CN104360324B - 一种基于图像处理的杂波图分区方法 - Google Patents

一种基于图像处理的杂波图分区方法 Download PDF

Info

Publication number
CN104360324B
CN104360324B CN201410606921.2A CN201410606921A CN104360324B CN 104360324 B CN104360324 B CN 104360324B CN 201410606921 A CN201410606921 A CN 201410606921A CN 104360324 B CN104360324 B CN 104360324B
Authority
CN
China
Prior art keywords
clutter
point
unit
detection
clutter map
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
Application number
CN201410606921.2A
Other languages
English (en)
Other versions
CN104360324A (zh
Inventor
龙超
赵春光
黄绍斌
欧乐庆
王寿峰
郑坚
汪洋
彭思
付乾良
朱栋
章林
王毅艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 28 Research Institute
Original Assignee
CETC 28 Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CETC 28 Research Institute filed Critical CETC 28 Research Institute
Priority to CN201410606921.2A priority Critical patent/CN104360324B/zh
Publication of CN104360324A publication Critical patent/CN104360324A/zh
Application granted granted Critical
Publication of CN104360324B publication Critical patent/CN104360324B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/36Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41Details 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
    • G01S7/411Identification of targets based on measurements of radar reflectivity

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于图像处理的雷达杂波图分区方法,包括如下步骤:步骤(1),计算雷达作用距离和波束宽度,确定杂波图划分方式和分辨单元;步骤(2),统计杂波图单元内的杂波信号强度,确定迭代系数;步骤(3),对杂波图数据进行中值滤波,通过中值滤波消除图像中估值过大或者过小的异常点;步骤(4),杂波图分区;步骤(5),杂波图检测单元扩展:对杂波单元进行杂波强度估计时,需同时判断其距离相邻、方位相邻的其他8个单元,最终将9个单元的判断结果进行选大运算,作为杂波背景的最终估值;步骤(6),杂波图检测:利用杂波图检测单元扩展信息,形成杂波检测门限,进行雷达目标检测。

Description

一种基于图像处理的杂波图分区方法
技术领域
本发明涉及一种雷达杂波图分区方法,特别涉及一种基于图像处理的雷达杂波图分区方法。
背景技术
雷达回波不仅包括大量的目标信息,同时也包括地物杂波、海杂波、气象杂波、干扰等信息。在雷达工作时,通常将周围环境中的杂波回波幅度按照距离和方位二维平面有序地存储下来,从而建立杂波图。利用杂波图存储每个距离-方位单元的背景杂波功率,对不同扫描周期的估计值分别作迭代平均处理,计算杂波背景估值。
建立雷达回波杂波图并进行杂波分区意义重大。杂波分区具有以下作用:
(1)通过对杂波图进行分区和杂波特性分析,可以进行杂波功率估计、杂波分布判定、干扰类型判定等。
(2)通过对杂波强弱分布进行杂波分区,能区分无杂波区、弱杂波区、强杂波区和超强杂波区,不同的杂波区域决定进行相参积累滤波器的权系数,能够获得最大积累增益。通常,在无杂波区采用等权滤波器,在杂波区采用加权的滤波器。
(3)杂波分区决定不同区域的目标检测方法:不同杂波类型采用不同的处理方式,噪声区采用慢门限检测,地杂波区采用超杂波检测,干扰区、云雨杂波区采用恒虚警检测。
(4)决定目标检测门限:不同的杂波区,不仅要采用特定的目标检测方法,并且采用特定的检测门限设置。随着杂波环境的变化,杂波图不断更新,这种情况下杂波分区也需要更新并带来检测门限的调整。门限调整必须满足恒虚警率准则,门限变化值与实际的杂波分布有关。
现有的杂波图分区多采用零频道分区方法,存在以下的缺点:
(1)零频道分区判定杂波类型,用于决定所有通道的信号检测算法和检测门限;零频道地杂波区常采用超杂波检测,能够消除地杂波,提高检测能力,但是其他频道对应区域的杂波特性不再是地杂波特性,利用超杂波检测方法不再合适。
(2)现有杂波图分区都是基于信号幅度起伏更新,更新方式单一,对信号特性信息的利用有限。
(3)数据起伏导致杂波分区区域的连通性能差,离散的分区点太多,带来较多的杂波背景估计误差。
发明内容
发明目的:本发明所要解决的技术问题是针对现有技术的不足,提供一种基于图像处理的杂波图分区方法。
为了解决上述技术问题,本发明公开了一种基于图像处理的雷达杂波图分区方法,包括如下步骤:
步骤(1),计算雷达作用距离和波束宽度,确定杂波图划分方式和分辨单元;
步骤(2),统计杂波图单元内的杂波信号强度,确定迭代系数,对同一杂波图单元在不同扫描圈得到的杂波统计平均值进行迭代更新,计算平均杂波强度估值;
步骤(3),对杂波图数据进行中值滤波,通过中值滤波消除图像中估值过大或者过小的异常点;数据经过中值滤波处理后提够抑制干扰,提高杂波特征估计的准确性。
步骤(4),杂波图分区:首先在待分区的区域中,选择任意一点作为初值点,若初值点的8邻域内的点与初值点的灰度差满足给定阈值,则该点与初始点连通为新区域,完成第一次扩展;对新区域的所有点进行8邻域连通检测,即依次将当前点与其8邻域内的点的灰度差满足给定阈值的点连通完成第二次扩展形成新的连通区域,更新带分区的区域;对于每次更新后的区域内的所有点都进行8邻域连通检测,直到连通区域内的点不再增加,完成杂波区域划分;以初值点的领域点集合开始特征判定,初值可以在待分区的区域中灵活选取。根据灰度差异作为相似性判定准则原则,初值点的8领域内的点与该点的灰度的差值满足一定的阈值,则该点与A点合并,实现杂波区域搜索和扩展。相似性判定准则不仅可以是杂波背景的功率值,还可以是图像的纹理、颜色、亮度值、信号分布类型、面积大小、聚集密度等。
步骤(5),杂波图检测单元扩展:对杂波单元进行杂波强度估计时,需同时判断其距离相邻、方位相邻的其他8个单元,最终将9个单元的判断结果进行选大运算,作为杂波背景的最终估值;
步骤(6),杂波图检测:利用杂波图检测单元扩展信息,形成杂波检测门限,进行雷达目标检测。
在上述步骤(4)中,扩展终止条件为:通过反复迭代方式对初始点的邻域进行搜索判定,若经反复判定后扩展区域不再增加,则判定搜索到区域边缘,杂波图分区停止,完成杂波图分区。
本方法克服了现有雷达连续扫描下,利用雷达回波的区域图像为对象,采用基于区域分割方法,利用区域内回波的图像特性为区域判定准则,大大提高杂波图分区连通性。基于区域分割的图像处理方法,以感兴趣区域某一点为中心进行扩展搜索形成指定分区杂波图,设计实现灵活,操作性和实时性好.区域扩展的相似性准则可以是回波强度、回波分布、聚集密度等,适用性强,方便实现.本发明一种基于图像处理的杂波图分区方法,原理简单,效果良好,且适合工程实现。
本发明与现有技术相比,具有以下显著优点:
(1)常规雷达回波强度的杂波图分区方法存在区域散布不连通的问题,本方法以区域图像为研究对象,采用基于区域分割方法,大大提高杂波图分区连通性。
(2)基于区域分割的图像处理方法,以区域为中心进行扩展搜索形成指定分区杂波图,设计实现灵活,操作性和实时性好。
(3)本发明的方法,区域扩展的相似性准则可以是回波强度、回波分布、信号分布密度等,适用性强,方便实现。
(4)本发明一种基于图像处理的杂波图分区方法,原理简单,效果良好,且适合硬件实时实现。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是数据处理流程图。
图2是杂波图单元划分示意图。
图3是以a(i,j)为中心的8邻域数据结构示意图。
图4是区域扩展和相似性判定的过程示意图。
图5是杂波图检测单元扩展示意图。
图6是实际雷达数据的分区示意图。
具体实施方式
本发明包括步骤如下:
1.根据雷达的工作模式和系统参数,计算雷达作用距离和波束宽度,确定杂波图划分方式和分辨单元。
2.统计杂波图单元内的杂波信号强度,同一杂波图单元在不同扫描圈得到的杂波统计平均值需要进行迭代更新,以获得稳定的杂波强度估值。
3.对杂波图数据进行中值滤波,滤波单元选取3x3矩形结构,通过中值滤波消除图像中估值过大或者过小的异常点。
4.基于图像相似性特征的杂波图分区:
(1)选择分区初值点:在待分区的区域中,选择任意一点作为初值点.
(2)确定相似性判定规则:以图像的灰度变化作为分区的准则,记f(i,j)是点A(i,j)对应的图像灰度.在A的8邻域内的点与A的灰度的差值满足阈值T,则该点与A点连通成为新的区域,完成第一次区域扩展;对新区域的所有点,进行第二次相似性检验,合并复合相似性规则的区域,完成第二次扩展;依次类推,一直到满足扩展终止条件,完成杂波区域划分。
(3)确定扩展终止条件:经反复相似区域判定后扩展区域部再增加,说明搜索到区域边缘,杂波图分区停止。
5.杂波图检测单元扩展:对杂波单元进行杂波强度估计时,需同时判断其距离相邻单元、方位相邻单元上的其他8个单元,最终将9个单元的判断结果进行选大或运算处理,作为杂波背景的最终估值。
6.杂波图检测:利用杂波图检测单元扩展信息,形成杂波检测门限,进行雷达目标检测。
本发明的目的是设计一种算法简单、适用性强、效果良好、且适合硬件实时实现的一种杂波图分区方法。
实施例1
图1是整体的处理流程图。,雷达回波信号经过杂波图单元划分、区域扩展判定、相似性判定、杂波分区、杂波图检测等阶段,实现目标检测处理。结合图1,实施例方法包括以下步骤:
1.根据雷达的工作模式和系统参数,计算雷达作用距离和波束宽度,确定杂波图划分方式和分辨单元。杂波图单元的划分方法有等扇区划分、等面积划分等。通常采用等扇区划分,这样易于硬件实现。图2是杂波图单元按照距离和方位划分的示意图。
2.杂波图建立和更新:统计杂波图单元内的杂波信号强度,它是杂波图单元内各距离分辨单元的杂波信号的统计平均值;同一杂波图单元在不同扫描圈得到的杂波统计平均值需要进行迭代更新,以获得稳定的杂波强度估值。迭代方式如下:
y(n)=αx(n)+(1-α)y(n-1) (1)
其中,α是迭代系数,并且0<α<1,x(n)是杂波图单元内各距离分辨单元的杂波信号的统计平均值,y(n-1)是前n-1圈迭代得到的杂波估值。经过公式(1)计算得到当前扫描帧的杂波估值,并将这个估计值作为下一圈(第n+1圈)的检测背景。
3.杂波图估值预处理:对杂波图数据进行中值滤波,二维结构的滤波单元选取3x3矩形结构SE,
通过中值滤波,能够消除图像中杂波估值过大或者过小的异常点,保证后续分区处理数据的准确性。
4.基于图像分割的杂波图分区:
(1)选择分区初值点:在待分区的区域中选择数据计算的起点,通常选择任意一点作为初值点,记作点A,坐标(i,j)。
(2)确定相似性判定规则:以图像的灰度变化作为分区的准则,记f(i,j)是初值点A(i,j)对应的图像灰度。对以A为中心的3x3区域内数据进行杂波相似性判定。图3表示了与初值点相邻的8邻域点的空间位置关系。图4中(a)中选取数值为8的点作为初值点进行区域扩展判定,判定准则T=1,那么以初值点为中心的8个邻近点数据比较,数值在7~9之间的点满足相似性判定准则,分别是数值为7的三个点,分别和初值点连通起来,构成图(b)所示的黑色扩展区域,共4个点,完成第一次扩展;按照灰度相似性准则进行扩展判定,灰度差异门限设定为T=1,也就是说,在点M的8邻域内灰度值在7~9之间的单元,满足相似性准则,与点M连通为新的区域,新区域的所有点作为新的扩展初始点进行下一次区域扩展,第二次扩展的结果如图4中(b);区域扩展后的所有点,组成第二次相似性判定的初值,对每个点进行相似性判定,对满足相似性规则的点与初始点连通扩展,完成第二次扩展判定,然后,以新区域的4个点,再重复进行相似性判定,得到图(c)所示的新的连通区域;依次类推,重复下去,最终得到图(d),完成相似性分区判定。
(3)确定扩展终止条件:经反复相似区域判定后扩展区域不再增加,说明搜索到区域边缘,杂波图分区停止。若不满足终止条件,返回执行步骤(2)。图5是杂波图检测单元扩展示意图。以A为中心,对当前杂波估值点为中心的9个单元的判断结果进行选大,作为杂波背景的最终估值。
经过4次判定以后,图4中(d)的相似性区域不再扩展,满足了判定终止条件,完成区域分区。图6是实际雷达数据的分区示意图,左图(a)是杂波图迭代获得的杂波均值估计图像,通过在图(a)中选定左侧亮线中的某一点作为初始值,经过本专利方法得到的干扰分区示意图(b);在图(a)中选择中部的噪声区域的某一点作为初始值,得到噪声分区示意图(c)。中间图(b)是在干扰区选取初值点之后,经过相似性判定,扩展形成的干扰区的分区判定结果;右图(c)是噪声区判定的结果。
5.杂波图检测单元扩展:为了消除杂波的边缘效应,杂波图必须进行方位、距离的区域扩展处理。扩展的方法是在对某杂波单元进行杂波有无判断时,需同时判断其距离相邻单元、方位相邻单元上的其他8个单元,最终将9个单元的判断结果进行判断结果进行选大或运算处理,作为杂波背景的最终估值。
6.杂波图检测:利用杂波图检测单元扩展信息,形成杂波检测门限,进行雷达目标检测。
本发明提供了一种基于图像处理的杂波图分区方法,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术邻域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (1)

1.一种基于图像处理的雷达杂波图分区方法,其特征在于,包括如下步骤:
步骤(1),计算雷达作用距离和波束宽度,确定杂波图划分方式和分辨单元;
步骤(2),统计杂波图单元内的杂波信号强度,确定迭代系数,对同一杂波图单元在不同扫描圈得到的杂波统计平均值进行迭代更新,计算平均杂波强度估值;
步骤(3),对杂波图数据进行中值滤波,通过中值滤波消除图像中估值过大或者过小的异常点;
步骤(4),杂波图分区:首先在待分区的区域中,选择任意一点作为初值点,若初值点的8邻域内的点与初值点的灰度差满足给定阈值,则该点与初始点连通为新区域,完成第一次扩展;对新区域的所有点进行8邻域连通检测,即依次将当前点与其8邻域内的点的灰度差满足给定阈值的点连通完成第二次扩展形成新的连通区域,更新待分区的区域;对于每次更新后的区域内的所有点都进行8邻域连通检测,直到连通区域内的点不再增加,完成杂波区域划分;
步骤(5),杂波图检测单元扩展:对杂波单元进行杂波强度估计时,需同时判断其距离相邻、方位相邻的其他8个单元,最终将9个单元的判断结果进行选大运算,作为杂波背景的最终估值;
步骤(6),杂波图检测:利用杂波图检测单元扩展信息,形成杂波检测门限,进行雷达目标检测;
步骤(2)中所述迭代方式如下:
y(n)=αx(n)+(1-α)y(n-1) (1)
其中,α是迭代系数,并且0<α<1,x(n)是杂波图单元内各距离分辨单元的杂波信号的统计平均值,y(n-1)是第n-1圈迭代得到的杂波估值,经过公式(1)计算得到当前扫描帧的杂波估值,并将这个估计值作为下一圈即第n+1圈的检测背景;
在上述步骤(4)中,扩展终止条件为:通过反复迭代方式对初始点的邻域进行搜索判定,若经反复判定后扩展区域不再增加,则判定搜索到区域边缘,杂波图分区停止,完成杂波图分区。
CN201410606921.2A 2014-10-31 2014-10-31 一种基于图像处理的杂波图分区方法 Active CN104360324B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410606921.2A CN104360324B (zh) 2014-10-31 2014-10-31 一种基于图像处理的杂波图分区方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410606921.2A CN104360324B (zh) 2014-10-31 2014-10-31 一种基于图像处理的杂波图分区方法

Publications (2)

Publication Number Publication Date
CN104360324A CN104360324A (zh) 2015-02-18
CN104360324B true CN104360324B (zh) 2017-06-06

Family

ID=52527604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410606921.2A Active CN104360324B (zh) 2014-10-31 2014-10-31 一种基于图像处理的杂波图分区方法

Country Status (1)

Country Link
CN (1) CN104360324B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104898103B (zh) * 2015-06-01 2017-03-29 西安电子科技大学 基于多通道杂波图的低速目标检测方法
CN106501799B (zh) * 2016-10-19 2018-11-23 成都电科智达科技有限公司 一种用于多旋翼小型无人机的探测与定位装置
CN106842194A (zh) * 2017-03-07 2017-06-13 北京海兰信数据科技股份有限公司 一种自适应目标检测方法及装置
CN107255801B (zh) * 2017-06-13 2019-08-02 中国电子科技集团公司第二十八研究所 一种岸基对海监视雷达信号的处理方法
CN107765228B (zh) * 2017-09-29 2019-11-01 西安电子科技大学 一种基于区域相似性的在线雷达目标检测方法
WO2019093979A1 (en) * 2017-11-08 2019-05-16 Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi An image generation method
CN108196238B (zh) * 2018-01-12 2021-07-27 西安电子科技大学 高斯背景下基于自适应匹配滤波的杂波图检测方法
CN109444827B (zh) * 2018-10-31 2023-05-30 中国船舶工业系统工程研究院 一种用于雷达视频回波显示的方位插值方法
CN109814071B (zh) * 2019-03-19 2023-08-29 安徽雷炎电子科技有限公司 一种基于复杂环境下区域门限快速收敛方法及其应用
CN110161473B (zh) * 2019-05-08 2021-04-30 南京莱斯电子设备有限公司 一种基于基元杂波图与图层的杂波图检测与更新方法
CN113189557B (zh) * 2021-04-20 2022-05-20 中国人民解放军海军航空大学航空作战勤务学院 对海雷达目标检测精细化处理方法及装置
CN113534084A (zh) * 2021-06-26 2021-10-22 中国船舶重工集团公司第七二三研究所 一种基于相关关系拓扑图的雷达虚假航迹抑制方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5483240A (en) * 1994-09-28 1996-01-09 Rockwell International Corporation Radar terrain bounce jamming detection using ground clutter tracking
CN103197298B (zh) * 2013-03-21 2014-10-01 西安电子科技大学 基于环境信息的雷达信号处理方法
CN103926583B (zh) * 2014-05-04 2015-03-25 中国人民解放军空军预警学院监控系统工程研究所 一种岸基近程雷达自动跟踪处理方法及装置

Also Published As

Publication number Publication date
CN104360324A (zh) 2015-02-18

Similar Documents

Publication Publication Date Title
CN104360324B (zh) 一种基于图像处理的杂波图分区方法
CN107861107B (zh) 一种适用于连续波雷达的双门限cfar与点迹凝聚方法
CN101727662B (zh) Sar图像非局部均值去斑方法
CN109782248B (zh) 一种雷达杂波处理方法
CN105319537B (zh) 基于空间相关性的航海雷达同频干扰抑制方法
CN103995258B (zh) 复杂杂波边缘环境下雷达目标自适应融合检测方法
CN105372636B (zh) 一种基于自适应遗忘因子的杂波图更新方法及装置
CN101482969B (zh) 基于同质点计算的sar图像去斑方法
CN105549009A (zh) 一种基于超像素的sar图像cfar目标检测方法
Er-Sen et al. An adaptive edge-detection method based on the canny operator
CN102867309A (zh) 基于混合模型的sar图像变化检测方法
CN108038856B (zh) 基于改进多尺度分形增强的红外小目标检测方法
CN108364297A (zh) 血管图像分割方法、终端、存储介质
CN116012364B (zh) Sar图像变化检测方法和装置
CN105741262B (zh) 基于能量聚集度测度的海陆杂波场景分割方法
CN104680536A (zh) 利用改进的非局部均值算法对sar图像变化的检测方法
CN104537675A (zh) 一种sar图像双边cfar舰船目标检测方法
CN106056115B (zh) 一种非均匀背景下的红外小目标检测方法
Serkan et al. Edge and fine detail preservation in SAR images through speckle reduction with an adaptive mean filter
CN106249241B (zh) 一种自适应杂波功率统计算法
CN104268831A (zh) 海上阳光亮带干扰下的红外图像补偿方法
CN105242272B (zh) 基于自回归时间序列模型的车载毫米波防撞雷达恒虚警检测方法
Diao et al. Metrics for performance evaluation of preprocessing algorithms in infrared small target images
Jing et al. Dense multiple-target tracking based on dual frequency identification sonar (DIDSON) image
CN114373135A (zh) 基于局部显著性特征度量的舰船目标检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant