CN105842698A - 一种高分辨sar图像的快速仿真方法 - Google Patents
一种高分辨sar图像的快速仿真方法 Download PDFInfo
- Publication number
- CN105842698A CN105842698A CN201610330190.2A CN201610330190A CN105842698A CN 105842698 A CN105842698 A CN 105842698A CN 201610330190 A CN201610330190 A CN 201610330190A CN 105842698 A CN105842698 A CN 105842698A
- Authority
- CN
- China
- Prior art keywords
- ray
- sar
- target scene
- object model
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
- G01S7/4052—Means for monitoring or calibrating by simulation of echoes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Image Generation (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于雷达技术领域,公开了一种高分辨SAR图像的快速仿真方法,能够高效快速的仿真所需目标场景的SAR图像,用于SAR图像的解译以及目标的自动识别,包括:建立目标场景的三维模型;确定目标场景的成像几何以及所需的采样射线的起点以及方向矢量;对目标场景建立基于bin的SAH‑BVH面元划分结构;利用上述的BVH结构进行快速的射线追踪并获取交点信息;确定获取的后向散射能量图;合成最终的SAR图像并添加相应的噪声。
Description
技术领域
本发明涉及雷达技术领域,尤其涉及一种高分辨SAR图像的快速仿真方法,用于扩充现有的SAR图像样本库,辅助合成孔径雷达目标的自动识别。
背景技术
SAR图像是目标电磁散射情况的反映,SAR的特殊工作机制和目标散射的复杂性使得SAR图像与可见光图像有很大差异,具有很多特有的特征,例如:相干斑噪声以及迎坡收缩、顶底倒置、叠掩等。SAR图像的特殊性给SAR图像的理解和应用带来了巨大的挑战。
SAR图像仿真是SAR图像理解的重要手段,围绕SAR图像仿真技术,学者们展开了大量的研究,提出了各种仿真方法。常用的SAR图像仿真可分为两类:基于回波的SAR成像仿真方法和基于特征的SAR图像仿真方法。
SAR回波成像仿真包括地物散射,SAR回波信号产生和处理一系列物理过程,和真实的SAR系统成像的过程一致,但效率过低,不能满足当前高分辨率SAR图像交互式解译与信息反演等实时应用。在此背景下,仿真技术的研究重点逐渐由精度转向运算速度,基于特征的SAR图像仿真方法成为了研究重点。如基于光栅的高分辨率SAR图像仿真方法虽然在快速SAR图像理解方面具有明显的优点,但是在多次散射特征的模拟上存在障碍。而基于光线追踪的SAR图像仿真方法虽然可以很好地模拟目标场景的多次散射特征,但是过慢的运算速度严重限制着光线追踪方法在SAR图像仿真方面的应用。
发明内容
针对上述现有技术的缺陷,本发明的目的在于提供一种高分辨SAR图像的快速仿真方法,能够克服光线追踪算法运算速度缓慢的不足,快速完成高分辨率SAR图像的仿真。
为达到上述目的,本发明的实施例采用如下技术方案予以实现。
一种高分辨SAR图像的快速仿真方法,所述方法包括如下步骤:
步骤1,建立目标场景的三维坐标系,将目标场景表面划分为多个连续的三角面元,并确定目标场景表面所有三角面元在三维坐标系中的顶点坐标,形成目标场景的三角面元模型,所述多个三角面元依次标号,每个三角面元包含背景三角面元和目标三角面元;
步骤2,确定SAR雷达对目标场景成像时所需的成像参数,并根据所述成像参数建立SAR雷达对目标场景的成像几何模型;所述成像参数至少包括SAR雷达位置、雷达辐射射线的数目以及每条射线的入射方向;
步骤3,确定SAR雷达对目标场景的辐射模型,所述辐射模型至少包含朗伯体散射模型和镜面反射模型;
步骤4,根据所述目标场景的三角面元模型,构建目标场景的基于表面积启发式的BVH树结构模型;
步骤5,所述SAR雷达对目标场景进行射线辐射,根据每条射线与所述BVH树结构模型的交点对对应单次射线进行跟踪,得到朗伯体散射结果;所述朗伯体散射结果包含每条单次射线与所述BVH树结构模型的跟踪距离以及交点所属的三角面元编号;
步骤6,根据所述朗伯体散射结果,确定二次散射反射线,所述二次散射反射线为与三角面元相交的单次射线;根据每条二次散射反射线与所述BVH树结构模型的交点对对应二次散射反射线进行跟踪,得到镜面反射结果;所述镜面反射结果包含每条二次散射反射线与所述BVH树结构模型的跟踪距离以及交点所属的三角面元编号;
步骤7,根据朗伯体散射模型计算每条单次射线的散射能量值,根据镜面反射模型计算每条二次散射反射线的散射能量值;将与背景三角面元相交的单次射线的散射能量值设置为常数,并将与BVH树结构模型不相交的单次射线和与BVH树结构模型不相交的二次散射反射线的跟踪距离设置为无穷大;
步骤8,根据所述每条单次射线的散射能量值和每条二次散射反射线的散射能量值、所述每条单次射线的跟踪距离和每条二次散射反射线的跟踪距离以及所述每条射线的入射方向,得到SAR雷达仿真图像。
本发明改进了传统的基于光线追踪的方法,使用了基于bin的SAH-BVH(Bounding Volume Hierarchy with Surface Area Heuristic)面元划分方法,大幅减少了追踪过程中射线与面元的求交次数,从而获得更快的运算速度,而且本发明采取的辐射模型综合了表面镜面反射和朗伯体散射,不仅可以模拟目标的叠掩、阴影特征以及相邻目标间的多次散射特征,而且考虑到了与目标表面材质类型相关的辐射特性,使得最终的仿真结果更加接近于真实的电磁散射特性;同时本算法采用的辐射模型充分考虑到了模型的几何特征,更加真实地反映SAR图像的成像原理这些方法的采纳使得本发明获得了较高的仿真效果以及快速的仿真速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的高分辨SAR图像的快速仿真方法的流程示意图;
图2是本发明实施例提供的使用的T95坦克的三维模型示意图;
图3是本发明实施例提供的针对T95坦克的SAR图像仿真结果示意图;
图4是本发明实施例提供的雷达成像几何示意图;
图5是本发明实施例提供的仿真结果与真实SAR图像的对比示意图一;
图6是本发明实施例提供的仿真结果与真实SAR图像的对比示意图二;
图7是本发明实施例提供的仿真结果与真实SAR图像的对比示意图三;
图8是本发明实施例提供分类识别率示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种高分辨SAR图像的快速仿真方法,如图1所示,所述方法包括如下步骤:
步骤1,建立目标场景的三维坐标系,将目标场景表面划分为多个连续的三角面元,并确定目标场景表面所有三角面元在三维坐标系中的顶点坐标,形成目标场景的三角面元模型,所述多个三角面元依次标号,每个三角面元包含背景三角面元和目标三角面元。
示例性的,在实际工程实现时,目标场景的三维模型是预先存储的,可以预先模拟各种目标场景,且目标场景的三维模型以小三角面元为基本单位建立,预先存储的目标场景文件中包含所有小三角面元的顶点坐标[xi,yi,zi]。
需要补充的是,可以对预先存储的目标场景中各个小三角面元的顶点坐标进行尺度变换调节,以使得目标场景中目标模型的尺寸与真实目标一致。
步骤2,确定SAR雷达对目标场景成像时所需的成像参数,并根据所述成像参数建立SAR雷达对目标场景的成像几何模型;所述成像参数至少包括SAR雷达位置、雷达辐射射线的数目以及每条射线的入射方向。
步骤2具体包括如下子步骤:
(2a)设置SAR雷达系统参数,所述SAR雷达系统参数包括SAR雷达飞行高度H,SAR雷达与目标之间的距离R,雷达辐射射线的入射角θ,SAR雷达距离分辨率和SAR雷达方位分辨率;
(2b)SAR雷达场景坐标系与目标场景坐标系为相同的三维坐标系,坐标原点位于场景中心,其中,X轴为SAR雷达距离向,Y轴为SAR雷达方位向,Z轴为SAR雷达高度向,SAR雷达初始坐标S=[-H·tgθ,0,H];
(2c)设SAR雷达飞行过程中的方位角为通过下述过程将SAR雷达相对于目标场景转换为正侧视:
其中,[X Y Z]T表示将SAR雷达相对于目标场景转换为正侧视后的坐标值,[E N H]T表示将SAR雷达相对于目标场景转换为正侧视前的坐标值;
(2d)SAR雷达沿方位向采用“停-走-停”模式,且沿方位向每次移动步长为SAR雷达方位分辨率,并沿距离向按照不同的入射角发射射线。
SAR雷达沿方位向采用“停-走-停”模式,SAR雷达沿距离向剖面发射并接收电磁波信号,然后沿着方位向移动到下一个距离线后再发射并接收电磁波,其具体步骤如下所述:
(2d1)设定方位向步长等于方位向分辨率step=δa,每次雷达收发信号所在位置的Y轴的坐标为δa的整数倍,-Nδa,...,-1δa,0,δa,2δa,....Nδa,由方位向的幅宽Y确定方位向的采样数J(一个位置上的采样数):
Y=Ymax-Ymin;
J=Y/δa;
其中,Ymax为目标场景方位向最大值,Ymin为目标场景方位向最小值;
(2d2)确定距离向的采样数I:距离向采样数由目标场景距离向最大值Rmax、射线入射角θmin(即射线最小入射角)、雷达飞行高度H以及距离向分辨率δslr决定;
设固定方位向上第i条射线的入射角为θi,则第i+1条射线的入射角θi+1为:
θi+1=arccos(H/(H/cos(θi)+δslr))
当θi+1的值最接近arctan((H*tan(θmin)+Rmax)/H)时,此时的i+1为距离向的采样数I;
(2d3)综合上述步骤,可以确定成像几何所需的参数如下:(雷达位置坐标射线的方向向量雷达方位向位置Yj):
Yj=j·δa
其中,i,j分别表示该射线在距离向和方位向上的索引。
步骤3,确定SAR雷达对目标场景的辐射模型,所述辐射模型至少包含朗伯体散射模型和镜面反射模型。
步骤3中朗伯体散射模型用于跟踪单次射线并计算单次射线的散射能量值Irec,镜面反射模型用于跟踪二次散射反射线并计算二次散射反射线的散射能量值Isp:
Irec=k·Iin·Ae·cospω
Isp=Fs·Ae·(cosω)1/Fr
其中,Iin表示入射能量,k为漫反射系数,参数p与表面材质有关,ω为射线与目标平面法线之间的夹角,Ae为有效面积,Fs为镜面反射系数,Fr为粗糙度调节系数。
步骤4,根据所述目标场景的三角面元模型,构建目标场景的基于表面积启发式的BVH树结构模型。
本发明实施例提供的方法要将整个目标场景空间分割成若干个bin(箱子),利用SAH函数计算每个bin的代价,代价最小处即近似为最优划分点。此处,SAH表示表面积启发式算法。
基于bin的SAH-BVH结构实际上是一棵二叉树,包括两种节点类型:叶子节点和根节点。叶子节点是最终存放面元的地方,而根节点则是存放代表该划分的包围盒信息。
使用SAH-BVH需要考虑两个阶段的工作:构建二叉树和遍历二叉树。
步骤4具体包括如下子步骤:
(4a)设置一个包围盒,使其包围目标场景中的所有三角面元;
(4b)将包围盒沿X轴、Y轴和Z轴等分为若干份小盒子,将每个三角面元划分到其所属的小盒子中,并预先设置遍历每个三角面元的代价值;
(4c)获取在每个坐标轴上所有的划分方法中总代价值最小的划分方法,并确定最佳划分点;根据所述最佳划分点将当前包围盒划分为两个子包围盒;
其中,T=2·TAABB+(LeftArea·invS)·ns1·Ttri+(RightArea·invS)·ns2·Ttri
TAABB表示遍历包围盒的代价,Ttri表示遍历一个三角面元的代价,LeftArea表示划分点左侧的子包围盒表面积,RightArea表示划分点右侧的子包围盒表面积,invS表示待划分的包围盒表面积的倒数,ns1表示划分点左侧的子包围盒包含三角面元的数目,ns2表示划分点右侧的子包围盒包含三角面元的数目,Ttri表示遍历一个三角面元的代价,T表示当前划分点划分的总代价。
(4d)若子包围盒中包含的三角面元的个数小于预设的设定值,则将该子包围盒记录为叶子节点,并记录该叶子节点包含的三角面元个数以及每个三角面元的顶点坐标;
(4e)若子包围盒中包含的三角面元的个数大于预设的设定值,则将该子包围盒记录为根节点,并记录该根节点包含的左右两个子包围盒中对应包含的三角面元的个数以及每个三角面元的顶点坐标;
(4f)对所述两个子包围盒重复执行步骤(4c)~(4d),直到将其划分为叶子节点。
步骤5,所述SAR雷达对目标场景进行射线辐射,根据每条射线与所述BVH树结构模型的交点对对应单次射线进行跟踪,得到朗伯体散射结果;所述朗伯体散射结果包含每条单次射线与所述BVH树结构模型的跟踪距离以及交点所属的三角面元编号。
步骤5中根据每条射线与所述BVH树结构模型的交点对对应单次射线进行跟踪具体为:
若单次射线与根节点相交,且该根节点下的所有子节点为叶子节点,该单次射线与三角面元相交,则记录该单次射线的跟踪距离以及与其相交的三角面元编号;
若单次射线与根节点相交,且该根节点下存在非叶子节点,则继续对该射线进行跟踪,直到与该单次射线相交的根节点下的所有子节点为叶子节点。
步骤6,根据所述朗伯体散射结果,确定二次散射反射线,所述二次散射反射线为与三角面元相交的单次射线;根据每条二次散射反射线与所述BVH树结构模型的交点对对应二次散射反射线进行跟踪,得到镜面反射结果;所述镜面反射结果包含每条二次散射反射线与所述BVH树结构模型的跟踪距离以及交点所属的三角面元编号。
在步骤5的单次射线追踪结束后,计算每根射线对应的镜面反射射线,然后按照步骤5的操作继续追踪二次散射反射线,并且记录相交的面元索引以及追踪距离,如果不相交将追踪距离设为无穷大。
步骤7,根据朗伯体散射模型计算每条单次射线的散射能量值,根据镜面反射模型计算每条二次散射反射线的散射能量值;将与背景三角面元相交的单次射线的散射能量值设置为常数,并将与BVH树结构模型不相交的单次射线和与BVH树结构模型不相交的二次散射反射线的跟踪距离设置为无穷大。
步骤8,根据所述每条单次射线的散射能量值和每条二次散射反射线的散射能量值、所述每条单次射线的跟踪距离和每条二次散射反射线的跟踪距离以及所述每条射线的入射方向,得到SAR雷达仿真图像。
步骤8中具体为:
(8a)将SAR雷达对目标场景进行射线辐射后得到的每条单次射线的散射能量值和每条二次散射反射线的散射能量值按照其对应的跟踪距离和入射方向叠加到相应的成像单元中,得到后向散射能量图γ(x,y);
(8b)生成一个均值为1的二维瑞利分布来表示目标场景的相干斑噪声n(x,y);并根据后向散射能量图γ(x,y)计算得到SAR雷达仿真图像
本发明的效果通过以下试验进一步说明:
实验一:仿真图像生成与运算速度比较:
1、实验场景:
在本实验中,仿真了T-72坦克不同方位角的SAR图像,仿真试验中设置的距离向分辨率为0.1米,而方位向分辨率也为0.1米。其中T-72坦克三维模型见图2,雷达的成像几何示意图见图3。
2、仿真内容:
本实验中,雷达的飞行高度以及载机的俯仰角等参数与MSTAR数据设置相同。最终T-72坦克SAR图像的仿真结果图见图4。
3、仿真结果分析:
T-72的SAR仿真结果显示出本仿真结果很好的显示除了SAR图像特有的叠掩、顶底倒置以及阴影等独有特性,反映了本发明提出的仿真方法的有效性,说明本算法可以很好地仿真装甲车辆的SAR图像,同时本发明的仿真时间为4.75秒,与传统射线追踪动辄100秒的仿真时间相比用时很少,大大提高了本算法的高效性以及实用性。
实验二:三类目标的分类识别:
由于SAR图像仿真生成的样本将要用于目标分类识别,所以在此设计实验验证本发明的结果可以用于分类识别。
为了验证分类识别效果,本发明仿真分别了T95、T110、BT-7三类装甲车辆的高分辨SAR图像。本发明选择50度入射角下的仿真图像作为训练样本,选择40度入射角下的仿真图像作为测试样本。所有的样本分辨率均为0.1米的斜距向分辨率以及0.1米的方位向分辨率。成像模式均为条带SAR成像。训练数据包括两种场景坐标夹角下所有360度方位角(一步1度)的所有仿真图像共2160幅,其中,每类目标720幅。三类目标的示意图如图5-图7所示。
本发明使用线性多类支持向量机Linear multi-class SVM classifer用来分类识别。首先对所有的训练以及测试样本进行标准化预处理操作,使得所有样本服从均值为0,方差为1的正态分布。由于在使用SVM作分类识别时,学习率的大小直接影响最终的分类结果,因此本实验中选取了多个学习率参数,选取其中的最大值作为该验证实验的最终结果。其中图8的横轴表示的即为学习率参数l,其取值为-4到4之间间隔为0.5的17个值,学习率λ与该参数l的对应关系为λ=exp(l*(log(10)))(对应不同学习率的SVM分类识别率如图8所示。97.8%的识别率说明本发明可以很好地应用于SAR目标识别方面。
本发明所用的计算机使用的处理器为Intel Core(TM)i5-3470CPU3.20GHz。
本发明与现有技术相比,具有如下优点:由于利用了射线追踪的方法,可以有效地仿真该模型中的单次散射和相应的多次散射;同时本发明提出的算法引入了基于bin的SAH-BVH场景面元划分策略,使得射线追踪过程减少了不必要的追踪成本,加快了仿真速度;同时本算法采用的辐射模型充分考虑到了模型的几何特征,更加真实地反映SAR图像的成像原理这些方法的采纳使得本发明获得了较高的仿真效果以及快速的仿真速度。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.一种高分辨SAR图像的快速仿真方法,其特征在于,所述方法包括如下步骤:
步骤1,建立目标场景的三维坐标系,将目标场景表面划分为多个连续的三角面元,并确定目标场景表面所有三角面元在三维坐标系中的顶点坐标,形成目标场景的三角面元模型,所述多个三角面元依次标号,每个三角面元包含背景三角面元和目标三角面元;
步骤2,确定SAR雷达对目标场景成像时所需的成像参数,并根据所述成像参数建立SAR雷达对目标场景的成像几何模型;所述成像参数至少包括SAR雷达位置、雷达辐射射线的数目以及每条射线的入射方向;
步骤3,确定SAR雷达对目标场景的辐射模型,所述辐射模型至少包含朗伯体散射模型和镜面反射模型;
步骤4,根据所述目标场景的三角面元模型,构建目标场景的基于表面积启发式的BVH树结构模型;
步骤5,所述SAR雷达对目标场景进行射线辐射,根据每条射线与所述BVH树结构模型的交点对对应单次射线进行跟踪,得到朗伯体散射结果;所述朗伯体散射结果包含每条单次射线与所述BVH树结构模型的跟踪距离以及交点所属的三角面元编号;
步骤6,根据所述朗伯体散射结果,确定二次散射反射线,所述二次散射反射线为与三角面元相交的单次射线;根据每条二次散射反射线与所述BVH树结构模型的交点对对应二次散射反射线进行跟踪,得到镜面反射结果;所述镜面反射结果包含每条二次散射反射线与所述BVH树结构模型的跟踪距离以及交点所属的三角面元编号;
步骤7,根据朗伯体散射模型计算每条单次射线的散射能量值,根据镜面反射模型计算每条二次散射反射线的散射能量值;将与背景三角面元相交的单次射线的散射能量值设置为常数,并将与BVH树结构模型不相交的单次射线、与BVH树结构模型不相交的二次散射反射线的跟踪距离设置为无穷大;
步骤8,根据所述每条单次射线的散射能量值和每条二次散射反射线的散射能量值、所述每条单次射线的跟踪距离和每条二次散射反射线的跟踪距离以及所述每条射线的入射方向,得到SAR雷达仿真图像。
2.根据权利要求1所述的一种高分辨SAR图像的快速仿真方法,其特征在于,步骤2具体包括如下子步骤:
(2a)设置SAR雷达系统参数,所述SAR雷达系统参数包括SAR雷达飞行高度H,SAR雷达与目标之间的距离R,雷达辐射射线的入射角θ,SAR雷达距离分辨率和SAR雷达方位分辨率;
(2b)SAR雷达场景坐标系与目标场景坐标系为相同的三维坐标系,坐标原点位于场景中心,其中,X轴为SAR雷达距离向,Y轴为SAR雷达方位向,Z轴为SAR雷达高度向,SAR雷达初始坐标S=[-H·tgθ,0,H];
(2c)设SAR雷达飞行过程中的方位角为通过下述过程将SAR雷达相对于目标场景转换为正侧视:
其中,[X Y Z]T表示将SAR雷达相对于目标场景转换为正侧视后的坐标值,[E N H]T表示将SAR雷达相对于目标场景转换为正侧视前的坐标值;
(2d)SAR雷达沿方位向采用“停-走-停”模式,且沿方位向每次移动步长为SAR雷达方位分辨率,并沿距离向按照不同的入射角发射射线。
3.根据权利要求1所述的一种高分辨SAR图像的快速仿真方法,其特征在于,步骤3中朗伯体散射模型用于跟踪单次射线并计算单次射线的散射能量值Irec,镜面反射模型用于跟踪二次散射反射线并计算二次散射反射线的散射能量值Isp:
Irec=k·Iin·Ae·cospω
Isp=Fs·Ae·(cosω)1/Fr
其中,Iin表示入射能量,k为漫反射系数,参数p与表面材质有关,ω为射线与目标平面法线之间的夹角,Ae为有效面积,Fs为镜面反射系数,Fr为粗糙度调节系数。
4.根据权利要求1所述的一种高分辨SAR图像的快速仿真方法,其特征在于,步骤4具体包括如下子步骤:
(4a)设置一个包围盒,使其包围目标场景中的所有三角面元;
(4b)将包围盒沿X轴、Y轴和Z轴等分为若干份小盒子,将每个三角面元划分到其所属的小盒子中,并预先设置遍历每个三角面元的代价值;
(4c)获取在每个坐标轴上所有的划分方法中总代价值最小的划分方法,并确定最佳划分点;根据所述最佳划分点将当前包围盒划分为两个子包围盒;
(4d)若子包围盒中包含的三角面元的个数小于预设的设定值,则将该子包围盒记录为叶子节点,并记录该叶子节点包含的三角面元个数以及每个三角面元的顶点坐标;
(4e)若子包围盒中包含的三角面元的个数大于预设的设定值,则将该子包围盒记录为根节点,并记录该根节点包含的左右两个子包围盒中对应包含的三角面元的个数以及每个三角面元的顶点坐标;
(4f)对所述两个子包围盒依次重复执行子步骤(4c)~(4d),直到将其划分为叶子节点。
5.根据权利要求4所述的一种高分辨SAR图像的快速仿真方法,其特征在于,步骤5中根据每条射线与所述BVH树结构模型的交点对对应单次射线进行跟踪具体为:
若单次射线与根节点相交,且该根节点下的所有子节点为叶子节点,该单次射线与三角面元相交,则记录该单次射线的跟踪距离以及与其相交的三角面元编号;
若单次射线与根节点相交,且该根节点下存在非叶子节点,则继续对该射线进行跟踪,直到与该单次射线相交的根节点下的所有子节点为叶子节点。
6.根据权利要求1所述的一种高分辨SAR图像的快速仿真方法,其特征在于,步骤8中具体为:
(8a)将SAR雷达对目标场景进行射线辐射后得到的每条单次射线的散射能量值和每条二次散射反射线的散射能量值按照其对应的跟踪距离和入射方向叠加到相应的成像单元中,得到后向散射能量图γ(x,y);
(8b)生成一个均值为1的二维瑞利分布来表示目标场景的相干斑噪声n(x,y),并根据后向散射能量图γ(x,y),计算得到SAR雷达仿真图像
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610330190.2A CN105842698B (zh) | 2016-05-18 | 2016-05-18 | 一种高分辨sar图像的快速仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610330190.2A CN105842698B (zh) | 2016-05-18 | 2016-05-18 | 一种高分辨sar图像的快速仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105842698A true CN105842698A (zh) | 2016-08-10 |
CN105842698B CN105842698B (zh) | 2018-07-20 |
Family
ID=56593649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610330190.2A Active CN105842698B (zh) | 2016-05-18 | 2016-05-18 | 一种高分辨sar图像的快速仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105842698B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106597438A (zh) * | 2016-11-30 | 2017-04-26 | 西安电子科技大学 | 基于物理光学的太赫兹雷达回波成像方法 |
CN107356924A (zh) * | 2017-07-14 | 2017-11-17 | 中国科学院电子学研究所 | 针对凹腔类结构的sar图像仿真方法 |
CN107392996A (zh) * | 2017-07-11 | 2017-11-24 | 中国科学院电子学研究所苏州研究院 | 一种基于虚拟现实技术的sar目标特性表征与显示方法 |
CN107607951A (zh) * | 2017-10-18 | 2018-01-19 | 浙江环球星云遥感科技有限公司 | 一种sar图像二次散射特征模拟方法 |
CN108646233A (zh) * | 2018-04-20 | 2018-10-12 | 驭势(上海)汽车科技有限公司 | 模拟超声波雷达探测的方法、装置、系统及存储介质 |
CN110471061A (zh) * | 2019-07-16 | 2019-11-19 | 青岛擎鹰信息科技有限责任公司 | 一种实现机载合成孔径雷达成像的仿真方法及其系统 |
CN111830500A (zh) * | 2020-04-30 | 2020-10-27 | 南京理工大学 | 基于改进的sbr快速成像技术的海面舰船目标的雷达图像仿真方法 |
CN113075659A (zh) * | 2021-03-30 | 2021-07-06 | 北京环境特性研究所 | 一种平坦场景网格模型自适应分区预处理方法和系统 |
CN113447896A (zh) * | 2021-06-07 | 2021-09-28 | 重庆大学 | 一种基于动态遮挡判断的起伏地形sar回波仿真方法 |
CN113740873A (zh) * | 2021-08-31 | 2021-12-03 | 自然资源部第二海洋研究所 | 一种基于高斯卷积的海洋激光雷达快速仿真方法 |
CN115205454A (zh) * | 2022-06-23 | 2022-10-18 | 南京捷希科技有限公司 | 适用于射线追踪无线信道建模的空间分割加速方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281249A (zh) * | 2008-05-20 | 2008-10-08 | 北京航空航天大学 | 一种高分辨率合成孔径雷达的目标散射特性建模方法 |
CN101923166A (zh) * | 2009-06-10 | 2010-12-22 | 中国科学院电子学研究所 | 一种三维复杂目标的合成孔径雷达图像仿真方法 |
KR20110097277A (ko) * | 2010-02-25 | 2011-08-31 | (주)쎄트렉아이 | 합성 개구면 레이더 영상 형성 시뮬레이션 시스템 및 방법 |
JP2011185834A (ja) * | 2010-03-10 | 2011-09-22 | Nikko Tankai Kk | Sarデータ処理方法及びsarデータ処理システム |
-
2016
- 2016-05-18 CN CN201610330190.2A patent/CN105842698B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281249A (zh) * | 2008-05-20 | 2008-10-08 | 北京航空航天大学 | 一种高分辨率合成孔径雷达的目标散射特性建模方法 |
CN101923166A (zh) * | 2009-06-10 | 2010-12-22 | 中国科学院电子学研究所 | 一种三维复杂目标的合成孔径雷达图像仿真方法 |
KR20110097277A (ko) * | 2010-02-25 | 2011-08-31 | (주)쎄트렉아이 | 합성 개구면 레이더 영상 형성 시뮬레이션 시스템 및 방법 |
JP2011185834A (ja) * | 2010-03-10 | 2011-09-22 | Nikko Tankai Kk | Sarデータ処理方法及びsarデータ処理システム |
Non-Patent Citations (4)
Title |
---|
YINGHUA WANG 等: ""A Hierarchical Ship Detection Scheme for High-Resolution SAR Images"", 《EEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
张月婷 等: ""基于射线理论的建筑物SAR图像仿真方法"", 《研究与开发》 * |
王国军 等: ""城市建筑物SAR图像模拟"", 《遥感信息》 * |
王国军 等: ""建筑物目标高分辨率SAR图像模拟方法"", 《遥感技术与应用》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106597438B (zh) * | 2016-11-30 | 2019-05-21 | 西安电子科技大学 | 基于物理光学的太赫兹雷达回波成像方法 |
CN106597438A (zh) * | 2016-11-30 | 2017-04-26 | 西安电子科技大学 | 基于物理光学的太赫兹雷达回波成像方法 |
CN107392996A (zh) * | 2017-07-11 | 2017-11-24 | 中国科学院电子学研究所苏州研究院 | 一种基于虚拟现实技术的sar目标特性表征与显示方法 |
CN107356924A (zh) * | 2017-07-14 | 2017-11-17 | 中国科学院电子学研究所 | 针对凹腔类结构的sar图像仿真方法 |
CN107607951A (zh) * | 2017-10-18 | 2018-01-19 | 浙江环球星云遥感科技有限公司 | 一种sar图像二次散射特征模拟方法 |
CN108646233B (zh) * | 2018-04-20 | 2021-08-20 | 驭势(上海)汽车科技有限公司 | 模拟超声波雷达探测的方法、装置、系统及存储介质 |
CN108646233A (zh) * | 2018-04-20 | 2018-10-12 | 驭势(上海)汽车科技有限公司 | 模拟超声波雷达探测的方法、装置、系统及存储介质 |
CN110471061A (zh) * | 2019-07-16 | 2019-11-19 | 青岛擎鹰信息科技有限责任公司 | 一种实现机载合成孔径雷达成像的仿真方法及其系统 |
CN111830500A (zh) * | 2020-04-30 | 2020-10-27 | 南京理工大学 | 基于改进的sbr快速成像技术的海面舰船目标的雷达图像仿真方法 |
CN113075659A (zh) * | 2021-03-30 | 2021-07-06 | 北京环境特性研究所 | 一种平坦场景网格模型自适应分区预处理方法和系统 |
CN113075659B (zh) * | 2021-03-30 | 2022-10-04 | 北京环境特性研究所 | 一种平坦场景网格模型自适应分区预处理方法和系统 |
CN113447896A (zh) * | 2021-06-07 | 2021-09-28 | 重庆大学 | 一种基于动态遮挡判断的起伏地形sar回波仿真方法 |
CN113740873A (zh) * | 2021-08-31 | 2021-12-03 | 自然资源部第二海洋研究所 | 一种基于高斯卷积的海洋激光雷达快速仿真方法 |
CN113740873B (zh) * | 2021-08-31 | 2024-05-28 | 自然资源部第二海洋研究所 | 一种基于高斯卷积的海洋激光雷达快速仿真方法 |
CN115205454A (zh) * | 2022-06-23 | 2022-10-18 | 南京捷希科技有限公司 | 适用于射线追踪无线信道建模的空间分割加速方法及系统 |
CN115205454B (zh) * | 2022-06-23 | 2023-09-26 | 南京捷希科技有限公司 | 适用于射线追踪无线信道建模的空间分割加速方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105842698B (zh) | 2018-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105842698A (zh) | 一种高分辨sar图像的快速仿真方法 | |
EP3547063B1 (en) | Systems and methods for generating synthetic sensor data | |
US10635844B1 (en) | Methods and systems for simulating vision sensor detection at medium fidelity | |
CN104614713B (zh) | 一种适合于艇载雷达系统的雷达回波信号模拟器 | |
CN101923166B (zh) | 一种三维复杂目标的合成孔径雷达图像仿真方法 | |
Fang et al. | Simulating LIDAR point cloud for autonomous driving using real-world scenes and traffic flows | |
CN103617328B (zh) | 一种飞机三维姿态解算方法 | |
CN104899590A (zh) | 一种无人机视觉目标跟随方法及系统 | |
CN105953925A (zh) | 一种基于快速射线追踪的毫米波辐射亮温获取方法 | |
CN103439698A (zh) | 获取雷达散射面积的方法 | |
Shumway et al. | The impact of dragonfly wing deformations on aerodynamic performance during forward flight | |
Leng et al. | Parameterized modeling and optimization of reusable launch vehicles based on reverse design approach | |
Jones et al. | Marine vehicles simulated SAR imagery datasets generation | |
Machida et al. | Rapid and precise millimeter-wave radar simulation for adas virtual assessment | |
CN112307620A (zh) | 一种雷达虚拟仿真方法和装置 | |
CN102194249B (zh) | 一种利用红外线和可见光相结合的水流建模数据捕获装置 | |
CN110426688A (zh) | 一种基于地形背景目标的sar回波模拟方法 | |
CN113447896B (zh) | 一种基于动态遮挡判断的起伏地形sar回波仿真方法 | |
CN107356924B (zh) | 针对凹腔类结构的sar图像仿真方法 | |
CN117218259A (zh) | 基于可微分sar图像渲染器的样本生成方法 | |
CN108562899A (zh) | 高分辨极化sar目标图像快速仿真方法 | |
Liscio et al. | Inter observer errors of cast-off stains using FARO zone 3D | |
Douchin et al. | SE-Workbench-RF: Performant and high-fidelity raw data generation for various radar applications | |
CN101762811B (zh) | 一种基于面元散射的合成孔径声纳面目标快速仿真方法 | |
Le Barbu et al. | Improvement of SAR/ISAR simulation in MOCEM V4. 5 by computation of the ship Bow wave |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |