一种融合多极化图像的多通道SAR动目标检测方法与流程

一种融合多极化图像的多通道sar动目标检测方法
技术领域
1.本发明属于雷达检测领域，具体涉及一种融合多极化图像的多通道sar动目标检测方法。


背景技术：

2.合成孔径雷达地面运动目标检测（sar-gmti）可以在sar图像基础上检测图像中的运动目标，并估计其位置。沿航迹布设的多通道sar-gmti是目前应用最广的sar-gmti模式，相比传统单通道系统，多通道sar-gmti系统具有更多系统自由度，一般在杂波抑制处理后根据目标运动产生的干涉相位检测动目标。多通道sar-gmti方法主要包括沿航迹干涉（along track interferometry， ati），相位中心偏置天线（displaced phase center antenna，dpca）和空时自适应处理（space-timeadaptiveprocessing， stap）等。其中ati技术利用通道间干涉相位对动目标进行检测和速度估计，但由于检测前未进行杂波抑制，检测效果受地杂波影响较大；stap方法是一种空域和时域二维联合自适应处理技术，能比较有效的抑制杂波干扰，当杂波非均匀、信杂比较低时也有很多学者提出了很多改进算法，但是stap方法实现结构复杂，信号处理计算量非常大；dpca技术在通道间距、载机速度和脉冲重复频率满足一定关系的条件下，进行简单的相减操作即可完成杂波抑制，进而检测运动目标，由于其结构简单，工程上易于实现，在实际系统中得以广泛应用。极化能够描述电磁波空间传播轨迹，除了幅度、相位、多普勒频率之外，目标极化特性是sar回波又一关键信息，例如利用极化信息可以对sar图像中的地物类型进行分类，进而确定各类型地物在图像中所在精确位置，结合了极化信息的sar-gmti将是未来sar发展的一大趋势。经典的dpca、stap等多通道sar动目标检测方法，都是利用干涉相位进行杂波抑制和动目标检测。但是，在非均匀场景下，由于样本数太少、协方差矩阵估计不准确，stap方法性能受限；dpca方法对于非均匀场景中的强散射体抑制能力有限，如建筑物等，由于不可避免的噪声存在，其干涉相位并非严格为零，dpca处理后还会造成大量虚警。因此，传统多通道sar动目标检测方法在非均匀场景下的动目标检测性能有待提高。


技术实现要素：

3.为克服现有技术中的缺陷，本发明针对复杂地形场景下，传统多通道动目标检测方法存在建筑物虚警较多的问题，提出一种融合多极化图像的动目标检测方法，通过交叉极化图像与同极化图像不同类型地物替换融合，降低场景非均匀性，改善动目标检测性能。具体包括以下步骤：步骤一，分别对两通道全极化数据进行sar成像处理，得到参考通道的同极化复图像、交叉极化复图像和另一通道的同极化复图像、交叉极化复图像；步骤二，进行图像配准和通道均衡，图像配准采用互相关法求得不同通道图像在方位向的偏移量，然后对另一通道数据进行插值平移，使得两通道图像上同一位置的像素对应地面相同的目标；通道均衡采用二维频域自适应通道均衡方法，分别计算距离向与方
位向的均衡权重系数，将另一通道图像分别乘以距离向和方位向的均衡权重系数，校正每个像素点的幅相误差，得到另一通道处理后的同极化复图像和交叉极化复图像；步骤三，利用参考通道全极化数据进行极化分类，采用迭代分类法，识别建筑物并确定其在图像中具体位置；步骤四，以同极化图像作为基准图像，分别用两通道交叉极化图像中建筑物所在像素替换同极化图像相同位置像素，得到两通道数据替换后图像和；步骤五，将两通道经过数据替换后的图像、相减，完成图像域dpca处理；步骤六，进行cfar检测，采用ca-cfar方法设计空心滑动窗，计算窗内杂波的统计特性，基于既定的随机分布假设和门限设定原则计算门限，滑动窗遍历图像，根据本地样本自适应确定门限，根据设定的门限判断动目标存在与否，得到最终的动目标检测结果。
4.本发明的有益效果在于：与现有技术相比，本发明具有以下显著效益：（1）本发明方法在经典的图像域dpca方法的基础上，融合多极化图像，在复杂环境下，可以降低场景非均匀性，进而降低复杂场景下的人造建筑物等虚警，改善动目标检测性能。
5.（2）本发明方法是基于图像域dpca方法进行阐述的，但是其中的不同极化图像替换的思想可以用于其他全极化多通道sar-gmti检测结果中，以改善运动目标的检测性能。
附图说明
6.图1为本发明流程图。
7.图2（a）为雷达参考通道hh极化实测数据sar图像。
8.图2（b）为本发明dpca处理结果。
9.图3为未进行数据替换cfar检测结果。
10.图4为本发明cfar检测结果。
11.具体实施方式下面结合附图和具体实施方式，对本发明做进一步详细描述。
12.一种融合多极化图像的多通道sar动目标检测方法流程图如图1所示，具体方法如下：步骤一，分别对两通道数据进行sar成像处理，得到参考通道hh极化复图像，vh极化复图像和除参考通道之外另一通道hh极化复图像，vh极化复图像。参考通道hh极化sar成像结果如图2（a）所示，图中竖直方向为方位向，水平方向为距离向，方位向点数，距离向点数。根据成像结果，可以看到图中有很多具有强散射性的建筑物区域，如图中标记所示。下面将通过标记处的建筑物来验证本发明所提方法的有效性。
13.步骤二，进行图像配准和通道均衡，图像配准采用互相关法求得两图像在方位向的偏移量，然后对参考通道之外另一通道图像进行插值平移，使得两图像上同一位置像素对应着相同的地面场景。这里进行了10倍的三次样条插值，然后采用互相关法计算得到的配准量是1.0个像素。通道均衡采用二维频域自适应通道均衡方法，分别计算距离向与方位向的均衡权重系数，将参考通道之外另一通道图像分别乘以距离向和方位向的均衡权重系
数，校正参考通道之外另一通道图像上每个像素点的幅相误差，得到参考通道之外另一通道同极化复图像、交叉极化复图像。
14.步骤三，利用参考通道全极化数据进行极化分类，采用迭代分类法，以极化散射熵h和极化角将地物分为8个类别，将低熵多次散射及低熵偶极子散射作为建筑物特征进行识别，得到建筑物像素在图像中的具体位置。
15.步骤四，以同极化图像作为基准图像，对两通道分别用交叉极化图像中建筑物所在像素替换同极化图像相同位置像素，得到两通道数据替换后图像和。
16.步骤五，将两通道经过数据替换后的图像、相减，完成图像域dpca处理。
17.替换后的dpca处理结果如图2（b）所示，从图中可以看到大部分的静止杂波得到很好的抑制。
18.步骤六，进行cfar检测，设计一个空心滑动窗，这里滑动大小半径设为25，保护单元半径设为5，计算窗内杂波的统计特性，这里基于瑞利分布假设，设定虚警率，滑动窗遍历图像，根据本地样本确定门限，得到最终的动目标检测结果，为方便观察，将剩余像素幅度置1。
19.hh极化cfar结果如图3所示，可以看到标记处的建筑物由于对消后能量剩余仍比周围杂波强的多，因此出现很多亮点；数据替换后cfar检测结果如图4所示，建筑物能量显著降低，对应数据单元检测门限下降不明显，因此由建筑物造成的虚警得以减少。
20.为了进一步验证本发明所提算法的有效性，将cfar检测结果中区域a和区域b图像局部放大（区域a大约占据1000个方位单元，200个距离单元；区域b大约占据1260个方位单元，250个距离单元）并计算其中虚警个数，从图中可以明显看出经数据替换后，虚警点数显著减少，区域a中hh极化cfar结果约有82个虚警点，本发明所提方法约有10个虚警点，虚警个数减少87.8%；区域b中hh极化cfar结果约有131个虚警点，本发明所提方法约有60个虚警点，虚警个数减少54.2%。虚警点个数情况归纳于下表中。
21.。
22.本发明不局限于上述具体的实施方式，本发明可以有各种更改和变化。凡是依据本发明的技术实质对以上实施方式所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围。