CN104535978A - 基于互信息的3DInISAR图像配准融合方法 - Google Patents

基于互信息的3DInISAR图像配准融合方法 Download PDF

Info

Publication number
CN104535978A
CN104535978A CN201410804329.3A CN201410804329A CN104535978A CN 104535978 A CN104535978 A CN 104535978A CN 201410804329 A CN201410804329 A CN 201410804329A CN 104535978 A CN104535978 A CN 104535978A
Authority
CN
China
Prior art keywords
registration
image
exp
point
mutual information
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.)
Pending
Application number
CN201410804329.3A
Other languages
English (en)
Inventor
张龙
贺小慧
牛源蓁
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.)
Xian Polytechnic University
Original Assignee
Xian Polytechnic University
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 Xian Polytechnic University filed Critical Xian Polytechnic University
Priority to CN201410804329.3A priority Critical patent/CN104535978A/zh
Publication of CN104535978A publication Critical patent/CN104535978A/zh
Pending legal-status Critical Current

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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9023—SAR image post-processing techniques combined with interferometric techniques
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/003—Bistatic radar systems; Multistatic radar systems
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9029—SAR image post-processing techniques specially adapted for moving target detection within a single SAR image or within multiple SAR images taken at the same time
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/904—SAR modes
    • G01S13/9058—Bistatic or multistatic SAR
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/904—SAR modes
    • G01S13/9064—Inverse SAR [ISAR]

Landscapes

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

Abstract

本发明公开了基于互信息的3DInISAR图像配准融合方法，包括目标图像的三维状态获取和图像配准；任意选取多基地雷达观测下3DInISAR成像系统中两个不同位置的3DInISAR图像，获取图像各点在三维空间中的分布状态；采用基于互信息的配准方法，得到三维配准图。本发明采用基于互信息的配准方法，对多个雷达获取的ISAR数据进行有效的融合，提高了雷达对目标的探测性能和识别概率。在战场感知、对于目标识别、航空管制等方面具有广泛的应用价值。

Description

基于互信息的3DInISAR图像配准融合方法
技术领域
本发明属于雷达成像技术领域，涉及基于互信息的3DInISAR图像配准融合方法。
背景技术
微波成像雷达具有全天时、全天候、远距离提供高分辨率图像的能力。在军事和民用领域受到了越来越广泛的关注和应用。逆合成孔径雷达(ISAR)是国内外雷达成像领域重点研究方向之一。目前的ISAR成像多以单基雷达为基础，单基地雷达ISAR成像通常是利用对目标的观测信号的反演得到目标散射中心的二维分布，由于目标往往具有非合作性和机动性，不能确定目标散射点在三维空间中的真实位置，即使利用复杂的成像算法获取高分辨的目标图像，也仅仅只能反映目标沿着某一雷达视角下的局部散射信息，难以用于对目标后续的识别与分类，很大程度上限制了ISAR的目标识别能力。
随着雷达成像技术的发展，采用单基地雷达成像时，由于固定不变的观测方向，往往不能提供给我们所需的足够的目标信息。因此，一种结合干涉技术与ISAR二维分辨技术的干涉逆合成孔径雷达三维成像(InISAR)方法得到广泛关注，它结合了干涉技术和ISAR技术，通过对基线两端的雷达获取的两幅ISAR图像进行干涉处理，恢复各散射点沿基线方向的投影坐标，融合两个干涉结果建立三维图像，不同位置的雷达ISAR成像提供了不同的目标信息。但由于干涉天线相对于雷达目标的空间位置不同，各天线在成像积累时间内所接收信号彼此存在波程差，图像和数据融合较难。利用图像配准技术，将两幅ISAR图像进行融合，是获取全面、稳定目标形状和机构信息的关键。
发明内容
本发明的目的是提供基于互信息的3DInISAR图像配准融合方法，解决了采用单基地雷达成像时提供的目标信息较单一以及多基地雷达观测下的InISAR成像和数据融合难的问题。
本发明所采用的技术方案是，基于互信息的3DInISAR图像配准融合方法，具体按照以下步骤实施：
步骤1：目标图像的三维状态获取，任意选取多基地雷达观测下3DInISAR成像系统中不同位置的3DInISAR图像，并将其作为参考图像和待配准图像，获取目标3DInISAR图像各点在三维空间中的分布状态；
步骤2：图像配准融合，采用基于互信息的配准方法，得到三维配准图。
本发明的特征还在于，
步骤1中，目标3DInISAR图像各点在三维空间中的分布状态获取过程为：
步骤1：选取目标图像上任一散射点q，3DInISAR成像系统中的发射和接受天线O发射出线性调频信号：
s ( t ^ ) = a r ( t ^ ) exp ( j 2 π ( f c t + 1 2 γ t ^ 2 ) ) ,
其中，为天线O发射出的线性调频信号，fc为载波频率，γ为调频率，为快时间；
步骤2：3DInISAR成像系统中的接收天线A1、A2与天线O分别接收目标回波信号：
s q 1 ( t ^ , t m ) = a r ( t ^ - 2 R 1 ( t m ) c ) a a ( t m ) exp ( jπr ( t ^ - 2 R 1 ( t m ) c ) 2 ) exp ( - j 4 π f c c R 1 ( t m ) )
s q 2 ( t ^ , t m ) = a r ( t ^ - R 1 ( t m ) + R 2 ( t m ) c ) a a ( t m ) exp ( jπγ ( t ^ - R 1 ( t m ) + R 2 ( t m ) c ) 2 ) exp ( - j 2 π f c c ( R 1 ( t m ) + R 2 ( t m ) ) ) ,
s q 3 ( t ^ , t m ) = a r ( t ^ - R 1 ( t m ) + R 3 ( t m ) c ) a a ( t m ) exp ( jπγ ( t ^ - R 1 ( t m ) + R 3 ( t m ) c ) 2 ) exp ( - j 2 π f c c ( R 1 ( t m ) + R 3 ( t m ) ) ) ,
其中，Sq1为天线O接收到的目标回波信号，Sq2为天线A1接收到的目标回波信号，Sq3为天线A2接收到的目标回波信号，c为光速，R1(tm)，R2(tm)，R3(tm)依次为tm时刻q点到天线O、A1、A2的距离；
步骤3：对步骤2接收到的回波信号进行匹配滤波，匹配滤波后其表达式为：
s q 1 ( t ^ , t m ) = σ m 1 sin c ( Δ f r ( t ^ - 2 R 1 ( t m ) c ) ) exp ( - j 4 π f c c R 1 ( t m ) ) ,
s q 2 ( t ^ , t m ) = σ m 2 sin c ( Δ f r ( t ^ - 2 R 1 ( t m ) + R 2 ( t m ) c ) ) exp ( - j 2 π f c c ( R 1 ( t m ) + R 2 ( t m ) ) )
s q 3 ( t ^ , t m ) = σ m 3 sin c ( Δ f r ( t ^ - 2 R 1 ( t m ) + R 3 ( t m ) c ) ) exp ( - j 2 π f c c ( R 1 ( t m ) + R 3 ( t m ) ) ) ,
其中，Sq1为天线O接收到有用的目标回波信号，Sq2为天线A1接收到有用的目标回波信号，Sq3为天线A2接收到有用的目标回波信号，σm1、σm2和σm3表示脉压后的目标散射点幅度，Δfr为线性调频信号频带；
步骤4：利用复振频来计算q点的坐标，三个天线的复振幅分别为：
s q 1 ( t m ) = A q exp ( - j 4 π f c c R 1 ( t m ) ) ,
s q 2 ( t m ) = A q exp ( - j 2 π f c c ( R 1 ( t m ) + R 2 ( t m ) ) ) ,
s q 3 ( t m ) = A q exp ( - j 2 π f c c ( R 1 ( t m ) + R 3 ( t m ) ) ) ,
其中，Aq表示和的绝对值；
步骤5：计算q点沿x轴与z轴的投影坐标，将sq2(tm)与sq3(tm)分别与sq1(tm)共轭相乘，即乘其倒数得：
s q 2 ( t m ) s q 1 * ( t m ) = A q 2 exp ( - j 2 π f c c ( R 1 ( t m ) - R 2 ( t m ) ) ) ,
s q 3 ( t m ) s q 1 * ( t m ) = A q 2 exp ( - j 2 π f c c ( R 1 ( t m ) - R 3 ( t m ) ) ) ,
即，的相位差为：
q点沿x轴与z轴的投影坐标根据相位差得出：
其中，x(tm)为q点在tm时刻在x轴的投影，z(tm)为q点在tm时刻在z轴的投影；
步骤6：计算目标的最大横向和纵向尺寸范围，为使横向和纵向测距无模糊，因相位差是以2π为周期，应保证：
|πx(tm)D/λR1(tm)|＜π，
|πz(tm)D/λR1(tm)|＜π，
最大横向和纵向的目标尺寸范围为：
x ( t m ) ∈ X = [ - λ R 1 ( t m ) D , λ R 1 ( t m ) D ] ,
z ( t m ) ∈ Z = [ - λ R 1 ( t m ) D , λ R 1 ( t m ) D ] ;
步骤7：得出参考图像中各点在xyz坐标系中的分布图，用I表示；
步骤8：在坐标系xyz中新建坐标系x′y′z′，定义其坐标原点o’在坐标系xyz中的坐标为(a,a,a)，在待配准图像上重新选取任一散射点q，按照步骤1～6的方法，获得待配准图像中各点在x′y′z′坐标系中的分布图，用I′表示。
步骤2中，图像配准融合的过程为：
步骤1：将xyz坐标系上的x-y投影图像作为参考图像，x′y′z′坐标系上的x′-y′投影图像作为待配准图像，对待配准图像进行几何变换Ta，使其变换后坐标值与参考图像坐标值对应，变换矩阵为：
Tα＝T1×T2×T3×T4，
T 1 = 1 0 0 0 0 0 t x t y 0 , T 2 = 1 0 0 0 0 0 - a - a 0 , T 4 = 1 0 0 0 0 0 c d 0 ,
其中，T1实现(tx,ty)的变换，T2为平移坐标系统到图像中心，T3为旋转图像度，T4是平移图像到新的原点；
步骤2：采用PV插值法对未落在了参考图像网格点上的点值进行计算来得到该点的值；
步骤3：计算参考图像与插值后待配准的图像间的互信息：
I ( α ) = Σ f , r P FR , α ( f , r ) log 2 P FR , α ( f , r ) P F , α ( f , r ) P R , α ( f , r ) ,
其中，I(α)为待配准图像和参考图像的互信息参数，PFR,α(f,r)为待配准图像与参考图像的灰度联合边缘概率；
步骤4：对基于互信息量的最优参数α进行评估：
αoptimal＝arg max I(α)，
其中，α为最优参数，I(α)为待配准图像和参考图像的互信息参数；
步骤5：利用Powell搜索算法进行最优化计算，依据最大互信息准则判断所得参数是否最优，若不是，重复步骤1～4，直到找出满足精度要求的最优配准参数，利用最优配准参数，将参考图像和待配准图在x-y平面内进行几何对齐，得x-y平面内的配准图；
步骤6：在步骤5所得配准图的基础上，利用步骤1～5的方法，将参考图像和待配准图在y-z平面内进行几何对齐，得y-z平面内的配准图；
步骤7：在步骤6所得配准图的基础上，利用步骤1～5的方法，将参考图像和待配准图在z-x平面内进行几何对齐，得z-x平面内的配准图；
步骤8：将步骤5、步骤6和步骤7所得的配准图像进行融合，得到三维图像。
本发明的有益效果是，采用基于互信息的配准方法，对多个雷达获取的ISAR数据进行有效的融合，获取更多运动目标的不同姿态、三维几何形状和运动参数等信息，实现包含目标更多信息的高分辨ISAR成像，提高了雷达对目标的探测性能和识别概率，极大地提升了后续雷达目标分类和识别的性能。在战场感知、对于目标识别、航空管制等方面具有广泛的应用价值。
附图说明
图1是本发明多基地雷达观测下的3D InISAR成像系统图；
图2是本发明实施例参考图像中各点在坐标系xyz中的分布图；
图3是本发明实施例待配准图像中各点在坐标系x′y′z′中的分布图；
图4是本发明实施例图2与图3配准后的3DInISAR图像。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
图1为本发明基于互信息的3D InISAR成像系统图；在系统中选取某一飞机在不同视角下的3DInISAR图像作为参考图像和待配准图像，设基线长度D为1m，则天线O、A1、A2的坐标分别为(0,0,0)，(1，0，0)和(0,0,1)，设天线O′坐标为(100，100，100)，则天线A′1、A′2，坐标分别为(101，100，100)和(100，100，101)，从雷达到目标的距离大约为20Km。仿真面由330个点目标组成，沿着x轴的速率大约为100m/s，雷达在X波段1.0GHz下操作，发射一条400MHz带宽的FM波形，距离分辨率为0.375，相干图像积累时间是5.12s，脉冲重复频率PRF是256。基于互信息的3DInISAR图像配准融合方法具体按照以下步骤实施：
步骤1：选取目标图像上任一散射点q，3DInISAR成像系统中的发射和接受天线O发射出线性调频信号：
s ( t ^ ) = a r ( t ^ ) exp ( j 2 π ( f c t + 1 2 γ t ^ 2 ) ) ,
其中，为天线O发射出的线性调频信号，fc为载波频率，γ为调频率，为快时间；
步骤2：3DInISAR成像系统中的接收天线A1、A2与天线O分别接收目标回波信号：
s q 1 ( t ^ , t m ) = a r ( t ^ - 2 R 1 ( t m ) c ) a a ( t m ) exp ( jπr ( t ^ - 2 R 1 ( t m ) c ) 2 ) exp ( - j 4 π f c c R 1 ( t m ) )
s q 2 ( t ^ , t m ) = a r ( t ^ - R 1 ( t m ) + R 2 ( t m ) c ) a a ( t m ) exp ( jπγ ( t ^ - R 1 ( t m ) + R 2 ( t m ) c ) 2 ) exp ( - j 2 π f c c ( R 1 ( t m ) + R 2 ( t m ) ) ) ,
s q 3 ( t ^ , t m ) = a r ( t ^ - R 1 ( t m ) + R 3 ( t m ) c ) a a ( t m ) exp ( jπγ ( t ^ - R 1 ( t m ) + R 3 ( t m ) c ) 2 ) exp ( - j 2 π f c c ( R 1 ( t m ) + R 3 ( t m ) ) ) ,
其中，Sq1为天线O接收到的目标回波信号，Sq2为天线A1接收到的目标回波信号，Sq3为天线A2接收到的目标回波信号，c为光速，R1(tm)，R2(tm)，R3(tm)依次为tm时刻q点到天线O、A1、A2的距离；
步骤3：对步骤2接收到的回波信号进行匹配滤波，匹配滤波后其表达式为：
s q 1 ( t ^ , t m ) = σ m 1 sin c ( Δ f r ( t ^ - 2 R 1 ( t m ) c ) ) exp ( - j 4 π f c c R 1 ( t m ) ) ,
s q 2 ( t ^ , t m ) = σ m 2 sin c ( Δ f r ( t ^ - 2 R 1 ( t m ) + R 2 ( t m ) c ) ) exp ( - j 2 π f c c ( R 1 ( t m ) + R 2 ( t m ) ) )
s q 3 ( t ^ , t m ) = σ m 3 sin c ( Δ f r ( t ^ - 2 R 1 ( t m ) + R 3 ( t m ) c ) ) exp ( - j 2 π f c c ( R 1 ( t m ) + R 3 ( t m ) ) ) ,
其中，Sq1为天线O接收到有用的目标回波信号，Sq2为天线A1接收到有用的目标回波信号，Sq3为天线A2接收到有用的目标回波信号，σm1、σm2和σm3表示脉压后的目标散射点幅度，Δfr为线性调频信号频带；
步骤4：利用复振频来计算q点的坐标，三个天线的复振幅分别为：
s q 1 ( t m ) = A q exp ( - j 4 π f c c R 1 ( t m ) ) ,
s q 2 ( t m ) = A q exp ( - j 2 π f c c ( R 1 ( t m ) + R 2 ( t m ) ) ) ,
s q 3 ( t m ) = A q exp ( - j 2 π f c c ( R 1 ( t m ) + R 3 ( t m ) ) ) ,
其中，Aq表示和的绝对值；
步骤5：计算q点沿x轴与z轴的投影坐标，将sq2(tm)与sq3(tm)分别与sq1(tm)共轭相乘，即乘其倒数得：
s q 2 ( t m ) s q 1 * ( t m ) = A q 2 exp ( - j 2 π f c c ( R 1 ( t m ) - R 2 ( t m ) ) ) ,
s q 3 ( t m ) s q 1 * ( t m ) = A q 2 exp ( - j 2 π f c c ( R 1 ( t m ) - R 3 ( t m ) ) ) ,
即，的相位差为：
q点沿x轴与z轴的投影坐标根据相位差得出：
其中，x(tm)为q点在tm时刻在x轴的投影，z(tm)为q点在tm时刻在z轴的投影；
步骤6：计算目标的最大横向和纵向尺寸范围，为使横向和纵向测距无模糊，因相位差是以2π为周期，应保证：
|πx(tm)D/λR1(tm)|＜π，
|πz(tm)D/λR1(tm)|＜π，
最大横向和纵向的目标尺寸范围为：
x ( t m ) ∈ X = [ - λ R 1 ( t m ) D , λ R 1 ( t m ) D ] ,
z ( t m ) ∈ Z = [ - λ R 1 ( t m ) D , λ R 1 ( t m ) D ] ;
步骤7：得出参考图像中各点在xyz坐标系中的分布图，用I表示，如图2所示；
步骤8：在坐标系xyz中新建坐标系x′y′z′，定义坐标原点o’在坐标系xyz中的坐标为(a,a,a)，在待配准图像上重新选取任一散射点q，按照步骤1～6的方法，获得待配准图像中各点在x′y′z′坐标系中的分布图，用I′表示如图3所示。
步骤9：将xyz坐标系上的x-y投影图像作为参考图像，x′y′z′坐标系上的x′-y′投影图像作为待配准图像，对待配准图像进行几何变换Ta，使其变换后坐标值与参考图像坐标值对应，变换矩阵为：
Tα＝T1×T2×T3×T4，
T 1 = 1 0 0 0 0 0 t x t y 0 , T 2 = 1 0 0 0 0 0 - a - a 0 , T 4 = 1 0 0 0 0 0 c d 0 ,
其中，T1实现(tx,ty)的变换，T2为平移坐标系统到图像中心，T3为旋转图像度，T4是平移图像到新的原点；
步骤10：采用PV插值法对未落在了参考图像网格点上的点值进行计算来得到该点的值；
步骤11：计算参考图像与插值后待配准的图像间的互信息：
I ( α ) = Σ f , r P FR , α ( f , r ) log 2 P FR , α ( f , r ) P F , α ( f , r ) P R , α ( f , r ) ,
其中，I(α)为待配准图像和参考图像的互信息参数，PFR,α(f,r)为待配准图像与参考图像的灰度联合边缘概率；
步骤12：对基于互信息量的最优参数α进行评估：
αoptimal＝arg max I(α)，
其中，α为最优参数，I(α)为待配准图像和参考图像的互信息参数；
步骤13：利用Powell搜索算法进行最优化计算，依据最大互信息准则找出最优配准参数，利用最优配准参数，将参考图像和待配准图在x-y平面内进行几何对齐，得x-y平面内的配准图；
步骤14：在步骤13所得配准图的基础上，利用步骤9～13的方法，将参考图像和待配准图在y-z平面内进行几何对齐，得y-z平面内的配准图；
步骤15：在步骤14所得配准图的基础上，利用步骤9～13的方法，将参考图像和待配准图在z-x平面内进行几何对齐，得z-x平面内的配准图；
步骤16：将步骤13、步骤14和步骤15所得的配准图像进行融合，得到三维图像，如图4所示。
图2和图3是多基地雷达观测下3DInISAR成像系统中不同位置目标图像中各点在三维坐标系中的分布图，图4为配准后得到的三维图像；通过比较可以看出，图4中飞机的轮廓明显比图2和图3清晰，图中分布点的数目明显增多，图4融合了图2和图3中的各个分布点信息。由此说明，利用该基于互信息的InISAR图像融合方法，可获取更多运动目标不同参数、三维几何形状和运动参数等信息，获得包含更多目标信息的高分辨InISAR成像。
本发明基于互信息的3DInISAR图像配准融合方法原理为：依靠多视角、多空域不同雷达对目标进行观测和成像获取多个单一的信息，提取更多的运动目标不同姿态、三维几何形状和运动参数等信息，实现包含目标更多信息的的高分辨ISAR成像，提高雷达对目标的探测性能和识别概率，提升后续雷达目标分类和识别的性能。

Claims (3)

1.基于互信息的3DInISAR图像配准融合方法，其特征在于，具体按照以下步骤实施：
步骤1：目标图像的三维状态获取，任意选取多基地雷达观测下3DInISAR成像系统中不同位置的3DInISAR图像，并将其作为参考图像和待配准图像，获取目标3DInISAR图像各点在三维空间中的分布状态；
步骤2：图像配准融合，采用基于互信息的配准方法，得到三维配准图。
2.根据权利要求1所述基于互信息的3DInISAR图像配准融合方法，其特征在于，步骤1中，所述目标3DInISAR图像各点在三维空间中的分布状态获取过程为：
步骤1：选取目标图像上任一散射点q，3DInISAR成像系统中的发射和接受天线O发射出线性调频信号：
s ( t ^ ) = a r ( t ^ ) exp ( j 2 π ( f c t + 1 2 γ t ^ 2 ) ) ,
其中，为天线O发射出的线性调频信号，fc为载波频率，γ为调频率，为快时间；
步骤2：3DInISAR成像系统中的接收天线A1、A2与天线O分别接收目标回波信号：
s q 1 ( t ^ , t m ) = a r ( t ^ - 2 R 1 ( t m ) c ) a a ( t m ) exp ( jπγ ( t ^ - 2 R 1 ( t m ) c ) 2 ) exp ( - j 4 πf c c R 1 ( t m ) )
s q 2 ( t ^ , t m ) = a r ( t ^ - R 1 ( t m ) + R 2 ( t m ) c ) a a ( t m ) exp ( jπγ ( t ^ - R 1 ( t m ) + R 2 ( t m ) c ) 2 )
exp ( - j 2 πf c c ( R 1 ( t m ) + R 2 ( t m ) ) ) ,
s q 3 ( t ^ , t m ) = a r ( t ^ - R 1 ( t m ) + R 3 ( t m ) c ) a a ( t m ) exp ( jπγ ( t ^ - R 1 ( t m ) + R 3 ( t m ) c ) 2 )
exp ( - j 2 πf c c ( R 1 ( t m ) + R 3 ( t m ) ) ) ,
其中，Sq1为天线O接收到的目标回波信号，Sq2为天线A1接收到的目标回波信号，Sq3为天线A2接收到的目标回波信号，c为光速，R1(tm)，R2(tm)，R3(tm)依次为tm时刻q点到天线O、A1、A2的距离；
步骤3：对步骤2接收到的回波信号进行匹配滤波，匹配滤波后其表达式为：
s q 1 ( t ^ , t m ) = σ m 1 sin c ( Δf r ( t ^ - 2 R 1 ( t m ) c ) ) exp ( - j 4 πf c c R 1 ( t m ) ) ,
s q 2 ( t ^ , t m ) = σ m 2 sin c ( Δf r ( t ^ - 2 R 1 ( t m ) + R 2 ( t m ) c ) ) exp ( - j 2 πf c c ( R 1 ( t m ) + R 2 ( t m ) ) )
s q 3 ( t ^ , t m ) = σ m 3 sin c ( Δf r ( t ^ - 2 R 1 ( t m ) + R 3 ( t m ) c ) ) exp ( - j 2 πf c c ( R 1 ( t m ) + R 3 ( t m ) ) ) ,
其中，Sq1为天线O接收到有用的目标回波信号，Sq2为天线A1接收到有用的目标回波信号，Sq3为天线A2接收到有用的目标回波信号，σm1、σm2和σm3表示脉压后的目标散射点幅度，Δfr为线性调频信号频带；
步骤4：利用复振频来计算q点的坐标，三个天线的复振幅分别为：
s q 1 ( t m ) = A q exp ( - j 4 πf c c R 1 ( t m ) ) ,
s q 2 ( t m ) = A q exp ( - j 2 πf c c ( R 1 ( t m ) + R 2 ( t m ) ) ) ,
s q 3 ( t m ) = A q exp ( - j 2 πf c c ( R 1 ( t m ) + R 3 ( t m ) ) ) ,
其中，Aq表示 和的绝对值；
步骤5：计算q点沿x轴与z轴的投影坐标，将sq2(tm)与sq3(tm)分别与sq1(tm)共轭相乘，即乘其倒数得：
s q 2 ( t m ) s q 1 * ( t m ) = A q 2 exp ( - j 2 πf c c ( R 1 ( t m ) - R 2 ( t m ) ) ) ,
s q 3 ( t m ) s q 1 * ( t m ) = A q 2 exp ( - j 2 πf c c ( R 1 ( t m ) - R 3 ( t m ) ) ) ,
即，的相位差为：
q点沿x轴与z轴的投影坐标根据相位差得出：
其中，x(tm)为q点在tm时刻在x轴的投影，z(tm)为q点在tm时刻在z轴的投影；
步骤6：计算目标的最大横向和纵向尺寸范围，为使横向和纵向测距无模糊，因相位差是以2π为周期，应保证：
| &pi;x ( t m ) D / &lambda;R 1 ( t m ) | < &pi; ,
| &pi;z ( t m ) D / &lambda;R 1 ( t m ) | < &pi; ,
最大横向和纵向的目标尺寸范围为：
x ( t m ) &Element; X = [ - &lambda;R 1 ( t m ) D , &lambda;R 1 ( t m ) D ] ,
z ( t m ) &Element; Z = [ - &lambda;R 1 ( t m ) D , &lambda;R 1 ( t m ) D ] ;
步骤7：得出参考图像中各点在xyz坐标系中的分布图，用I表示；
步骤8：在坐标系xyz中新建坐标系x′y′z′，定义其坐标原点o’在坐标系xyz中的坐标为(a,a,a)，在待配准图像上重新选取任一散射点q，按照步骤1～6的方法，获得待配准图像中各点在x′y′z′坐标系中的分布图，用I′表示。
3.根据权利要求1所述基于互信息的3DInISAR图像配准融合方法，其特征在于，步骤2中，所述图像配准融合的过程为：
步骤1：将xyz坐标系上的x-y投影图像作为参考图像，x′y′z′坐标系上的x′-y′投影图像作为待配准图像，对待配准图像进行几何变换Ta，使其变换后坐标值与参考图像坐标值对应，变换矩阵为：
Tα＝T1×T2×T3×T4，
T 1 = 1 0 0 0 0 0 t x t y 0 , T 2 = 1 0 0 0 0 0 - a - a 0 , T 4 = 1 0 0 0 0 0 c d 0 ,
其中，T1实现(tx,ty)的变换，T2为平移坐标系统到图像中心，T3为旋转图像度，T4是平移图像到新的原点；
步骤2：采用PV插值法对未落在了参考图像网格点上的点值进行计算来得到该点的值；
步骤3：计算参考图像与插值后待配准的图像间的互信息：
I ( &alpha; ) = &Sigma; f , r P FR , &alpha; ( f , r ) log 2 P FR , &alpha; ( f , r ) P F , &alpha; P R , &alpha; ( f , r ) ,
其中，I(α)为待配准图像和参考图像的互信息参数，PFR,α(f,r)为待配准图像与参考图像的灰度联合边缘概率；
步骤4：对基于互信息量的最优参数α进行评估：
αoptimal＝arg max I(α)，
其中，α为最优参数，I(α)为待配准图像和参考图像的互信息参数；
步骤5：利用Powell搜索算法进行最优化计算，依据最大互信息准则判断所得参数是否最优，若不是，重复步骤1～4，直到找出满足精度要求的最优配准参数，利用最优配准参数，将参考图像和待配准图在x-y平面内进行几何对齐，得x-y平面内的配准图；
步骤6：在步骤5所得配准图的基础上，利用步骤1～5的方法，将参考图像和待配准图在y-z平面内进行几何对齐，得y-z平面内的配准图；
步骤7：在步骤6所得配准图的基础上，利用步骤1～5的方法，将参考图像和待配准图在z-x平面内进行几何对齐，得z-x平面内的配准图；
步骤8：将步骤5、步骤6和步骤7所得的配准图像进行融合，得到三维图像。
CN201410804329.3A 2014-12-19 2014-12-19 基于互信息的3DInISAR图像配准融合方法 Pending CN104535978A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410804329.3A CN104535978A (zh) 2014-12-19 2014-12-19 基于互信息的3DInISAR图像配准融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410804329.3A CN104535978A (zh) 2014-12-19 2014-12-19 基于互信息的3DInISAR图像配准融合方法

Publications (1)

Publication Number Publication Date
CN104535978A true CN104535978A (zh) 2015-04-22

Family

ID=52851540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410804329.3A Pending CN104535978A (zh) 2014-12-19 2014-12-19 基于互信息的3DInISAR图像配准融合方法

Country Status (1)

Country Link
CN (1) CN104535978A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105204032A (zh) * 2015-09-29 2015-12-30 中国人民解放军装备学院 一种用于运动目标三维成像的激光探测系统及成像方法
CN107230199A (zh) * 2017-06-23 2017-10-03 歌尔科技有限公司 图像处理方法、装置和增强现实设备
CN108427111A (zh) * 2017-02-13 2018-08-21 华为技术有限公司 一种雷达测距方法及装置
CN108919263A (zh) * 2018-05-14 2018-11-30 西安电子科技大学 基于最大互信息准则的isar高分辨成像方法
CN109031295A (zh) * 2018-07-17 2018-12-18 中国人民解放军国防科技大学 一种基于波程差补偿的isar图像配准方法
CN110148165A (zh) * 2019-05-17 2019-08-20 西安电子科技大学 一种基于粒子群优化的三维干涉isar图像配准方法
CN111025290A (zh) * 2019-12-31 2020-04-17 电子科技大学 钻孔雷达高效率成像前融合方法及系统
CN112529945A (zh) * 2020-11-17 2021-03-19 西安电子科技大学 一种多视角三维isar散射点集配准方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LONG ZHANG 等: "In 3D InISAR images Fusion Method based on Maximization Mutual Information", 《IEEE》 *
吴国平 等: "《数字图像处理原理》", 30 September 2007, 中国地质大学出版社 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105204032A (zh) * 2015-09-29 2015-12-30 中国人民解放军装备学院 一种用于运动目标三维成像的激光探测系统及成像方法
CN108427111A (zh) * 2017-02-13 2018-08-21 华为技术有限公司 一种雷达测距方法及装置
CN107230199A (zh) * 2017-06-23 2017-10-03 歌尔科技有限公司 图像处理方法、装置和增强现实设备
CN108919263A (zh) * 2018-05-14 2018-11-30 西安电子科技大学 基于最大互信息准则的isar高分辨成像方法
CN108919263B (zh) * 2018-05-14 2022-04-05 西安电子科技大学 基于最大互信息准则的isar高分辨成像方法
CN109031295A (zh) * 2018-07-17 2018-12-18 中国人民解放军国防科技大学 一种基于波程差补偿的isar图像配准方法
CN110148165A (zh) * 2019-05-17 2019-08-20 西安电子科技大学 一种基于粒子群优化的三维干涉isar图像配准方法
CN110148165B (zh) * 2019-05-17 2022-01-25 西安电子科技大学 一种基于粒子群优化的三维干涉isar图像配准方法
CN111025290A (zh) * 2019-12-31 2020-04-17 电子科技大学 钻孔雷达高效率成像前融合方法及系统
CN112529945A (zh) * 2020-11-17 2021-03-19 西安电子科技大学 一种多视角三维isar散射点集配准方法
CN112529945B (zh) * 2020-11-17 2023-02-21 西安电子科技大学 一种多视角三维isar散射点集配准方法

Similar Documents

Publication Publication Date Title
CN104535978A (zh) 基于互信息的3DInISAR图像配准融合方法
US20200319332A1 (en) Imaging Systems and Related Methods Including Radar Imaging with Moving Arrays or Moving Targets
CN103983974B (zh) 双站调频连续波合成孔径雷达成像方法
CN103487803B (zh) 迭代压缩模式下机载扫描雷达成像方法
CN103576137B (zh) 一种基于成像策略的多传感器多目标定位方法
CN103954964B (zh) 多角度合成孔径雷达数据获取的方法
CN105044719A (zh) 一种基于圆周sar的太赫兹高精度垂直曲面成像方法
CN102393518A (zh) 一种适用于大斜视角的机载sar成像方法
CN103336278A (zh) 多视角观测下前视三维sar成像方法
CN103616688A (zh) 一种提升三维干涉逆合成孔径雷达图像质量的方法
CN104749570A (zh) 一种移不变机载双基合成孔径雷达目标定位方法
CN103308913A (zh) 一种高速飞行器载双天线前视sar解模糊算法
CN103969628A (zh) 一种基于压缩感知的合成孔径雷达pfa成像算法
CN109541594A (zh) 基于涡旋电磁波的条带sar三维成像方法
CN105487074A (zh) 一种双基地合成孔径雷达数值距离多普勒成像方法
CN104122552B (zh) 一种滑动式双站圆周合成孔径雷达成像方法
CN103091682B (zh) 基于时频分析InISAR多动目标成像和运动轨迹重建法
Rahman Focusing moving targets using range migration algorithm in ultra wideband low frequency synthetic aperture radar
CN111474543B (zh) 一种涡旋电磁波干涉的目标三维成像方法及装置
CN109143236A (zh) 适用于复杂飞行轨迹的双基聚束sar大场景成像方法
CN107728144A (zh) 一种基于前视双基模式的干涉sar成像技术
CN102937709B (zh) 基于直达波的双基地sar无同步回波聚焦成像方法
Borcea et al. Synthetic aperture radar imaging with motion estimation and autofocus
Chung et al. Analysis on the impact of constellation configuration over multistatic sar images
Phippen et al. 3D Images of Pedestrians at 300GHz

Legal Events

Date Code Title Description
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20150422

RJ01 Rejection of invention patent application after publication