CN105069460A - 一种isar图像舰船目标特征提取方法 - Google Patents

Abstract

一种ISAR图像舰船目标特征提取方法，步骤为(1)通过斑点噪声去除对ISAR图像进行图像预处理，得到去噪声后的图像(2)对步骤(1)中得到的图像进行灰度变换图像增强处理，增强目标对比度(3)对步骤(2)中得到的图像进行图像分割，对得到的二值化图像进行像素聚类处理，根据预设阈值判定是否需要迭代分割(4)对步骤(3)中得到的像素聚类处理结果进行舰船目标特征提取。本发明适用于岸基/船载ISAR雷达对海面大中型舰船目标成像与分类识别，属于海面目标实时监视系统，实时性要求高，虚警率低。

Description

一种ISAR图像舰船目标特征提取方法

技术领域

本发明涉及一种ISAR图像舰船目标特征方法，属于图像处理领域。

适用于岸基/船载ISAR雷达成像平台，对ISAR图像进行舰船目标特征提取，提取舰船的长度、主桅高度、轮廓、中心线等重要特征参数，用于岸基/船载ISAR雷达对海面大中型舰船目标成像与分类识别。

背景技术

ISAR雷达能够获得非合作运动目标(如飞机、舰船等)的精细图像，是极为重要的一种目标探测手段。在实际应用中，ISAR雷达除了固定在地面上，也可装在飞机、舰船等运动平台上，对空中、海面或地面的运动目标成像。ISAR雷达具有远距离探测、高分辨率二维成像能力，能在全天时、全天候条件下工作，能获取船只目标的距离、航速、航向、位置等信息。时效性强、探测精度高、全天候等优点，因而是海面态势感知的重要手段。基于ISAR二维图像提取的特征量包含了较丰富、直观的目标特征信息，在获取高质量舰船ISAR图像的基础上，可以从中提取舰船尺寸、形状、结构等特征作为舰船识别的有效特征量。

S.Musman,D.Kerr,C.Bachmann.AutomaticrecognitionofISARshipimages.IEEETransactiononaerospaceandelectronicsystems,1996,32(4):1392-1403.该文献中提出了ISAR图像舰船目标自动识别方法，通过分割、特征提取、目标分类操作从单帧和多帧ISAR图像中实现对舰船目标自动识别。

D.Pastina,C.Spina.Multi-featurebasedautomaticrecognitionofshiptargetsinISAR.IETradarsonarnavig.,2009,Vol.3,ISS.4,pp.406-423.该文献中提出了基于多特征的ISAR图像舰船目标自动识别方法，从ISAR图像中提取多特征与目标模型适当的投影中提取多特征相匹配，实现对目标分类识别。

以上文献提到的ISAR图像舰船目标自动识别方法，均为ISAR地面事后处理系统，对实时性要求不高，舰船目标特征参数提取精度不高。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供了一种ISAR图像舰船目标特征提取方法，实现岸基/船载ISAR雷达对海面大中型舰船目标高分辨率成像与分类识别。

本发明的技术解决方案是：一种ISAR图像舰船目标特征提取方法，步骤如下：

1)通过斑点噪声去除对ISAR图像进行图像预处理，得到去噪声后的图像；

2)对步骤1)得到的图像进行灰度变换图像增强处理，增强目标对比度；

3)对步骤2)得到的图像进行图像分割得到二值化图像，对得到的二值化图像进行像素聚类处理，根据预设阈值判定是否需要迭代分割，当满足阈值判定要求时进入步骤4)；

4)对步骤3)中得到的像素聚类处理结果进行舰船目标特征提取。

所述步骤2)中灰度变换图像增强处理具体通过如下步骤：

2.1)将步骤1)处理的结果图像灰度值归一化至0～1范围内；

2.2)按从左到右，从上到下顺序逐点扫描图像f(x,y)，逐点计算g₁(x,y)＝max(lIn,min(hIn,f(x,y)))，其中f(x,y)为步骤2.1)处理结果图像，x为图像的行坐标，y为图像的列坐标；lIn为输入参数，取值范围0～1，hIn为输入参数，取值范围0～1，且满足lIn＜hIn；min(,)为求两者最小值，max(,)为求两者最大值，g₁(x,y)为中间计算结果图像；

2.3)按从左到右，从上到下顺序逐点扫描图像g₁(x,y)，逐点计算g₂(x,y)＝((g₁(x,y)-lIn)/(hIn-lIn))²，g₂(x,y)为中间计算结果图像；

2.4)按从左到右，从上到下顺序逐点扫描图像g₂(x,y)，逐点计算g₃(x,y)＝g₂(x,y)×(hOut-lOut)+lOut，lOut为输入参数，取值范围0～1，hOut为输入参数，取值范围0～1，且满足lOut＜hOut；g₃(x,y)为中间计算结果图像；

2.5)将g₃(x,y)灰度值归一化至0～255范围内。

所述步骤3)中对图像分割与像素聚类处理具体通过如下步骤进行：

3.1)将步骤2)增强处理后的结果进行图像的均值μ和方差σ统计，取阈值TH＝μ+kσ,k＝0，1,2,3进行图像分割，得到二值图像；

3.2)取初始值k＝3，即阈值TH＝μ+3σ进行图像分割；

3.3)对步骤3.2)处理得到的二值图像进行标记，去除面积低于预设面积阈值的区域；

3.4)对于步骤3.3)处理后的图像中区域断裂和区域空心的情况，采用3×3～7×7结构元素形态学膨胀操作，使断裂的或者空心的区域联接成一个整体；

3.5)计算面积最大和次大两个区域间最小距离，若该距离小于预设距离阈值，并且最大区域面积与次大区域面积之比小于预设面积比阈值，更改k值，取k值减1，继续按阈值TH＝μ+kσ进行图像分割，并重复步骤3.3)～3.5)直至k值等于0，进入步骤4)；否则，直接进入步骤4)。

步骤4)中目标特征提取处理具体如下步骤：

4.1)舰船目标中心线特征提取：对步骤3)处理结果图像的面积最大区域利用其线性特征提取中心线，将Hough变换对线段的检测扩展至对线段组的检测，得到与舰船主体相吻合的线段组的位置、宽度和方向，该方向上长度最大位置即为中心线位置；

4.2)舰船长度和主桅高度特征提取：对步骤3)处理结果图像的面积最大区域进行外接矩形运算，其中外接矩形一个边长方向与中心线方向平行，这样与中心线方向平行的外接矩形边长即为船长度，外接矩形另一个方向边长与中心线相交，在中心线桅杆一侧外接矩形边长为主桅高度；

4.3)舰船目标轮廓提取特征提取：对步骤3)处理结果图像的面积最大区域进行二值图像轮廓提取，获得舰船目标轮廓。

步骤3.3)中的面积阈值取值范围10～20。

步骤3.5)中的预设距离阈值取值范围5～10。

步骤3.5)中的预设面积比阈值取值范围1～10。

本发明与现有技术相比的有益效果是：

(1)本发明采用斑点噪声去除、灰度变换图像增强预处理和迭代图像分割与像素聚类处理，可获得较为准确的目标二值区域，提取目标特征参数精度高。

(2)本发明方案的实时性高，算法复杂度低，是较为实用ISAR图像目标特征提取方法，可用于岸基/船载ISAR雷达海面舰船目标实时监视系统。

(3)岸基/船载ISAR雷达对海面大中型舰船目标观测，并进行实时高分辨率ISAR成像，通过对ISAR图像目标特征提取，能够实现对舰船目标分类识别。

附图说明

图1为本发明方法流程图；

图2为舰船目标ISAR图像；

图3为去噪和灰度变换增强后图像；

图4为第一次图像分割后图像；

图5为第一次图像分割与像素聚类后图像；

图6为第二次图像分割后图像；

图7为第二次图像分割与像素聚类后图像；

图8为舰船目标特征示意图。

具体实施方式

一种ISAR图像舰船目标特征方法，用于岸基/船载ISAR雷达实时监测系统。如图1所示，步骤如下：

(1)通过斑点噪声去除对ISAR图像进行图像预处理，得到去噪声后的图像；

通过斑点噪声去除对ISAR图像进行图像预处理具体如下：

(1.1)选定一个初始估计值T，该值介于ISAR图像灰度值最大值和最小值之间；

(1.2)使用T对ISAR图像像素点进行分组。灰度值≥T的所有像素组成f₁，灰度值＜T的所有像素组成f₂；

(1.3)计算f₁和f₂范围内像素的平均灰度值m₁和m₂；

(1.4)利用 $T=\frac{1}{2}(m_1+m_2);$

(1.5)重复(1.2)至(1.4)，直到连续两次计算中的T的差小于原先预定的参数T₀(这里取0.3～0.5)；

(1.6)对ISAR图像中灰度值低于T的散射点灰度值置零，高于T的散射点保留下来。

(2)对步骤(1)中得到的结果图像进行灰度变换图像增强处理；

灰度变换图像增强处理具体通过如下步骤进行：

(2.1)将步骤(1)处理的结果图像灰度值归一化至0～1范围内；

(2.2)按从左到右，从上到下顺序逐点扫描图像f(x,y)，逐点计算g₁(x,y)＝max(lIn,min(hIn,f(x,y)))，其中f(x,y)为步骤(2.1)处理结果图像，x为图像的行坐标，y为图像的列坐标；lIn为输入参数，取值范围0～1，hIn为输入参数，取值范围0～1，且满足lIn＜hIn；min(,)为求两者最小值，max(,)为求两者最大值，g₁(x,y)为中间计算结果图像；

(2.3)按从左到右，从上到下顺序逐点扫描图像g₁(x,y)，逐点计算g₂(x,y)＝((g₁(x,y)-lIn)/(hIn-lIn))²，g₂(x,y)为中间计算结果图像；

(2.4)按从左到右，从上到下顺序逐点扫描图像g₂(x,y)，逐点计算g₃(x,y)＝g₂(x,y)×(hOut-lOut)+lOut，lOut为输入参数，取值范围0～1，hOut为输入参数，取值范围0～1，且满足lOut＜hOut；g₃(x,y)为中间计算结果图像；

(2.5)将g₃(x,y)灰度值归一化至0～255范围内。

图2为输入原始ISAR图像，对图2进行斑点噪声去除和灰度变换图像增强处理，其结果如图3所示，可以明显看出，处理之后的图3之中，明显增强舰船目标的对比度。

(3)对步骤(2)处理结果图像进行图像分割与像素聚类处理；

图像分割与像素聚类处理具体通过如下步骤进行：

(3.1)将步骤(2)处理的结果图像中进行图像的均值μ和方差σ统计，取阈值TH＝μ+kσ,k＝0,1,2,3进行图像分割，得到二值图像，选取不同的k值会得到不同的二值图像；

(3.2)取初始值k＝3，即阈值TH＝μ+3σ进行图像分割；

(3.3)对步骤(3.2)处理结果二值图像进行标记，去除面积低于预设面积阈值的区域；

对于不同的舰船目标、不同的图像分辨率，设置的阈值是不同的。例如，对于大中型舰船目标，在高分辨率成像情况下，其舰船目标像素数可达到几千到几万个左右。依据这个特点，对二值图像进行标记，设定面积阈值，面积阈值取值范围10～20，去除面积较小的区域。

(3.4)对于区域断裂和区域空心的情况，采用3×3～7×7结构元素形态学膨胀操作，使断裂的或者空心的区域联接成一个整体；

(3.5)计算面积最大和次大两个区域间最小距离，若该距离小于预设距离阈值，距离阈值取值范围5～10，并且最大区域面积与次大区域面积之比小于预设面积比阈值，面积比阈值取值范围1～10，更改k值，取k值减1，即分割阈值TH＝μ+kσ进行图像分割，重复步骤(3.3)～(3.5)直至k值等于0，进入下一步骤；否则，直接进入下一步骤；

图4为取分割阈值TH＝μ+3σ初次分割结果图像，图5为对图4经过像素聚类处理后结果图像，达到去除像素数量少的区域和联接断裂区域及空心区域目的。通过计算面积最大和次大两个区域最小距离，发现该距离小于指定距离阈值，且最大区域与次大区域面积之比小于预设面积比阈值，修改k值，取k值减1，即取分割阈值TH＝μ+2σ进行第二次图像分割，分割结果如图6所示，其像素聚类结果图像如图7所示。通过计算面积最大和次大两个区域最小距离，发现该距离不小于指定距离阈值，终止图像分割进入下一步骤。

(4)对步骤(3)得到的结果图像进行目标特征提取，获得目标特征参数；

目标特征提取具体通过如下步骤进行：

(4.1)舰船目标中心线特征提取，对步骤(3)处理结果图像的面积最大区域利用其线性特征提取中心线，将Hough变换对线段的检测扩展至对线段组的检测，得到与舰船主体相吻合的线段组的位置、宽度和方向，该方向上长度最大位置即为中心线位置；

(4.2)舰船长度和主桅高度特征提取，对步骤(3)处理结果图像的面积最大区域进行外接矩形运算，其中外接矩形一个边长方向与中心线方向平行，这样与中心线方向平行的外接矩形边长即为船长度，外接矩形另一个方向边长与中心线相交，在中心线桅杆一侧的外接矩形边长为主桅高度；

(4.3)舰船目标轮廓提取特征提取，对步骤(3)处理结果图像的面积最大区域进行二值图像轮廓提取，获得舰船目标轮廓。

图8为舰船目标特征提取示意图，利用Hough变换检测出舰船目标中心线，采用二值区域的外接矩形计算出目标长度和主桅高度，如图8所示，L为舰船长度，Δf为主桅高度。

Claims (7)

1.一种ISAR图像舰船目标特征提取方法，其特征在于步骤如下：

1)通过斑点噪声去除对ISAR图像进行图像预处理，得到去噪声后的图像；

2)对步骤1)得到的图像进行灰度变换图像增强处理，增强目标对比度；

3)对步骤2)得到的图像进行图像分割得到二值化图像，对得到的二值化图像进行像素聚类处理，根据预设阈值判定是否需要迭代分割，当满足阈值判定要求时进入步骤4)；

4)对步骤3)中得到的像素聚类处理结果进行舰船目标特征提取。

2.根据权利要求1所述的一种ISAR图像舰船目标特征提取方法，其特征在于：所述步骤2)中灰度变换图像增强处理具体通过如下步骤：

2.1)将步骤1)处理的结果图像灰度值归一化至0～1范围内；

2.2)按从左到右，从上到下顺序逐点扫描图像f(x,y)，逐点计算g₁(x,y)＝max(lIn,min(hIn,f(x,y)))，其中f(x,y)为步骤2.1)处理结果图像，x为图像的行坐标，y为图像的列坐标；lIn为输入参数，取值范围0～1，hIn为输入参数，取值范围0～1，且满足lIn<hIn；min(,)为求两者最小值，max(,)为求两者最大值，g₁(x,y)为中间计算结果图像；

2.3)按从左到右，从上到下顺序逐点扫描图像g₁(x,y)，逐点计算g₂(x,y)＝((g₁(x,y)-lIn)/(hIn-lIn))²，g₂(x,y)为中间计算结果图像；

2.4)按从左到右，从上到下顺序逐点扫描图像g₂(x,y)，逐点计算g₃(x,y)＝g₂(x,y)×(hOut-lOut)+lOut，lOut为输入参数，取值范围0～1，hOut为输入参数，取值范围0～1，且满足lOut<hOut；g₃(x,y)为中间计算结果图像；

2.5)将g₃(x,y)灰度值归一化至0～255范围内。

3.根据权利要求1所述的一种ISAR图像舰船目标特征提取方法，其特征在于：所述步骤3)中对图像分割与像素聚类处理具体通过如下步骤进行：

3.1)将步骤2)增强处理后的结果进行图像的均值μ和方差σ统计，取阈值TH＝μ+kσ,k＝0，1,2,3进行图像分割，得到二值图像；

3.2)取初始值k＝3，即阈值TH＝μ+3σ进行图像分割；

3.3)对步骤3.2)处理得到的二值图像进行标记，去除面积低于预设面积阈值的区域；

3.4)对于步骤3.3)处理后的图像中区域断裂和区域空心的情况，采用3×3～7×7结构元素形态学膨胀操作，使断裂的或者空心的区域联接成一个整体；

3.5)计算面积最大和次大两个区域间最小距离，若该距离小于预设距离阈值，并且最大区域面积与次大区域面积之比小于预设面积比阈值，更改k值，取k值减1，继续按阈值TH＝μ+kσ进行图像分割，并重复步骤3.3)～3.5)直至k值等于0，进入步骤4)；否则，直接进入步骤4)。

4.根据权利要求3所述的一种ISAR图像舰船目标特征提取方法，其特征在于：步骤4)中目标特征提取处理具体如下步骤：

4.1)舰船目标中心线特征提取：对步骤3)处理结果图像的面积最大区域利用其线性特征提取中心线，将Hough变换对线段的检测扩展至对线段组的检测，得到与舰船主体相吻合的线段组的位置、宽度和方向，该方向上长度最大位置即为中心线位置；

4.2)舰船长度和主桅高度特征提取：对步骤3)处理结果图像的面积最大区域进行外接矩形运算，其中外接矩形一个边长方向与中心线方向平行，这样与中心线方向平行的外接矩形边长即为船长度，外接矩形另一个方向边长与中心线相交，在中心线桅杆一侧外接矩形边长为主桅高度；

4.3)舰船目标轮廓提取特征提取：对步骤3)处理结果图像的面积最大区域进行二值图像轮廓提取，获得舰船目标轮廓。

5.根据权利要求3所述的一种ISAR图像舰船目标特征提取方法，其特征在于：步骤3.3)中的面积阈值取值范围10～20。

6.根据权利要求3所述的一种ISAR图像舰船目标特征提取方法，其特征在于：步骤3.5)中的预设距离阈值取值范围5～10。

7.根据权利要求3所述的一种ISAR图像舰船目标特征提取方法，其特征在于：步骤3.5)中的预设面积比阈值取值范围1～10。