CN105741262A - 基于能量聚集度测度的海陆杂波场景分割方法 - Google Patents

Abstract

本发明公开了基于能量聚集度测度的海陆杂波场景分割方法，主要解决现有技术分割质量差的问题，其技术方案是：1利用雷达发射机发射脉冲信号，雷达接收机接收回波数据，回波数据的每个分辨单元中的回波序列为X；2对X进行过M采样的傅里叶变换，得到每个分辨单元中回波序列的频率序列Y；3利用Y计算能量聚集度矩阵E；4将E转化为灰度图像H，并对其进行中值滤波；5利用最大类间方差阈值分割法对中值滤波后的图像H1进行阈值初分割，得到初分割后的图像B；6对图像B进行形态学滤波，得到最终的杂波场景分割结果Z。本发明提高了海陆杂波场景分割的质量，满足实时的场景分割要求，可用于运动或静止相参体制平台下的海陆杂波场景分割。

Description

基于能量聚集度测度的海陆杂波场景分割方法

技术领域

本发明属于信号处理技术领域，具体涉及一种海陆杂波场景分割方法，可用于运动或静止相参体制平台下的海陆杂波场景分割。

背景技术

海杂波背景下的目标检测技术是雷达应用技术中一个至关重要的研究方向，在军事和民用领域已经得到广泛应用。当雷达在对海模式下工作时，扫描场景复杂并且范围较大，雷达回波中往往包含着各种类型的杂波，包括海杂波、地杂波、岛礁杂波、近海杂波等。地杂波和岛礁杂波回波强度较强，严重影响着海杂波背景下的目标检测，复杂的杂波场景和杂波特性构成了海面目标检测的主要障碍。因此，在海面目标检测前，对海陆杂波场景进行分割是必须的预处理。通过海陆杂波场景分割将雷达回波杂波场景中陆地及岛礁部分给分离出去，在目标检测的过程中，地杂波和岛礁杂波被排除，减少了地杂波和大型岛礁杂波对海杂波背景下目标检测的影响。海陆杂波场景分割的质量将直接影响海杂波背景下目标检测性能的好坏。

海陆杂波场景分割是在分析雷达回波数据的基础上对杂波场景进行分割。不同于传统的图像分割方法，雷达杂波场景的分割包括了转化雷达数据成灰度图像和灰度图像分割两部分。在海陆混合的复杂杂波场景中，由于海态、水深、盐度、温度等环境因素和雷达波束入射角、波束宽度等雷达参数对杂波强度的影响，杂波回波功率在很大的动态范围内变化，仅仅依靠杂波功率测度进行海陆杂波场景分割是不可行的。由于载机运动，回波多普勒偏移随着方位角变化，依靠多普勒频率测度的海陆杂波场景分割往往是高计算代价的，难以满足实时海陆杂波场景分割的要求。如果利用人工的方法直接对杂波场景进行描绘分割，费时费力，将带来巨大的工作量，无法满足实时的场景分割要求。

近年来，很多研究者对海陆分割方法进行着深入的研究，提出了一些基于特定理论的海陆分割方法。文献“艾国红，万寿红，岳丽华.基于多特征动态融合模型的海陆分割算法[J].电子技术.2011,3:52-57.”中对图像的特征进行提取和融合得到综合特征图，然后对综合特征图像进行阈值分割和映射及边缘处理。该方法中提到的综合特征只包括纹理特征和灰度特征，当图像较为复杂时，即海面灰度值与陆地灰度值相近时，就很难从纹理特征和灰度特征中区分海面区域和陆地区域。文献“单子力，王超，张红.基于优化活动轮廓模型的SAR影像海陆分割方法研究[J].计算机应用研究.2011,28(6).”中提出了一种以活动轮廓模型为基础的海陆自动分割方法，将图像的边缘和区域统计信息融合到能量函数中，在此基础上进行图像分割，该方法是通过提取图像中的某些特征来进行海陆分割，但当海面情况较为复杂时，他们所提取出的图像特征都无法很好的区分陆地和海洋，很难得到较好的分割效果。

发明内容

本发明的目的在于提出一种基于能量聚集度测度的海陆杂波场景分割方法，以实现运动或静止相参体制平台下，海陆杂波场景的快速、实时分割，提高分割的质量。

为实现上述技术目的，本发明的技术方案包括如下步骤：

(1)利用雷达发射机发射脉冲信号，利用雷达接收机接收经过海面散射形成的回波数据，该回波数据的每个分辨单元中的回波序列为X：

X＝[x₁,x₂,...,x_i,...,x_N]，

其中x_i表示第i个回波数据，N表示脉冲数；

(2)对每个分辨单元中的回波序列X进行过M采样的傅里叶变换，得到每个分辨单元中回波序列的频率序列Y：

Y＝[y₁,y₂,...,y_k,...,y_MN]

其中y_k表示第k个频率，MN表示多普勒通道数；

(3)利用每个分辨单元中回波序列的频率序列Y，计算每个分辨单元中的能量聚集度，得到所有分辨单元的能量聚集度矩阵E：

3a)计算每个分辨单元中回波序列的频率序列Y的所有多普勒通道中的能量，得到每个分辨单元中能量的最大值s_jl：

其中|·|²表示模平方，max{·}表示取最大值，j表示距离维，l表示波位维，W表示距离总数，L表示波位总数；

3b)计算每个分辨单元中回波序列的频率序列Y的总能量p_jl：

$p_{jl}=\underset{k=1}{\overset{MN}{\Σ}}|y_k{|}^2,j=1,2,...,W,l=1,2,...,L;$

3c)计算每个分辨单元中能量的最大值s_jl和总能量p_jl的比值，得到每个分辨单元的能量聚集度e_jl：

$e_{jl}=\frac{M\×\underset{k=1,2,...,M\·N}{max}\left\{\right|y_k{|}^2\}}{\underset{k=1}{\overset{MN}{\Σ}}|y_k{|}^2},$

3d)利用每个分辨单元的能量聚集度e_jl，得到所有分辨单元的能量聚集度矩阵E：

(4)将能量聚集度矩阵E转化为灰度图像H；

(5)对灰度图像H进行中值滤波，得到中值滤波后的图像H1；

(6)利用最大类间方差阈值分割法对中值滤波后的图像H1进行阈值初分割，得到初分割后的图像B；

(7)对初分割后的图像B进行形态学滤波，得到最终的杂波场景分割结果Z。

本发明与现有技术相比具有以下优点：

1)由于本发明利用能量聚集度作为海陆杂波场景分割的测度，充分体现了在运动或静止相参体制平台下海陆杂波的差异性，并且计算速度快，能够满足实际雷达系统的实时处理要求；

2)由于本发明利用最大类间方差阈值分割法对灰度图像进行初分割，其获取阈值的过程是自适应的，不需要人为的设定任何参数，运算速度快，在图像灰度直方图没有明显的双峰或波谷时，也能得到满意的分割效果；

3)由于本发明利用形态学滤波对初分割后的图像进行处理，保证了分割结果中陆地区域和海洋区域的连通性，提高了海陆杂波场景分割的质量。

附图说明

图1为本发明的实现流程图；

图2为采用本发明和现有测度得到的海陆杂波场景分割对比图。

具体实施方式

下面结合附图对本发明作进一步说明：

参照图1，本发明的实现步骤如下：

步骤1，利用雷达发射机发射脉冲信号，利用雷达接收机接收经过海面散射形成的回波数据。

回波数据是一个包括脉冲维，距离维和波位维的三维矩阵，每个距离维和波位维构成一个分辨单元，每个分辨单元中的回波序列为X：

X＝[x₁,x₂,...,x_i,...,x_N]，

其中x_i表示第i个回波数据，N表示脉冲数。

步骤2，对回波数据进行过M采样的傅里叶变换，得到回波数据的频率序列。

这里M的取值为2次幂数，即2,4,8...本发明实例中M的取值为4。

对回波数据的每个分辨单元中的回波序列X进行过M采样的傅里叶变换，得到每个分辨单元中回波序列的频率序列Y：

Y＝[y₁,y₂,...,y_k,...,y_MN]，

其中y_k表示第k个频率，MN表示多普勒通道数；

步骤3，利用回波数据的频率序列计算能量聚集度矩阵E。

(3.1)计算每个分辨单元中回波序列的频率序列Y的所有多普勒通道中的能量，得到每个分辨单元中能量的最大值s_jl：

其中|·|²表示模平方，max{·}表示取最大值，j表示距离维，l表示波位维，W表示距离总数，L表示波位总数；

(3.2)计算每个分辨单元中回波序列的频率序列Y的总能量p_jl：

$p_{jl}=\underset{k=1}{\overset{MN}{\&Sigma;}}|y_k{|}^2,j=1,2,...,W,l=1,2,...,L---<2>$

(3.3)计算式<1>表示的每个分辨单元中能量的最大值s_jl和式<2>表示的每个分辨单元的总能量p_jl的比值，得到每个分辨单元的能量聚集度e_jl：

$e_{jl}=\frac{M\&times;\underset{k=1,2,...,MN}{max}\left\{\right|y_k{|}^2\}}{\underset{k=1}{\overset{MN}{\&Sigma;}}|y_k{|}^2},---<3>$

(3.4)利用式<3>表示的每个分辨单元的能量聚集度e_jl，得到所有分辨单元的能量聚集度矩阵E：

能量聚集度的物理意义为：回波能量聚集在一个多普勒通道的精度。

步骤4，将能量聚集度矩阵E转化为灰度图像H。

在MATLAB中调用H＝mat2gray(E)命令，将能量聚集度矩阵E转化为灰度图像H，在灰度图像H中，陆地区域的灰度值大于海洋区域的灰度值。

步骤5，对灰度图像H进行中值滤波，得到中值滤波后的图像H1。

这里的滤波方法可采用均值滤波，中值滤波，维纳滤波，本发明实例选择的是中值滤波。中值滤波的关键是选择合适的窗口形状和大小，其步骤如下：

(5.1)将中值滤波的窗口设置为3×3的方形窗口；

(5.2)对灰度图像H中所有3×3的方形窗口内的所有像素灰度值进行排序；

(5.3)取排序结果的中间值作为3×3的方形窗口中心点处像素的灰度值，得到中值滤波后的图像H1。

步骤6，利用最大类间方差阈值分割法对中值滤波后的图像H1进行阈值初分割，得到初分割后的图像B。

这里的阈值初分割可以采用：灰度直方图阈值分割法、最大熵阈值分割法、最大类间方差阈值分割法、迭代法阈值分割法，本发明实例选择的是最大类间方差阈值分割法。

(6.1)取中值滤波后的图像H1中背景和目标两部分的类间方差最大时所对应的灰度值为最佳阈值；

(6.2)将中值滤波后的图像H1中灰度值比最佳阈值大的像素的灰度值设置为1，即陆地区域的灰度值为1；

(6.3)将中值滤波后的图像H1中比最佳阈值小的像素的灰度值设置为0，即海洋区域的灰度值为0，得到初分割后的图像B。

初分割后的图像B中，海洋区域含有大型目标或岛礁等孤立点需要被去除，陆地区域中有很多的孔洞需要填充。

步骤7，对初分割后的图像B进行形态学滤波，得到最终的杂波场景分割结果Z。

(7.1)在初分割后的图像B中，找出海洋区域中需要被去除的大型目标或岛礁等孤立点，找出陆地区域中需要填充的孔洞；

(7.2)设置形态学滤波中的结构元素为边长为5的八边形结构元素；

(7.3)对初分割后的图像B进行形态学滤波中的开运算，将海洋区域中比结构元素小的毛刺、孤立点去除；

(7.4)对开运算后的图像进行形态学滤波中的闭运算，将陆地区域中比结构元素小的孔洞填充，得到最终的海陆杂波场景分割结果Z。

基于步骤1到步骤7，实现了基于能量聚集度测度的海陆杂波场景分割。

下面结合仿真实验对本发明的效果做进一步说明。

1.仿真参数

仿真实验中采用的数据是某运动平台数据。

2.仿真实验内容

仿真实验中分别采用本发明方法和基于相位线性度测度的海陆杂波场景分割方法得到实测海杂波数据的海陆分割结果，通过分割结果图比较两种分割方法的分割质量。

仿真实验，对某运动平台数据，分别采用本发明方法和基于相位线性度测度的海陆杂波场景分割方法得到海陆分割结果，两种方法的结果对比如图2所示，图2中两幅子图的横轴均表示波位维，纵轴均表示距离维，白色表示陆地，黑色表示海洋，其中：

图2(a)表示采用本发明得到的海陆杂波场景分割结果；

图2(b)表示采用基于相位线性度测度的海陆杂波场景分割方法得到的分割结果。

从图2中可以看出，采用本发明方法得到的分割结果明显优于现有方法得到的分割结果。

综上所述，本发明提出的基于能量聚集度测度的海陆杂波场景分割方法，可以提高运动或静止相参体制平台条件下，海陆杂波场景分割的质量，并且计算速度快，能够满足实际雷达系统的实时处理要求，有利于后续的海杂波背景下目标检测性能的提高。

Claims (5)

1.一种基于能量聚集度测度的海陆杂波场景分割方法，其特征在于，包括：

(1)利用雷达发射机发射脉冲信号，利用雷达接收机接收经过海面散射形成的回波数据，该回波数据的每个分辨单元中的回波序列为X：

X＝[x₁,x₂,...,x_i,...,x_N]，

其中x_i表示第i个回波数据，N表示脉冲数；

(2)对每个分辨单元中的回波序列X进行过M采样的傅里叶变换，得到每个分辨单元中回波序列的频率序列Y：

Y＝[y₁,y₂,...,y_k,...,y_MN]

其中y_k表示第k个频率，MN表示多普勒通道数，M的取值为4；

(3)利用每个分辨单元中回波序列的频率序列Y，计算每个分辨单元中的能量聚集度，得到所有分辨单元的能量聚集度矩阵E：

3a)计算每个分辨单元中回波序列的频率序列Y的所有多普勒通道中的能量，得到每个分辨单元中能量的最大值s_jl：

其中|·|²表示模平方，max{·}表示取最大值，j表示距离维，l表示波位维，W表示距离总数，L表示波位总数；

3b)计算每个分辨单元中回波序列的频率序列Y的总能量p_jl：

$p_{jl}=\underset{k=1}{\overset{MN}{\&Sigma;}}|y_k{|}^2,j=1,2,...,W,l=1,2,...,L;$

3c)计算每个分辨单元中能量的最大值s_jl和总能量p_jl的比值，得到每个分辨单元的能量聚集度e_jl：

3d)利用每个分辨单元的能量聚集度e_jl，得到所有分辨单元的能量聚集度矩阵E：

(4)将能量聚集度矩阵E转化为灰度图像H；

(5)对灰度图像H进行中值滤波，得到中值滤波后的图像H1；

(6)利用最大类间方差阈值分割法对中值滤波后的图像H1进行阈值初分割，得到初分割后的图像B；

(7)对初分割后的图像B进行形态学滤波，得到最终的杂波场景分割结果Z。

2.如权利要求1所述的基于能量聚集度测度的海陆杂波场景分割方法，其特征在于，步骤(1)中的回波数据是一个包括脉冲维，距离维和波位维的三维矩阵，每个距离维和波位维构成一个分辨单元。

3.如权利要求1所述的基于能量聚集度测度的海陆杂波场景分割方法，其特征在于，步骤(5)中对灰度图像H进行中值滤波，得到中值滤波后的图像H1，按如下步骤进行：

5a)将中值滤波的窗口设置为3×3的方形窗口；

5b)对灰度图像H中所有3×3的方形窗口内的所有像素灰度值进行排序；

5c)取排序结果的中间值作为3×3的方形窗口中心点处像素的灰度值，得到中值滤波后的图像H1。

4.如权利要求1所述的基于能量聚集度测度的海陆杂波场景分割方法，其特征在于，步骤(6)中利用最大类间方差阈值分割法对中值滤波后的图像H1进行阈值初分割，是取图像中背景和目标两部分的类间方差最大时所对应的灰度值作为最佳阈值，并将图像中灰度值比最佳阈值大的像素的灰度值设置为1，即陆地区域的灰度值为1，将比最佳阈值小的像素的灰度值设置为0，即海洋区域的灰度值为0，得到初分割后的图像B。

5.如权利要求1所述的基于能量聚集度测度的海陆杂波场景分割方法，其特征在于，步骤(7)中对初分割后的图像B进行形态学滤波，按如下步骤进行：

(7.1)在初分割后的图像B中，找出海洋区域中需要被去除的大型目标或岛礁等孤立点，找出陆地区域中需要填充的孔洞；

(7.2)设置形态学滤波中的结构元素为边长为5的八边形结构元素；

(7.3)对初分割后的图像B进行形态学滤波中的开运算，将海洋区域中比结构元素小的毛刺、孤立点去除；

(7.4)对开运算后的图像进行形态学滤波中的闭运算，将陆地区域中比结构元素小的孔洞填充，得到最终的海陆杂波场景分割结果Z。