一种基于极化合成孔径雷达的车辆检测方法技术

本发明专利技术提供一种基于极化合成孔径雷达的车辆检测方法，属于雷达图像信号处理技术领域。所述方法包括：获取训练集和测试集；通过L1范数的二维主成分分析算法对获取的训练集和测试集中每个样本的相干矩阵进行逐通道的压缩，得到降维后的训练集和测试集；根据得到的降维后的训练集和测试集，利用复威沙特距离度量检测潜在目标；对复威沙特距离度量检测到的潜在目标，使用基于相关系数的模板匹配进行目标鉴别；若目标鉴别后得到的多个候选目标从属于一个车辆的矩形框，则根据候选目标重要程度对候选目标进行加权合并，得到车辆检测结果。采用本发明专利技术，能够排除建筑物等强反射物的干扰，并提高对密集目标的定位准确性。并提高对密集目标的定位准确性。并提高对密集目标的定位准确性。

【技术实现步骤摘要】
一种基于极化合成孔径雷达的车辆检测方法


[0001]本专利技术涉及雷达图像信号处理
，特别是指一种基于极化合成孔径雷达的车辆检测方法。

技术介绍

[0002]随着经济的快速发展，城市中的私家车的数量越来越多，造成交通拥堵和环境污染，通过车辆智能调控可以缓解该压力。
[0003]目标检测是极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)的一个关键和难点问题，也是极化SAR系统的一个重要应用方向。极化SAR接收的回波具有幅度、相位、频率与极化四个基本特征，它能够完整地描述目标物理散射过程。由于不同种类目标具有不同的后向散射的强度、电介特性、几何特性，经过目标对入射电磁波进行信息调制和加载后在极化SAR图像中会表现出不同的极化特性，这是实现对不同目标检测的基础。
[0004]由于极化SAR数据中蕴含了目标丰富的时域、频域、时频域与极化信息，能够为实现稳健的目标检测提供更多的资源，在很多民用与军事领域都具有广泛的应用。通常来说，基于极化SAR图像的传统目标检测方法可以分成如下三类：
[0005]1)基于极化特征的目标检测算法
[0006]极化SAR图像中包含了目标丰富的极化散射特征，如极化熵、极化散射总功率(Span)、特征值、极化度、交叉熵等，因此很多学者基于这些极化散射特征提出了很多目标检测算法。Touzi等利用SAR
‑
580录取的极化SAR数据分析了不同入射角下基于极化信息的舰船检测的性能，在入射角低于60
°
时舰船目标与海的对比度会显著提升，从而可以提升舰船检测的性能(Touzi R.Calibrated polarimetric SAR data for ship detection[C]//IGARSS 2000.IEEE 2000International Geoscience and Remote Sensing Symposium.Taking the Pulse of the Planet:The Role of Remote Sensing in Managing the Environment.Proceedings.IEEE,2000,1:144
‑
146.)。Fan等人提出了基于交叉熵的目标检测算法，首先利用交叉熵对海陆进行分割，提取含有感兴趣目标的区域，然后利用相似度和Span值消除虚假目标，从而实现舰船目标检测(Fan L,Yang J,Peng Y N.A cross
‑
entropy based parameter for ship detection from a polarimetric SAR image[C]//2005IEEE International Symposium on Microwave,Antenna,Propagation and EMC Technologies for Wireless Communications.IEEE,2005,1:6
‑
9.)。
[0007]2)基于恒虚警率的目标检测算法
[0008]恒虚警率(Constant false alarm rate，CFAR)由于其简单高效的特性在SAR图像的目标检测中已经得到了广泛的应用，很多学者也结合极化SAR的极化特征提出了很多基于CFAR的目标检测算法。Wu等人利用Span、特征值与各向异性等极化特征向量，设计了基于CFAR的舰船算法，并在RADARSAR
‑
2实测数据上验证了该算法的性能(Bingjie W,Chao W,Bo Z,et al.Ship detection based on Radarsat
‑
2full
‑
polarimetric images[C]//
Proceedings of 2011IEEE CIE International Conference on Radar.IEEE,2011,1:634
‑
637.)。但是传统背景杂波的统计模型在很多情况下都无法准确表征背景杂波的统计特性，进而会降低目标检测算法的性能。因此，很多学者提出了诸如双参数CFAR、有序统计量CFAR、均值CFAR和基于灰度相关的CFAR等改进算法，但是检测效果提升有限。对于很多复杂场景下的极化SAR图像数据，例如城市复杂地面目标检测任务，基于统计模型的CFAR算法在目标检测中仍然存在杂波表征模型不准确而导致检测结果漏检率和虚警率偏高问题。
[0009]3)基于极化统计分布的目标检测算法
[0010]许多学者已开展了针对极化SAR图像数据的统计分布建模与模型参数估计的研究工作。Song等人利用极化SAR的复协方差矩阵服从多元高斯分布提出了基于变分贝叶斯的目标检测算法，并在RADASARSET
‑
2的数据集上取得了很好的效果(Song S,Xu B,Yang J.Ship detection in polarimetric SAR images using targets'sparse property[C]//2016IEEE International Geoscience and Remote Sensing Symposium(IGARSS).IEEE,2016:5706
‑
5709.)。Wei等人假设极化SAR成像结果的协方差矩阵服从复Wishart分布，提出了利用Wishart距离与极化Span信息的目标检测算法，并在AIRSAR数据集上验证了算法的有效性(Wei J,Li P,Yang J,et al.A New Automatic Ship Detection Method Using L
‑
Band Polarimetric SAR Imagery[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2013,7(4):1383
‑
1393.)。Ding等人为了抑制强海杂波与其他人造目标对舰船目标检测的影响，提出了基于截断Gamma分布的CFAR舰船目标检测算法，通过分类方法对海杂波背景的统计特征进行建模并估计模型参数，然后利用CFAR检测算法对舰船进行检测，并在RADARSET
‑
2数据集上验证了算法的有效性(Tao D,Doulgeris A P,Brekke C.A segmentation
‑
based CFAR detection algorithm using truncated statistics[J].IEEE Transactions on Geoscience and Remote Sensing,2016,54(5):2887
‑
2898.)。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于极化合成孔径雷达的车辆检测方法，其特征在于，包括：获取训练集和测试集；通过L1范数的二维主成分分析算法对获取的训练集和测试集中每个样本的相干矩阵进行逐通道的压缩，得到降维后的训练集和测试集；根据得到的降维后的训练集和测试集，利用复威沙特距离度量检测潜在目标；对复威沙特距离度量检测到的潜在目标，使用基于相关系数的模板匹配进行目标鉴别；若目标鉴别后得到的多个候选目标从属于一个车辆的矩形框，则根据候选目标重要程度对候选目标进行加权合并，得到车辆检测结果，其中，重要程度由复威沙特距离和相关系数共同体现。2.根据权利要求1所述的基于极化合成孔径雷达的车辆检测方法，其特征在于，在获取训练集和测试集之前，所述方法还包括：获取陆地上待检测场景对应的极化合成孔径雷达图像；从所述极化合成孔径雷达图像中依次提取每个像素对应的S矩阵；通过Pauli基进行共轭相乘，将S矩阵转换为相干矩阵T；采用精细Lee滤波，对相干矩阵T进行滤波处理，得到滤波后的T矩阵。3.根据权利要求2所述的基于极化合成孔径雷达的车辆检测方法，其特征在于，所述S矩阵为：其中，所述S矩阵满足互易对称定律：S
hv
＝S
vh
，S
hh
表示水平方式发射、水平方式接收的极化通道数据，S
hv
表示水平方式发射、垂直方式接收的极化通道数据，S
vh
表示垂直方式发射、水平方式接收的极化通道数据，S
vv
表示垂直方式发射、垂直方式接收的极化通道数据。4.根据权利要求3所述的基于极化合成孔径雷达的车辆检测方法，其特征在于，所述相干矩阵T为：其中，k表示Pauli基，其中，k表示Pauli基，上标H表示共轭转置，*表示复共轭，<
·
>表示求均值；其中，相干矩阵T的全部信息用：T
11
、T
22
、T
33
、real(T
12
)、real(T
13
)、real(T
23
)、imag
(T
12
)、imag(T
13
)和imag(T
23
)这9个通道的数据代替，real表示取复数的实部，imag表示取复数的虚部。5.根据权利要求1所述的基于极化合成孔径雷达的车辆检测方法，其特征在于，所述获取训练集和测试集包括：根据目标大小设定滑动窗口的尺寸大小，其中，所述目标为车辆，所述滑动窗口的尺寸大小包括：滑动窗口的宽度和高度；设...

【专利技术属性】
技术研发人员：代晓康，殷君君，杨健，
申请(专利权)人：清华大学，
类型：发明
国别省市：