基于全极化属性散射中心模型的目标属性特征提取方法技术

技术编号:10305554 阅读:382 留言:0更新日期:2014-08-08 02:56
本发明专利技术属于雷达技术,涉及一种雷达目标属性特征提取方法,公开了一种基于全极化属性散射中心模型的目标属性特征提取方法,其实现过程是:首先利用噪声样本建立散射中心强度门限,在雷达图像中进行强散射中心检测,并确定散射中心参数的取值集合;然后根据属性散射中心模型构建字典,通过对目标的极化分解系数矩阵分别施加行稀疏约束与矩阵稀疏约束,利用坐标轮回下降法对极化分解系数矩阵与极化散射机理矩阵进行优化,进而可得目标属性散射中心参数及其极化特征。本发明专利技术能在属性散射中心重叠情况下有效提取目标属性散射中心及其极化特征,可用于雷达目标分类识别。

【技术实现步骤摘要】
【专利摘要】本专利技术属于雷达技术,涉及一种雷达目标属性特征提取方法,公开了一种,其实现过程是:首先利用噪声样本建立散射中心强度门限,在雷达图像中进行强散射中心检测,并确定散射中心参数的取值集合;然后根据属性散射中心模型构建字典,通过对目标的极化分解系数矩阵分别施加行稀疏约束与矩阵稀疏约束,利用坐标轮回下降法对极化分解系数矩阵与极化散射机理矩阵进行优化,进而可得目标属性散射中心参数及其极化特征。本专利技术能在属性散射中心重叠情况下有效提取目标属性散射中心及其极化特征,可用于雷达目标分类识别。【专利说明】
本专利技术属于雷达技术,涉及一种雷达目标属性特征提取方法,特别涉及一种,可用于目标属性特征(包括属性散射中心、极化特征)提取,为目标分类识别提供重要的特征信息。
技术介绍
雷达图像解译在雷达自动目标识别领域中受到越来越多的重视,其中目标或目标部件的提取与分类对合成孔径雷达自动目标识别具有重要意义。传统雷达成像以及自动目标识别是以点散射模型为基础的,该模型只包含目标散射系数与位置信息,但仅利用目标散射点强度与位置信息构建的识别特征并不能完备表征雷达图像中目标的本质属性。基于几何绕射理论和物理光学理论,Michael J.Gerry和Lee C.Potter提出了一个适用于合成孔径雷达的参数化模型一属性散射中心模型。属性散射中心模型用一组参数描述每个散射中心的位置、形状、方向以及幅度等,这些属性参数提供了关于目标的重要信息;同点散射模型相比,属性散射中心模型包含了更丰富的、反映目标物理特性的特征,更适用于对雷达图像解译与目标或目标部件的分类与识别。单极化雷达为目标特征提取提供信息有限,而全极化雷达能够提供目标精细的信息,如目标散射特性信息,所以全极化与属性散射中心模型的结合更有助于目标特征提取与目标识别。基于全极化属性散射中心模型进行目标特征提取算法为基于图像分割的近似最大似然算法,该算法通过对全极化合成图像进行图像分割,得到阶数(散射中心个数)较低的目标散射区或者是孤立的散射中心,利用近似最大似然方法估计目标的属性散射中心参数,并通过散射中心的极化散射矩阵及其长度确定散射中心的散射类型。首先,现有方法利用根据点散射模型得到的雷达图像提取属性散射中心,存在模型失配问题;其次,该类方法是以图像分割为基础的,这类方法要求图像质量较高;此外,当目标某些部件散射强度较弱或者散射中心位置重叠时,通过图像分割方法难以正确检测,这就导致目标的一些重要特征容易丢失;除此以外,现有方法并未充分利用极化信息提取目标极化特征。
技术实现思路
本专利技术的目的在于提供一种,以解决现有方法中存在的模型失配和特征易丢失问题。本专利技术的技术思路是:雷达图像的全极化观测数据不仅在空域上具有稀疏特性,而且同一分辨单元内散射机理具有稀疏性,即同一分辨单元内散射机理主要由一种或两种主导散射类型组成,由此,对目标的极化分解系数矩阵分别施加行稀疏约束与矩阵稀疏约束,同时提取属性散射中心以及极化特征等属性特征。其中,考虑到极化散射机理字典包含未知参数极化旋转角,本专利技术采用坐标轮回下降法对极化分解系数矩阵与极化散射机理矩阵进行优化。由最终估计的极化分解系数矩阵与极化散射机理矩阵可以提取属性散射中心的属性特征(属性散射中心参数与极化特征)。通过对属性散射中心的属性特征提取,可以得到目标或目标重要部件的物理信息,更有利于目标部件提取与自动目标识别。为了达到上述目的,本专利技术采用一下技术方案予以实现。一种,其特征在于,包括以下步骤:步骤1,采集雷达图像,计算雷达图像的噪声强度根据雷达图像的噪声强度A设定散射中心的信号强度门限ξ,其中将雷达图像中信号强度大于ξ的像素点确定为散射中心,根据检测到的散射中心坐标(X,y)确定对应的该散射中心长度L与倾斜角,,最终确定雷达图像中多个散射中心参数构成的集合θ ;步骤2,结合散射中心参数的集合Θ,根据属性散射中心模型构建散射中心参数字典D(0)=其中,i表示散射中心参数字典的原子序号,N表示散射中心参数字典的原子个数,Cli为散射中心参数的集合Θ中第i个元素焉=对应的归一化原子,表示为:【权利要求】1.一种,其特征在于,包括以下步骤: 步骤1,采集雷达图像,计算雷达图像的噪声强度;I?根据雷达图像的噪声强度A设定散射中心的信号强度门限ξ,其中将雷达图像中信号强度大于ξ的像素点确定为散射中心,根据检测到的散射中心坐标(X,y)确定对应的该散射中心长度L与倾斜角,,最终确定雷达图像中多个散射中心参数构成的集合Θ ; 步骤2,结合散射中心参数的集合Θ,根据属性散射中心模型构建散射中心参数字典D(0)D( Θ ) = 其中,i表示散射中心参数字典的原子序号,N表示散射中心参数字典的原子个数,Cli为散射中心参数的集合Θ中第i个元素4 = |3.,办4,务]对应的归一化原子,表示为: 2.根据权利要求1所述的,其特征在于, 步骤3的具体子步骤如下:设定循环次数Μ,循环标号m = I,并随机选取极化旋转角Vi初值,i = I, 2, ---N ;并设定M值; 3a)根据极化旋转角Vi以及下式构建极化散射机理字典Pi (Vi), i = 1,2,-N;偶极子:Pi;i(Vi) = 偶次散射体:Pi,2Oi) = 奇次散射体:Pi;3(Vi) = 左螺旋: 3.根据权利要求2所述的, 其特征在于,循环次数M的范围为10-20。4.根据权利要求1所述的,其特征在于,所述步骤5中极化分解系数门限 【文档编号】G01S7/41GK103969634SQ201410178887【公开日】2014年8月6日 申请日期:2014年4月29日 优先权日:2014年4月29日 【专利技术者】刘宏伟, 纠博, 李飞, 王英华, 陈渤, 王鹏辉 申请人:西安电子科技大学本文档来自技高网
...

【技术保护点】
一种基于全极化属性散射中心模型的目标属性特征提取方法,其特征在于,包括以下步骤:步骤1,采集雷达图像,计算雷达图像的噪声强度根据雷达图像的噪声强度设定散射中心的信号强度门限ξ,其中将雷达图像中信号强度大于ξ的像素点确定为散射中心,根据检测到的散射中心坐标(x,y)确定对应的该散射中心长度L与倾斜角最终确定雷达图像中多个散射中心参数构成的集合θ;步骤2,结合散射中心参数的集合θ,根据属性散射中心模型构建散射中心参数字典D(θ)D(θ)=[d1,…,di,…,dN]其中,i表示散射中心参数字典的原子序号,N表示散射中心参数字典的原子个数,di为散射中心参数的集合θ中第i个元素对应的归一化原子,表示为:di=vec(g^i(f,φ;θi))||vec(g^i(f,φ;θi))||2]]>g^i(f,φ;θi)=exp(-j4πfc(xicosφ+yisinφ))·sinc(2πfcLisin(φ-φ‾i))]]>其中,vec(·)表示列向量化操作,||·||2为2范数算子,exp(·)为自然指数函数,sinc(·)为辛克函数,f为雷达发射信号频率,φ为雷达波束方位角,c为光速;进一步地,全极化属性散射中心模型的矩阵形式表示为:z=Σi=1Ndicipi(ψi)+n]]>C=c1...ci...cNN×5,Pi(ψi)=pi,1(ψi)...pi,k(ψi)...pi,5(ψi)5×4]]>偶极子:pi,1(ψi)=[cos2(ψi),sin(ψi)cos(ψi),sin(ψi)cos(ψi),sin2(ψi)]偶次散射体:pi,2(ψi)=[cos(2ψi),sin(2ψi),sin(2ψi),‑cos(2ψi)]奇次散射体:pi,3(ψi)=[1,0,0,1]左螺旋:pi,4(ψi)=exp(-j2ψi)2[1,j,j,-1]]]>右螺旋:pi,5(ψi)=exp(-j2ψi)2[1,-j,-j,-1]]]>其中,C为目标极化分解系数矩阵,其行向量ci为di对应的属性散射中心的五种散射体下的极化分解系数,即目标极化分解系数矩阵C的第i行元素,i=1,2,…N,N为散射中心个数;Pi(ψi)为di对应的极化散射机理矩阵,ψi为其极化旋转角,pi,k(ψi)为第k种散射机理对应的极化散射系数向量,k=1,2,3,4,5;Z为全极化观测矩阵;n为噪声信号;步骤3,对目标极化分解系数矩阵C施加行稀疏约束λ1||C||2,1与矩阵稀疏约束λ2||C||1,构造如下式所示的稀疏信号的恢复优化方程,求解未知量目标极化分解系数矩阵C与极化散射机理矩阵Pi(ψi);minC,P12||Z-Σi=1NdiciPi(ψi)||F+λ1||C||2,1+λ2||C||1]]>||C||2,1=Σi=1N||ci||2]]>||C||1=Σi,k|ci,k|]]>其中,||·||2为向量的l2范数,||·||2,1为矩阵的l2,1范数,λ1为行稀疏约束正则化参数,0<λ1<1;||C||1为矩阵的l1范数,λ2为矩阵稀疏约束正则化参数,0<λ2<1;步骤4,由极化分解系数矩阵C确定其非零行对应的标号集合Λ,得到属性参数的估计集合由下式表示;θ^=∪i∈Λθi]]>其中θi为集合θ的第i个元素;步骤5,由所述极化分解矩阵C与属性散射中心长度L确定属性散射中心的散射类型,其中,C=c1...ci...cNN×5]]>由ci中元素ci,k>η的元素标号k确定ci对应散射中心的散射类型,i∈Λ,η为极化分解系数门限,设为当k=1时,散射中心的散射类型为偶极子;当k=2时,若Li>0散射中心的散射类型为二面角,若Li=0散射中心的散射类型为帽顶;当k=3时,若Li>0为分布式奇次散射体,若Li=0为局部式奇次散射体,包含平面、圆柱体;当k=4时,散射中心的散射类型为左螺旋;当k=5时,散射中心的散射类型为右螺旋。...

【技术特征摘要】

【专利技术属性】
技术研发人员:刘宏伟纠博李飞王英华陈渤王鹏辉
申请(专利权)人:西安电子科技大学
类型:发明
国别省市:陕西;61

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1