CN103336270A - Isar图像成像质量评定方法 - Google Patents

Abstract

本发明提供了一种逆合成孔径雷达ISAR图像成像质量评定方法。其中方法包括：根据ISAR图像最强信号区域边缘轮廓上各散射点的峰值旁瓣比PSLR的均值来评定所述ISAR图像的成像质量。采用本发明，可以有效分析ISAR图像成像质量。

Description

ISAR图像成像质量评定方法

技术领域

本发明涉及图像成像质量分析技术，尤其涉及一种ISAR（Inverse Synthetic Aperture Radar,逆合成孔径雷达）图像成像质量评定方法。 

背景技术

ISAR（逆合成孔径雷达）是指利用目标与雷达的相对运动，对目标处于不同视角上的回波信号进行相干处理，重构目标图像的雷达。目前的ISAR成像技术已经使得对目标的分辨从点目标发展为2维，甚至3维的目标图像。 

对于ISAR图像成像质量的评定，目前有两种方法： 

一是假定ISAR目标为点目标，通过PSLR（Peak Side Lobe Ratio，峰值旁瓣比）和ISLR（Integral Side Lobe Ratio，积分旁瓣比）来分析目标反射点上主瓣峰值与最强旁瓣之间的关系。其中，天线方向图上，最大辐射波束叫做主瓣，主瓣旁边的小波束叫做旁瓣，旁瓣使能量扩散、衰减增多。其中，PSLR定义为主瓣峰值强度对于最强旁瓣的峰值强度之比；距离向最大旁瓣功率与主瓣峰值功率之比为距离向峰值平旁瓣比；方位向最大旁瓣功率与主瓣峰值功率之比为方位向峰值旁瓣比。ISLR定义为主瓣与所有旁瓣的能量之比。对于点目标而言，较好的成像质量意味着其PSLR和ISLR具有较高的值。但是，现有的ISAR成像技术已经能获得目标清晰的二维图像，因此ISAR图像实际是目标上多个强度散射点共同反射的结果，即：ISAR图像表现为多个强散射点的集合。因此，基于单一点目标的PSLR和ISLR技术仅分析了ISAR二维图像中某个强散射点的成像效果，不能从全局的角度分析ISAR图像成像质量，使得对ISAR图像成像质量的评价出现失真。 

另一是基于ISAR图像全局的熵，其中熵表示信息量，对ISAR图像而言，当目标成像质量较差，图像存在较多噪声和杂斑时，图像整体表现为信息的无序和杂乱，其熵值往往较高；当ISAR图像成像效果较好，图像中噪声和杂斑较少时，熵值也较小。但是，ISAR图像的熵更多的表征了ISAR图像中噪声和杂波对ISAR图像的影响，对于由于真实回波数据成像过程中可能存在的目标形态缺失，采用图像的熵则不能分析由于目标形态的缺失导致的成像质量较差的情况。 

发明内容

有鉴于此，本发明提供了一种ISAR图像成像质量评定方法。可以有效分析ISAR图像成像质量。 

本发明提供的一种逆合成孔径雷达ISAR图像成像质量评定方法，包括：根据ISAR图像最强信号区域边缘轮廓上各散射点的峰值旁瓣比PSLR的均值来评定所述ISAR图像的成像质量。 

进一步，所述ISAR图像为二维图像。 

进一步，所述根据ISAR图像最强信号区域边缘轮廓上各散射点的峰值旁瓣比PSLR的均值来评定所述ISAR图像的成像质量，包括： 

提取所述ISAR图像的最强信号区域； 

提取所述最强信号区域的边缘，得到最强信号边缘线； 

逐一计算所述最强信号边缘线上各散射点的PSLR值，以及计算所述最强信号边缘线上各散射点的PSLR均值。 

进一步，在提取所述ISAR图像的最强信号区域时，采用分水岭法提取所述ISAR图像的最强信号区域。 

进一步，在根据PSLR的均值来评定所述ISAR图像的成像质量时，所述PSLR的均值越趋近于0，所述ISAR图像的成像质量越好。 

本发明的有益效果： 

本发明实施例从ISAR图像全局成像质量的角度出发，兼顾细节，利用对图 像中能量相对集中的区域边缘上各个散射点的峰值旁瓣比的均值作为衡量ISAR图像成像质量的依据，可以有效的对ISAR图像的成像质量进行评定。下面以一仿真实验说明本发明实施例的优异点。 

假设仿真飞机目标上存在50个散射点，对飞机的ISAR回波进行仿真成像。仿真方法利用调频率匹配滤波方法对目标进行分析，并应用Iradon变换实现对旋转点目标的成像。波门起始距离R₀=12000，参考光速c=3e⁸，载频fc=10e⁹，带宽B=1000e⁶MHz，重复频率PRF=300Hz，波长λ=0.03m,分辨率为0.15m;采样频率fs=5e⁶MHz，脉冲长度Tp=1e^-4m。 

图1－(a)显示目标上各个散射点的幅值较弱，在飞机顶部的散射点获得了较大的幅值，其熵值为0.9524，应用单一点目标的PSLR计算方法得到其PSLR值为90.42。而图1－(c)中飞机目标上各个散射点的幅值大小均获得较大提升，视觉效果好于图1－(a)。其熵值为0.9524，应用单一点目标的PSLR计算方法得到其PSLR值为81.76。可见图像的熵和单一点目标的PSLR计算方法都不能有效反映图像中真实的成像效果。 

应用本发明实施例的方法计算图1－(a)和(c)的PSLR_C（峰值旁瓣比均值），发现仿真数据图1－(a)的值为-9.5012，而仿真数据图1－(c)的值为-8.5006。从前面的分析可以知道，对于目标上各个散射点，当散射点彼此非常接近时，可以认为其散射回波的峰值大小是接近的，理想情况下，各个散射回波都可以获得一样的峰值，因此其基于最大幅值区域的PSLR_C是趋近为0的。图1－(c)的PSLR_C值比图1－(a)的PSLR_C更趋近0值，因此PSLR_C值的比较结果与目测图像成像质量的比较结果一致。由此可见，本发明实施例的方法对两组仿真数据进行了有效的区分，区分的结果与人肉眼辨别的结果基本一致。 

附图说明

下面结合附图和实施例对本发明作进一步描述： 

图1－（a）是仿真飞机目标ISAR图像1。 

图1－(b)是仿真飞机目标ISAR图像1的三维显示。 

图1－(c)是仿真飞机目标ISAR图像2。 

图1－(d)是仿真飞机目标ISAR图像2的三维显示。 

图2是本发明的ISAR图像成像质量评定方法的实施例的流程示意图。 

图3是用于表示理想ISAR图像中的A、B两点。 

具体实施方式

请参考图2，是本发明提供的ISAR图像成像质量评定方法的实施例的流程示意图。该方法流程主要是根据ISAR图像最强信号区域边缘轮廓上各散射点的峰值旁瓣比PSLR的均值来评定所述ISAR图像的成像质量，具体包括： 

步骤S11、提取ISAR图像的最强信号区域。 

优选的，ISAR图像为二维图像，采用分水岭法从ISAR图像中提取最强信号区域。 

进一步，在步骤S11之前还包括：得到ISAR图像的步骤，即通过成像算法对ISAR回波数据进行处理，得到ISAR图像；当然，这一步本领域技术人员已经很熟悉，在此不赘述。 

步骤S12、提取步骤S11得到的最强信号区域的边缘，得到最强信号边缘线。 

步骤S13、逐一计算步骤S12得到的最强信号边缘线上各散射点的PSLR值，以及计算最强信号边缘线上各散射点的PSLR均值。 

此处，以最强信号边缘线为搜索路径，逐一搜索和计算边缘点上的各个散射点上的PSLR值，并计算其均值。 

步骤S14、根据PSLR的均值来评定ISAR图像的成像质量。 

此处，在根据PSLR的均值来评定ISAR图像的成像质量时，PSLR的均值越趋近于0，ISAR图像的成像质量越好。 

需要说明的是，由于ISAR最终获得的图像与光学图像一样都能表征目标几何形状，姿态等特征，因此本发明实施例参考光学图像的质量评定方法从图像 的均值、方差、图像的动态范围等方面考量图像的质量。但是，由于ISAR图像与光学图像的成像基本原理不同，光学图像中物体总是能获得较为清晰可辨的边缘，即使在图像轻微散焦的情况下物体的轮廓也是可基本分辨，而ISAR图像中目标往往表现为若干反射点影像的集合，在真实条件下，目标真实运动情况是不稳定的，当真实运动情况与成像算法所依据的目标运动模型不匹配时，采用特定成像算法获得的目标图像就会出现较大的畸变，目标不能获得完整的成像，因此完全从图像的特性进行的图像质量评定往往效果不佳，因此本发明实施例采用ISAR图像最强信号区域边缘轮廓上各散射点的峰值旁瓣比PSLR的均值来评定ISAR图像的成像质量，以规避上述问题。 

下面对本发明实施例的ISAR图像成像质量评定方法进行更具体的分析说明，以帮助理解本发明实施例。 

对于方位向位置为x的某散射体回波信号E(x)，通过ISAR成像算法处理后变换为二维复图像

这里x和y分别对应复图像的方位向与距离向的坐标。事实上，杂波和噪声信号在原始回波信号中是以乘性噪声存在的。在ISAR成像技术中杂波对成像的影响相比噪声信号要大的多。在获得复图像之后，可以将复图像中的目标上散射点的回波图像ξ(x,y)与噪声图像n(x,y)、杂波图像γ(x,y)之间的关系简化表示为： 

$\stackrel{\→}{I}(x,y)=\mathrm{\ξ}(x,y)+n(x,y)+\mathrm{\γ}(x,y)$

对复图像

而言，可以将图像中的信噪（杂）比表示为 

${\mathrm{SNR}}_I=\frac{\mathrm{\ξ}(x,y)}{I(x,y)}=\frac{\mathrm{\ξ}(x,y)}{\mathrm{\ξ}(x,y)+n(x,y)+\mathrm{\γ}(x,y)}=\frac{1}{1+\frac{n(x,y)}{\mathrm{\ξ}(x,y)}+\frac{\mathrm{\γ}(x,y)}{\mathrm{\ξ}(x,y)}}$

这说明，对于而言，如果噪声图像n(x,y)、杂波图像γ(x,y)越少，则图像中的信号比重就越大。 

理想情况下，ISAR回波数据中噪声和干扰杂波足够小，ISAR图像应当是目标上各个散射点的回波成像。当ISAR的分辨率足够高，目标上相邻距离单元之间的间隔足够小时，则ISAR应该能够捕获到目标上每一个点的信息，在这样的 情况下，基于ISAR回波数据获得的ISAR图像应当是目标在空间某一时刻的完整图像。如图3所示，假设目标上有A、B两个散射点，相对应的是在ISAR图像

上，(x_A,y_A)和(x_B,y_B)处存在目标散射点的强回波图像，也就是存在2个强波峰，当A,B这两个散射点足够接近时，计算这两点处的PSLR值，A点与B点互为最强旁瓣，因此PSLR_A与PSLR_B的值都较小。 

在这样的条件下，如果目标上每个散射点都是以周围其他散射点作为最强旁瓣计算PSLR值，由于各个散射点上的回波能量大小接近，使得PSLR值趋近为0。若目标上不同散射点之间，由于目标的结构、成像算法、干扰和噪声的影响，使得某一散射点周边不存在能量接近的散射点，则该点的PSLR值的幅值会较高。 

若选择目标上强散射点集中的区域，在这个区域中，各个散射点可认为是互为最强旁瓣，则这个区域中各个散射点的PSLR值均较小，通过计算各个散射点的PSLR的均值，以实现对目标成像效果的有效判别。为了简化计算，选择了目标上回波能量最强区域的边缘线C作为统计范围，如式(1)所示，计算C上每一点的PSLR值，并进行求其均值，获得最强区域边缘线的PSLR均值PSLR_C。 

${\mathrm{PSLR}}_C=\frac{\underset{(x,y)\∈C}{\mathrm{\Σ}}{\mathrm{PSLR}}_{(x,y)}}{N_C}---\left(5\right)$

这里N_C是边缘上的点数。 

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。 

Claims (5)

1.一种逆合成孔径雷达ISAR图像成像质量评定方法，其特征在于：包括：根据ISAR图像最强信号区域边缘轮廓上各散射点的峰值旁瓣比PSLR的均值来评定所述ISAR图像的成像质量。

2.如权利要求1所述的ISAR图像成像质量评定方法，其特征在于：所述ISAR图像为二维图像。

3.如权利要求2所述的ISAR图像成像质量评定方法，其特征在于：所述根据ISAR图像最强信号区域边缘轮廓上各散射点的峰值旁瓣比PSLR的均值来评定所述ISAR图像的成像质量，包括：

提取所述ISAR图像的最强信号区域；

提取所述最强信号区域的边缘，得到最强信号边缘线；

逐一计算所述最强信号边缘线上各散射点的PSLR值，然后计算所述最强信号边缘线上各散射点的PSLR均值。

4.如权利要求3所述的ISAR图像成像质量评定方法，其特征在于：在提取所述ISAR图像的最强信号区域时，采用分水岭法提取所述ISAR图像的最强信号区域。

5.如权利要求1-4中任一项所述的ISAR图像成像质量评定方法，其特征在于：在根据PSLR的均值来评定所述ISAR图像的成像质量时，所述PSLR的均值越趋近于0，所述ISAR图像的成像质量越好。

Images