一种目标检测雷达成像的边缘提取方法与流程

本发明属于边缘提取技术领域，具体涉及一种目标检测雷达成像的边缘提取方法。

背景技术：

目前毫米波待检测区域目标探测雷达将扫描探测范围内的所有检测目标的距离及方位信息上报给主控软件，主控软件根据事先的测量和标定，将雷达上报的目标距离及方位信息转换为待检测区域坐标信息，过滤掉待检测区域外的检测结果，将处于待检测区域边缘内的目标检测结果显示在界面上并告警。

现有技术中，毫米波待检测区域目标探测雷达对全部扫描范围内进行目标检测，而处于待检测区域外的异物并不需要检测，这造成了大量不必要的计算，检测效率低下；另外，主控软件为了能将雷达上报的目标距离及方位信息转换成待检测区域坐标信息并筛选出待检测区域内的目标，需要提前做大量的测量和标定工作，效率低下。

技术实现要素：

有鉴于此，本发明提供了一种目标检测雷达成像的边缘提取方法，能够提高边缘提取效率，无需提前做大量的测量和标定工作。

为实现上述目的，本发明的目标检测雷达成像的边缘提取方法，包括如下步骤：

步骤1，利用毫米波探测雷达对待检测区域目标进行勘场扫描，得到场景一维距离像；

步骤2，采用万有引力边缘检测算法对场景一维距离像进行处理，具体如下：

步骤21，计算一维距离像中每一个功率点p(i,j)的水平方向质量m(i,j)^x和垂直方向质量m(i,j)^y，其中p(i,j)表示一维距离像中第i行、第j列的点的功率值，m(i,j)^x和m(i,j)^y的表达式如下：

式中的t(i,j)^x和t(i,j)^y分别表示水平方向梯度和垂直方向梯度，其具体表达式为：

t(i,j)^x＝f(p(i,j)-p(i-1,j))-f(-p(i+1,j)-p(i,j))(式2-1)

t(i,j)^y＝f(p(i,j)-p(i,j-1))-f(-p(i,j+1)-p(i,j))(式2-2)

式中的f为非线性算子，

步骤22，计算功率点p(i,j)在n×n邻域内点p(m,n)的水平方向分力和垂直方向分力

其中，i-n≤m≤i+n，j-n≤n≤j+n，r表示点p(i,j)和点p(m,n)之间的距离；

步骤23，计算邻域内的点p(m,n)对点p(i,j)的水平万有引力合力和垂直万有引力合力

步骤24，计算点p(i,j)所受万有引力合力：

当合力小于或等于设定阈值时，判定该点为边缘点，否则不为边缘点；

步骤3，将万有引力边缘检测结果进行去噪处理，得到去噪后的结果；

步骤4，对去噪后的结果进行拟合并插值，去除模糊现象，保证待检测区域是闭合的，再根据雷达探测距离需求进行纵向截取，提取出最终的待检测区域边缘。

其中，还包括步骤5，将待检测区域边缘信息存储至毫米波待检测区域目标探测雷达，后续每次检测扫描时，调取待检测区域边缘信息，只对待检测区域内的区域进行检测。

其中，通过上位机软件将待检测区域边缘信息下发给毫米波待检测区域目标探测雷达，雷达将此信息存储在flash存储器中。

其中，所述步骤3中，采用高斯低通滤波去噪算法将万有引力边缘检测结果进行去噪处理。

其中，所述高斯低通滤波器的传递函数包括一维高斯函数和二维高斯函数，表达式分别如下所示：

式中δ为标准差。

其中，所述边缘为铁路、河流、公路以及机场跑道的边缘。

有益效果：

本发明中，毫米波待检测区域探测雷达架设位置固定后，开启雷达进行勘场扫描，回传扫描场景一维距离像，对一维距离像进行万有引力边缘检测算法、高斯低通滤波去噪算法、拟合重构方法等处理，最终提取出待检测区域边缘信息，将待检测区域边缘信息存储进雷达处理机flash存储器中，雷达每次扫描后只对待检测区域范围内进行目标检测计算，解决的边缘提取方法效率低下的问题。

附图说明

图1为本发明实施例的场景一维距离像。

图2为本发明实施例万有引力边缘检测结果示意图。

图3为本发明实施例高斯低通滤波去噪结果示意图。

图4为本发明实施例的道面边缘提取结果示意图。

其中，图4(a)为单独的道面边缘示意图，图4(b)为道面边缘在整个场景中的示意图。

图5为本发明流程图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

本发明所提出的目标检测雷达成像的边缘提取方法，如图5所示，包括如下步骤：

步骤1，利用毫米波探测雷达对待检测区域目标进行勘场扫描，具体如下：

雷达架设固定后，扫描场景也随之固定，此时进行勘场扫描——即扫描整个场景并将场景一维距离像回传给上位机软件，用于待检测区域边缘提取处理。本实施例的场景一维距离像如图1所示，其中x轴表示方位角度(单位：°)，y轴表示距离(单位：m)，z轴表示场景回波功率(单位：dbm)。

步骤2，采用万有引力边缘检测算法对场景一维距离像进行处理，具体如下：

步骤21，计算一维距离像中每一个功率点p(i,j)的水平方向质量m(i,j)^x和垂直方向质量m(i,j)^y，其中p(i,j)表示一维距离像中第i行、第j列的点的功率值，m(i,j)^x和m(i,j)^y的表达式如下：

式中的t(i,j)^x和t(i,j)^y分别表示水平方向梯度和垂直方向梯度，其具体表达式为：

t(i,j)^x＝f(p(i,j)-p(i-1,j))-f(-p(i+1,j)-p(i,j))(式2-1)

t(i,j)^y＝f(p(i,j)-p(i,j-1))-f(-p(i,j+1)-p(i,j))(式2-2)

式中的f为非线性算子，其具体表达式为：

步骤22，计算功率点p(i,j)的3*3邻域(不限于)内点p(m,n)的水平方向分力和垂直方向分力i-3≤m≤i+3，j-3≤n≤j+3具体表达式如下，式中r表示点p(i,j)和点p(m,n)之间的距离：

步骤23，计算邻域内的点p(m,n)对点p(i,j)的水平万有引力合力和垂直万有引力合力具体表达式如下：

步骤24，计算点p(i,j)所受万有引力合力，具体表达式如下：

当合力小于或等于设定阈值(经验值)时，判定该点为边缘点，否则不为边缘点。本实施例万有引力边缘检测结果如图2所示。

步骤3，将万有引力边缘检测结果进行高斯低通滤波去噪算法进行去噪处理。

高斯低通滤波器(gaussianlowpassfilter)是一类传递函数为高斯函数的线性平滑滤波器。一维高斯函数和二维高斯函数(高斯低通滤波器的传递函数)的表达式分别如下所示：

式中δ为标准差，高斯函数的标准差越大，高斯曲线越平滑，去噪能力越强，但图像也会越模糊。将万有引力边缘检测结果经高斯低通滤波器处理后，去噪结果如图3所示。

步骤4，对去噪后的结果进行拟合、插值和截取处理，得到最终的待检测区域边缘。如图4所示，其中，图4(a)为单独的道面边缘示意图，图4(b)为道面边缘在整个场景中的示意图。

去噪后的待检测区域边缘存在模糊现象，利用仿真软件进行拟合并插值，去除模糊现象，保证待检测区域是闭合的(端点处每一个单位角度对应一个距离值，其他点处每一个单位角度对应两个距离值)，再根据雷达探测距离需求进行纵向截取，即可提取出最终的待检测区域边缘。

步骤5，将待检测区域边缘信息存储至毫米波待检测区域目标探测雷达。

本实施例中通过上位机软件将待检测区域边缘信息下发给毫米波待检测区域目标探测雷达，雷达将此信息存储在flash存储器中，保证断电不丢失。后续每次检测扫描时，调取待检测区域边缘信息，只对待检测区域内的区域进行检测，实现计算量的降低，提高计算效率，对于小目标(5cm以下)也能实现良好的检测。

本发明方法适用于铁路、河流、公路以及机场跑道的边缘提取等

以机场道面为例，本发明相对于现有机场道面目标检测的边缘提取方法的显著优势主要有3点：

1、省去对机场道面进行大范围坐标测量的工作。

现有机场道面外来物检测需要提前对全部道面检测区域进行坐标测量，以便筛选出处于道面内部的异物信息；通过本发明的边缘提取方法，则无需进行大量的测量，考虑到测量只能在机场停航时进行，本发明方法可大量减少工作量，降低成本。

2、道面目标探测雷达检测计算量明显降低。

现有机场道面外来物检测需要雷达对检测范围内全部进行目标检测，后续主控才会过滤掉道面外的目标检测结果信息；通过本发明的边缘提取方法，在雷达开始进行检测计算前，已经将检测范围缩小，显著降低计算量，提高计算效率。

3、主控软件预警效率明显提高。

现有机场道面外来物检测在雷达上报检测范围内的全部目标信息后，需要对目标信息进行判断计算，筛选出处于道面内的目标；通过本发明的边缘提取方法，则无需主控软件进行筛选计算，直接将雷达上报的目标信息显示并预警，提高预警效率。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。