = (xi,yi,vri,vmi),i = 1,2,…N,N表示骤1中SAR图像数据过单元平均恒虚警率CA-CFAR检 测门限的像素点数目,i表示这N个像素点中的第i个像素点。
[0047] 步骤3,根据目标的经验尺寸,对过单元平均恒虚警率CA-CFAR检测门限的像素点 进行筛选。
[0048] (3a)对N个像素点的特征矢量Vi = (Xi,yi,vri,vmi)T, i = 1,2,???N进行归一化处理, 得到归一化特征矢量弋=(>, .i\, ^),/ = 1.2,一,~,其中,尤,3^?>?,分别表示特 征矢量1=^#,¥;1^,¥11〇1'中各个元素进行归一化后的值』表示过单元平均恒虚警率〇八-CFAR检测门限的像素点数,i表示N个像素点中的第i个像素点;
[0049] (3b)根据待检测目标的先验信息,确定待检测目标在SAR图像中所占据的像素点 个数,给出待检测目标的尺寸范围:
[0050] 方位向所占像素范围为:[爾x(0,為-拟>,(乓+队1)],
[0051 ] 距离向所占像素范围为:[边_((),兑-7) miri(兑+7,1)],
[0052] 其中,為表示步骤1中的SAR图像数据过单元平均恒虚警率CA-CFAR检测门限的第i 个像素点方位向归一化坐标,I,表示步骤1中的SAR图像数据过单元平均恒虚警率CA-CFAR 检测门限的第i个像素点距离向归一化坐标,ax表示待检测目标在SAR图像中方位向所占据 像素点的归一化后尺寸,ry表示待检测目标在SAR图像中距离向所占据像素点的归一化后 尺寸;
[0053] (3c)在步骤(3a)得到的N个归一化特征矢量兑=(冬芡,%细,)d =丨二…,況 I A:. g [max((),.v. -av) min( V. -i-arj)] 中,选出满足步骤(3b)中条件.: n .; . i的归一化特征矢量,并找 | v, g [max(0, - ry) mm( r, + /:v,1) | 出满足条件的归一化特征矢量在SAR图像数据中对应的像素点,得到K个满足条件的归一化 特征矢量$B以及K个归一化特征矢量在SAR图像数据中对应的K个像素点,n = 1,2…,K。
[0054] 步骤4,计算K个归一化特征矢量的均值漂移矢量…人'
[0055] (4a)定义高斯核函数的方位向带宽为erf ?定义高斯核函数的距离向带宽为.c^2, 分别设置为待检测目标在SAR图像中方位向占据的像素数、距离向占据的像素数;
[0056] (4b)定义高斯核函数的径向速度信息实部带宽为ex,^定义高斯核函数的径向速度 信息虚部带宽为€",i的值根据像素点的干涉相位误差而变化,其照如下步骤设定: [0057] (4bl)在SAR图像数据中,过单元平均恒虚警率CA-CFAR检测门限的像素点的干涉 相位误差0^为:
[0059] 其中,物表示目标的真实干涉相位,f表示目标受扰动后的干涉相位,即实际干涉 相位,Y表示SAR图像数据中过单元平均恒虚警率CA-CFAR检测门限的像素点对应的两通道 SAR图像复相干系数,E表示求期望,| y |表示对y求模值,Li表示对数积分函数;
[0060] (4b2)对干涉相位误差<7〗:按照下式取指数变换:
[0061 ] exp (,/o-j )-a;;+./a;:"
[0062] 其中,e x p表示以e为底的指数,< 表示exp 的实部,〇:表示.exp (/〇$)的虚 部,j表示复数虚部标示符,有j2 = _l成立;
[0063] (4b3)把径向速度信息实部带宽<4、径向速度信息虚部带宽 < 分别设置为:
[0064] ale =cr〇-^;
[0065] 〇ln=c2-cj%
[0066] 其中,(31,(32分别表示两个可调系数,且(: 1>0,(32>0,<:;,<:分别表示步骤(仙2) 中的实部和虚部;
[0067] (4c)在传统计算均值漂移矢量
中, 用高斯核函数代替(勺-匕),并取= 1,将均值漂移矢量公式变 为:
[0069] 其中,巧〇fe, 〇t.],diag表示对角阵,crj:,4,<分别 为高斯核函数的方位向带宽、距离向坐带宽、径向速度信息实部带宽和径向速度信息虚部 的带宽,%表示在这K个满足目标经验尺寸条件的像素点中,第j个像素点的归一化特征矢 量,1表示第11个满足条件的归一化特征矢量,」=1,2,3,一1(,11=1,2,3-1(,_]_乒11,1(表示步 骤3中筛选出来满足目标经验尺寸条件的像素点总数,|H g|表示求矩阵Hg的行列式,| | | |2 表示2范数运算;
[0070] 利用变形后的均值漂移矢量公式,计算出K个归一化特征矢量的均值漂移矢量 %;(K = 。
[0071] 步骤5,对步骤4得到的K个归一化特征矢量的均值漂移矢量叫:,^,;).〃 = 1.2,3^-瓦 运用meanshift算法实现目标径向速度一致性检测,得到K个特征矢量收敛值。
[0072] (5a)给定收敛阈值Thresh,对第i个像素点的归一化特征矢量戈进行Meanshift迭 代运算:
[0073] (5al)根据步骤4计算归一化特征矢量戈对应的均值漂移矢量(弋);
[0074] (5a2)如果卜" (弋)-弋|< 1&恐/2,则将归一化特征矢量免的特征矢量收敛值夂取 为兌,结束循环,否则,将.m"(戈)赋值给步骤(5al)中的归一化特征矢量贫,继续执行步骤 (5al),其中,$表示在这K个满足目标经验尺寸条件的像素点中,第i个像素点的归一化的 特征矢量,K表示步骤(3c)中筛选出来满足目标经验尺寸的像素点的总数目,mh〇表示均值 漂移矢量,I I I I表示求向量范数运算;
[0075] (5b)对筛选出的K个像素点进行步骤(5a)中的meanshift迭代运算,得到K个特征 矢量收敛值弋=(足,兑,化,= …,[,其中,足,允,R,分别表示归一化 特征矢量兒经过meanshift迭代运算后四个元素%爲,埤,-^对应的收敛值。
[0076]步骤6,对K个像素点进行模态合并。
[0077] (6a)在K个满足目标经验尺寸条件的像素点中,判断第s个像素点的特征矢量收敛 值与第i个像素点的特征矢量收敛值是否满足下式:
[0079] 若满足,则将第s个像素点与第i个像素点聚为一类;若不满足,则不聚为一类,其 中1111,1]12,1]13,1114分别表不四个调节系数,且1]11>0,1112>0,1113>0,1114>0,為,爲.,'%, :^分别 表示第i个像素点的特征矢量收敛值另,化,中的四个元素,笔,見, 分别表示第s个像素点的特征矢量收敛值兌,中的四个元素 ,S = 1,2,3'"K, i = l,2,3"_K,i乒s,K表示步骤(3c)中筛选出来满足目标经验尺寸的像素点总数目,| | | 表示向量范数运算,分别表示高斯核函数的径向速度信息实部带宽和径向速度信息 虚部带宽,分别表示高斯核函数的方位向带宽和距离向带宽;
[0080] (6b)对K个像素点中任意两个像素点进行步骤(6a)的聚类,最终得到H个像素类。 [0081 ]步骤7,对H个像素类进行类间合并。
[0082] (7a)假设H个像素类中第p类包含D个像素点,求取D个像素点的特征矢量均值 匕=(心心~和方差%2=('2, '2, C^2, 把匕和%2作为第p个像素 类的特征矢量均值和方差,并求取其他H-1个像素类的特征矢量均值和方差,其中, ?VW,胃;> 分别表示D个特征矢量(Xi,yi,vri,vmi)T i = 1,2,…D中四个元素各自的均值, °^2, 巧./分别表示〇个特征矢量(^^^~猶"中四个元素各自的方差;
[0083] (7b)判断H个像素类中第q类与第p类的特征矢量均值和方差是否满足下式:
[0084] ||5-+ ;
[0085] 如果满足,则将第p类包含的像素点和第q类包含的像素点合并为同一类,记作新 像素类〇M,并在H个像素类中剔除第p类和第q类,添加新像素类0 M;否则,不合并,其中p = 1,2,3"_11,9 = 1,2,3"_114^^,||||表示向量范数运算,||表示向量求模值运算;
[0086] (7c)对H个像素类中任意两个像素类进行步骤(7b)的类间合并,得到Q个目标像素 群。
[0087] 步骤8,将Q个目标像素群分别输出,即得到各潜在目标。
[0088] 本发明的效果可以通过以下仿真实验进一步说明:
[0089] 1 ?仿真条件
[0090]实验基于一发多收三通道SAR成像系统,模拟远程低擦地角情况下的高分辨场景 成像,以通道1为参考通道,通道的间隔为lm,载频为10GHz,脉冲重复频率为400Hz,雷达平 台速度为200m/s,下视角为76°,仿真场景到雷达平台的最小斜距为20810m,场景动目标在 方位向和距离向上的分辨率都为lm,二维脉压前的输入信噪比SNR为-5dB,输入杂噪比CNR 为-5dB,在仿真场景中仿真了四个慢速动目标,仿真目标全是矩形目标,但是各个目标的尺 寸和目标相对于雷达平台的偏向角不同,如表1所示:
[0091]表1
[0093] 2.仿真内容与结果
[0094]仿真1,对雷达三通道SAR图像数据进行自适应DPCA处理,给定单元平均恒虚警率 CA-CFAR检测门限为7dB,对自适应DPCA处理后的结果进行单元平均恒虚警率CA-CFAR检测, 检测后的结果如图2。
[0095]经过统计,图2中共有3294个像素点,虽然从图2可以看出四个仿真目标的大致形 状,但是目标周围存在很多噪点和强杂波点,影响目标的识别与检测;实验结果说明,对于 低擦地角高分辨场景中的动目标,如果仅仅利用幅度信息进行检测,不能有效分离目标像 素和非目标像素,也不能有效得到目标的尺寸,因此需要对单元平均恒虚警率CA-CFAR检测 的结果做进一步处理。
[0096 ] 仿真2,在单元平均恒虚警率CA-CFAR检测结果的基础上,分别使用kmean S均值算 法和本发明的方法进行聚类对比,统计两种聚类方法的分类结果,并分别输出四个仿真目 标对应的像素群;
[0097] 用kmeans算法聚类后,对4个仿真目标的输出结果如图3,
[0098] 用本发明的方法聚类后,对4个仿真目标的输出结果如图4。
[0099]从图3可见,用kmeans均值算法聚类后,四个仿真目标所属类别分别为:83和29、 32、42、62,目标1被分成83和29两个类,出现像素群断裂现象,而且目标周围的噪点也被聚 为目标像素群,严重影响了目标的尺寸信息;
[0100]从图4可见,使用本发明的方法聚类后,四个仿真目标像素群所属类别分别为: 612、223、345、222,避免了目标1像素群断裂的问题,而且目标周围的噪点极少被归类为目 标像素群。
[0101]统计聚类结果得到:使用kmeans均值算法聚类后,将图2中的3294个像素点分为 100类,而用本发明的方法聚类后,将图2中的3294个像素点分为1429类。
[0102] 使用本发明聚类后的类数远远超过使用kmeans均值算法聚类后的类数,因为本发 明的方法可以将位置相近但是不具备径向速度一致性的像素点分离开,而kmeans均值算法 只利用像素点的空间信息,不能区分开位置相近但径向速度不一致的像素点;
[0103] 实验结果说明,本发明的方法可以将位置相近但径向速度不一致的像素点区分 开,降低目标周围得噪点对目标聚类的影响,而且避免了目标像素群断裂的问题,使得目标 聚类更为准确,从而降低扩展运动目标检测的虚警率。
[0104] 综上,对于完成单元平均恒虚警率CA-CFAR检测后的散点图进行聚类,针对目前方 法聚类精度不高的问题,本法明利用潜在目标的幅度信息、空间信息与径向速度一致性信 息进行聚类,大大提高了对地面扩展运动目标的聚类精度,从而降低了地面动目标检测的 虚警率。
【主权项】
1. 一种基于幅度与径向速度联合的SAR图像动目标聚类方法,包括: (1) 利用SAR图像数据中每个像素点的幅度信息,对杂波抑制后的SAR图像数据进行幅 度恒虚警率CFAR检测,并将过检测口限的像素点用1表示,不过检测口限的像素点用O表示, 得到一幅与SAR图像各个像素点位置一一对应的0、1二值图像; (2) 估计SAR图像中过CFAR检测口限的像素点径向速度,并对过CFAR检测口限的像素点 径向速度进行取指数变换,得到新速度矢量(vr 1,vmi); (3) 根据SAR图像分辨率,计算过CFAR检测口限的像素点在步骤(I)中二值图像上的位 置信息(xi,yi),并用新速度矢量(vri,vmi)和该位置信息(xi,yi)共同张成一组特征矢量Vi =(Xi,yi,vri,vmi),每个过CFAR检测口限的像素点分别对应一个特征矢量,其中i = 1,2, 3--N,N表示过CFAR检测口限的像素点个数; (4) 对N个特征矢量进行筛选,并计算特征矢量收敛值; (4a)根据目标经验尺寸,在N个特征矢量Vi中筛选出满足目标要求的K个特征矢量,K《 N; (4b)对K个特征矢量运用均值漂移meanshift算法进行目标径向速度一致性检测,得到 K个特征矢量收敛值,K个特征矢量收敛值各自与K个像素点对应; (5) 对K个像素点实现模态合并与类间合并; 巧3)对1(个像素点求干设相位均方误差^^,并对<取指数变为:其中,exp()表示指数运算,表示设的实部,蜡表示e邱(./〇引的虚部,j表示复 数虚部标示符,有j2 = -l成立; 巧b)根据cC,^::定义<4片,1为:其中,Cl, C康示两个可调系数,有C1>0,C2>0,砖,巧己分别表示高斯核函数的径向速度 信息实部带宽和径向速度信息虚部带宽; (5c)定义高斯核函数在方位向、距离向的带宽分别为口 >3,根据先验信息估计待检测 目标的尺寸并求取待检测目标在SAR图像中所占据的像素个数,将分别设置为待检 测目标在方位向、距离向所占据的像素个数; (5d)把记。;口;:,相作为模态合并口限,在K个像素点中,对任意两个像素点的特征矢 量收敛值进行相似性判断,并将过模态合并口限的两个像素点合并为一类,得到H个像素 类,记作 Ci,C2'''Ch; (5e)对H个像素类进行类间合并,得到合并后的Q个目标像素群并分别输出,即得到各 个潜在目标,其中Q《H。2. 根据权利要求1所述的方法,其中步骤(2)中估计SAR图像中过CFAR检测口限的像素 点径向速度VI,通过下式进行:其中,W= &>、(VV)表示线性约束最小均方误差准则下的最优权矢量,Vr表示进行捜索 的径向速度,as(Vr)表示由阵列结构和待捜索径向速度Vr确定的空域导向矢量,(厂1表示矩 阵求逆,Ren表示杂波加噪声协方差矩阵,Vr max表示雷达工作的最大不模糊速度,Xs,1表示过 CFAR检测口限的第i个像素点对应的多通道数据,WH表示矩阵W的共辆转置矩阵, argimx.WgX"表示满足条件的径向速度Vr,i = l,2,???N,N表示过CFAR检测口 限的像素数。3. 根据权利要求1所述的方法,其中步骤(2)中把过CFAR检测口限的像素点径向速度Vi 经过取指数变换得到新速度矢量(vri,vmi),通过下式进行:其中,vri,vmi分别表示实部和虚部,A表示雷达工作波长,j表示复数虚部标志符,有j2=-1成立,V表示雷达平台的运动速度,d表示相邻通道间基线的长度,exp表示We为底的指 数运算,i = 1,2,一N,N表示过CFAR检测口限的像素数。4. 根据权利要求1所述的方法,其中步骤(4a)中根据目标经验尺寸,在N个特征矢量Vi中 筛选出满足目标要求的K个特征矢量,按照如下步骤进行: (4a 1 )对特征矢量Vi = ( X i,y i,Vr i,vmi)进行归一化,得到归一化特征矢量 V;二(A% 听.i;"〇,/二I,2,…,;V,其中,是和裏分别表示第i个像素点方位向归一化后 坐标和距离向归一化后坐标,^:,心^,分别表示第1个像素点的径向速度信息实部和虚部归 一化后值; (4a2)根据待检测目标的先验信息,确定待检测目标的像素点范围:其中,ax和巧分别表示自称々怔问K了卿化尚问K了化归一化后的值;(4曰3)在N个归一化特征矢量=侣,夾,啼,械?,),?' = 1,2>-,,^中,选取满足条件 确定方位向所占像素点心曰心? 确定距离向所占像素点J归一化特征矢量,得到K个满足条件的归一化特征矢5. 根据权利要求1所述的方法,其中骤(4b)中对K个归一化特征矢量运用均值漂移 meansMft算法进行目标径向速度一致性检测,得到K个特征矢量收敛值,按照如下步骤进 行: .7' (4bl)归一化特征矢量^的均值漂移矢量》?" 为: 其中,馬=成巧[砖〇;,CT二,的],diag表示对角阵,(67:,(7; cr;t,〇i分别表示高斯核 函数的方位向带宽、距离向带宽、径向速度信息实部带宽和径向速度信息虚部带宽,表示 第j个满足条件的归一化特征矢量,t表示第n个满足条件的归一化特征矢量,j = 1,2,3,… K,n=l,2,3…KJ声n,K表示满足目标经验尺寸条件的归一化特征矢量数,M表示矩阵行列 式,I M I2表示向量范数运算; (4b2)给定收敛阔值化resh,对归一化特征矢量X作Meanshift迭代: (4b2a)根据步骤(4bl)计算特征矢量驚的均值漂移矢量听 (4b2b)如果从,则将归一化特征矢量^的特征矢量收敛值取为 义,结束循环,否则,将聲巧)的值赋给步骤(4b2a)中的特征矢量f,,继续执行步骤(4b2a); (4b3)对K个归一化特征矢量V, =(A% .V',,1气.i;"!,.)进行步骤(4b2)中的meanshift迭 代运算,得到K个特征矢量收敛值禾,=巧,托,村;,加,),/'二I.2,...,及,其中, 韦,A,材;.,材H,.分别表示归一化特征矢量t中四个元素韦.,式,切;.,切W,.对应的收敛值。6. 根据权利要求1所述的方法,其中步骤(5a)中计算K个像素点求干设相位均方误差 口,;.按照下式进行:其中,卿表示目标的真实干设相位,梦表示目标受扰动后的实际干设相位,丫表示K个像 素点对应的两通道SAR图像复相干系数,E表示求期望,LiO表示对数积分函数,arcsinO表 示反正弦运算,I I表示复数求模运算。7. 根据权利要求1所述的方法,其中步骤(5d)中对K个像素点进行模态合并,按如下步 骤进行: (5dl)判断第S个像素点的特征矢量收敛值与第i个像素点的特征矢量收敛值是否满足 下式:若满足,则将第S个像素点与第i个像素点聚为一类;若不满足,则不聚为一类,其中mi, 1112,邮,1]14分别表示四个调节系数,且1]11>0,1112>0,邮>0,1]14>0,(.?,.,子,,1、,細,.)1表示第1 个像素点的特征矢量收敛值,(.?,.,把,表示第S个像素点的特征矢量收敛值,S =1,2,3'''K,i = 1,2,3…K,i声S ,K表示满足目标经验尺寸的归一化特征向量数,I I I I表示 向量范数运算,口分别表示高斯核函数的径向速度信息实部带宽、径向速度信息虚部 带宽,口、\口;';分别表示高斯核函数的方位向带宽、距离向带宽; (5d2)对K个像素点中任意两个像素点进行步骤巧dl)的聚类,得到H个像素类。8.根据权利要求1所述的方法,其中步骤(5e)中对H个像素类进行类间合并,按照如下 步骤进行: (5el)假设H个像素类中第P类包含D个像素点,求取D个像素点对应的D个特征矢量的均 值巧二巧,馬,馬,痴V)和方差把^",和巧。。作为第?个像 素类的特征矢量均值和方差,并求取其他H-I个像素类对应的特征矢量均值和方差,其中, 气>巧,巧,河Zp分别表示D个特征矢量(Xi,y i,vr i,vmi)中四个元素各自的均值, 巧,./,口,",p2分别表示D个特征矢量(Xi,yi,vn,vmi)中四个元素各自的方差,i = 1, (5e2)判断H个像素类中第q类与第P类的特征矢量均值和方差是否满足下式:如果满足,则将第P类包含的像素点和第q类包含的像素点合并为同一类,记作新像素 类Opq,并在H个像素类中剔除第P类和第q类,添加新像素类Opq;否则,不合并,其中P=I,2, 3..化9 = 1,2,3..化口声9,|表示向量范数运算,||表示向量求模值运算; (5e3)对H个像素类中任意两个像素类进行步骤(5e2)的类间合并,得到Q个目标像素 群。
【文档编号】G06K9/62GK105913074SQ201610206346
【公开日】2016年8月31日
【申请日】2016年4月5日
【发明人】杨志伟, 田敏, 金术玲, 许华健, 廖桂生
【申请人】西安电子科技大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1