[发明专利]结合图像分割与子空间匹配追踪的目标散射中心提取方法

说明书

技术领域

本发明属于雷达技术领域，涉及一种目标散射中心提取方法，可用于估计目标及其重要部件的几何尺寸，为目标分类识别提供重要的特征信息。

背景技术

合成孔径雷达SAR是一种主动式的微波成像传感器，分别利用距离向的脉冲压缩技术和方位向的综合技术来实现较高的空间分辨率。SAR具有全天时、全天候进行侦察的特点，并且提供光学传感器所不能提供的信息。凭借其独特的优势，SAR已成为一种不可或缺的军事侦察和民事遥感手段。

当雷达工作在高频区时，目标的总电磁散射可以近似等效为多个局部散射源的电磁散射之和，这些局部散射源就称为散射中心。目前用于提取目标散射中心的模型主要分为三种：理想点散射中心模型，衰减指数模型，以及属性散射中心模型。其中属性散射中心模型最符合SAR目标的散射特性，它描述的属性散射中心具有丰富的几何意义和物理意义。

属性散射中心模型是1999年Michael J.Gerry和Lee C.Potter基于几何绕射理论和物理光学理论提出的一个适用于高分辨SAR图像数据的参数化模型。见[M.J.Gerry,L.C.Potter,I.J.Gupta,and A.van der Merwe,A parametric model for synthetic aperture radar measurements[J].IEEE Transactions on Antennas and Propagation,1999,Vol.47,NO.7,pp.1179-1188]。该模型不仅描述了散射中心的位置信息和强度信息，还描述了散射中心的几何尺寸，以及散射中心对频率和方位的依赖性，并可以由此反演出目标的几何结构。属性散射中心模型相比于点散射模型和衰减指数模型，包含更丰富的可用于目标分类识别的特征。

属性散射中心特征提取实质上是一个从目标回波数据中估计各个散射中心参数的过程。由于属性散射中心模型包含的散射中心信息较多，导致模型结构复杂以及参数维数较高，增加了模型参数估计的复杂性。现有方法主要分为两种，分别是基于图像域的散射中心提取和基于频域数据的散射中心提取。基于图像域的散射中心提取方法具有降低散射中心之间耦合度的特点，但是存在模型阶数选择和散射中心结构类别判别的问题。基于频域数据的散射中心提取方法避免了模型失配和散射中心类别判别的问题，但是对于相邻散射中心之间的强耦合性却无能为力。

发明内容

本发明的目的在于提出一种结合图像分割与子空间匹配追踪的目标散射中心提取方法，以解决现有方法中模型失配、散射中心类别判别错误以及散射中心间耦合度大导致参数估计不准确的问题。

本发明的技术方案是这样实现的：

一.技术思路

在高频区的雷达回波中，将目标散射回波近似看成由少量强散射中心的后向散射回波叠加产生，通过求解目标在频率域的稀疏表示，提取目标的散射中心特征。考虑属性散射中心参数空间维数较高，散射中心提取过程计算复杂度大，采用基于子空间匹配追踪获取目标属性散射中心参数的初步估计集合；针对散射中心之间耦合度大导致参数估计不准确的问题，通过利用图像分割的方法降低散射中心之间的耦合度。

二.技术方案

根据上述思路本发明的实现步骤包括如下：

(1)提取原始图像I₀中的局部极大值区域，得到目标图像I₁；对目标图像I₁进行分割，得到目标的轮廓区域R，用轮廓区域R对原始图像I₀进行掩膜处理，得到目标连通支撑域图像I₂，对连通支撑域图像I₂通过二维傅里叶变换得到目标的频域观测信号s；

(2)确定散射中心的位置集合Θ₁和散射中心的属性集合Θ₂；

2a)根据轮廓区域R中的非零元素位置得到散射中心距离维坐标参数x的取值范围X和散射中心方位维坐标参数y的取值范围Y，确定散射中心的位置集合：Θ₁＝{(x,y)|x∈X,y∈Y}；

2b)由散射中心方位维坐标参数y的取值范围确定散射中心长度参数L的取值范围L；由雷达回波数据录取的方位角域确定散射中心方位角取值范围Φ；由雷达回波数据录取的中心频率确定散射中心方位依赖因子γ取值范围Γ；设定散射中心的频率依赖因子α取值范围为Λ＝{-1,-0.5,0,0.5,1}；最终确定散射中心的属性集合Θ₂：