[发明专利]一种序列ISAR图像散射中心多假设跟踪航迹关联方法

说明书

本发明公开了一种序列ISAR图像散射中心多假设跟踪航迹关联方法，在ISAR目标观测成像模型及散射中心航迹位置的状态转移方程与观测方程的基础上，首先，获得观测目标的高分辨ISAR图像序列，并提取图像序列中的散射中心二维投影坐标；接着，利用多假设追踪方法，从正反两方向进行散射中心航迹关联。再通过N回溯剪枝的假设树管理，确定航迹关联的唯一假设，生成关联航迹；最后，通过航迹融合和卡尔曼滤波，得到最终关联航迹。本发明采用的假设树框架对关联过程中出现的虚警、新生及中断情况具有良好的应对能力，从而保证了该方法的鲁棒性。

技术领域

本发明涉及雷达图像处理技术领域，具体涉及一种序列ISAR图像散射中心多假设跟踪航迹关联方法。

背景技术

运动恢复结构算法起初应用于光学目标的三维成像，算法基于相机在多视角下获得的光学图像序列，重建被观测目标的三维轮廓。该算法包含4个主要步骤：特征提取、特征关联、三维估计及误差优化。其中特征关联用于实现不同图像中同一特征的正确匹配，是实现精确三维重构的关键点及难点。ISAR图像主要由强散射点组成，这些强散射点类似于光学图像中的角点特征，因此，不少研究学者将运动恢复结构算法迁移至ISAR三维成像中，基于单基ISAR多视角回波数据成像获得的图像序列，实现被观测目标的三维重构。ISAR目标三维重构结果能够直观、清晰地反映目标立体结构，在战场目标侦查、目标自动识别等方面具有重要的应用价值。

ISAR图像序列散射中心的关联难点在于散射中心雷达后向散射系数(RadarCross Section，RCS)各向异性明显，并且不同散射中心的相互遮挡造成图像序列中散射中心航迹的中断。现有研究所提出的关联算法大致可分为两类：基于图像特征的关联方法和基于运动模型的关联方法。基于图像特征的关联方法是将ISAR图像中的强散射中心作为图像待提取的特征点，通过设计合理的特征描述子与特征匹配准则，实现不同图像中同一散射中心的匹配关联。KLT(Kanade Lucas Tomasi，KLT)特征跟踪算法是一种典型的基于图像特征的关联算法，但该算法基于目标亮度恒定的假设，该条件在ISAR图像序列中很难保证，因此从根本上限制了算法在ISAR图像中的应用。加速稳健特征(Speeded Up RobustFeatures，SURF)算法是另一种常用的基于图像特征的关联算法，在相邻两帧图像间满足小转角的条件下可以完成散射中心的关联。然而，ISAR图像散射中心特征相似，当两幅图像间转角稍大时，算法性能较差。

鉴于ISAR图像与光学图像相比，图像间各向异性明显、图像内特征单一，导致基于图像特征的关联方法难以取得理想的关联效果，一些学者提出从多目标跟踪的研究角度出发，基于散射中心航迹的运动模型解决关联问题。与基于图像特征的关联方法不同，该方法需提前完成散射中心的坐标提取。在基于散射中心运动模型解决关联问题的研究领域，有学者在建模航迹形式的基础上，提出采用马尔可夫蒙特卡洛(Markov Chain Monte Carlo，MCMC)数据关联算法，根据散射中心航迹的运动特征设计贝叶斯推断的先验和似然模型，实现散射中心航迹关联。但是，该算法性能严重依赖于先验和似然概率模型的设计，一旦模型失配，则关联效果较差。另有学者提出基于平面单应性的关联方法，该方法根据同一平面上各散射中心在两帧ISAR图像间的航迹状态转移方程相同的特性，假设目标表面由几个矩形平面组成，通过人工标记各矩形平面四个角点在图像序列中的位置并通过匹配形成坐标对，然后采用最小二乘法求解各平面散射中心在图像序列间的状态转移方程，进而实现散射中心航迹关联。但实际上，ISAR目标表面通常并不仅有矩形平面构成，因此，该方法在实际的序列ISAR图像航迹关联中应用受限。

通过上述分析可知，由于ISAR图像特征与光学图像特征相比存在特征类型单一且强度变化剧烈的特点，使得光学图像中性能良好的关联方法在ISAR图像中应用受限；由于ISAR观测环境及目标结构复杂，使得现有的基于散射中心航迹状态转移运动模型的关联算法缺乏鲁棒性。总之，就目前而言，ISAR图像序列散射中心航迹关联问题仍缺乏精确鲁棒的解决方法。

发明内容