CN103197302B - 一种适用于穿墙雷达成像的目标位置提取方法 - Google Patents

Abstract

一种适用于穿墙雷达成像的目标位置提取方法，属于图像处理技术领域，特别涉及穿墙雷达成像技术。对于穿墙雷达回波形成的图像，首先采用二维低通滤波器抑制图像中的高频噪点；然后采用多个合理设置的检测门限，分别对目标图像进行二值化检测；随后搜索检测后图像中的连通域作为可能的目标区域，并按照目标从属关系将不同门限下的连通域分类；最后，对不同目标对应连通域的出现次数排列，选取其中较大次数对应连通域，将连通域中所有像素单元位置的统计平均值作为目标定位坐标。本发明能够在穿墙低信杂噪比的目标图像中，稳健提取包含临近目标和弱小目标在内的多个目标的准确位置坐标，实现了基于穿墙雷达成像的目标精确定位。

Description

一种适用于穿墙雷达成像的目标位置提取方法

技术领域

本发明属于图像处理技术领域，涉及雷达成像技术，特别涉及穿墙雷达成像处理技术。

背景技术

穿墙雷达成像技术的研究主要包括建筑布局成像和隐蔽目标成像两个方面，分别用来形成建筑布局全景图像和隐蔽目标图像。建筑布局全景图像包含了建筑物全部墙体的图像，能够作为参照物确定隐蔽目标在建筑物内的相对位置。隐蔽目标图像主要用以确定目标位置、类型与状态，其中，最基本功能是确定目标位置，因此，隐蔽目标成像的基本问题是如何从目标图像中提取目标的位置信息。

针对目标位置提取的基本问题，国内外研究机构提出了诸多解决方法。美国麻省理工学院通过对目标图像进行固定门限检测，提取目标图像中较大的像素区域进行显示，粗略判断目标位置；美国陆军研究实验室同样首先采用固定门限检测，然后将检测后的目标图像像素区域的中心位置作为提取的目标位置。对于上述基于固定门限检测的两种方法，在多个目标情况下难以较好地提取目标位置，门限设置太高，容易造成弱小目标的丢失，而门限设置太低，无法区分临近目标，同时杂波噪声产生虚假目标。意大利SELEX科研机构通过提取目标图像中最大像素值对应像素单元的位置作为目标位置，该方法只能提取单个目标位置，无法实现多个目标位置提取，实用性较差。

在对复杂建筑物中多个隐蔽目标实现穿墙成像时，不同目标与穿墙雷达隔离墙体的不同，会造成目标图像强度存在明显差距，同时，墙体穿透衰减以及封闭建筑空间多径杂波，会降低目标图像的信杂噪比，因此，现有方法难以有效地提取多个目标的位置信息。在这种情况下，如何实现在图像中有效提取多个目标的位置信息具有重要的理论价值和应用价值。

发明内容

本发明提供一种适用于穿墙雷达成像的目标位置提取方法，首先，采用二维低通滤波器对穿墙雷达成像所形成的原始图像进行带通滤波处理，以抑制原始图像中的高频噪点；然后，采用多个合理设置的检测门限，分别对去噪处理后的图像进行检测；随后，搜索检测后图像中的连通域作为可能的目标区域，并按照目标从属关系将不同门限下的连通域进行分类；最后，对不同目标对应连通域的出现次数排列，选取其中较大次数对应连通域的位置坐标作为目标定位坐标。相比于现有基于固定门限的目标位置提取方法，本发明能够在穿墙低信噪比的目标图像中，稳健提取包含临近目标和弱小目标在内的多个目标的位置坐标。

本发明技术方案如下：

一种适用于穿墙雷达成像的目标位置提取方法，处理流程如图1所示，包括以下步骤：

步骤1：图像去噪。

设穿墙雷达隐蔽目标成像形成的原始图像为I(X,Y)，采用二维低通滤波器抑制图像I(X,Y)中的高频噪点，减少后续处理产生的虚假目标；去噪后进行归一化处理，得到去噪并归一化后的图像I_f(X,Y)。具体步骤包括：

步骤1-1：将直角坐标系下的原始图像I(X,Y)转换到极坐标系中，表示为图像I(R,W)；

步骤1-2：对图像I(R,W)分别沿距离向r和方位向ω进行FFT（快速傅里叶变换）处理，形成图像I(R,W)的空间频谱；

步骤1-3：采用一个二维低通滤波器对步骤1-2所得图像I(R,W)的空间频谱进行二维低通滤波，保留通带内的频谱成分。所述二维低通滤波器在距离向的截止频率为

方位向的截止频率为

其中Δr为穿墙雷达在距离向r上的理论分辨率，Δr′为穿墙雷达在距离向r上的计算分辨率，Δω为穿墙雷达在方位向ω上的理论分辨率，Δω′为穿墙雷达在方位向ω上的计算分辨率。所述二维低通滤波器的通带为

所描述的椭圆内部。

步骤1-4：对步骤1-3低通滤波后的空间频谱进行IFFT（逆快速傅里叶变换）处理，形成去噪后的图像I_f(R,W)；

步骤1-5：将步骤1-4所得去噪后的目标图像I_f(R,W)转换回直角坐标系中，并完成归一化处理，得到去噪并归一化后的图像I_f(X,Y)。

步骤2：多门限检测。

设置L个不同的像素值作为检测门限，分别对去噪并归一化后的图像I_f(X,Y)进行二值化处理，得到L幅二值化图像D_l(X,Y),l=1,2,…,L。其中所述L个检测门限为β_l=a^L-l+1,l=1,2,…,L，且0.707≤a<1，β_L>β_noise，β_noise为图像I_f(X,Y)的噪声基底（为了保证设置的多个检测门限合理和有效，采用图像I_f(X,Y)的平均像素值作为噪声基底β_noise）。所述二值化处理过程中，第l幅图像D_l(X,Y)中像素点(x,y)的像素值D_l(x,y)，采用下式进行赋值：

需要说明的是：a的取值下限0.707是幅度的3dB点，是理论上两个幅度相同的邻近目标能够分开的最小门限，在[0.707,1)的取值范围内，a取值越大，需要的检测门限L级数相应的就越多，邻近目标的区分就越容易，但计算量也随之增大；a取值越小，需要的检测门限L级数相应的就越少，邻近目标的区分就越困难，但计算量也随之减小。本发明设置多个检测门限能够保证对临近目标和弱小目标的稳健检测，具体检测门限的设置准侧能够满足一方面要容易区分邻近目标，另一方面要能够较好地提取弱小目标的条件。

步骤3：连通域识别。

对步骤2所得的L幅二值化图像D_l(X,Y),l=1,2,…,L，首先采用八邻域连通规则进行连通处理，找到每幅二值化图像D_l(X,Y)中属于不同目标的所有连通域；然后对L幅二值化图像D_l(X,Y),l=1,2,…,L中找到的所有连通域进行分类处理，以确定不同图像中隶属于同一目标的多个连通域。

本发明针对L幅二值化图像D_l(X,Y),l=1,2,…,L，在完成连通处理后，可确定每幅图像中隶属于不同目标的所有连通域；然而，不同图像中的连通域是独立的，因此，本发明进一步采用连通域分类处理将不同图像中隶属于同一目标的多个连通域进行归类，最终形成隶属于多个目标的多组连通域。基于检测门限的设置准则，采用的分类准则为：从第1幅图像开始，若某个像素单元位于第l幅图像中某个连通域，则其一定属于而且只属于第l-1幅图像中某个连通域。据此可以将隶属于同一目标的、分布于不同图像中的连通域串联起来。而每一层新出现的连通域作为新目标处理。

步骤4：目标位置提取。

对于步骤3连通域识别后隶属于多个目标的多组连通域，目标位置提取通过统计每组连通域中连通域数目即目标出现次数，选取数目较多的某几组连通域的位置坐标作为提取的多个目标的定位坐标。具体方法是：

假设经过连通域识别处理后，共形成隶属于M个目标的M组连通域，按每组连通域数目进行降序排列后，表达为[C₁(N₁),C₂(N₂),…,C_M(N_M)]，N₁≥N₂≥…≥N_M。考虑到数目较少的连通域可能为较低检测门限引入的虚假目标的连通域，因此，选取[C₁(N₁),C₂(N₂),…,C_M(N_M)]中前Q组连通域[C₁(N₁),C₂(N₂),…,C_Q(N_Q)]用以提取Q个目标的位置。Q值的确定需要综合考虑探测环境和探测设备所能获得的实际分辨率，一般根据经验值设定，取值范围为10～20。

对于第q个目标的一组连通域C_q(N_q),1≤q≤Q，共包含N_q个连通域，每个连通域包含不同数目的像素单元，则该目标位置

由N_q个连通域位置的统计平均值决定，而每个连通域的位置由所包含像素单元位置的平均值决定，因此，第q个目标的位置

可计算为：

$\left\{\begin{array}{c}{\hat{x}}_q=\frac{1}{A{N}_q}\underset{i}{\overset{A{N}_q}{\mathrm{\&Sigma;}}}{x}_i\\ {\hat{y}}_q=\frac{1}{A{N}_q}\underset{i}{\overset{A{N}_q}{\mathrm{\&Sigma;}}}{y}_i\end{array}\right.$

其中，AN_q为N_q个连通域包含的所有像素单元的数目，x_i为像素单元横坐标，y_i为像素单元纵坐标。对于Q个目标对应的Q组连通域，分别按照式上式计算可得Q个目标的位置，作为该目标位置提取方法的输出结果。

本发明的有益效果是：

本发明提供的适用于穿墙雷达成像的目标位置提取方法，首先，图像去噪能够有效抑制形成的目标图像中的高频噪点；然后，多门限检测能够在低信杂噪比的目标图像中，实现对包含临近目标和弱小目标的多个目标的稳健检测；随后，连通域识别能够搜索检测后图像中的连通域，并按照目标从属关系将连通域分类；最后，目标位置提取能够消除虚假目标连通域，利用目标连通域中所有像素单元位置坐标的统计平均值，作为具有较小定位误差的目标位置坐标。综上所述，本方法能够在穿墙低信杂噪比的目标图像中，稳健提取包含临近目标和弱小目标在内的多个目标的准确位置坐标，实现了基于穿墙雷达成像的目标精确定位，在现实穿墙探测中具有很高的实用性。

附图说明

图1为本发明提供的适用于穿墙雷达成像的目标位置提取方法的处理流程图。

图2为仿真设置的两发八收天线阵列布局图。

图3为仿真场景示意图。

图4为天线阵列回波直接形成的目标图像。

图5为二维低通滤波后的目标图像。

图6为目标位置提取结果。

具体实施方式

下面结合一个典型实例给出本发明的具体实施方式。

仿真设置穿墙雷达采用两发八收天线阵列，阵列布局如图2所示，发射天线阵列孔径为L_T=2.4m，接收天线阵列孔径为L_R=2.1m。两个发射天线依次发射步进频率连续波信号，信号频率范围为1GHz-2GHz，步进间隔为2MHz，共包含501个频点。仿真场景如图3所示，天线阵列距墙8m，墙体厚度为0.24m，墙体介电常数为9。

仿真设置5个目标分别位于A(0.3m,10m)、B(-0.3m,10m)、C(2.0m,13m)、D(-1.0m,12m)、E(-1.5m,11.8m)，各个目标回波信噪比分别设置为-18dB、-18dB、-25dB、-18dB,-18dB,因此，A和B、D和E为两组临近目标，C为弱小目标。形成的目标图像如图4所示，无法明显区分两组临近目标，同时无法观测到弱小目标C的图像。下面采用本文提出的方法提取5个目标的位置坐标。

步骤1：图像去噪

对于1GHz的信号带宽，在极坐标系下，对应的距离分辨率为Δr=c/2B=0.15m。对于1.5GHz的信号中心频率，对应的波长λ=0.20cm，则在极坐标系下的方位分辨率为Δω=λ/（L_T+L_R）=2.55°=0.0445rad。根据成像区域像素单元划分，在距离向的计算分辨率为Δr′=0.03cm，在方位向的计算分辨率为Δω′=0.004rad。计算得到二维低通滤波器在距离向和方位向上的截止频率分别为f_rc=0.2Hz，f_ωc=0.09Hz。低通滤波后的目标图像如图5所示。

步骤2：多门限检测

设置L=10个门限，选用a=0.8，则第l级门限为β_l=0.8^11-l，l=1,2,…,L。采用这10个检测门限检测后的10幅目标图像记为[D_l(X,Y),l=1,2,…,10]。

步骤3：连通域识别

对10幅目标图像[D_l(X,Y),l=1,2,…,10]，首先采用八邻域连通规则进行连通处理，找到每幅二值化图像D_l(X,Y)中属于不同目标的所有连通域；然后对L幅二值化图像D_l(X,Y),l=1,2,…,L中找到的所有连通域进行分类处理，以确定不同图像中隶属于同一目标的多个连通域。共形成按连通域数目降序排列的25组连通域[C₁(N₁),C₂(N₂),…,C₂₅(N₂₅)]，N₁≥N₂≥…≥N₂₅。

步骤4：目标位置提取

选取[C₁(N₁),C₂(N₂),…,C₂₅(N₂₅)]中前5组连通域[C₁(N₁),C₂(N₂),…,C₈(N₈)]，对于第q个目标的一组连通域C_q(N_q),1≤q≤5，共包含N_q个连通域，每个连通域包含不同数目的像素单元，则该目标位置

由N_q个连通域位置的统计平均值决定，而每个连通域的位置由所包含像素单元位置的平均值决定，因此，第q个目标的位置

可计算为：

$\left\{\begin{array}{c}{\hat{x}}_q=\frac{1}{A{N}_q}\underset{i}{\overset{A{N}_q}{\mathrm{\&Sigma;}}}{x}_i\\ {\hat{y}}_q=\frac{1}{A{N}_q}\underset{i}{\overset{A{N}_q}{\mathrm{\&Sigma;}}}{y}_i\end{array}\right.$

其中，AN_q为N_q个连通域包含的所有像素单元的数目，x_i为像素单元横坐标，y_i为像素单元纵坐标。对于5个目标对应的5组连通域，分别按照式上式计算可得5个目标的位置，作为该目标位置提取方法的输出结果，如图6所示（图6显示目标位置与仿真设置较好地吻合，验证了方法的有效性）。

Claims (3)

1.一种适用于穿墙雷达成像的目标位置提取方法，包括以下步骤：

步骤1：图像去噪；

设穿墙雷达隐蔽目标成像形成的原始图像为I(X,Y)，采用二维低通滤波器抑制图像I(X,Y)中的高频噪点，减少后续处理产生的虚假目标；去噪后进行归一化处理，得到去噪并归一化后的图像I_f(X,Y)；

步骤2：多门限检测；

设置L个不同的像素值作为检测门限，分别对去噪并归一化后的图像I_f(X,Y)进行二值化处理，得到L幅二值化图像D_l(X,Y),l=1,2,…,L；其中所述L个检测门限为β_l=a^L-l+1,l=1,2,…,L，且0.707≤a<1，β_L>β_noise，β_noise为图像I_f(X,Y)的噪声基底，所述噪声基底β_noise为图像I_f(X,Y)的平均像素值；所述二值化处理过程中，第l幅图像D_l(X,Y)中像素点(x,y)的像素值D_l(x,_y)，采用下式进行赋值：

步骤3：连通域识别；

对步骤2所得的L幅二值化图像D_l(X,Y),l=1,2,…,L，首先采用八邻域连通规则进行连通处理，找到每幅二值化图像D_l(X,Y)中属于不同目标的所有连通域；然后对L幅二值化图像D_l(X,Y),l=1,2,…,L中找到的所有连通域进行分类处理，以确定不同图像中隶属于同一目标的多个连通域；

步骤4：目标位置提取；

设经过连通域识别处理后，共形成隶属于M个目标的M组连通域，按每组连通域数目进行降序排列后，表达为[C₁(N₁),C₂(N₂),…,C_M(N_M)]，N₁≥N₂≥…≥N_M；选取[C₁(N₁),C₂(N₂),…,C_M(N_M)]中前Q组连通域[C₁(N₁),C₂(N₂),…,C_Q(N_Q)]用以提取Q个目标的位置；

对于第q个目标的一组连通域C_q(N_q),1≤q≤Q，共包含N_q个连通域，每个连通域包含不同数目的像素单元，则该目标位置(

)由N_q个连通域位置的统计平均值决定，而每个连通域的位置由所包含像素单元位置的平均值决定，因此，第q个目标的位置(

)可计算为：

$\left\{\begin{array}{c}{\hat{x}}_q=\frac{1}{{\mathrm{AN}}_q}\underset{i}{\overset{{\mathrm{AN}}_q}{\mathrm{\&Sigma;}}}{x}_i\\ {\hat{y}}_q=\frac{1}{{\mathrm{AN}}_q}\underset{i}{\overset{{\mathrm{AN}}_q}{\mathrm{\&Sigma;}}}{y}_i\end{array}\right.$

其中，AN_q为N_q个连通域包含的所有像素单元的数目，x_i为像素单元横坐标，y_i为像素单元纵坐标；对于Q个目标对应的Q组连通域，分别按照式上式计算可得Q个目标的位置，作为该目标位置提取方法的输出结果。

2.根据权利要求1所述的适用于穿墙雷达成像的目标位置提取方法，其特征在于，所述步骤1具体步骤包括：

步骤1-1：将直角坐标系下的原始图像I(X,Y)转换到极坐标系中，表示为图像I(R,W)；

步骤1-2：对图像I(R,W)分别沿距离向r和方位向ω进行FFT处理，形成图像I(R,W)的空间频谱；

步骤1-3：采用一个二维低通滤波器对步骤1-2所得图像I(R,W)的空间频谱进行二维低通滤波，保留通带内的频谱成分；所述二维低通滤波器在距离向的截止频率为

方位向的截止频率为

其中Δr为穿墙雷达在距离向r上的理论分辨率，Δr′为穿墙雷达在距离向r上的计算分辨率，Δω为穿墙雷达在方位向ω上的理论分辨率，Δω′为穿墙雷达在方位向ω上的计算分辨率；所述二维低通滤波器的通带为

所描述的椭圆内部；

步骤1-4：对步骤1-3低通滤波后的空间频谱进行IFFT处理，形成去噪后的图像I_f(R,W)；

步骤1-5：将步骤1-4所得去噪后的目标图像I_f(R,W)转换回直角坐标系中，并完成归一化处理，得到去噪并归一化后的图像I_f(X,Y)。

3.根据权利要求1所述的适用于穿墙雷达成像的目标位置提取方法，其特征在于，Q值的确定需要综合考虑探测环境和探测设备所能获得的实际分辨率，一般根据经验值设定，取值范围为10～20。

Images