CN105116408A - 一种舰船isar图像结构特征提取方法 - Google Patents

Abstract

本发明属于对舰船目标进行ISAR成像仿真技术领域，尤其涉及对舰船目标的甲板长度和甲板宽度等结构特征进行提取。本发明首先利用散射点模型对舰船目标进行仿真，然后模拟海杂波环境下的舰船目标的ISAR成像，最后对ISAR图像进行预处理，同时得到舰船目标的结构特征(甲板长度、甲板宽度)。本发明解决了复杂海杂波环境下对舰船目标结构特征提取的问题，对不同角度的舰船目标的结构特征提取均有不错的效果。

Description

一种舰船ISAR图像结构特征提取方法

技术领域

本发明属于对舰船目标进行ISAR成像仿真技术领域，尤其涉及对舰船目标的甲板长度和甲板宽度等结构特征进行提取。

背景技术

逆合成孔径雷达(Inversesyntheticapertureradar，ISAR)是一种重要的高分辨雷达，可以全天候、全天时、远距离地获取非合作目标的图像，具有重要的军事和民用价值。随着实际需求的不断发展，对ISAR成像技术的研究也在不断的深入。的出现旨在解决运动目标的成像问题，通常用于针对非合作目标的成像。对水面目标成像的重要性主要有：在国防上，如果能取得海面上的主动权，则可以获得非常巨大的战略意义，从而可以掌握整个战争的主动权。海面上主权的争夺则需要对海面上的目标进行精确和准确的探测，识别和跟踪。其次在民用上，对领海内民用船只进行监管，引导以及为航海活动提供支持等方面都有着巨大的实用价值。

到目前为止，国内外对飞机目标的成像已经进行了较深入的研究，但对舰船目标的ISAR成像研究成果却不够丰富。就成像原理来说，舰船与飞机目标成像相比区别并不大，但在海上海浪波动的影响下，舰船目标姿态变化会更加复杂，影响ISAR成像质量，需要进行进一步进行研究。

对舰船目标进行识别时，由于ISAR成像质量的原因，很难对舰船目标的结构特征进行提取，多数研究方向均采用统计特征进行提取。但是结构特征作为舰船目标最直接的反应，应当被作为重要的特征指标。

发明内容

针对现有技术的不足，本发明提供一种舰船ISAR图像结构特征提取方法，对海杂波环境下的ISAR舰船目标图像进行预处理、结构特征提取，从而实现对舰船目标识别的特征提取。

本发明的思路为：首先利用散射点模型对舰船目标进行仿真，然后模拟海杂波环境下的舰船目标的ISAR成像，最后对ISAR图像进行预处理，同时得到舰船目标的结构特征(甲板长度、甲板宽度)。

一种舰船ISAR图像结构特征提取方法，具体步骤如下：

S1、对舰船目标进行采样，包括距离向采样和方位向采样；

S2、对舰船目标进行散射点仿真，得到舰船目标上单个散射点回波信号表达式 $S_O\left(t\right)=a(t-nT-\frac{2r_1}{c})\exp \{j2\mathrm{\π}\[f(t-\frac{2r_1}{c})+\mathrm{\γ}{\left(t-nT-\frac{2r_1}{c}\right)}^2/2\]\},$ 其中,T是所述回波信号的脉冲重复周期，向量表示雷达与目标参考点之间的位置向量，τ为所述回波信号的脉冲的宽度，B是信号的带宽，γ＝B/τ是信号的调频斜率，n表示所述回波信号发射的第n个脉冲，a(t)表示信号的幅度值,t为时间,j为虚部,f为频率,将所述单个散射点的回波信号于其他回波进行混频处理后输出其中， 为r₁的单位向量,f₀为信号中心频率,v是K分布形状参数,是目标散射强度；

S3、运用脉冲压缩技术对S2所得回波信号进行距离向的压缩，得到压缩后的回波频域表达式 $S^c\left(f\right)=P^{*}\left(f\right)S_r\left(f\right)=R_{\mathrm{\Δ}f}(f-f_0)e^{-j2{\mathrm{\πkr}}_1}{\∫}_{V}g\left(\stackrel{\→}{r}\right)e^{-j2\mathrm{\π}(\stackrel{\→}{r}\·\stackrel{\‾}{k})}d\stackrel{\→}{r},$ 其中，P^*(f)是发射信号P(t)的匹配滤波器中的传递函数，f₀是信号中心频率，R_Δf(f-f₀)＝P^*(f)P(f),S_r(f)为回波信号的频谱；

S4、对S2所得回波信号的方位向进行FFT，生成舰船目标的ISAR图像；

S5、根据S1所得采样结果产生二维海杂波仿真的基础信号{S_i}和{p_i}，其中,{S_i}表示有i个相互独立的白实高斯序列阵，{p_i}表示有i个相互独立的包高斯复序列阵，i＝1,2,3,...,L,L为整数，当K分布形状参数v为整型或半整型时，L＝2v，否则L＝[2v+1]，[*]为向低取整数；

S6、根据S5所述基础信号{S_i}和{p_i}设计滤波器H₁(m,n)和H₂(m,n)，将S5所述{S_i}通过滤波器H₁(m,n)输出序列W_n，将S5所述序列{P_i}通过滤波器H₂(m,n)输出序列q_n＝X_n+Y_n，其中，W_n为具有很高自相关性的实高斯阵，q_n＝X_n+Y_n为具有指定自相关函数(autocorrelationfunction，ACF)的复高斯序列阵，其中，X为序列的实部，Y为序列的虚部；

S7、将S6所述序列W_n和序列q_n进行矩阵对应元素相乘相加处理，最后乘以方差因子得到指定功率谱的二维相干K分布海杂波序列阵Z＝U+jU_⊥,其中，U为Z的同相阵，U_⊥为Z的正交阵；

S8、将S7所述Z代入S2所述s(t)中，重复步骤S2-S4产生叠加了海杂波的舰船ISAR图像；

S9、对S8所述叠加了海杂波的舰船ISAR图像进行预处理，对经过预处理的图像进行Hough变换提取舰船目标的长和宽，将不同角度成像的舰船目标的结构特征进行建库。

进一步地，S2所述得到舰船目标上单个散射点回波信号表达式，具体步骤如下：

S21、利用公式

$s\left(t\right)={\∫}_{v}g\left(\stackrel{\→}{r}\right)P_n(t-\frac{2|{\stackrel{\→}{r}}_1+\stackrel{\→}{r}|}{c})d\stackrel{\→}{r}=a\left(t\right){\∫}_{v}g\left(\stackrel{\→}{r}\right)\exp \{j2\mathrm{\π}\[f_0(t^{\′}+nT)+\frac{{\mathrm{\γt}}^{{\′}^2}}{2}\]\}d\stackrel{\→}{r}$ 对ISAR回波信号进行模拟，其中， 是目标散射强度，V表示对目标空间的度量，c为光速；

S22、根据S21的模拟结果，舰船目标上单个散射点的回波可以表示为 $S_O\left(t\right)=a(t-nT-\frac{2r_1}{c})\exp \{j2\mathrm{\π}\[f(t-\frac{2r_1}{c})+\mathrm{\γ}{\left(t-nT-\frac{2r_1}{c}\right)}^2/2\]\}.$

进一步地，S2所述v＝2。

进一步地，S6所述滤波器H₁(m,n)和H₂(m,n)的具体设计过程如下：

S61、将S5所述{S_i}通过滤波器H₁(m,n)，输出序列W_n，所述滤波器H₁(m,n)是一个窄带二维低通滤波器，通过对一维零相位FIR滤波器进行McClellan变换获得，所述{S_i}通过滤波器H₁(m,n)后，生成的实高斯阵具有很高的自相关性；

S62、将S5所述序列{P_i}通过滤波器H₂(m,n)输出序列q_n＝X_n+Y_n，所述滤波器H₂(m,n)的设计与功率谱相关，已知海杂波的功率谱模型为高斯分布，其归一化的相关函数为R(τ)＝exp(-ατ²+j2πf_dτ)，则 $\begin{array}{c}r=2R_{WW}\·R_{XX}\\ r\⊥=-2R_{WW}\·R_{XY}\end{array},$ 滤波器H₂(m,n)输出序列的ACF表达为R_qq＝2[R_XX-jR_XY]其中，的大小决定相关函数的离散程度，f_d为平均多普勒频率， 为杂波频谱的均方根值，σ_v为杂波速度的均方根值，λ为雷达工作波长，为载机平台运动的频谱方差，为天线扫描引起的频谱方差，R_WW、R_XX为W_n与X_n的2D-ACF，R_XY为X_n与Y_n的二维互相关函数。

进一步地，S62所述α＝10，f_d＝0.5。

本发明的有益效果是：

对海面杂波的干扰进行了仿真，使模拟舰船目标的ISAR成像更接近复杂的真实成像结果。提取了舰船目标的结构特征，与舰船目标实际结构尺寸相差在1m以内，从而解决了复杂海杂波环境下对舰船目标结构特征提取的问题，对不同角度的舰船目标的结构特征提取均有不错的效果。

附图说明

图1为结构特征提取流程图。

图2为“尼米兹”号航母的俯视和尾视散射点图。

图3为模拟的二维海杂波图像。

图4为混入海杂波的舰船ISAR图像。

图5为预处理和特征提取后的ISAR图像。

具体实施方式

下面结合实施例和附图，详细说明本发明的技术方案。

选取“尼米兹”号航母进行建模。

“尼米兹”号航母的真实尺寸如下：舰船长332.9米，舰宽40.8米，飞行甲板宽76.8米，吃水11.3米。在舰船上每隔5m取一个散射点，保证在分辨率下能够观测到整个图像，散射点图像按照原始图像的结构绘制。如图2所示，为“尼米兹”号航母的俯视和尾视散射点图。

对舰船散射点建模图像进行ISAR成像仿真。

载波频率fc	10GHz
		载波波长λ	0.03m
发射信号带宽B	250MHz
		发射脉冲的宽度Tp	4μs
距离向采样频率fs	500MHz
		脉冲重复频率PRF	4000Hz
雷达高度H0	800m
		初始距离R0	24km

表一

利用表一给出的雷达参数和舰船的散射点建模，对舰船的ISAR成像进行仿真，具体步骤如下：

S1、对舰船目标进行采样，包括距离向采样和方位向采样；

S2、对舰船目标进行散射点仿真，得到舰船目标上单个散射点回波信号表达式 $S_O\left(t\right)=a(t-nT-\frac{2r_1}{c})\exp \{j2\mathrm{\π}\[f(t-\frac{2r_1}{c})+\mathrm{\γ}{\left(t-nT-\frac{2r_1}{c}\right)}^2/2\]\},$ 其中,T是所述回波信号的脉冲重复周期，向量表示雷达与目标参考点之间的位置向量，τ为所述回波信号的脉冲的宽度，B是信号的带宽，γ＝B/τ是信号的调频斜率，n表示所述回波信号发射的第n个脉冲，a(t)表示信号的幅度值,t为时间,j为虚部,f为频率,将所述单个散射点的回波信号于其他回波进行混频处理后输出其中， 为r₁的单位向量,f₀为信号中心频率,v是K分布形状参数,v＝2，是目标散射强度，其中，S2所述得到舰船目标上单个散射点回波信号表达式，具体步骤如下：

S21、利用公式

$s\left(t\right)={\∫}_{v}g\left(\stackrel{\→}{r}\right)P_n(t-\frac{2|{\stackrel{\→}{r}}_1+\stackrel{\→}{r}|}{c})d\stackrel{\→}{r}=a\left(t\right){\∫}_{v}g\left(\stackrel{\→}{r}\right)\exp \{j2\mathrm{\π}\[f_0(t^{\′}+nT)+\frac{{\mathrm{\γt}}^{{\′}^2}}{2}\]\}d\stackrel{\→}{r}$ 对ISAR回波信号进行模拟，其中， 是目标散射强度，V表示对目标空间的度量，c为光速；

S22、根据S21的模拟结果，舰船目标上单个散射点的回波可以表示为 $S_O\left(t\right)=a(t-nT-\frac{2r_1}{c})\exp \{j2\mathrm{\π}\[f(t-\frac{2r_1}{c})+\mathrm{\γ}{\left(t-nT-\frac{2r_1}{c}\right)}^2/2\]\};$

S3、运用脉冲压缩技术对S2所得回波信号进行距离向的压缩，得到压缩后的回波频域表达式 $S^c\left(f\right)=P*\left(f\right)S_r\left(f\right)=R_{\mathrm{\Δ}f}(f-f_0)e^{-j2{\mathrm{\πkr}}_1}{\∫}_{V}g\left(\stackrel{\→}{r}\right)e^{-j2\mathrm{\π}(\stackrel{\→}{r}\·\stackrel{\‾}{k})}d\stackrel{\→}{r},$ 其中，P^*(f)是发射信号P(t)的匹配滤波器中的传递函数，f₀是信号中心频率，R_Δf(f-f₀)＝P^*(f)P(f),S_r(f)为回波信号的频谱；

S4、对S2所得回波信号的方位向进行FFT，生成舰船目标的ISAR图像；

S5、根据S1所得采样结果产生二维海杂波仿真的基础信号{S_i}和{p_i}，其中,{S_i}表示有i个相互独立的白实高斯序列阵，{p_i}表示有i个相互独立的包高斯复序列阵，i＝1,2,3,...,L,L为整数，当K分布形状参数v为整型或半整型时，L＝2v，否则L＝[2v+1]，[*]为向低取整数；

S6、根据S7所述基础信号{S_i}和{p_i}设计滤波器H₁(m,n)和H₂(m,n)，将S5所述{S_i}通过滤波器H₁(m,n)输出序列W_n，将S5所述序列{P_i}通过滤波器H₂(m,n)输出序列q_n＝X_n+Y_n，其中，W_n为具有很高自相关性的实高斯阵，q_n＝X_n+Y_n为具有指定自相关函数(autocorrelationfunction，ACF)的复高斯序列阵，其中，X为序列的实部，Y为序列的虚部，S6所述滤波器H₁(m,n)和H₂(m,n)的具体设计过程如下：

S61、将S5所述{S_i}通过滤波器H₁(m,n)，输出序列W_n，所述滤波器H₁(m,n)是一个窄带二维低通滤波器，通过对一维零相位FIR滤波器进行McClellan变换获得，所述{S_i}通过滤波器H₁(m,n)后，生成的实高斯阵具有很高的自相关性；

S62、将S5所述序列{P_i}通过滤波器H₂(m,n)输出序列q_n＝X_n+Y_n，所述滤波器H₂(m,n)的设计与功率谱相关，已知海杂波的功率谱模型为高斯分布，其归一化的相关函数为R(τ)＝exp(-ατ²+j2πf_dτ)，则 $\begin{array}{c}r=2R_{WW}\·R_{XX}\\ r\⊥=-2R_{WW}\·R_{XY}\end{array},$ 滤波器H₂(m,n)输出序列的ACF表达为R_qq＝2[R_XX-jR_XY]其中，的大小决定相关函数的离散程度，f_d＝0.5为平均多普勒频率， 为杂波频谱的均方根值，σ_v为杂波速度的均方根值，λ为雷达工作波长，为载机平台运动的频谱方差，为天线扫描引起的频谱方差，R_WW、R_XX为W_n与X_n的2D-ACF，R_XY为X_n与Y_n的二维互相关函数。

S7、将S6所述序列W_n和序列q_n进行矩阵对应元素相乘相加处理，最后乘以方差因子得到指定功率谱的二维相干K分布海杂波序列阵Z＝U+jU_⊥,其中，U为Z的同相阵，U_⊥为Z的正交阵；

S8、将S7所述Z代入S2所述s(t)中，重复步骤S2-S4产生叠加了海杂波的舰船ISAR图像；

S9、对S8所述叠加了海杂波的舰船ISAR图像进行预处理，对经过预处理的图像进行Hough变换提取舰船目标的长和宽，将不同角度成像的舰船目标的结构特征进行建库：

首先对图像进行阈值处理，取阈值大小为130，以滤掉海杂波产生的干扰，生成一幅二值图像，再对图像进行膨胀处理，本发明采用的膨胀为正方形膨胀，膨胀参数设为3，将间断的散射点连接起来，最后对图像进行边界连接处理，连接方式为正方形连接，参数设置为20，使整个舰船目标的结构清晰展现。

通过Hough变换提取舰船目标的长和宽，将图像进行极坐标形式的Hough变换，对舰船目标进行旋转，每旋转1°进行一次结构特征提取，总共旋转20°，得到21组数据，将这21组数据进行建库和统计，以便后续的识别处理。提取的舰船目标的平均结构特征尺寸和实际尺寸如表二所示，从表二可以看出本发明对结构特征的提取具有较高的准确度。

舰船结构特征提取结果

	甲板长度(m)	飞行甲板宽(m)
			舰船实际长度	332.9	76.8
特征提取均值	332.3	77.2

表二

Claims (5)

1.一种舰船ISAR图像结构特征提取方法，其特征在于，包括如下步骤：

S1、对舰船目标进行采样，包括距离向采样和方位向采样；

S2、对舰船目标进行散射点仿真，得到舰船目标上单个散射点回波信号表达式 $S_O\left(t\right)=a(t-nT-\frac{2r_1}{c})\exp \{j2\mathrm{\π}\[f(t-\frac{2r_1}{c})+\mathrm{\γ}{(t-nT-\frac{2r_1}{c})}^2/2\]\},$ 其中,T是所述回波信号的脉冲重复周期，向量表示雷达与目标参考点之间的位置向量，τ为所述回波信号的脉冲的宽度，B是信号的带宽，γ＝B/τ是信号的调频斜率，n表示所述回波信号发射的第n个脉冲，a(t)表示信号的幅度值,t为时间,j为虚部,f为频率,将所述单个散射点的回波信号于其他回波进行混频处理后输出其中， 为r₁的单位向量,f₀为信号中心频率,v是K分布形状参数,是目标散射强度；

S3、运用脉冲压缩技术对S2所得回波信号进行距离向的压缩，得到压缩后的回波频域表达式 $S^c\left(f\right)=P*\left(f\right)S_r\left(f\right)=R_{\mathrm{\Δ}f}(f-f_0)e^{-j2{\mathrm{\πkr}}_1}\∫g_V\left(\stackrel{\→}{r}\right)e^{-j2\mathrm{\π}(\stackrel{\→}{r}\·\stackrel{\‾}{k})}d\stackrel{\→}{r},$ 其中，是发射信号P(t)的匹配滤波器中的传递函数，f₀是信号中心频率，R_Δf(f-f₀)＝P^*(f)P(f),S_r(f)为回波信号的频谱；

S4、对S2所得回波信号的方位向进行FFT，生成舰船目标的ISAR图像；

S5、根据S1所得采样结果产生二维海杂波仿真的基础信号{S_i}和{p_i}，其中,{S_i}表示有i个相互独立的白实高斯序列阵，{p_i}表示有i个相互独立的包高斯复序列阵，i＝1,2,3,...,L,L为整数，当K分布形状参数v为整型或半整型时，L＝2v，否则L＝[2v+1]，[*]为向低取整数；

S6、根据S5所述基础信号{S_i}和{p_i}设计滤波器H₁(m,n)和H₂(m,n)，将S5所述{S_i}通过滤波器H₁(m,n)输出序列W_n，将S5所述序列{P_i}通过滤波器H₂(m,n)输出序列q_n＝X_n+Y_n，其中，W_n为具有很高自相关性的实高斯阵，q_n＝X_n+Y_n为具有指定自相关函数(autocorrelationfunction，ACF)的复高斯序列阵，其中，X为序列的实部，Y为序列的虚部；

S7、将S6所述序列W_n和序列q_n进行矩阵对应元素相乘相加处理，最后乘以方差因子得到指定功率谱的二维相干K分布海杂波序列阵Z＝U+jU_⊥,其中，U为Z的同相阵，U_⊥为Z的正交阵；

S8、将S7所述Z代入S2所述s(t)中，重复步骤S2-S4产生叠加了海杂波的舰船ISAR图像；

S9、对S8所述叠加了海杂波的舰船ISAR图像进行预处理，对经过预处理的图像进行Hough变换提取舰船目标的长和宽，将不同角度成像的舰船目标的结构特征进行建库。

2.根据权利要求1所述的一种舰船ISAR图像结构特征提取方法，其特征在于：S2所述得到舰船目标上单个散射点回波信号表达式，具体步骤如下：

S21、利用公式

$s\left(t\right)={\∫}_{v}g\left(\stackrel{\→}{r}\right)P_n(t-\frac{2|{\stackrel{\→}{r}}_1+\stackrel{\→}{r}|}{c})d\stackrel{\→}{r}=a\left(t\right){\∫}_{v}g\left(\stackrel{\→}{r}\right)\exp \{j2\mathrm{\π}\[f_0(t^{\′}+nT)+\frac{{\mathrm{\γt}}^{\′2}}{2}\]\}d\stackrel{\→}{r}$ 对ISAR回波信号进行模拟，其中， 是目标散射强度，V表示对目标空间的度量，c为光速；

S22、根据S21的模拟结果，舰船目标上单个散射点的回波可以表示为 $S_O\left(t\right)=a(t-nT-\frac{2r_1}{c})\exp \{j2\mathrm{\π}\[f(t-\frac{2r_1}{c})+\mathrm{\γ}{(t-nT-\frac{2r_1}{c})}^2/2\]\}.$

3.根据权利要求1所述的一种舰船ISAR图像结构特征提取方法，其特征在于：S2所述v＝2。

4.根据权利要求1所述的一种舰船ISAR图像结构特征提取方法，其特征在于：S6所述滤波器H₁(m,n)和H₂(m,n)的具体设计过程如下：

S61、将S5所述{S_i}通过滤波器H₁(m,n)，输出序列W_n，所述滤波器H₁(m,n)是一个窄带二维低通滤波器，通过对一维零相位FIR滤波器进行McClellan变换获得，所述{S_i}通过滤波器H₁(m,n)后，生成的实高斯阵具有很高的自相关性；

S62、将S5所述序列{P_i}通过滤波器H₂(m,n)输出序列q_n＝X_n+Y_n，所述滤波器H₂(m,n)的设计与功率谱相关，已知海杂波的功率谱模型为高斯分布，其归一化的相关函数为R(τ)＝exp(-ατ²+j2πf_dτ)，则 $\begin{array}{c}r=2R_{WW}\·R_{XX}\\ r\⊥=-2R_{WW}{R}_{XY}\end{array},$ 滤波器H₂(m,n)输出序列的ACF表达为R_qq＝2[R_XX-jR_XY]其中，的大小决定相关函数的离散程度，f_d为平均多普勒频率， 为杂波频谱的均方根值，σ_v为杂波速度的均方根值，λ为雷达工作波长，为载机平台运动的频谱方差，为天线扫描引起的频谱方差，R_WW、R_XX为W_n与X_n的2D-ACF，R_XY为X_n与Y_n的二维互相关函数。

5.根据权利要求4所述的一种舰船ISAR图像结构特征提取方法，其特征在于:S62所述α＝10，f_d＝0.5。