【技术实现步骤摘要】
本申请涉及雷达信号处理，特别是涉及一种雷达目标显著散射中心提取方法、装置、设备和介质。
技术介绍
1、雷达作为遥感中最为重要的传感器件之一，利用调制波形将电磁波能量集中在待测区域搜索目标，通过目标的散射数据可确定其特征信息。宽带雷达的回波信号一般可认为是由目标所有散射中心回波信号相干合成，因此，可以通过构建合理的散射中心模型描述目标的回波信号。散射中心模型研究一直伴随着雷达技术的发展，散射中心不仅能提供该局部散射源的幅度、位置、极化、结构等信息，而且能简洁、完备地描述目标总的散射场，进而根据散射中心模型中的信息参量完成目标散射场的重构。因此，散射中心模型对于目标电磁散射特性研究至关重要，在目标识别、数据压缩与融合以及雷达散射截面积(radarcross section，rcs)的外推等方向都扮演着重要角色。因此，选取合理的散射中心模型是确定散射中心与散射场之间联系的关键。
2、现有雷达领域常用的散射中心模型包括四种散射模型，即点散射中心模型、衰减指数(damped exponential model,de)和模型、几何绕射(geometrical theory ofdiffraction，gtd)模型和属性散射中心模型(attributed scattering center mode,ascm)，提取散射中心的显著特征通常采用属性散射中心模型。该模型从gtd和po的角度出发，利用多个参数组合来表征不同的典型散射结构的频率和角度依赖特性等，为散射中心提供了更完备的电磁特性和几何特性信息。但是，属性散射中心模型参数维度
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够使散射中心模型表示更丰富的判别性特征的雷达目标显著散射中心提取方法、装置、设备和介质。
2、一种雷达目标显著散射中心提取方法，所述方法包括：
3、获取isar图像数据集，所述isar图像数据集中包括基于散射中心模型生成目标在不同角度下的仿真isar图像；
4、利用图像特征提取网络对所述isar图像数据集中对应同一个目标的多张仿真isar图像进行特征提取，得到多张特征图像；
5、采用可视化的类激活映射将各张所述特征图像转化为cam图像，并将各张cam图像进行旋转使得各张cam图像中的目标呈现相同姿态，对旋转后的cam图像进行角度加权，得到cam加权图像；
6、在所述cam加权图像上计算各个注意力区域的注意力贡献值，根据注意力贡献值选取预设数量的关键注意力区域，将选取的关键注意力区域对应的仿真散射中心，作为显著散射中心。
7、在其中一实施例中，在基于散射中心模型生成目标在不同角度下的仿真isar图像时：
8、任意设定目标某一初始状态的姿态角度为0°。之后将目标的姿态角从初始状态绕转动中心旋转360°，每次旋转预设间隔度数后生成对应角度下的仿真isar图像，目标的姿态角度为旋转角度的总和。
9、在其中一实施例中，所述将各张cam图像进行旋转使得各张cam图像中的目标呈现相同姿态时，采用旋转矩阵对各张所述cam图像进行旋转，所述旋转矩阵表示为：
10、
11、在上式中，m表示所述cam图像中目标的姿态角度。
12、在其中一实施例中，所述对旋转后的cam图像进行角度加权，得到cam加权图像采用以下公式：
13、
14、在上式中，m表示总计角度数目，表示角度加权后得到的所述cam加权图像，am表示姿态角为m时的cam图。
15、在其中一实施例中，所述在所述cam图像上计算各个注意力区域的注意力贡献值，根据注意力贡献值选取预设数量的关键注意力区域包括：
16、对各所述注意力区域的注意力贡献值从大到小进行排序，根据所述预设数量选取注意力贡献值排序靠前的注意力区域，作为所述关键注意力区域。
17、在其中一实施例中，所述在所述cam加权图像上计算各个注意力区域的注意力贡献值时：
18、在所述cam加权图像中，根据预设尺寸计算每一个仿真散射中心的注意力区域边界框；
19、根据所述注意力区域边界框计算各所述仿真散射中心的注意力区域。
20、在其中一实施例中，计算注意力区域中的注意力贡献值采用以下公式：
21、
22、在上式中，ci(x,y)表示注意力区域ci中的值，[x,y]t表示注意力区域中的位置范围大小为xi1≤x≤xi2，yi1≤y≤yi2，pi表示第i个仿真散射中心的注意力贡献值。
23、本申请提供了一种雷达目标显著散射中心提取装置，所述装置包括：
24、isar图像仿真模块，用于获取isar图像数据集，所述isar图像数据集中包括基于散射中心模型生成目标在不同角度下的仿真isar图像；
25、isar图像特征提取模块，用于利用图像特征提取网络对所述isar图像数据集中对应同一个目标的多张仿真isar图像进行特征提取，得到多张特征图像；
26、cam图像角度加权模块，用于采用可视化的类激活映射将各张所述特征图像转化为cam图像，并将各张cam图像进行旋转使得各张cam图像中的目标呈现相同姿态，对旋转后的cam图像进行角度加权，得到cam加权图像；
27、显著散射中心提取模块，用于在所述cam加权图像上计算各个注意力区域的注意力贡献值，根据注意力贡献值选取预设数量的关键注意力区域，将选取的关键注意力区域对应的仿真散射中心，作为显著散射中心。
28、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
29、获取isar图像数据集，所述isar图像数据集中包括基于散射中心模型生成目标在不同角度下的仿真isar图像；
30、利用图像特征提取网络对所述isar图像数据集中对应同一个目标的多张仿真isar图像进行特征提取，得到多张特征图像；
31、采用可视化的类激活映射将各张所述特征图像转化为cam图像，并将各张cam图像进行旋转使得各张cam图像中的目标呈现相同姿态，对旋转后的cam图像进行角度加权，得到cam加权图像；
32、在所述cam加权图像上计算各个注意力区域的注意力贡献值，根据注意力贡献值选取预设数量的关键注意力区域，将选取的关键注意力区域对应的仿真散射中心，作为显著散射中心。
33、一种计算机可读存储介质，其上存储有计算机程序，所述计算机本文档来自技高网...
【技术保护点】
1.一种雷达目标显著散射中心提取方法，其特征在于，所述方法包括：
2.根据权利要求1所述的雷达目标显著散射中心提取方法，其特征在于，在基于散射中心模型生成目标在不同角度下的仿真ISAR图像时：
3.根据权利要求2所述的雷达目标显著散射中心提取方法，其特征在于，所述将各张CAM图像进行旋转使得各张CAM图像中的目标呈现相同姿态时，采用旋转矩阵对各张所述CAM图像进行旋转，所述旋转矩阵表示为：
4.根据权利要求3所述的雷达目标显著散射中心提取方法，其特征在于，所述对旋转后的CAM图像进行角度加权，得到CAM加权图像采用以下公式：
5.根据权利要求1所述的雷达目标显著散射中心提取方法，其特征在于，所述在所述CAM图像上计算各个注意力区域的注意力贡献值，根据注意力贡献值选取预设数量的关键注意力区域包括：
6.根据权利要求5所述的雷达目标显著散射中心提取方法，其特征在于，所述在所述CAM加权图像上计算各个注意力区域的注意力贡献值时：
7.根据权利要求6所述的雷达目标显著散射中心提取方法，其特征在于，计算注意力区域中的注
8.一种雷达目标显著散射中心提取装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种雷达目标显著散射中心提取方法，其特征在于，所述方法包括：
2.根据权利要求1所述的雷达目标显著散射中心提取方法，其特征在于，在基于散射中心模型生成目标在不同角度下的仿真isar图像时：
3.根据权利要求2所述的雷达目标显著散射中心提取方法，其特征在于，所述将各张cam图像进行旋转使得各张cam图像中的目标呈现相同姿态时，采用旋转矩阵对各张所述cam图像进行旋转，所述旋转矩阵表示为：
4.根据权利要求3所述的雷达目标显著散射中心提取方法，其特征在于，所述对旋转后的cam图像进行角度加权，得到cam加权图像采用以下公式：
5.根据权利要求1所述的雷达目标显著散射中心提取方法，其特征在于，所述在所述cam图像上计算各个注意力区域的注意力贡献值，根据...
【专利技术属性】
技术研发人员：刘振，潘之梁，户盼鹤，苏晓龙，郭金兴，陈凌峰，王泽昊，刘永祥，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
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。