公开/公告号CN108389196A
专利类型发明专利
公开/公告日2018-08-10
原文格式PDF
申请/专利权人 北京环境特性研究所;
申请/专利号CN201810160122.5
申请日2018-02-26
分类号G06T7/00(20170101);G06T7/11(20170101);G06T7/136(20170101);G06T7/187(20170101);
代理机构11609 北京格允知识产权代理有限公司;
代理人周娇娇;张沫
地址 100854 北京市海淀区永定路50号
入库时间 2023-06-19 06:33:14
法律状态公告日
法律状态信息
法律状态
2020-06-26
授权
授权
2018-09-04
实质审查的生效 IPC(主分类):G06T7/00 申请日:20180226
实质审查的生效
2018-08-10
公开
公开
技术领域
本发明涉及电磁特性分析技术领域,尤其涉及一种基于极化特征的分布式散射中心快速提取方法、装置和设备。
背景技术
联合极化信息对分布式散射中心的类型进行判断,常用的方法主要有三类:一类为基于属性散射中心模型,提取分布式散射中心的方位及频率依赖因子,从而实现对分布式散射中心的类型判断,由于属性散射中心模型的参数较多,结构复杂,需要循环迭代运算,因此该方法计算速度较慢,且容易陷入局优;第二类为使用CP-GTD(CoherentPolarization Geometrical Theory of Diffraction,基于相干极化几何绕射理论)模型提取分布式散射中心的频率依赖因子,从而判断散射中心的类型;第三类为把分布式散射中心看作多个点散射中心的组合,分别利用GTD模型与极化分解理论获取散射中心的频率依赖特征与极化特征,结合两者得到对散射中心的类型判断结果。其中,第二、三类判断方法均把分布式散射中心作为一个或多个点散射中心进行特征提取,没有从分布式散射中心的整体电磁散射机理出发,因此难以准确地判断其散射类型。
发明内容
本发明要解决的技术问题在于,针对现有分布式散射中心的类型判断方法速度慢、准确性低的缺陷,提供一种基于极化特征的分布式散射中心快速提取方法、装置和设备,能够更为准确、快速地实现典型分布式散射中心的类型判断。
为了解决上述技术问题,本发明第一方面,提供了一种基于极化特征的分布式散射中心快速提取方法,该方法包括以下步骤:
利用阈值分割方法对四极化通道的ISAR图像进行图像分割;
对图像分割后的每个闭合区域运用惯量矩方法确定是否为分布式散射中心;
在判断为分布式散射中心时利用四极化通道的ISAR图像在对应分割区域的散射幅度来构造分布式散射中心的极化散射矩阵,并基于所述极化散射矩阵对分布式散射中心的类型进行判断。
在根据本发明所述的基于极化特征的分布式散射中心快速提取方法中,优选地,所述利用阈值分割方法对四极化通道的ISAR图像进行图像分割,包括:
通过以下公式利用阈值T对HH通道的ISAR图像进行处理,处理后的图像O′(x,y)为:
其中,τQhh(x,y)|为HH通道的ISAR图像的坐标(x,y)处像素对应的散射强度复数Qhh(x,y)的幅度值;
将处理后图像O′(x,y)与处理前图像Qhh(x,y)作像素点乘运算,得到ISAR图像的分割结果:
其中,O′(x,y)=1的像素点被O′(x,y)=0的像素点包围形成多个闭合区域,则每个闭合区域存在一个散射中心;采用上述同样的方法得到HV通道、VH通道和VV通道的ISAR图像的分割结果。
在根据本发明所述的基于极化特征的分布式散射中心快速提取方法中,优选地,所述阈值T取值为0.01max{|Qhh(x,y)|}。
在根据本发明所述的基于极化特征的分布式散射中心快速提取方法中,优选地,所述对图像分割后的每个闭合区域运用惯量矩方法确定是否为分布式散射中心,包括对于每个通道ISAR图像的分割结果进行以下操作:设该通道的ISAR图像中共有闭合区域Ppq个,且其位置的集合为
在根据本发明所述的基于极化特征的分布式散射中心快速提取方法中,优选地,所述利用四极化通道的ISAR图像在对应分割区域的散射幅度来构造分布式散射中心的极化散射矩阵,包括:将各闭合区域中被判断为分布式散射中心的区域位置集合设为Dpq,其中
在根据本发明所述的基于极化特征的分布式散射中心快速提取方法中,优选地,所述基于所述极化散射矩阵对分布式散射中心的类型进行判断,包括:对极化散射矩阵进行Cameron分解,通过计算类型参数识别出分布式散射中心中的二面角及圆柱体,通过计算色散系数识别分布式散射中心中的平板散射中心和边缘散射中心。
在根据本发明所述的基于极化特征的分布式散射中心快速提取方法中,优选地,所述对极化散射矩阵进行Cameron分解,通过计算类型参数z识别出分布式散射中心中的二面角及圆柱体,包括:
对极化散射矩阵S进行Cameron分解,表达式为:
式中,a是标量,
将
式中,b是极化散射矩阵的幅度,φ是绝对相位,ψ是散射体方向角,
求解类型参数z,当z=1/2时识别出该分布式散射中心为圆柱散射中心,当z=1时识别出该分布式散射中心为二面角散射中心。
在根据本发明所述的基于极化特征的分布式散射中心快速提取方法中,优选地,所述通过计算色散系数识别分布式散射中心中的平板散射中心和边缘散射中心,包括:设任一极化通道的ISAR回波数据起始频率为fs,终止频率为fe,带宽B=fe-fs,在带宽为B的任一极化通道的ISAR回波数据中截取两段频域数据:子带1和子带2,两段频域数据的频率范围分别为
本发明还提供了一种基于极化特征的分布式散射中心快速提取装置,包括:
图像分割单元,用于利用阈值分割方法对四极化通道的ISAR图像进行图像分割;
初步分类单元,用于对图像分割后的每个闭合区域运用惯量矩方法确定是否为分布式散射中心;
二次分类单元,用于在初步分类单元判断为分布式散射中心时利用四四极化通道的ISAR图像在对应分割区域的散射幅度来构造分布式散射中心的极化散射矩阵,并基于所述极化散射矩阵对分布式散射中心的类型进行判断。
在根据本发明所述的基于极化特征的分布式散射中心快速提取装置中,优选地,所述阈值分割单元利用阈值分割方法对四极化通道的ISAR图像进行图像分割包括:
通过以下公式利用阈值T对HH通道的ISAR图像进行处理,处理后的图像O′(x,y)为:
其中,|Qhh(x,y)|为HH通道的ISAR图像的坐标(x,y)处像素对应的散射强度复数Qhh(x,y)的幅度值;
将处理后图像O′(x,y)与处理前图像Qhh(x,y)作像素点乘运算,得到ISAR图像的分割结果:
其中,O′(x,y)=1的像素点被O′(x,y)=0的像素点包围形成多个闭合区域,则每个闭合区域存在一个散射中心;采用上述同样的方法得到HV通道、VH通道和VV通道的ISAR图像的分割结果。
本发明还提供了一种执行基于极化特征的分布式散射中心快速提取方法的设备,包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,当计算机程序指令被处理器执行时实现如前所述的方法。
实施本发明的基于极化特征的分布式散射中心快速提取方法、装置和设备,具有以下有益效果:本发明利用阈值分割算法对四极化通道的ISAR复图像进行图像分割,并对分割后的每个区域运用惯量矩方法确定其是否为分布式散射中心,若判断为分布式散射中心,则利用四通道上ISAR图像在对应分割区域的散射幅度来构造分布式散射中心的散射矩阵,并基于散射矩阵进一步区分出分布式散射中心的类型;相对于现有的三种常用的分布式散射中心类型判断方法,本发明能够更为准确、快速地实现典型分布式散射中心的类型判断。
附图说明
图1为根据本发明第一实施例的基于极化特征的分布式散射中心快速提取方法的流程图;
图2为根据本发明第二实施例的基于极化特征的分布式散射中心快速提取方法的流程图;
图3a和3b分别为根据本发明的基于极化特征的分布式散射中心快速提取方法在图像分割前和分割后的示意图;
图4为根据本发明优选实施例的基于极化特征的分布式散射中心快速提取装置的模块框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提出了一种基于极化特征的分布式散射中心快速提取方法,能够实现典型分布式散射中心的快速类型判断,主要应用于雷达目标特征提取与识别方面。
请参阅图1,为根据本发明第一实施例的基于极化特征的分布式散射中心快速提取方法的流程图。如图1所示,该实施例提供基于极化特征的分布式散射中心快速提取方法包括以下步骤:
首先,在步骤S101中,执行图像分割步骤,利用阈值分割方法对四极化通道的ISAR图像进行图像分割。
随后,在步骤S102中,执行初步分类步骤,对图像分割后的每个闭合区域运用惯量矩方法确定是否为分布式散射中心;
最后,在步骤S103中,执行二次分类步骤,在步骤S102判断为分布式散射中心时利用四极化通道的ISAR图像在对应分割区域的散射幅度来构造分布式散射中心的极化散射矩阵,并基于所述极化散射矩阵对分布式散射中心的类型进行判断。
请结合参阅图2,为根据本发明第二实施例的基于极化特征的分布式散射中心快速提取方法的流程图。如图2所示,该第二实施例提供的基于极化特征的分布式散射中心快速提取方法具体包括以下步骤:
首先,在步骤S201中,执行图像分割步骤,利用阈值分割方法对四极化通道的ISAR图像进行图像分割。
设四极化通道下的ISAR图像为M×N矩阵Qpq(x,y),下标p、q分别代表接收和发射的极化方式,x、y代表像素的横向坐标与纵向坐标,x=1,2…N,y=1,2…M,Q为每个像素对应的散射强度,为复数。
本发明首先利用阈值分割方法对各极化通道下的ISAR图像Qpq(x,y)分别进行图像分割。以HH通道图像Qhh(x,y)为例,根据经验选取合适的阈值T,优选地,阈值T取值0.01max{|Qhh(x,y)|}。将ISAR图像中强度大于T的像素点值设为1,其余的像素点值设为0。则处理后的图像O′(x,y)为:
其中,Qhh(x,y)为HH通道的ISAR图像的坐标(x,y)处像素对应的散射强度,|Qhh(x,y)|为复数Qhh(x,y)的幅度值。认为处理后图像中像素点值为1的位置是散射中心的位置区域,这样值为1的像素点即可在图像中组合为若干个外围像素值皆为0的闭合区域,每个闭合区域中都存在一个散射中心。如图3a和3b所示,分别为根据本发明的基于极化特征的分布式散射中心快速提取方法在图像分割前和分割后的示意图。图3b中圈出的两个区域均为散射中心位置所在的闭合区域。
将处理后图像O′(x,y)与处理前图像Qhh(x,y)作像素点乘运算,即可得到目标ISAR图像的分割结果:
其中,O′(x,y)=1的像素点被O′(x,y)=0的像素点包围形成多个闭合区域,则每个闭合区域存在一个散射中心;采用上述同样的方法得到HV通道、VH通道和VV通道的ISAR图像的分割结果。
随后,在步骤S202中,执行初步分类步骤,对图像分割后的每个闭合区域运用惯量矩方法确定是否为分布式散射中心。
该步骤S202中采用惯量矩方法对散射中心进行分类,设某一极化通道ISAR图像中共有闭合区域Ppq个,且其位置的集合为
其中
基于分布式散射中心在ISAR像上表现为窄而长的特性,若Ih≥2Iv,则判断该闭合区域的散射中心类型为分布式散射中心,否则为局部式散射中心。
随后,在步骤S203~S212中,执行二次分类步骤,在初步分类单元判断为分布式散射中心时利用四四极化通道的ISAR图像在对应分割区域的散射幅度来构造分布式散射中心的极化散射矩阵,并基于所述极化散射矩阵对分布式散射中心的类型进行判断。具体包括:
在步骤S203中,在步骤S202判断当前闭合区域为分布式散射中心时确定分布式散射中心位置范围。具体地,将各闭合区域中被判断为分布式散射中心的区域位置集合设为Dpq,其中
在步骤S204中,利用四极化通道的ISAR图像在对应分割区域的散射幅度来构造分布式散射中心的极化散射矩阵。
该步骤中再次对D进行阈值图像分割,将D分为d个单分布式散射中心区域Di,i=1,...,d,将Di对应的四个通道的散射复强度分别记为列向量Shh,Shv,Svh,Svv,联合四极化通道图像上的散射中心位置区域散射复幅度,形成该分布式散射中心的极化散射矩阵S=[Shh,Shv,Svh,Svv]。
在步骤S205中,对极化散射矩阵进行Cameron分解,计算类型参数z,并计算色散系数k。
对极化散射矩阵S进行Cameron分解,表达式为:
式中,a是标量,
将
式中,b是极化散射矩阵的幅度,φ是绝对相位,ψ是散射体方向角,
求解类型参数z。z与散射体的结构类型有关,可用于识别出分布式散射中心中的二面角及圆柱体。
研究分布式散射中心的色散性,设任一极化通道的ISAR回波数据起始频率为fs,终止频率为fe,带宽B=fe-fs,在带宽为B的任一极化通道的ISAR回波数据中截取两段频域数据:子带1和子带2,两段频域数据的频率范围分别为
在步骤S206中,判断是否z=1/2,是则转步骤S207确定该分布式散射中心为圆柱体散射中心;否则转步骤S208;
在步骤S208中,判断是否z=1,是则转步骤S209确定该分布式散射中心为二面角散射中心;
z与散射体的结构类型有关,圆柱体对应的z值为1/2,二面角对应的z值为-1。通过对比待估散射中心与圆柱体、二面角的z值就可以对圆柱、二面角散射中心进行分类。
在步骤S210中,判断是否k>0,是则转步骤S211确定该分布式散射中心为平板散射中心;否则转步骤S212确定该分布式散射中心为边缘散射中心。
上面在排除了二面角与圆柱散射中心之后,步骤S210对剩下的平板及边缘散射中心类型进行分类。若k>0则判断该分布式散射中心为平板,否则为边缘型散射中心。
基于同一发明构思,本发明实施例还提供一种基于极化特征的分布式散射中心快速提取装置。请参阅图4,为根据本发明优选实施例的基于极化特征的分布式散射中心快速提取装置的模块框图。如图4所示,该实施例提供的装置400包括:图像分割单元401、初步分类单元402和二次分类单元403。
图像分割单元401,用于利用阈值分割方法对四极化通道的ISAR图像进行图像分割。该图像分割单元401进行图像分割的过程与前述方法中图像分割步骤一致,在此不再赘述。
初步分类单元402,用于对图像分割后的每个闭合区域运用惯量矩方法确定是否为分布式散射中心。该初步分类单元402的运算过程与前述方法中初步分类步骤一致,在此不再赘述。
二次分类单元403,用于在初步分类单元402判断为分布式散射中心时利用四四极化通道的ISAR图像在对应分割区域的散射幅度来构造分布式散射中心的极化散射矩阵,并基于所述极化散射矩阵对分布式散射中心的类型进行判断。该二次分类单元403的运算过程与前述方法中二次分类步骤一致,在此不再赘述。
本发明实施例还提供了一种执行基于极化特征的分布式散射中心快速提取方法的设备,包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,当计算机程序指令被处理器执行时实现如上述实施方式中基于极化特征的分布式散射中心快速提取方法。
本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现如上述实施方式中基于极化特征的分布式散射中心快速提取方法。
综上所述,本发明利用阈值分割算法对四极化通道的ISAR复图像进行图像分割,并对分割后的每个区域运用惯量矩方法确定其是否为分布式散射中心,若判断为分布式散射中心,则利用四通道上ISAR图像在对应分割区域的散射幅度来构造分布式散射中心的散射矩阵。考虑到典型的分布式散射中心主要有四种类型:平板、圆柱、二面角以及边缘,本成果基于这一点对分布式散射中心进行分类,首先对散射矩阵进行Cameron分解,即可区分出分布式散射中心中的二面角及圆柱体,平板和边缘散射中心则可以利用散射中心的色散特性来区分。本发明深入分析分布式散射中心的整体电磁散射机理,无需估计属性散射中心模型的参数即可实现对分布式散射中心的类型判断,判断方法更为快速、高效。
应该理解地是,本发明中基于极化特征的分布式散射中心快速提取方法及装置的原理相同,因此对基于极化特征的分布式散射中心快速提取方法的实施例的详细阐述也适用于基于极化特征的分布式散射中心快速提取装置。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
机译: 基于分层图像分割的特征提取方法和装置以及基于图像的位置识别方法
机译: 基于采样率偏差估计的物理层装置特征提取方法和装置
机译: 基于深度学习算法的心电图特征提取方法,装置,系统,装置和分类方法