CN104167019A - 一种sar图像精确度计算方法 - Google Patents
一种sar图像精确度计算方法 Download PDFInfo
- Publication number
- CN104167019A CN104167019A CN201410384240.6A CN201410384240A CN104167019A CN 104167019 A CN104167019 A CN 104167019A CN 201410384240 A CN201410384240 A CN 201410384240A CN 104167019 A CN104167019 A CN 104167019A
- Authority
- CN
- China
- Prior art keywords
- accuracy
- sar
- image
- degree
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种SAR图像精确度计算方法,依据SAR图像中目标的辐射和结构特征构造精确度计算方法,通过计算SAR目标电磁仿真图像的形状精确度、散射统计信息精确度和结构精确度,综合判定SAR目标电磁仿真图像的精确度高低,本发明有效解决了当前无法客观评价SAR目标电磁仿真图像精确度高低的问题。
Description
技术领域
本发明属于SAR信号处理领域,具体涉及一种图像处理方法。
技术背景
合成孔径雷达SAR(Synthetic Aperture Radar,简称:SAR)因其全天时、全天候和高分辨率的特点,广泛地应用于民用和军用领域。SAR图像反映的是被测区域对电磁波的散射特性分布,目标具有的辐射和结构等目标特征能够使其在雷达自动目标识别中具有极大的应用价值。构建目标在各种不同成像条件下的SAR图像数据库,对于自动目标识别理论和算法性能研究具有重要作用。
文献“Ross T D,Bradley J J,Hudson L J,et al.SAR ATR:so what's the problem?AnMSTAR perspective[C].AeroSense'99.International Society for Optics and Photonics,1999:662-672.”中指出实验获取地面目标SAR图像面临着成本过高、数据量过大、操作复杂等困难。因此,寻求一种新的方便易行、成本较低、可以快速获取SAR图像的方法具有十分重要的意义。
文献“Mishra A M,Bernard M.Database generation of bistatic ground targetsignatures[C].Wireless Communications and Applied Computational Electromagnetics,2005.IEEE/ACES International Conference on.IEEE,2005:523-528.”中指出,通过电磁计算软件仿真,可以快速得到大量SAR目标电磁仿真图像。该方法方便易行、费用低廉,不仅可以避免真实实验所面临的成本大、操作复杂等问题,也解决了电磁SAR目标电磁仿真图像面临的SAR图像采集困难、时间损耗大的问题。文中直接将SAR目标电磁仿真图像用于自动目标识别,指出SAR目标电磁仿真图像在自动目标识别领域的特征提取和识别算法性能研究中具有重大作用,但并未提出用于评价SAR目标电磁仿真图精确度的方法。因此,寻找一种合理的、客观的评价SAR目标电磁仿真图像精确度高低的方法,具有十分重要的意义。
发明内容
本发明为了解决当前无法客观评价SAR目标电磁仿真图像精确度高低的问题,提出了一种SAR图像精确度计算方法。该方法通过构造形状精确度、散射信息精确度等多种精确度准则,判定通过电磁仿真软件获得的SAR目标电磁仿真图像的精确度高低。
本发明提供了一种SAR图像精确度计算方法,具体包括以下步骤:
步骤S1:SAR目标电磁仿真,步骤S1具体包括以下步骤:
步骤S11:目标建模;
步骤S12:设置电磁计算仿真参数,目标模型仿真;
步骤S13:仿真数据成像;
步骤S2:SAR目标电磁仿真图像精确度计算,步骤S2具体包含以下分步骤:
步骤S21:计算形状精确度;
步骤S22:计算统计信息精确度;
步骤S23:计算结构精确度;
步骤S24:计算SAR图像平均精确度;
进一步地,所述目标建模根据目标三维尺寸,运用三维建模软件实体建模方法建造目标各个部件三维模型,将建立的目标各部件三维模型导入电磁计算软件中,利用电磁计算软件的几何位置调节功能将各部件三维模型组合为整体;
进一步地,所述形状精确度包括:面积精确度和周长精确度;
进一步地,所述统计信息精确度包括:图像均值精确度、图像标准差精确度和信息熵精确度;
更进一步地,所述SAR图像平均精确度Sim计算公式为:
其中,AS表示面积精确度,CS表示周长精确度,HS表示图像信息熵精确度,μS表示图像均值精确度,σS表示图像标准差精确度以及表示平均结构精确度。
本发明公开的一种SAR图像精确度计算方法,通过计算SAR目标电磁仿真图像的形状精确度、统计信息精确度、结构精确度以及SAR图像平均精确度,综合判定通过电磁仿真软件获得的SAR目标电磁仿真图像的精确度高低,该方法有效解决了当前无法客观评价SAR目标电磁仿真图像精确度高低的问题。
附图表说明
图1本发明方法的流程图。
图2本发明实施步骤中T72M1坦克光学图与三维模型三视图。
图3本发明实施步骤预处理后的SAR实测图像与SAR目标电磁仿真图像对比图。
具体实施例
为了方便描述以及理解本发明实施例的内容,首先对以下术语进行解释:
电大尺寸:当物理尺寸远远大于一个波长的时候,认为该结构是电大尺寸。
小角度转台成像:转台成像,即假定目标放在一个旋转的平台上,雷达位置保持不动,目标相对于雷达只有旋转运动。当目标相对于雷达旋转角度很小时的成像模式,即称为小角度转台成像。
本实施例建模目标为MSTAR数据库中的T72M1主战坦克,使用CATIA软件对T72M1进行三维建模,将三维模型导入FEKO软件进行电磁计算获得目标RCS数据,再将RCS数据进行SAR成像处理。SAR目标电磁仿真图像与MSTAR SAR实测图像的相似性的验证所有步骤都在MATLAB2010上进行,具体过程如下:
步骤S1:T72M1坦克三维建模、模型仿真与仿真数据成像;具体包括以下分步骤:
步骤S11:T72M1坦克三维建模;
参照T72M1坦克缩版模型三维尺寸,运用CATIA实体建模方法,通过草图编辑、平面拉伸、旋转、凹槽和倒角等功能,建造T72M1坦克炮台、车体及车轮三部件三维模型,将CATIA软件导出的T72M1坦克炮台、车体及车轮三部件三维模型依次导入FEKO软件中,运用FEKO软件中的平移、旋转等位置调节功能,按照真实T72M1坦克几何位置关系组合炮台、车体及车轮三部件。
步骤S12:FEKO软件仿真参数设置,步骤S12具体包括以下分步骤:
步骤S121:设置频率下限fL、频率上限fH、频率(距离向)采样点数Nx、方位向采样点数Ny、带宽B和方位向观测角范围Ω;
步骤S122:选择电磁计算方法及与置网格剖分尺寸;
所述电磁计算方法选择物理光学;
步骤S123:俯仰角θ、方位角与极化方式设置;
所述俯仰角θ范围为[0°,90°];
所述方位角范围为[0°,360°];
所述远场均匀平面电磁波的线性极化方式为,水平极化H和垂直极化V;
仿真俯仰角73°(MSTAR数据库目标俯仰角余角),分辨率为Δx=0.3m、Δy=0.3m、X波段且中心频率为10GHz,HH极化方式的SAR图像;
确定FEKO软件仿真参数,即仿真带宽B及频率范围(fL,fH),方位向观测角范围Ω及图像采样点数Nx×Ny;
所述频率范围(fL,fH)及频率(距离向)采样点Nx设置:
由Δx=0.3m,c=3*108m/s,通过公式可求得B=500MHz;
由B=500MHz,fc=10GHz,通过公式fc=(fL+fH)/2和公式B=(fH-fL),可求得fL=9.75GHz,fH=10.25GHz;
由Xmax=6.95m,Δx=0.3m,通过公式求得最少采样点Nx=24,本发明取距离向采样点51个;
因此,设置频率范围(fL,fH)为(9.75GHz,10.25GHz),距离向采样点Nx为51个采样点;
所述方位向观测角范围Ω、方位角方位向采样点Ny设置:
通过公式可求得Ω=2.8652°;
由Ymax=4.5m,Δy=0.3m,通过公式求得最少采样点为Ny=15,取方位向采样点Ny为51可完全表现方位向为4.5m的目标;
方位角将方位向观测角范围Ω划分为和两个区域。取值可在[0°,360°]中任意取值,本发明的为2°、12°、22°等与MSTAR数据库中真实目标相同方位角的22组值。
所述网格尺寸及电磁计算方法设置;
设置电磁计算方法为LEPO法,通过网格尺寸公式可得l=0.058496m,又因FEKO软件提供LEPO电磁计算方法网格尺寸范围为可大于设置网格尺寸为0.1m。
步骤S13:SAR成像仿真;
将FEKO仿真的RCS数据导入MATLAB,利用小角度二维FFT算法对仿真数据进行二维傅里叶变换、加窗等成像处理,最终得到目标的SAR目标电磁仿真图像;
步骤S2:SAR目标电磁仿真图像精确度计算;
对方位角为2°、12°、22°等22组仿真SAR图像和实测SAR图像进行图像分割、质心配准和能量归一化预处理;
采用精确度准则,计算能量归一化后的SAR目标电磁仿真图像形状精确度,散射统计信息精确度和结构精确度;步骤S2具体包括以下分步骤:
步骤S21:计算形状精确度;
分别计算能量归一化后SAR目标电磁仿真图像目标区域面积AA和SAR实测图像目标区域面积AB,即质心配准后图像中幅度值不为0的像素值总和,通过公式求得方位角为2°、12°、22°等22组每组SAR目标电磁仿真图像面积精确度AS;
通过边缘检测算子提取能量归一化后SAR目标电磁仿真图像和SAR实测图像边缘,计算SAR目标电磁仿真图像目标边缘长度CA与真实SAR图像目标边缘长度CB,通过公式求得方位角为2°、12°、22°等22组每组SAR目标电磁仿真图像周长精确度CS;
步骤S22:计算统计信息精确度;
通过公式 公式 分别计算能量归一化后SAR目标电磁仿真图像和SAR实测图像的均值μ、标准差σ,再通过公式 公式 求得方位角为2°、12°、22°等22组每一组SAR目标电磁仿真图像图像均值精确度μS和图像标准差精确度σS;
对能量归一化后的SAR目标电磁仿真图像和SAR实测图像进行灰度值量化,将灰度值区间转换为[0,255],通过公式分别计算灰度值量化后的SAR目标电磁仿真图像与SAR实测图像平均信息熵H,通过公式求出方位角为2°、12°、22°等22组每组SAR目标电磁仿真图像的平均图像信息熵精确度HS;
步骤S23:计算结构精确度;
采用3×3大小的窗口分别从SAR实测图像A和SAR目标电磁仿真图像B的左上角像素点,从左到右、从上往下逐个像素点滑动,通过公式公式 公式 和公式SSIM=l(A,B)c(A,B)s(A,B),依次计算相同位置处窗口所对应的子块图像的亮度比较l(A,B)、对比度比较c(A,B)、结构比较s(A,B)和结构精确度SSIM,其中,c1=0.001,c2=0.0001,c3=0.0002,将滑窗窗口总数T=3969带入公式分别求出方位角为2°、12°、22°等22组每组SAR目标电磁仿真图像的平均结构精确度
其中,SSIMk为第k个窗口的SSIM值;
步骤S24:SAR图像平均精确度;
通过公式 计算方位角为2°、12°、22°等22组每组SAR目标电磁仿真图像形状精确度、散射统计信息精确度和结构精确度的平均精确度Sim。所述方位角与平均精确度Sim的对应关系见下表:
实验结果表明,本发明所使用的方法可以客观有效地评价SAR目标电磁仿真图像精确度高低。
综上可以看出,本发明的一种SAR图像精确度计算方法,通过计算SAR目标电磁仿真图像的形状精确度、统计信息精确度、结构精确度以及SAR图像平均精确度,综合判定通过电磁仿真软件获得的SAR目标电磁仿真图像的精确度高低,该方法有效解决了当前无法客观评价SAR目标电磁仿真图像精确度高低的问题。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (7)
1.一种SAR图像精确度计算方法,其特征在于,包括以下步骤:
步骤S1:SAR目标电磁仿真,步骤S1具体包括以下分步骤:
步骤S11:目标建模;
所述目标建模根据目标三维尺寸,运用三维建模软件实体建模方法建造目标各个部件三维模型,将建立的目标各部件三维模型导入电磁计算软件中,利用电磁计算软件的几何位置调节功能将各部件三维模型组合为整体;
步骤S12:设置电磁计算仿真参数,目标模型仿真;
步骤S13:仿真数据成像;
步骤S2:SAR目标电磁仿真图像精确度计算,步骤S2具体包含以下分步骤:
步骤S21:计算形状精确度;
所述形状精确度包括:面积精确度和周长精确度;
步骤S22:计算统计信息精确度;
所述统计信息精确度包括:图像均值精确度、图像标准差精确度和信息熵精确度;
步骤S23:计算结构精确度;
步骤S24:计算SAR图像平均精确度;
所述SAR图像平均精确度Sim计算公式为:
其中,AS表示面积精确度,CS表示周长精确度,HS表示图像信息熵精确度,μS表示图像均值精确度,σS表示图像标准差精确度以及表示平均结构精确度。
2.根据权利要求1的一种SAR图像精确度计算方法,其特征在于,所述步骤S12包括以下分步骤:
步骤S121:设置频率下限fL、频率上限fH、频率采样点数Nx、方位向采样点数Ny、带宽B和方位向观测角范围Ω;
步骤S122:选择电磁计算方法及与设置网格剖分尺寸;
所述电磁计算方法选择物理光学;
步骤S123:俯仰角θ、方位角与极化方式设置;
所述远场均匀平面电磁波的线性极化方式为,水平极化H和垂直极化V。
3.根据权利要求2的一种SAR图像精确度计算方法,其特征在于,所述俯仰角θ范围 为[0°,90°],所述方位角范围为[0°,360°]。
4.根据权利要求1的一种SAR图像精确度计算方法,其特征在于,步骤S21所述形状精确度包括:面积精确度AS和周长精确度CS;
所述面积精确度AS计算公式为:
其中,AAB为预处理后SAR目标电磁仿真图像与SAR实测图像目标相同区域面积,AB为预处理后SAR实测图像目标区域面积的;
所述周长精确度CS计算公式为:
其中,CA为预处理后SAR目标电磁仿真图像目标边缘长度,CB为预处理后SAR实测图像目标边缘长度。
5.根据权利要求1的一种SAR图像精确度计算方法,其特征在于,步骤S22所述统计信息精确度包括:图像均值精确度μS、图像标准差精确度σS和信息熵精确度HS,分别计算SAR目标电磁仿真图像和真实SAR图像的均值μ、标准差σ和平均信息熵H;
所述SAR图像的均值μ计算公式为:
所述标准差σ计算公式为:
所述平均信息熵H计算公式为:
其中,M、N为图像矩阵大小,L为灰度值最大值,f(i,j)为图像中(i,j)坐标位置处的灰度值,Pk为灰度值k出现的概率;
所述图像均值精确度μS计算公式为:
其中,μA为预处理后SAR目标电磁仿真图像均值,μB为预处理后SAR实测图像均值;
所述图像标准差精确度σS计算公式为:
其中,σA为预处理后SAR目标电磁仿真图像标准差,σB为预处理后SAR实测图像标 准差;
所述图像信息熵精确度HS计算公式为:
其中,HA为预处理后SAR目标电磁仿真图像平均信息熵,HB为预处理后SAR实测图像平均信息熵。
6.根据权利要求1的一种SAR图像精确度计算方法,其特征在于,所述步骤S23具体包括以下分步骤:
步骤S231:采用相同大小的窗口分别从SAR实测图像和SAR目标电磁仿真图像的左上角像素点,从左到右、从上往下逐个像素点滑动;
步骤S232:依次计算相同位置处窗口所对应的子块图像的亮度比较、对比度比较、结构比较和结构精确度SSIM;
所述结构精确度SSIM计算公式为:SSIM=l(A,B)c(A,B)s(A,B);
所述亮度比较l(A,B)计算公式为:
所述对比度比较c(A,B)计算公式为:
所述结构比较s(A,B)计算公式为:
其中,A为SAR目标电磁仿真图像,B为SAR实测图像,μA、μB分别为A、B图像中相同滑窗位置的子块图像均值,σA、σB分别为A、B图像中相同滑窗位置的子块图像标准差,σAB为A、B图像中相同滑窗位置的子块图像的协方差,c1、c2、c3为小于1的正数;
所述μA公式为:
所述μB公式为:
所述σA计算公式为:
所述σB和计算公式为:
所述σAB计算公式为:
步骤S233:求出SAR实测图像和SAR目标电磁仿真图像的整幅图像平均结构精确度
所述平均结构精确度计算公式为:
其中,T为滑窗总数,SSIMk为第k次滑窗的SSIM值。
7.根据权利要求1的一种SAR图像精确度计算方法,其特征在于,所述仿真数据的成像处理,采用小角度二维FFT算法,对电磁仿真数据进行二维傅里叶变换、加窗、补零操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410384240.6A CN104167019B (zh) | 2014-08-06 | 2014-08-06 | 一种sar图像精确度计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410384240.6A CN104167019B (zh) | 2014-08-06 | 2014-08-06 | 一种sar图像精确度计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104167019A true CN104167019A (zh) | 2014-11-26 |
CN104167019B CN104167019B (zh) | 2017-07-14 |
Family
ID=51910809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410384240.6A Active CN104167019B (zh) | 2014-08-06 | 2014-08-06 | 一种sar图像精确度计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104167019B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555811A (zh) * | 2019-07-02 | 2019-12-10 | 五邑大学 | 一种sar图像数据增强方法、装置及存储介质 |
CN110879391A (zh) * | 2019-12-02 | 2020-03-13 | 北京航空航天大学 | 基于电磁仿真和弹载回波仿真的雷达图像数据集制作方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6578017B1 (en) * | 1999-02-26 | 2003-06-10 | Information Decision Technologies, Llc | Method to aid object detection in images by incorporating contextual information |
CN101281249A (zh) * | 2008-05-20 | 2008-10-08 | 北京航空航天大学 | 一种高分辨率合成孔径雷达的目标散射特性建模方法 |
-
2014
- 2014-08-06 CN CN201410384240.6A patent/CN104167019B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6578017B1 (en) * | 1999-02-26 | 2003-06-10 | Information Decision Technologies, Llc | Method to aid object detection in images by incorporating contextual information |
CN101281249A (zh) * | 2008-05-20 | 2008-10-08 | 北京航空航天大学 | 一种高分辨率合成孔径雷达的目标散射特性建模方法 |
Non-Patent Citations (3)
Title |
---|
张小利等: "融合图像质量评价指标的相关性分析及性能评估", 《自动化学报》 * |
计科峰等: "典型地面车辆目标SAR图像仿真与评估", 《雷达科学与技术》 * |
赵雷鸣等: "基于FEKO软件仿真计算战斗机的RCS", 《计算技术与自动化》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555811A (zh) * | 2019-07-02 | 2019-12-10 | 五邑大学 | 一种sar图像数据增强方法、装置及存储介质 |
CN110879391A (zh) * | 2019-12-02 | 2020-03-13 | 北京航空航天大学 | 基于电磁仿真和弹载回波仿真的雷达图像数据集制作方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104167019B (zh) | 2017-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Attributed scattering center extraction algorithm based on sparse representation with dictionary refinement | |
US8125370B1 (en) | Polarimetric synthetic aperture radar signature detector | |
CN104730520B (zh) | 基于子孔径合成的圆周sar后向投影自聚焦方法 | |
Zhou et al. | Three-dimensional scattering center extraction based on wide aperture data at a single elevation | |
CN103336278A (zh) | 多视角观测下前视三维sar成像方法 | |
Lv et al. | Ground moving target indication in SAR images with symmetric Doppler views | |
CN112415515B (zh) | 一种机载圆迹sar对不同高度目标分离的方法 | |
CN103268496A (zh) | Sar图像目标识别方法 | |
CN105974412A (zh) | 一种用于合成孔径雷达的目标特征提取方法 | |
CN110596706B (zh) | 一种基于三维图像域投射变换的雷达散射截面积外推方法 | |
Rigling et al. | GTD-based scattering models for bistatic SAR | |
Hu et al. | Global scattering center extraction for radar targets using a modified RANSAC method | |
CN104167019A (zh) | 一种sar图像精确度计算方法 | |
CN103076608A (zh) | 轮廓增强的聚束式合成孔径雷达成像方法 | |
CN103048649B (zh) | 一种基于相变图分析的稀疏微波成像雷达性能评估方法 | |
Wang et al. | Interference image registration combined by enhanced scale-invariant feature transform characteristics and correlation coefficient | |
Sun et al. | Extended exact transfer function algorithm for bistatic SAR of translational invariant case | |
KR20150090731A (ko) | 표적 식별 정보 데이터베이스 구축 장치 및 방법 | |
Cui et al. | A method of 3-D scattering center extraction based on ISAR images | |
Brunner | Advanced methods for building information extraction from very high resolution SAR data to support emergency response | |
Huo et al. | Virtual SAR target image generation and similarity | |
Abadpour | Modeling Backscattering Behavior of Vulnerable Road Users Based on High-Resolution Radar Measurements | |
Anglberger et al. | Fast ISAR image generation through localization of persistent scattering centers | |
Koeniguer | Polarimetric radar images | |
Aksu et al. | 3D scene reconstruction from multi-sensor EO-SAR data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |