一种估计目标散射中心位置参数的方法

摘要

公开了一种估计目标散射中心位置参数的方法，包括：将带宽为Bz的散射回波数据划分成M个频域区间，并对所述M个频域区间的数据分别成像，以获取M个子图像；对所述M个子图像分别进行局部峰值点判断，并将在所述M个子图像中均出现的局部峰值点作为目标散射中心的第一估计点。本发明通过上述技术方案，能把散射中心造成的峰值点与背景干扰造成的峰值点进行有效地区分，从而减小了散射中心的误判率，提高了散射中心位置参数的估计精度。

说明书

技术领域

本发明涉及SAR或ISAR图像的目标识别领域，尤其涉及一种估计目标散射中心位置参数的方法。

背景技术

目标的散射中心在二维ISAR(逆合成孔径雷达)或ISR(合成孔径雷达)图像上表现为一个个的局部峰值点。在现有的基于图像估计目标散射中心的方法中，往往是在一幅二维图像上进行局部峰值点判断，并将判断得出的局部峰值点的位置作为目标散射中心的位置。采用这种方法获取目标散射中心的位置信息存在两个缺点：一是可能将背景干扰造成的局部峰值点误判为散射中心；二是散射中心的位置参数的估计精度有限。

针对现有目标散射中心估计方法中存在的缺陷，亟需一种能够有效减小散射中心的误判率，提高散射中心的估计精度的技术方案。

发明内容

本发明的目的在于提出能够对目标的散射中心进行估计的方法，以减小散射中心的误判率，提高散射中心的估计精度。

本发明提出了一种估计目标散射中心位置参数的方法，包括：

S1、将带宽为B_z的散射回波数据划分成M个频域区间，并对所述M个频域区间的数据分别成像，以获取M个子图像；

S2、对所述M个子图像分别进行局部峰值点判断，并将在所述M个子图像中均出现的局部峰值点的位置参数作为目标散射中心位置参数的第一估计点；

其中，M为大于1的整数。

优选的，所述方法还包括：S3、对第一估计点及其邻域像素点进行高斯函数拟合，确定目标散射中心位置参数的第二估计点。

优选的，步骤S3包括：

S31、以第一估计点处的像素点为中心、以及其邻域内的8个相邻像素点构建矩阵A_3×3；

S32、对所述矩阵A_3×3中每行或每列的三个像素点进行高斯函数拟合，以确定第一至第三拟合曲线，并获取第一至第三拟合曲线上的极大值点D₁、D₂、D₃；

S33、对D₁、D₂、D₃进行高斯函数拟合，以确定第四拟合曲线，并获取第四拟合曲线上的极大值点D₀，并将D₀的位置参数作为第二估计点。

优选的，步骤S2具体包括：对第一个子图像上的像素点进行局部峰值点判断，并将确定的局部峰值点的位置参数记录在第一集合中；在第i个子图像中，对第(i-1)个集合中的位置参数处的像素点进行局部峰值点判断，并将确定的局部峰值点的位置参数记录在第i个集合中；其中，i＝2,3,4…M；将第M个集合中的局部峰值点的位置参数作为目标散射中心的第一估计点。

优选的，步骤S2具体包括：对M个子图像上的像素点分别进行局部峰值点判断，并将确定的局部峰值点的位置参数分别记录在M个集合中；将在所述M个集合中都出现的局部峰值点的位置参数作为目标散射中心位置参数的第一估计点。

优选的，对像素点进行局部峰值点判断具体为：将所述像素点的像素值与其邻域内的8个相邻像素点的像素值进行比较，若所述像素点的像素值大于其邻域像素点的像素值，则所述像素点为局部峰值点。

优选的，所述M个频域区间的子带宽均为B，且所述M个频域区间的中心频率满足：

f_i＝f₁+(i-1)*Δf；

式中，f_i为第i个频域区间的中心频率，f₁为第一个频域区间的中心频率，Δf为频域区间的中心频率的步进值；i＝2,3，…M。

优选的，M满足：

$M\le \frac{B_z-B}{\Delta f}.$

优选的，

本发明的技术方案主要包括：将散射回波数据划分成M个频域区间，并对所述M个频域区间的数据分别成像，以获取M个子图像；对所述M个子图像分别进行局部峰值点判断，并将在所述M个子图像中均出现的局部峰值点的位置参数作为目标散射中心位置参数的第一估计点。本发明通过对多个子图像进行局部峰值点判断、匹配，有效减小了将背景干扰产生的局部峰值点误判为散射中心点的概率，提高了散射中心位置参数的估计准确率。

附图说明

通过以下参照附图而提供的具体实施方式部分，本发明的特征和优点将变得更加容易理解，在附图中：

图1是具体实施例一中的估计散射中心位置参数的方法流程图；

图2是具体实施例二中的估计散射中心位置参数的方法流程图；

图3是具体实施例一中确定第一估计点的方式之一；

图4是具体实施例一中确定第一估计点的方式之二；

图5是具体实施例二中对矩阵A_3×3进行高斯函数拟合的示意图。

具体实施方式

下面参照附图对本发明的示例性实施方式进行详细描述。对示例性实施方式的描述仅仅是出于示范目的，而绝不是对本发明及其应用或用法的限制。

目标的散射中心在二维图像上表现为一个个局部峰值点。与此同时，背景干扰也可能导致图像上出现局部峰值点。由于现有的目标散射中心估计方法无法对背景干扰与散射中心造成的峰值点进行区分，因此存在误判率高、精度低的问题。

针对现有技术的缺陷，本申请的发明人想到，目标的散射中心对应的局部峰值点的位置是不随频率的改变而变化的，而背景干扰造成的局部峰值点的位置往往随频率的改变而变化。也就是说，目标上的同一散射中心点在不同频率子带的图像上对应同一位置的局部峰值点。反过来说，如果在不同频率子带的图像上，同一位置的像素点不都表现为局部峰值点，则可以判定该位置的像素点不是散射中心点。

本发明的主要思路是，将散射回波数据划分为多个频域区间，并根据所述多个频域区间的数据分别成像，以获取多个子图像；然后，对所述子图像进行局部峰值点判断，并将在全部子图像中均出现的局部峰值点的位置参数作为散射中心位置参数的第一估计点。通过对多个子图像进行局部峰值点判断、匹配，有效减小了散射中心的误判率，提高了散射中心的估计准确率。进一步的，通过对第一估计点及其邻域像素点进行高斯函数拟合，得到了目标散射中心位置参数的第二估计点，极大提高了目标散射中心位置参数的估计精度。

下面结合附图对本发明实施例中的技术方案进行详细说明。

图1为本发明具体实施例一中的估计散射中心位置参数的方法流程图。从图1可见，所述方法始于步骤S1。

步骤S1、将带宽为B_z的散射回波数据划分成M个频域区间，并对所述M个频域区间的数据分别成像，以获取M个子图像；其中，M为大于1的整数。

具体来说，在步骤S1中，我们将获取的散射回波数据划分为M个相同子带宽的频域区间，其中，每个频域区间的子带宽均为B。并且，所述M个频域区间的中心频率满足：

f_i＝f₁+(i-1)*Δf公式1

在公式1中，f_i为第i个频域区间的中心频率，f₁为第一个频域区间的中心频率，Δf为M个频域区间的中心频率的步进值，i＝2,3，…M。

其中，M满足：

在具体实施时，Δf的取值可根据实际需要进行确定。比如，Δf可以取0.1B。通过采取上述划分方式，能够充分利用有限的散射回波数据，提高子图像的样本量，从而间接提高了目标的散射中心的估计精度。

在得到M个频域区间后，我们可通过一定的成像算法对M个频域区间的数据分别进行成像，获取M个子图像。比如，我们可以通过滤波-逆投影算法进行成像。

需要指出的是，以上散射回波数据的划分方式只是一种优选的实施方式，而并不是本发明唯一的实施方式。在具体实施时，我们可以采取多种方式对散射回波数据进行划分。比如，可以将散射回波数据划分为相同子带宽的M个频域区间，也可以将散射回波数据划分为不同子带宽的M个频域区间。又比如，在将散射回波数据划分成M个频域区间时，可以使相邻两个或多个频域区间存在相互重叠的部分，也可以使任意两个频域区间均不存在重叠的部分。只要不影响本发明的实施，无论采取何种方式进行频域区间的划分，都在本发明的保护范围内。

步骤S2、对所述M个子图像分别进行局部峰值点判断，并将在所述M个子图像中均出现的局部峰值点的位置参数作为目标散射中心位置参数的第一估计点。

具体的，在步骤S2中，对任一像素点A_ij进行局部峰值点判断的方法具体为：将像素点A_ij的像素值与其邻域内的8个相邻像素点的像素值进行比较，若像素点A_ij的像素值大于其邻域内8个相邻像素点的像素值，则像素点A_ij为局部峰值点；否则，A_ij不为局部峰值点。

在通过步骤S2确定第一估计点时，可以有多种实施方式。下面给出两种优选的实施方式。图3给出了步骤S2中确定第一估计点的第一种实施方式。从图3可见，步骤S2具体包括：

S21、对第一个子图像上的像素点进行局部峰值点判断。

在具体实施时，可将中心频率最低的子图像作为第一个子图像，也可以将中心频率最高的子图像作为第一个子图像。或者，也可以将M个子图像中的任意一个子图像作为第一个子图像。

S22、将步骤S21确定的局部峰值点的位置参数记录在第一集合中。

具体的，在通过局部峰值点判断后，可将确定出的局部峰值点的位置参数记录在第一集合中。可替换的，也可以用矩阵的形式对确定出的局部峰值点的位置参数进行记录。

S23、在第i个子图像中，对第(i-1)个集合中的位置参数处的像素点进行局部峰值点判断。其中，i＝2,3,4…M。

S24、将步骤S23确定的局部峰值点的位置参数记录在第i个集合中。

具体的，在第二个子图像中，我们只需对记录在第一集合中的像素点所在的位置进行局部峰值点判断，并将确定的局部峰值点记录在第二集合中。以此类推，我们可以对第三至第M个子图像作类似的局部峰值点判断，以最终获取第M个集合。

S25、将第M个集合中的局部峰值点的位置参数作为目标散射中心位置参数的第一估计点。

具体的，在获取第M个集合后，我们可将该集合中的像素点的位置参数作为目标散射中心位置参数的第一估计点。

在以上实施方式中，通过将前一子图像的峰值点判断结果作为后一子图像的待判位置点，使得我们无需对第二至第M个子图像上的所有像素点进行峰值点判断，从而大大减小了计算量，提高了计算效率。

进一步地，图4给出了步骤S2中确定第一估计点的第二种实施方式。从图4可见，步骤S2具体包括：

S21'、对M个子图像上的所有像素点分别进行局部峰值点判断。

S22'、将根据M个子图像确定的局部峰值点的位置参数分别记录在对应的集合中，以得到M个集合。

在具体实施时，我们可以将确定出的局部峰值点的位置参数记录在集合中。比如，将第一子图像的局部峰值点的位置参数记录在第一集合中，将第二子图像的局部峰值点的位置参数记录在第二集合中。可替换的，也可以用矩阵的形式对确定出的局部峰值点的位置参数进行记录。

S23'、将在所述M个集合中都出现的位置参数作为目标散射中心位置参数的第一估计点。

具体的，在得到M个集合后，我们可以取M个集合的交集，即将在M个集合中都出现的位置参数作为散射中心位置参数的第一估计点。可见，通过图4所示的方式也可以得到散射中心位置参数的第一估计点。

在具体实施例一中，通过将散射回波数据划分为多个频域区间，并利用多个频域区间的数据分别成像，获取了多个子图像；并且，通过对多个子图像进行局部峰值点判断、对多个子图像的判断结果进行匹配，有效避免了将背景干扰点误认为散射中心的情况，即减小了散射中心的误判率，提高了估计准确率。

下面结合具体实施例二给出一种更优的目标散射中心估计方法。图2给出了具体实施例二中的估计方法的流程图。从图2可见，该方法除了包括具体实施例一中的步骤S1、S2以外，还包括步骤S3。简便起见，下面我们主要对步骤S3进行详细说明。

步骤S3、对第一估计点及其邻域像素点进行高斯函数拟合，确定目标散射中心位置参数的第二估计点。

其中，步骤S3包括以下子步骤：S31、以第一估计点为中心、以及其邻域内的8个相邻像素点构建矩阵A_3×3。S32、对所述矩阵A_3×3中每行或每列的三个像素点进行高斯函数拟合，以确定第一至第三拟合曲线，并获取第一至第三拟合曲线上的极大值点D₁、D₂、D₃。S33、对D₁、D₂、D₃进行高斯函数拟合，以确定第四拟合曲线，并获取第四拟合曲线上的极大值点D₀，并将D₀对应的位置参数作为第二估计点。

下面我们结合图5对步骤S3中的每一子步骤进行详细阐述。

具体的，在步骤S31中，我们可以在任一个子图像上，以第一中心点、以及其邻域内的8个相邻像素点构成矩阵A_3×3。在矩阵A_3×3中，第一中心点记为A₂₂，其邻域内的8个相邻像素点按照其相对第一中心点的位置分别记为A₁₁、A₁₂、A₁₃、A₂₁、A₂₃、A₃₁、A₃₂、A₃₃。

接下来，我们给出高斯函数拟合的一般步骤。首先对高斯函数公式，即公式3的两边取对数，得到公式4。

然后，根据已有数据(x,I(x))确定公式4中的待定系数，从而得到拟合曲线。

具体的，在步骤S32中，我们可以先对矩阵A_3×3中每个像素点的像素值取自然对数。其中，矩阵A_3×3中任一像素点的像素值可记为R(A_pq)，p＝1,2,3，q＝1,2,3。因此，每一像素点的像素值取自然对数后可表示为ln(R(A_pq))。接下来，我们对矩阵A_3×3每一行的三个像素点进行高斯函数拟合。具体的，在第一行中，我们通过ln(R(A₁₁))、ln(R(A₁₂))、ln(R(A₁₃))以及像素点的位置坐标确定出公式4中的待定参数，即得到第一拟合曲线。并且，在得到第一拟合曲线后，获取第一拟合曲线上的极大值点D₁的幅值及位置参数。以此类推，可根据第二行像素点得到第二拟合曲线及第二拟合曲线上的极大值点D₂的幅值及位置参数，根据第三行像素点得到第三拟合曲线以及第三拟合曲线上的极大值点D₃的幅值及位置参数。可替换的，在步骤S22中，我们也可以对矩阵A_3×3每一列的三个像素点进行高斯函数拟合，以确定与每一列相对应的拟合曲线，以及拟合曲线上的极大值点。

最后，在步骤S33中，我们基于D₁、D₂、D₃的幅值及位置参数作高斯函数拟合，可得到第四拟合曲线。并且，在获取第四拟合曲线后，获取第四拟合曲线上的极大值点D₀，并将D₀的位置参数作为目标散射中心位置参数的第二估计点。相应的，将D₀的幅值作为目标散射中心幅值的估计值。

在具体实施例二中，通过对第一估计点处的像素点及其邻域像素点作高斯函数拟合，得到了散射中心位置参数的第二估计点。由于采用该方法得到的第二估计点的估计精度高于像素分辨单元，因此极大提高了目标散射中心位置参数的估计精度。

虽然参照示例性实施方式对本发明进行了描述，但是应当理解，本发明并不局限于文中详细描述和示出的具体实施方式，在不偏离权利要求书所限定的范围的情况下，本领域技术人员可以对所述示例性实施方式做出各种改变。