CN104199009B - 一种基于时域特性的雷达图像杂波抑制方法 - Google Patents
一种基于时域特性的雷达图像杂波抑制方法 Download PDFInfo
- Publication number
- CN104199009B CN104199009B CN201410478619.3A CN201410478619A CN104199009B CN 104199009 B CN104199009 B CN 104199009B CN 201410478619 A CN201410478619 A CN 201410478619A CN 104199009 B CN104199009 B CN 104199009B
- Authority
- CN
- China
- Prior art keywords
- pixel
- clutter
- detected
- time domain
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/415—Identification of targets based on measurements of movement associated with the target
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于时域特性的雷达图像杂波抑制方法。本发明提出的杂波抑制方法基于雷达运动目标在时域上的特性,在实现小弱目标检测的同时,对较强的杂波信息进行抑制,包括背景差分、杂波抑制、量测信息提取和多目标跟踪等四个步骤。在杂波抑制环节,利用“量测信息提取”输出的量测信息和“多目标跟踪”输出的目标航迹等时域特性,以修正目标检测的分割阈值。本发明克服了传统杂波抑制方法仅仅依靠灰度值进行阈值分割的缺点,基于时域特性最大限度地抑制杂波干扰,适用于基于PPI雷达图像的小弱运动目标检测与跟踪。
Description
技术领域
本发明涉及一种基于时域特性的雷达图像杂波抑制方法,属于低空空域安全监视技术领域,涉及雷达图像处理与目标检测。
背景技术
一次雷达具有成本低、架设方便、独立工作性强等特点,是空域安全监视的重要手段。一次雷达本身不具备动目标检测的功能,成熟的雷达监视系统通常采用图像采集卡将雷达平面位置指示图像(平面回波显示图,PPI)传输给计算机,再由后端基于图像的目标检测算法对其进行处理,从中提取出动目标信息。由于系统监视的区域为低空空域,背景环境复杂,噪声干扰强,而被跟踪目标一般是回波信号较弱的小型飞行器,优良的目标检测算法成为提高系统探测能力的关键。
由于背景中的大部分物体(草地、树林、建筑物等)是非刚性的,因此背景物体回波具有一定的随机特性,经过背景差分的雷达图像中,除动目标外,在原先的背景区域尤其是边缘仍残留了大量杂波,且其强度一般较高,给弱小动目标的检测带来一定困难。通常,为提高系统的“检测率”,传统的目标检测算法会设定较低的阈值,同时也引入了大量杂波,通过采用优良的跟踪算法剔除杂波。但是,此种方案会给跟踪算法带来过重的负担,严重影响算法的效率,较难实现实时处理。
发明内容
本发明的目的是为了解决上述问题,提出一种基于时域特性的雷达图像杂波抑制方法,适用于基于雷达图像的动目标检测,在提高检测率的同时保持较低的虚警率。
一种基于时域特性的雷达图像杂波抑制方法,原始雷达图像经过背景差分、杂波抑制、量测信息提取和多目标跟踪,最终,提取出动目标信息,在杂波抑制过程中分割阈值的获取包括如下步骤:
步骤一、设定初始分割阈值;
步骤二、获取基于时域特性提取的修正系数Pt[x,y];
步骤三、获取待检测像素点[x,y]在t时刻的分割阈值;
本发明的优点在于:
(1)能够降低目标预估位置邻域内的分割阈值,提高该区域内目标的检测灵敏度;
(2)使扫描雷达在一定程度上具备跟踪雷达的目标检测效果,在实现空域全覆盖的同时大幅提高对小弱目标的检测能力。
附图说明
图1是本发明的基于时域特性的雷达图像杂波抑制方法的流程图;
图2是本发明实施例的一帧含有目标运动轨迹的雷达图像。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明是一种基于时域特性的雷达图像杂波抑制方法,原始雷达图像经过背景差分、杂波抑制、量测信息提取和多目标跟踪,最终,提取出动目标信息,流程如图1所示,在杂波抑制过程中分割阈值的获取包括如下步骤:
步骤一、设定初始分割阈值;
原始雷达图像经过背景差分,得到差分图像,设定差分图像中待检测像素点[x,y]的初始分割阈值θ;
步骤二、获取基于时域特性提取的修正系数Pt[x,y];
基于时域特性提取的修正系数为:
Pt[x,y]=Pt1[x,y]·Pt2[x,y](1)
其中,Pt1[x,y]为利用“目标航迹信息”获得的修正系数,Pt2[x,y]为利用“量测信息中杂波的出现规律”获得的修正系数。
(1)利用“目标航迹信息”获得的修正系数Pt1[x,y]的获取方法为:
采用卡尔曼滤波,对待检测像素点[x,y]进行跟踪并形成航迹,获得待检测像素点[x,y]在t时刻的预估位置[x1,y1]和预估方差q,设像素区域S为目标跟踪过程中t时刻预估位置的邻域,像素区域S是以目标预估位置[x1,y1]为中心,预估方差q为边长的矩形区域,Pt1[x,y]对像素区域S内所有像素进行修正并重新进行分割。
在待检测像素点[x,y]从起始(0≤t<5)、延续(5≤t<T-5)到消亡(T-5≤t<T)的整个生命周期T中,Pt1[x,y]在t时刻对应不同的值,具体为:
当[x,y]∈S,有:
式中,目标的生命周期T表示有该目标存在的扫描周期的个数。
当 有:
Pt1[x,y]=1(3)
(2)利用“量测信息中杂波的出现规律”获得的修正系数Pt2[x,y]的获取方法为:
设邻域O为以某待检测像素点[x,y]为中心,d为边长的矩形区域,在t时刻,如果某待检测像素点[x,y]的像素灰度值I[x,y]大于初始分割阈值θ,则初步判断该待检测像素点为目标。若其邻域O内已连续出现n次目标量测,则以Pt2[x,y]对邻域O内所有像素的分割阈值进行修正并重新进行分割,具体为:
当[x,y]∈O,有:
式中,n0为修正指数。
当 有:
Pt2[x,y]=1(5)
步骤三、获取待检测像素点[x,y]在t时刻的分割阈值;
本发明基于运动目标与背景杂波的时域特性对差分图像进行杂波抑制,其中待检测像素点在t时刻的分割阈值为:
其中,为待检测像素点[x,y]在t时刻的分割阈值,θ为初始分割阈值,Pt[x,y]为基于“时域”特性提取的修正系数,对θ值起到修正作用。
根据最终得到的分割阈值对原始雷达图像进行杂波抑制。
实施例:
下面结合附图中某PPI雷达图像序列的处理结果对本发明提出的基于时域特性的雷达图像杂波抑制方法进行图示和描述。
PPI雷达背景中包含大量静止物体,其中大部分属于非刚性目标(树林、草地、水面等),回波强度起伏较大,背景边缘杂波干扰强烈,给低空小目标检测造成困难。本发明方法利用雷达图像中目标与杂波的时域特性修正分割阈值,在提高检测率的同时保持较低的虚警率。
图2是本发明实施例的一帧含有目标运动轨迹(连续矩形方框)的雷达图像,图像大小为456×456,坐标原点在图像左上角,X轴水平向右,Y轴垂直向下,以t时刻像素点1([x,y]=[216,286])和像素点2([x,y]=[135,360])为例说明阈值修正的过程。
本发明的基于时域特性的雷达图像杂波抑制方法,原始雷达图像经过背景差分、杂波抑制、量测信息提取和多目标跟踪,最终,提取出动目标信息,流程如图1所示,在杂波抑制过程中分割阈值的获取包括如下步骤:
步骤一、设定初始分割阈值;
原始雷达图像经过背景差分、杂波抑制、量测信息提取和多目标跟踪,提取出动目标信息。设置初始分割阈值θ=100
步骤二、获取基于时域特性提取的修正系数Pt[x,y];
基于时域特性提取的修正系数为:
Pt[x,y]=Pt1[x,y]·Pt2[x,y](1)
其中,Pt1[x,y]为利用“目标航迹信息”获得的修正系数,Pt2[x,y]为利用“量测信息中杂波的出现规律”获得的修正系数。
(1)利用“目标航迹信息”获得的修正系数Pt1[x,y]的获取方法为:
采用卡尔曼滤波,对待检测像素点[x,y]进行跟踪并形成航迹,获得待检测像素点[x,y]在t时刻的预估位置[x1,y1]和预估方差q,设像素区域S为目标跟踪过程中t时刻预估位置的邻域,像素区域S是以目标预估位置[x1,y1]为中心,预估方差q为边长的矩形区域,Pt1[x,y]对像素区域S内所有像素进行修正并重新进行分割。
在待检测像素点[x,y]从起始(0≤t<5)、延续(5≤t<T-5)到消亡(T-5≤t<T)的整个生命周期T中,Pt1[x,y]在t时刻对应不同的值,具体为:
当[x,y]∈S,有:
式中,目标的生命周期T表示有该目标存在的扫描周期的个数。
当 有:
Pt1[x,y]=1(3)
(2)利用“量测信息中杂波的出现规律”获得的修正系数Pt2[x,y]的获取方法为:
设邻域O为以某待检测像素点[x,y]为中心,d为边长的矩形区域,在t时刻,如果某待检测像素点[x,y]的像素灰度值I[x,y]大于初始分割阈值θ,则初步判断该待检测像素点为目标。若其邻域O内已连续出现n次目标量测,则以Pt2[x,y]对邻域O内所有像素的分割阈值进行修正并重新进行分割,具体为:
当[x,y]∈O,有:
式中,n0为修正指数。
当 有:
Pt2[x,y]=1(5)
在t时刻,目标的预估位置是以[x1,y1]=[215,285]为中心,预估方差q=5为边长的矩形区域S。像素点1([x,y]=[216,286])满足[x,y]∈S,像素点1已进入第6个生命周期(t=6),因此Pt1[216,286]=0.2;由于像素点1不满足[x,y]∈O,因此Pt2[216,286]=1;修正系数Pt[216,286]=0.2×1=0.2。
修正后的阈值
在t时刻,由于像素点2不满足[x,y]∈S,因此Pt1[135,360]=1;由于像素点2的灰度值I[135,360]=105,大于初始分割阈值θ=100,以[x,y]=[135,360]为中心,q=5为边长的矩形区域O内已连续出现了n=3次量测,因此,令n0=5,Pt2[135,360]=e3/5=1.82;修正系数Pt[135,360]=1×1.82=1.82。
修正后的阈值
步骤三、获取待检测像素点[x,y]在t时刻的分割阈值;
本发明基于运动目标与背景杂波的时域特性对差分图像进行杂波抑制,其中待检测像素点在t时刻的分割阈值为:
其中,为待检测像素点[x,y]在t时刻的分割阈值,θ为初始分割阈值,Pt[x,y]为基于“时域”特性提取的修正系数,对θ值起到修正作用。
针对像素点1,将步骤二的结果代入式(6),得到修正后的阈值
针对像素点2,将步骤二的结果代入式(6),得到修正后的阈值
根据最终得到的分割阈值对原始雷达图像进行杂波抑制。
Claims (1)
1.一种基于时域特性的雷达图像杂波抑制方法,原始雷达图像经过背景差分、杂波抑制、量测信息提取和多目标跟踪,最终,提取出动目标信息,其特征在于,在杂波抑制过程中分割阈值的获取包括如下步骤:
步骤一、设定初始分割阈值;
原始雷达图像经过背景差分,得到差分图像,设定差分图像中待检测像素点[x,y]的初始分割阈值θ;
步骤二、获取基于时域特性提取的修正系数Pt[x,y];
基于时域特性提取的修正系数为:
Pt[x,y]=Pt1[x,y]·Pt2[x,y](1)
其中,Pt1[x,y]为利用“目标航迹信息”获得的修正系数,Pt2[x,y]为利用“量测信息中杂波的出现规律”获得的修正系数;
(1)利用“目标航迹信息”获得的修正系数Pt1[x,y]的获取方法为:
采用卡尔曼滤波,对待检测像素点[x,y]进行跟踪并形成航迹,获得待检测像素点[x,y]在t时刻的预估位置[x1,y1]和预估方差q,设像素区域S为目标跟踪过程中t时刻预估位置的邻域,像素区域S是以目标预估位置[x1,y1]为中心,预估方差q为边长的矩形区域,Pt1[x,y]对像素区域S内所有像素进行修正并重新进行分割;
在待检测像素点[x,y]从起始、延续到消亡的整个生命周期T中,Pt1[x,y]在t时刻对应不同的值,具体为:
当[x,y]∈S,有:
式中,目标的生命周期T表示有该目标存在的扫描周期的个数;
当有:
Pt1[x,y]=1(3)
(2)利用“量测信息中杂波的出现规律”获得的修正系数Pt2[x,y]的获取方法为:
设邻域O为以某待检测像素点[x,y]为中心,d为边长的矩形区域,在t时刻,如果某待检测像素点[x,y]的像素灰度值I[x,y]大于初始分割阈值θ,则初步判断该待检测像素点为目标;若其邻域O内已连续出现n次目标量测,则以Pt2[x,y]对邻域O内所有像素的分割阈值进行修正并重新进行分割,具体为:
当[x,y]∈O,有:
式中,n0为修正指数;
当有:
Pt2[x,y]=1(5)
步骤三、获取待检测像素点[x,y]在t时刻的分割阈值;
待检测像素点在t时刻的分割阈值为:
其中,为待检测像素点[x,y]在t时刻的分割阈值,θ为初始分割阈值,Pt[x,y]为基于“时域”特性提取的修正系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410478619.3A CN104199009B (zh) | 2014-09-18 | 2014-09-18 | 一种基于时域特性的雷达图像杂波抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410478619.3A CN104199009B (zh) | 2014-09-18 | 2014-09-18 | 一种基于时域特性的雷达图像杂波抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104199009A CN104199009A (zh) | 2014-12-10 |
CN104199009B true CN104199009B (zh) | 2016-07-13 |
Family
ID=52084321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410478619.3A Active CN104199009B (zh) | 2014-09-18 | 2014-09-18 | 一种基于时域特性的雷达图像杂波抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104199009B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105738888B (zh) * | 2016-03-31 | 2018-05-04 | 西安电子科技大学 | 基于海杂波抑制的双特征海面漂浮小目标检测方法 |
CN108508425B (zh) * | 2018-03-26 | 2020-08-04 | 微瞳科技(深圳)有限公司 | 雷达近地背景噪声下基于邻域特征的前景目标检测方法 |
CN112070786B (zh) * | 2020-07-17 | 2023-11-24 | 中国人民解放军63892部队 | 一种警戒雷达ppi图像目标和干扰提取方法 |
CN111880157B (zh) * | 2020-08-06 | 2023-08-22 | 中国人民解放军海军航空大学 | 一种雷达图像中目标的检测方法及系统 |
CN114415142B (zh) * | 2022-01-28 | 2022-08-16 | 北京海兰信数据科技股份有限公司 | 一种基于导航雷达的雨杂波识别方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101694681B (zh) * | 2008-11-28 | 2011-10-26 | 北京航空航天大学 | 一种鸟击风险评估系统及其评估方法 |
CN101697007B (zh) * | 2008-11-28 | 2012-05-16 | 北京航空航天大学 | 一种基于雷达图像的飞鸟目标识别与跟踪方法 |
US8203114B2 (en) * | 2009-05-14 | 2012-06-19 | Raytheon Company | Adaptive spatial-spectral processing (ASSP) |
CN101604383B (zh) * | 2009-07-24 | 2011-07-27 | 哈尔滨工业大学 | 一种基于红外图像的海上目标检测方法 |
CN102034239B (zh) * | 2010-12-07 | 2012-08-22 | 北京理工大学 | 一种基于局部灰度突变的红外小目标检测方法 |
CN103745216B (zh) * | 2014-01-02 | 2016-10-26 | 中国民航科学技术研究院 | 一种基于空域特性的雷达图像杂波抑制方法 |
-
2014
- 2014-09-18 CN CN201410478619.3A patent/CN104199009B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104199009A (zh) | 2014-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102855622B (zh) | 一种基于显著性分析的红外遥感图像海面船只检测方法 | |
CN104199009B (zh) | 一种基于时域特性的雷达图像杂波抑制方法 | |
CN102722891B (zh) | 一种图像显著度检测的方法 | |
CN101930072B (zh) | 基于多特征融合的红外弱小运动目标航迹起始方法 | |
CN103745216B (zh) | 一种基于空域特性的雷达图像杂波抑制方法 | |
CN104504686A (zh) | 一种采用局部自适应阈值分割的高光谱图像异常探测方法 | |
CN107507209B (zh) | 极化sar图像的素描图提取方法 | |
CN104408482A (zh) | 一种高分辨率sar图像目标检测方法 | |
Xia et al. | A novel sea-land segmentation algorithm based on local binary patterns for ship detection | |
CN104766079B (zh) | 一种远距离红外弱小目标检测方法 | |
CN105319537A (zh) | 基于空间相关性的航海雷达同频干扰抑制方法 | |
CN109711256B (zh) | 一种低空复杂背景无人机目标检测方法 | |
CN104268877A (zh) | 一种红外图像海天线自适应检测方法 | |
CN107942329A (zh) | 机动平台单通道sar对海面舰船目标检测方法 | |
CN104240257A (zh) | 基于变化检测技术的sar图像舰船目标鉴别方法 | |
CN104391294A (zh) | 一种基于连通域特征和模板匹配的雷达点迹关联方法 | |
Liu et al. | The target detection for GPR images based on curve fitting | |
CN103413138A (zh) | 一种红外图像序列中点目标检测方法 | |
Ren et al. | Effective SAR sea ice image segmentation and touch floe separation using a combined multi-stage approach | |
CN102881025A (zh) | 一种多运动目标的检测方法 | |
CN104268874B (zh) | 一种基于正态分布函数的非相参雷达图像背景建模方法 | |
Zhang et al. | Detection of power transmission tower from SAR image based on the fusion method of CFAR and EF feature | |
CN104616007A (zh) | 一种基于显著性检测和颜色直方图模型的车辆识别方法 | |
CN108401563B (zh) | 基于多尺度均值滤波和显著性检测的红外小目标检测方法 | |
CN103778629A (zh) | 一种非相参雷达图像的背景模型实时更新方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |