CN105389582A - 基于clean算法散射中心提取的isar目标轮廓提取方法 - Google Patents

Abstract

本发明公开了基于CLEAN算法散射中心提取的ISAR目标轮廓提取方法，首先步骤1:利用二维CLEAN算法提取ISAR目标的散射中心位置信息，根据提取的N个散射强点对ISAR图像进行重构得到最终的高分辨图像,利用α-shape得到落在目标边缘处的散射中心位置；并通过本文提出的橡皮筋方法将这些散射中心连成闭合曲线，并对结果进行平滑处理获得平滑的目标轮廓线。本发明的有益效果是将二维CLEAN高分辨技术应用于ISAR像轮廓提取当中，通过本文提出的橡皮筋算法将位于目标边缘处的散射中心用闭合的平滑曲线连接以获得ISAR目标轮廓提取当中，便于后续的ISAR目标分类识别。

Description

基于CLEAN算法散射中心提取的ISAR目标轮廓提取方法

技术领域

本发明属于雷达成像技术领域，涉及基于CLEAN算法散射中心提取的ISAR目标轮廓提取方法。

背景技术

逆合成孔径雷达成像是一种获取运动目标高分辨图像的有效手段，特别是应用在在雷达目标检测识别与分类中。逆合成孔径雷达(inversesyntheticapertureradar，ISAR)成像在目标分类识别和检测中都有重要应用价值。在实际雷达成像中，目标既有平动又有转动，平移运动使目标上散射点回波产生相同的多普勒频率偏移，对成像没有帮助必须补偿掉。而转动则是实现成像的基础，它使得目标上不同方位的散射点产生不同的多普勒分量，因而可以得到方位的多普勒变化信息。补偿掉平移运动之后，目标的运动近似为围绕雷达转动，目标可以看作是转台目标。即可获得其聚焦的二维ISAR像，用于后续的轮廓特征提取。

作为一种重要的自动目标识别途径，ISAR像的轮廓提取是ISAR像目标特性反演和识别的基础。很多现有文献对ISAR目标轮廓提取进行了深入的研究。然而这些轮廓提取方法大都是基于形态学运算，需要将图像转换成二值图，很少有文献从ISAR回波数据本身入手。雷达目标的光学图像能显示出比较完整的目标轮廓形状，然而雷达图像则通常表现为目标上稀疏的散射中心分布，这些散射中心对应了目标的棱边、尖顶等的相对位置，反映了目标的形状结构。

发明内容

本发明的目的在于提供一种基于CLEAN算法散射中心提取的ISAR目标轮廓提取方法，解决了现有的轮廓提取方法大都基于形态学运算，其准确性受到限制的问题。

本发明所采用的技术方案是，基于CLEAN算法散射中心提取的ISAR目标轮廓提取方法，按照以下步骤进行：

步骤1:利用二维CLEAN算法提取ISAR目标的散射中心位置信息，根据提取的N个散射强点对ISAR图像进行重构得到最终的分辨图像，

$I(x,y)={\mathrm{\Σ}}_{n=1}^N{A}_n\·h(x-x_n,y-y_n)$

A_n代表位于坐标(x_n,y_n)处的散射强度最高的点的幅度，h(x,y)为点扩散函数，

步骤2：利用α-shape算法得到落在目标边缘处的散射中心位置；

步骤3：通过橡皮筋算法将这些散射中心连成闭合曲线，并对结果进行平滑处理获得平滑的目标轮廓线。

进一步的，步骤2的具体过程是：基于α-shape算法得到的凸包获取落在目标边缘处的所有散点，点集S内，过任意两点P₁，P₂绘制半径为α的圆，如果这个圆内没有其他点，则认为点P₁，P₂是边界点，其连线是边界线段，若已知P₁，P₂的坐标(x₁,y₁)，(x₂,y₂)，即可得到圆心P₃的坐标(x₃,y₃)，

$\left\{\begin{array}{c}{x}_3=x_1+\frac{1}{2}(x_2-x_1)+H(y_2-y_1)\\ y_3=y_1+\frac{1}{2}(y_2-y_1)+H(x_1-x_2)\end{array}\right.---\left(4\right)$

$H=\sqrt{{\mathrm{\α}}^2/\[{(x_1-x_2)}^2+{(y_1-y_2)}^2\]-1/4}---\left(5\right)$

H是中间量。

进一步的，步骤3具体包括：通过α-shape获取位于边界处的所有点，此处将边界点所在点集定义为Ps，找到所有凸包，定义为Cs，并利用线段，定义为Ls，按照顺时针顺序连接所有凸包，剩余的未包含的点集定义为Rs，根据以上的定义，橡皮筋算法包括以下步骤：

步骤a.将Rs中所有的点按照X坐标递增的方式排列；

步骤b.搜索Rs中第一个点，见图2(b)中的点3，并从Ls中找出与该点最接近的边，此处为c边；

步骤c.如果三角形内角A、B、C满足以下条件：A＜90°,B＜90°andC＞θ，用三角形另外两条边a和b替换第三条边c，之后将点3从Rs移到Cs中，并且将其按照顺时针方向插入点1和2中间，其中θ为角度门限以确保轮廓的光滑度；

步骤d.重复步骤a到c直至所有Rs中的点都处理完毕；如果Rs＝{0}，转到步骤f，否则转到步骤e；

步骤e.利用给定的角度门限θ,Rs中可能还有剩余的点，接下来以步长dθ减小θ并重复步骤a到d直至Rs＝{0}；

步骤f.最后利用平滑的曲线代替折线获得平滑的闭合轮廓模型。

本发明的有益效果是将二维CLEAN高分辨技术应用于ISAR像轮廓提取当中，通过本文提出的橡皮筋算法将位于目标边缘处的散射中心用闭合的平滑曲线连接以获得ISAR目标轮廓提取当中，便于后续的ISAR目标分类识别。

附图说明

图1是α-shape算法流程图。

其中，图1(a)是原始散列点集，图1(b)是α-shape结果。

图2是目标轮廓提取示意图。

其中，图2(a)α端点提取结果，图2(b)用三角形的两条边替代第三条边，图2(c)线段连接结果，图2(d)最终平滑轮廓。

图3是实测数据ISAR成像结果图。

其中，图3(a)雅克-42几何模型，图3(b)ISAR成像结果。

图4是散射中心位置提取结果图。

其中，图4(a)实际散射中心位置，(b)10点圆形插值后的结果。

图5是实测数据ISAR目标轮廓提取示意图。

其中，图5(a)α-shape结果，图5(b)橡皮筋算法结果，图5(c)线段连接结果，图5(d)最终平滑轮廓。

图6是本文方法与传统snake方法对比结果图。

其中，图6(a)snake结果，(b)本文结果。

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。

本文提出一种基于CLEAN和橡皮筋的目标轮廓提取的新方法，通过平动补偿获得聚焦的ISAR像。提取目标的二维散射中心位置。散射中心提取方法在很多文献中均有所提及。本文利用CLEAN算法从二维ISAR中获取目标的散射中心位置。利用α-shape方法，获取位于边界处的散射中心的位置，并连成闭合曲线。此处利用本文提出的一种名为橡皮筋的新方法，从散点的凸包入手，通过拉动橡皮筋的方式获得闭合轮廓线。最后，利用实测数据验证本文的可行性及准确性。

具体来说，本发明按照以下3个步骤进行：

步骤1：在光学区，雷达目标的频率响应特性可以表示为各个散射中心的频率响应之和。故此本文通过提取散射中心位置代替原始ISAR图像。散射中心提取方法很多，本文采用的二维CLEAN算法就是为了解决旁瓣抑制与分辨率之间的矛盾而提出的。CLEAN算法稳定性高，算法简单，被广泛应用于雷达成像中。

令I_n代表第n步的二维残余图像，A_n代表位于坐标(x_n,y_n)处的散射强度最高的点的幅度，h(x,y)为点扩散函数。则残余的图像可以表示为

I_n+1＝I_n-A_n·h(x-x_n,y-y_n)(1)

CLEAN技术的基本原理为：依次提取散射强度最大的散射点并将其从图像域中抠除，从而生成新的图像，重复上述过程直到终止条件满足。实际数据处理中，算法是对二维数据进行的搜索迭代过程，需要多次将强点对应的响应提出，需要预先设定某一特定阈值或循环步数作为退出循环的条件，当残余复图像幅度小于阈值时终止计算。令I_n代表第n步的二维残余图像，A_n代表位于(x_n,y_n)处的散射强度最高的点的幅度，则残余的图像可以表示为

I_n＝I_n-1-A_n·h(x-x_n,y-y_n)(2)

即第n步的二维残余图像等于第n-1步残余图像减去最强的散射点。根据提取的N个散射强点对ISAR图像进行重构得到最终的高分辨图像。

$I(x,y)={\mathrm{\Σ}}_{n=1}^N{A}_n\·h(x-x_n,y-y_n)---\left(3\right)$

步骤2：基于2D(二维)U-ESPRIT的散射中心提取；

本节基于α-shape算法得到的凸包获取落在目标边缘处的所有散点。点集S内，过任意两点P₁，P₂绘制半径为α的圆，如果这个圆内没有其他点，则认为点P₁，P₂是边界点，其连线是边界线段。若已知P₁，P₂的坐标(x₁,y₁)，(x₂,y₂)，即可得到圆心P₃的坐标(x₃,y₃)。

$\left\{\begin{array}{c}{x}_3=x_1+\frac{1}{2}(x_2-x_1)+H(y_2-y_1)\\ y_3=y_1+\frac{1}{2}(y_2-y_1)+H(x_1-x_2)\end{array}\right.---\left(4\right)$

$H=\sqrt{{\mathrm{\α}}^2/\[{(x_1-x_2)}^2+{(y_1-y_2)}^2\]-1/4}---\left(5\right)$

H是中间量。

步骤3：基于调频率估计方法完成横向定标；

本文提出一种橡皮筋算法，顾名思义，该算法可以看作一个外力向目标内部拉筋橡皮筋，直至所有目标边缘的散列点都按照顺时针排列。以图1(a)中散列点为例，通过α-shape获取位于边界处的所有点，如图1(b)所示，此处将边界点所在点集定义为Ps。找到所有凸包(定义为Cs)，并利用线段(定义为Ls)按照顺时针顺序连接所有凸包如图2(a)所示。剩余的未包含的点集定义为Rs(即Ps-Cs)。根据以上的定义，橡皮筋算法可以归纳为以下6个步骤。

步骤1.将Rs中所有的点按照X坐标递增的方式排列。

步骤2.搜索Rs中第一个点，见图2(b)中的点3，并从Ls中找出与该点最接近的边(此处为c边)。

步骤3.如果三角形内角A、B、C满足以下条件：A＜90°,B＜90°andC＞θ，用三角形另外两条边a和b替换第三条边c。如图2(b)所示。之后将点3从Rs移到Cs中，并且将其按照顺时针方向插入点1和2中间。其中θ为人为定义的角度门限以确保轮廓的光滑度。

步骤4.重复步骤1到3直至所有Rs中的点都处理完毕。如果Rs＝{0}，转到步骤6，否则转到步骤5。

步骤5.利用给定的角度门限θ,Rs中可能还有剩余的点。接下来以步长dθ减小θ并重复步骤1到4直至Rs＝{0}，结果如图2(c)所示。

步骤6.最后利用平滑的曲线代替折线获得平滑的闭合轮廓模型，如图2(d)所示。

本发明利用实测数据计算结果：

利用一组雅克-42型飞机的雷达实测数据来验证算法的有效性。雅克-42型飞机的轮廓尺寸为，长36.38m，宽34.88m，高9.83m，目标几何结构如图3(a)所示。采用128×128的步进频率雷达脉冲进行照射，目标距离雷达R＝15km，观测时间T＝5.12s，雷达中心频率f₀＝5.52GHz，总带宽B＝400MHz，脉冲重复频率PRF＝400Hz，脉冲宽度为25.6μs。

由于目标的旋转运动会影响定标的结果，因此，在进行定标处理之前，我们先对实测数据进行旋转运动补偿以得到聚焦的ISAR像结果。得到聚焦的ISAR像结果后，就可以利用CLEAN算法对其进行散射中心提取操作，经过平动，转动运动补偿以后即可获得聚焦的二维ISAR像，本文利用距离多普勒方法对雅克-42进行成像，其结果如图3(b)所示。

聚焦后即可利用二维CLEAN提取目标的散射中心位置，本文中共提取250孤立散射中心用以后续目标轮廓提取中，结果显示其可以在很大程度上反映目标的实际形状。散射中心提取结果如图4(a)所示，从中不难看出250个孤立点不易获得平滑的轮廓结果。故此本文采用10点圆形插值，插值半径为0.5m，插值结果如图4(b)所示，并在获得轮廓线后进行修正，即可获得目标的真正轮廓线。

接下来，需要提取落在边缘处的所有散点用以形成轮廓线。如图5(a)所示为α-shape提取结果。文中选取θ＝100°间隔为3°。之后，利用本文提出的橡皮筋算法将所有散列点按顺时针排列，橡皮筋算法结果如图5(b)所示。注意，此处图5(c)中闭合轮廓由线段连接而成。故此我们利用spline方法对结果进行平滑处理。另外，需要修正插值造成的误差，获得的最终轮廓结果如图5(d)所示。

此外，为了对照本文方法与传统方法的性能，此处利用“snake”方法提取雅克-42飞机的轮廓模型，提取结果如图6(a)所示。从图6(a)和(b)对比结果可知本文方法能够提取更加准确的轮廓模型，便于后续应用。利用2DCLEAN算法抑制了ISAR图像的噪声和旁瓣，可以获得跟高的分辨率。结合散射中心提取方法和本文提出的橡皮筋算法可以获得较为精确的目标轮廓模型。

本文提出一种新型的ISAR目标轮廓提取方，该方法首先利用CLEAN算法提取目标的强散射中心位置，通过插值及本文提出的橡皮筋算法获得精确的轮廓模型。最后利用实测数据及与传统snake方法的对比结果验证了本文算法的可行性和准确性。本文提取的轮廓模型可以应用于目标的分类识别。

以上所述仅是对本发明的较佳实施方式而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施方式所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (3)

1.基于CLEAN算法散射中心提取的ISAR目标轮廓提取方法，其特征在于，按照以下步骤进行：

步骤1:利用二维CLEAN算法提取ISAR目标的散射中心位置信息，根据提取的N个散射强点对ISAR图像进行重构得到最终的分辨图像，

$I(x,y)={\mathrm{\Σ}}_{n=1}^N{A}_n\·h(x-x_n,y-y_n)$

A_n代表位于坐标(x_n,y_n)处的散射强度最高的点的幅度，h(x,y)为点扩散函数，

步骤2：利用α-shape算法得到落在目标边缘处的散射中心位置；

步骤3：通过橡皮筋算法将这些散射中心连成闭合曲线，并对结果进行平滑处理获得平滑的目标轮廓线。

2.根据权利要求1所述的基于CLEAN算法散射中心提取的ISAR目标轮廓提取方法，其特征在于，所述步骤2的具体过程是：

基于α-shape算法得到的凸包获取落在目标边缘处的所有散点，点集S内，过任意两点P₁，P₂绘制半径为α的圆，如果这个圆内没有其他点，则认为点P₁，P₂是边界点，其连线是边界线段，若已知P₁，P₂的坐标(x₁,y₁)，(x₂,y₂)，即可得到圆心P₃的坐标(x₃,y₃)，

$\left\{\begin{array}{c}{x}_3=x_1+\frac{1}{2}(x_2-x_1)+H(y_2-y_1)\\ y_3=y_1+\frac{1}{2}(y_2-y_1)+H(x_1-x_2)\end{array}\right.---\left(4\right)$

$H=\sqrt{{\mathrm{\α}}^2/\[{(x_1-x_2)}^2+{(y_1-y_2)}^2\]-1/4}---\left(5\right)$

H是中间量。

3.根据权利要求1所述的基于CLEAN算法散射中心提取的ISAR目标轮廓提取方法，其特征在于，所述步骤3具体包括：

通过α-shape获取位于边界处的所有点，此处将边界点所在点集定义为Ps，找到所有凸包，定义为Cs，并利用线段，定义为Ls，按照顺时针顺序连接所有凸包，剩余的未包含的点集定义为Rs，根据以上的定义，橡皮筋算法包括以下步骤：

步骤a.将Rs中所有的点按照X坐标递增的方式排列；

步骤b.搜索Rs中第一个点，见图2(b)中的点3，并从Ls中找出与该点最接近的边，此处为c边；

步骤c.如果三角形内角A、B、C满足以下条件：A＜90°,B＜90°andC＞θ，用三角形另外两条边a和b替换第三条边c，之后将点3从Rs移到Cs中，并且将其按照顺时针方向插入点1和2中间，其中θ为角度门限以确保轮廓的光滑度；

步骤d.重复步骤a到c直至所有Rs中的点都处理完毕；如果Rs＝{0}，转到步骤f，否则转到步骤e；

步骤e.利用给定的角度门限θ,Rs中可能还有剩余的点，接下来以步长dθ减小θ并重复步骤a到d直至Rs＝{0}；

步骤f.最后利用平滑的曲线代替折线获得平滑的闭合轮廓模型。