CN104569978B - 一种合成孔径雷达地面运动目标检测方法 - Google Patents

Abstract

本发明提供一种合成孔径雷达地面运动目标检测方法。技术方案包括下述步骤：步骤一：确定区域窗口大小；步骤二：计算两幅复图像每一个像素对的区域相关系数和区域杂波相关系数；步骤三：计算像素的区域相关比；步骤四：计算像素的区域相关比加权幅度；步骤五：计算所有像素的区域相关比加权幅度的均值；步骤六：目标判决。本发明具有较好的杂波抑制效果，能显著抑制杂波残留，可显著提高地面运动目标检测性能。

Description

一种合成孔径雷达地面运动目标检测方法

技术领域

本发明属于SAR(synthetic aperture radar，合成孔径雷达)技术领域，涉及一种SAR-GMTI(synthetic aperture radar ground moving target indication，合成孔径雷达地面运动目标检测)方法。

背景技术

地面运动目标检测是SAR应用的一个重要领域在军事情报监视、空对地打击和大范围地面交通监管等领域有着广泛的应用。SAR-GMTI系统通过在飞行平台上搭载两副或多副SAR天线对运动目标进行检测，现有的SAR-GMTI方法主要为DPCA(displaced phasecentre antenna，偏置天线相位中心)方法。

DPCA方法利用在很短时间间隔内获得的两幅复图像通过杂波对消的方法实现杂波抑制，进而实现运动目标检测。然而在实际工程中，由于DPCA方法受到通道不平衡和干涉相位整体漂移的限制，通常经过DPCA方法处理后，杂波对消后的幅度图像中杂波残留十分严重，因此DPCA方法不能将杂波完全抑制，最终导致DPCA方法的地面运动目标检测效果不理想。现有的DPCA方法不能将杂波完全抑制，影响了运动目标检测效果。

发明内容

本发明提供一种合成孔径雷达地面运动目标检测方法。该方法具有较好的杂波抑制效果，能显著抑制杂波残留，可显著提高地面运动目标检测性能。

本发明技术方案的基本原理是：通过分析两幅复图像中相同位置区域的杂波相关性发现，有目标区域和无目标区域的区域杂波相关性不同，而且两幅复图像幅度不平衡不会引起区域杂波相关性的变化，两幅图像的干涉相位整体漂移也不会引起区域杂波相关性的变化，这样采用区域杂波相关性指标对初步的检测结果做进一步加权处理，就可抑制通道不平衡和干涉相位整体漂移引起的杂波残留，进而达到更优良的地面运动目标检测效果。

本发明的技术方案是：

假设两副天线在极短的时间间隔(＜10ms)内对同一区域成像获得尺寸相同的两幅复图像I₁和I₂，且两幅复图像的对应像素点已完成配准，两幅复图像中相同坐标位置的像素称为一个像素对。

步骤一：确定区域窗口大小

根据SAR图像先验知识，在两幅复图像的相同位置处选定一块无目标均匀杂波区域，区域尺寸的大小为m×n，m和n的数值根据实际情况确定，m和n必需为奇数，通常初始值设为5×5。按照下式计算所选定区域两幅复图像的相关系数ρ_m×n：

(公式一)

上式中，(·)^*表示取共轭运算，I₁(k,l)和I₂(k,l)分别是两幅复图像I₁和I₂中所选定无目标均匀杂波区域的像素。判断ρ_m×n是否收敛于1，如果不收敛于1，则扩大m和n的数值，重新按照公式一计算ρ_m×n值，直至ρ_m×n收敛于1，此时m和n的数值即为选定的区域窗口尺寸，记为m₀和n₀。

步骤二：计算两幅复图像每一个像素对的区域相关系数和区域杂波相关系数：

设(i,j)是两幅复图像任意像素的坐标，利用下式计算复图像像素I₁(i,j)和复图像像素I₂(i,j)之间的区域相关系数

利用下式计算复图像像素I₁(i,j)和复图像像素I₂(i,j)之间的区域杂波相关系数

步骤三：按照下式计算计算像素(i,j)的区域相关比

步骤四：利用下式计算像素(i,j)的区域相关比加权幅度WDPCA(i,j)：

步骤五：利用下式计算所有像素的区域相关比加权幅度的均值E_WDPCA：

x和y分别是整幅复图像的方位向像素点数和距离向像素点数。

步骤六：目标判决：

将每一个像素的区域相关比加权幅度WDPCA(i,j)与E_WDPCA做比较，如果WDPCA(i,j)≥E_WDPCA，令WDPCA(i,j)＝1，如果WDPCA(i,j)＜E_WDPCA，令WDPCA(i,j)＝0。最终区域相关比加权幅度WDPCA(i,j)为1的像素为目标。

本发明的有益效果是：

1、利用区域相关系数指标来反映有目标区域和无目标的不同，该指标的计算过程对通道不平衡和干涉相位整体漂移不敏感；

2、区域相关比加权幅度对通道不平衡和干涉相位整体漂移不敏感可以显著抑制杂波，提升运动目标和杂波的对比度；

3、只涉及一些简单的算术运算，因此实现简单，运算量小。

附图说明

图1是本发明提供的一种合成孔径雷达地面运动目标检测方法的流程示意图；

图2是进行仿真实验的相关结果图。

具体实施方式

下面结合仿真实验对本发明提供的区域相关比加权地面运动目标检测方法进行详细说明。

图1是本发明提供的一种合成孔径雷达地面运动目标检测方法的流程示意图。该流程图的步骤一是确定区域窗口尺寸。其中，判断ρ_m×n是否收敛于1时，设定一个无穷小量ε，当|ρ_m×n-1|＜ε时，即认为ρ_m×n收敛于1，ρ_m×n收敛于1时的m和n值即为确定的区域窗口尺寸。无穷小量ε的选取根据实际情况确定。步骤二是根据步骤一确定的区域窗口尺寸，计算每一个像素对的区域相关系数和区域杂波相关系数。步骤三是利用每一个像素对的区域相关系数和区域杂波相关系数计算每一个像素点的区域相关比，在通过滑窗计算每一个像素点区域相关比的过程中，边缘像素不予考虑。步骤四是计算每一个像素对的区域相关比加权幅度。步骤五是计算所有像素的区域相关比加权幅度的均值。步骤六是目标判决，区域相关比加权幅度大于所有均值的像素点为目标。

图2是利用本发明进行仿真实验的相关结果图。实验中仿真三个点运动目标，目标径向运动速度为1m/s，目标信杂比为10dB，两幅仿真复图像的大小定为100×100，获得两幅复图像的时间间隔为5ms。

图2(a)是仿真的三个点运动目标，三个星号表示的位置即为仿真的目标；图2(b)是叠加了三个点运动目标和杂波的单幅仿真SAR图像的示意图，可见三个目标已经被杂波淹没，只可看出一个目标亮点。图2(c)是现有的DPCA方法处理后的杂波抑制效果，X轴是图像方位向，Y轴是杂波对消后的幅度，从图中可看出杂波对消后残留的杂波仍然很强；图2(d)是本发明方法处理后的杂波抑制效果，X轴是图像方位向，Y轴是区域相关比加权幅度，杂波被进一步抑制，可以明显观察到3个较强目标。图2(e)是现有DPCA方法的检测结果，图中有多个像素点被误检为目标，图中只用正方形框标识出其中的一个正确的目标点。图2(f)是区域相关比加权方法的检测结果，正方形框圈定的为成功检测到的目标，图中背景干净，目标全部被成功检测，且无虚警。可见本发明所提区域相关比加权检测方法能够有效抑制杂波残留，提高地面运动目标的检测性能。

Claims (1)

1.一种合成孔径雷达地面运动目标检测方法，假设两副天线在极短的时间间隔内对同一区域成像获得尺寸相同的两幅复图像I₁和I₂，且两幅复图像的对应像素点已完成配准，两幅复图像中相同坐标位置的像素称为一个像素对，其特征在于，包括下述步骤：

步骤一：确定区域窗口大小：

在两幅复图像的相同位置处选定一块无目标均匀杂波区域，区域尺寸的大小为m×n，m和n的数值根据实际情况确定，m和n必需为奇数，按照下式计算所选定区域两幅复图像的相关系数ρ_m×n：

上式中，(·)^*表示取共轭运算，I₁(k,l)和I₂(k,l)分别是两幅复图像I₁和I₂中所选定无目标均匀杂波区域且坐标为(k,l)的像素；判断ρ_m×n是否收敛于1，如果不收敛于1，则扩大m和n的数值，重新按照公式一计算ρ_m×n值，直至ρ_m×n收敛于1，此时m和n的数值即为选定的区域窗口尺寸，记为m₀和n₀；其中，判断ρ_m×n是否收敛于1时，设定一个无穷小量ε，当|ρ_m×n-1|＜ε时，即认为ρ_m×n收敛于1；

步骤二：计算两幅复图像每一个像素对的区域相关系数和区域杂波相关系数：

设(i,j)是两幅复图像任意像素的坐标，利用下式计算复图像像素I₁(i,j)和复图像像素I₂(i,j)之间的区域相关系数

${\mathrm{\ρ}}_{m_0\×n_0}\left(i,j\right)=\frac{\left|\underset{k^{\′}=i-\frac{m_0-1}{2}}{\overset{i+\frac{m_0-1}{2}}{\mathrm{\Σ}}}\underset{l^{\′}=j-\frac{n_0-1}{2}}{\overset{j+\frac{n_0-1}{2}}{\mathrm{\Σ}}}{I}_1\left(k^{\′},l^{\′}\right)I_2^{*}\left(k^{\′},l^{\′}\right)\right|}{\sqrt{\left(\underset{k^{\′}=i-\frac{m_0-1}{2}}{\overset{i+\frac{m_0-1}{2}}{\mathrm{\Σ}}}\underset{l^{\′}=j-\frac{n_0-1}{2}}{\overset{j+\frac{n_0-1}{2}}{\mathrm{\Σ}}}|I_1\left(k^{\′},l^{\′}\right){|}^2\right)\left(\underset{k^{\′}=i-\frac{m_0-1}{2}}{\overset{i+\frac{m_0-1}{2}}{\mathrm{\Σ}}}\underset{l^{\′}=j-\frac{n_0-1}{2}}{\overset{j+\frac{n_0-1}{2}}{\mathrm{\Σ}}}|I_2\left(k^{\′},l^{\′}\right){|}^2\right)}}$

利用下式计算复图像像素I₁(i,j)和复图像像素I₂(i,j)之间的区域杂波相关系数

${\mathrm{\ρ}}_{m_0\×n_0}^{\′}\left(i,j\right)=\frac{|\underset{k^{\′}=i-\frac{m_0-1}{2}}{\overset{i+\frac{m_0-1}{2}}{\mathrm{\Σ}}}\underset{l^{\′}=j-\frac{n_0-1}{2}}{\overset{j+\frac{n_0-1}{2}}{\mathrm{\Σ}}}{I}_1\left(k^{\′},l^{\′}\right)I_2^{*}\left(k^{\′},l^{\′}\right)-I_1\left(i,j\right)I_2^{*}\left(i,j\right)|}{\sqrt{\left(\underset{k^{\′}=i-\frac{m_0-1}{2}}{\overset{i+\frac{m_0-1}{2}}{\mathrm{\Σ}}}\underset{l^{\′}=j-\frac{n_0-1}{2}}{\overset{j+\frac{n_0-1}{2}}{\mathrm{\Σ}}}|I_1\left(k^{\′},l^{\′}\right){|}^2-|I_1\left(i,j\right){|}^2\right)\left(\underset{k^{\′}=i-\frac{m_0-1}{2}}{\overset{i+\frac{m_0-1}{2}}{\mathrm{\Σ}}}\underset{l^{\′}=j-\frac{n_0-1}{2}}{\overset{j+\frac{n_0-1}{2}}{\mathrm{\Σ}}}|I_2\left(k^{\′},l^{\′}\right){|}^2-|I_2\left(i,j\right){|}^2\right)}}$

步骤三：按照下式计算计算像素(i,j)的区域相关比

$P_{m_0\×n_0}(i,j)=\frac{{\mathrm{\ρ}}_{m_0\×n_0}(i,j)}{{\mathrm{\ρ}}_{m_0\×n_0}^{\′}(i,j)}$

步骤四：利用下式计算像素(i,j)的区域相关比加权幅度WDPCA(i,j)：

$WDPCA(i,j)=\left(P_{m_0\×n_0}\right(i,j)-1)|I_1(i,j)-I_2(i,j)|$

步骤五：利用下式计算所有像素的区域相关比加权幅度的均值E_WDPCA：

$E_{WDPCA}=\frac{1}{xy}\underset{i=1}{\overset{x}{\Σ}}\underset{j=1}{\overset{y}{\Σ}}WDPCA(i,j);$

x和y分别是整幅复图像的方位向像素点数和距离向像素点数；

步骤六：目标判决：

将每一个像素的区域相关比加权幅度WDPCA(i,j)与E_WDPCA做比较，如果WDPCA(i,j)≥E_WDPCA，令WDPCA(i,j)＝1，如果WDPCA(i,j)＜E_WDPCA，令WDPCA(i,j)＝0；最终区域相关比加权幅度WDPCA(i,j)为1的像素为目标。