[发明专利]基于多源信息融合的空间目标结构反演方法和装置

说明书

本发明涉及一种基于多源信息融合的空间目标结构反演方法、装置、和计算机可存储介质，其中方法包括：获取同一目标的可见光图像和雷达复图像；基于可见光图像获得目标的支撑区域；对雷达复图像进行二维逆傅里叶变换至雷达回波域，建立属性散射中心模型；构造参数化字典D(x,y)和对位置参数、散射中心长度和初始方位角进行稀疏优化求解；构造字典D(α)，利用散射中心长度的估计值确定频率依赖因子的取值范围，并对该取值范围内的值进行稀疏优化求解；构造字典D(γ)，利用散射中心长度和初始方位角的估计值确定目标中的局部式散射中心，并对该类散射中心下的方位依赖因子值进行稀疏优化求解；判断空间目标内包含的结构类型及尺寸信息。

技术领域

本发明涉及雷达成像和空间目标特征提取领域，尤其涉及一种基于多源信息融合的空间目标结构反演方法、装置和计算机可读存储介质。

背景技术

随着全球太空资源开发热潮的进一步高涨，地球外层空间正逐步形成新的军事斗争领地。但目前而言，基于雷达或者光学等单一传感器手段尚且不能获得卫星目标的精细结构信息，特别是针对太阳帆板、光学系统、精密传感器等敏感部件，基于光学图像的目标尺寸反演方法对光照、天气及传感器探测距离、分辨率等依赖性较强，而基于雷达图像的解译方法受观测角度、雷达系统参数影响较大，目标轮廓不清晰。基于雷达回波数据的属性散射中心参数反演方法运算量大，不利于实际应用。因此，基于光学或雷达等单一传感器在目标部件类型及位置反演上具有较大困难。

针对以上问题，需要提出一种基于多源信息融合的空间目标结构反演方法。

发明内容

本发明要解决的技术问题在于，针对以往依靠光学图像的目标特征提取精度受分辨率限制、以及依靠雷达图像的目标特征提取运算量大的问题，提供一种基于多源信息融合的空间目标结构反演方法、装置和计算机可读存储介质。

为了解决上述技术问题，本发明第一方面提供了一种基于多源信息融合的空间目标结构反演方法，该方法包括：

S1、利用不同平台下的可见光传感器及雷达传感器，获取同一目标的可见光图像和雷达复图像；

S2、通过提取所述可见光图像中目标横纵向尺寸，获得目标的支撑区域x、y；

S3、对所述雷达复图像进行二维逆傅里叶变换至雷达回波域，在雷达回波域建立属性散射中心模型；

S4、基于所述属性散射中心模型构造参数化字典D(x,y)和对属性参数中的位置参数(x,y)、散射中心长度L和初始方位角进行稀疏优化求解，获得估计值；

S5、基于所述属性散射中心模型构造字典D(α)，利用散射中心长度L的估计值确定属性参数中的频率依赖因子α的取值范围，并对该取值范围内的α值进行稀疏优化求解；

S6、基于属性散射中心模型构造字典D(γ)，利用散射中心长度L和初始方位角的估计值确定目标中的局部式散射中心，并对该类散射中心下的方位依赖因子γ值进行稀疏优化求解；

S7、利用所估计的目标各散射中心对应的属性参数，判断空间目标内包含的结构类型及尺寸信息。

在根据本发明所述的基于多源信息融合的空间目标结构反演方法中，优选地，在步骤S1中，针对同一目标，所获得的可见光图像是灰度图像，雷达复图像是复数域图像；且所述可见光传感器与雷达传感器对目标的视线角误差不大于20°。

在根据本发明所述的基于多源信息融合的空间目标结构反演方法中，优选地，在步骤S2中，从可见光图像中提取目标主轴，通过图像处理过程，使可见光图像和雷达复图像中的目标轴向一致，提取可见光图像中目标横纵向尺寸，获得支撑区域x、y。

在根据本发明所述的基于多源信息融合的空间目标结构反演方法中，优选地，在步骤S3中，所述雷达复图像在雷达回波域建立的属性散射中心模型为：