CN106371093B - 基于建筑物透视雷达成像的多目标检测定位方法 - Google Patents

基于建筑物透视雷达成像的多目标检测定位方法 Download PDF

Info

Publication number
CN106371093B
CN106371093B CN201610670621.XA CN201610670621A CN106371093B CN 106371093 B CN106371093 B CN 106371093B CN 201610670621 A CN201610670621 A CN 201610670621A CN 106371093 B CN106371093 B CN 106371093B
Authority
CN
China
Prior art keywords
target
matrix
moment
mask
obtains
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.)
Active
Application number
CN201610670621.XA
Other languages
English (en)
Other versions
CN106371093A (zh
Inventor
崔国龙
刘健强
胡露
郭世盛
黄鑫
杨晓波
孔令讲
易伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201610670621.XA priority Critical patent/CN106371093B/zh
Publication of CN106371093A publication Critical patent/CN106371093A/zh
Application granted granted Critical
Publication of CN106371093B publication Critical patent/CN106371093B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S13/887—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons
    • G01S13/888—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons through wall detection
    • 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

Abstract

本发明公开了一种基于建筑物透视雷达成像的多目标检测定位方法；其包括后向投影成像，叠加二值化图像，目标增强，获取图像矩阵累加向量，目标位置提取，目标区域归一化。本发明使用后向投影成像法加快对待检测区域进行成像，并通过叠加二值化图像、目标增强处理实现无连通域检测的成像后连续帧间目标关联，增强目标幅值，利于后续检测，再通过获取图像矩阵累加向量、目标匹配提取、目标区域归一化处理实现了基于图像方向性的多目标增强检测，有效增强了被强目标掩盖的回波幅值较低的目标，从而提高了弱目标的检测率，具有实时性好，目标检测概率高的优点，在建筑物透视雷达技术领域具有极高的应用价值。

Description

基于建筑物透视雷达成像的多目标检测定位方法
技术领域
本发明属于建筑物透视雷达技术领域，尤其涉及一种基于建筑物透视雷达成像的多目标检测定位方法。
背景技术
建筑物透视雷达通过分析从收发装置得到的建筑物后人体等目标的回波数据以获取所感兴趣区域相关信息，从而实现对封闭建筑物内运动人体目标的检测、定位，近年来已经在巷战、反恐、灾难救援、安全检查等领域得到越来越广泛的应用。当待测场景中某单区域存在多目标时，由于目标之间运动状态和回波强度不同，在图像中往往会出现目标幅值的差异。针对这一情况，若使用普通的门限检测，则会难以兼顾各个目标，从而导致目标丢失问题。因此，实际的多目标检测定位应用中，准确检测被强目标掩盖的回波幅值较低的目标是建筑物透视雷达成像后多目标检测定位的关键问题。
对于建筑物透视雷达多目标检测定位的研究，国内外研究机构已经有诸多解决方法。常用的有以下两种：一是采用椭圆交叉定位方法，这种方法下目标位置精度很大程度上依赖于天线的数量及其摆放位置，而且随着天线数量增多，计算量剧增。另一种常见目标定位方法是先通过诸如后向投影算法、逆散射算法等成像算法对感兴趣区域进行成像，后通过恒定门限检测提取目标位置。然而以上的方法均没有考虑由于目标距离雷达远近导致的目标回波差别大从而使得较弱目标丢失问题。从公开发表的文献资料来看，目前还没有快速实时地提高建筑物内被强目标掩盖的回波幅值较低的目标检测率的定位算法。因此，研究一种可实时的多目标成像后检测定位方法在穿墙雷达目标检测跟踪中具有重要的实际应用价值。
发明内容
本发明的发明目的是：为了解决现有技术不能快速实时地提高建筑物内被强目标掩盖的回波幅值较低的目标检测率的定位问题，本发明提出了一种适用于建筑物透视雷达的可实时的多目标成像后检测定位方法。
本发明的技术方案是：一种基于建筑物透视雷达成像的多目标检测定位方法，包括以下步骤：
A、利用建筑物透视雷达通过多发多收阵列对待检测区域墙体后的多运动目标进行检测定位，根据待检测区域的墙体厚度、介电常数以及线缆长度得到各天线聚焦延迟补偿值；再对待检测区域采用后向投影方法获取第n时刻待检测区域目标成像矩阵In(X,Y)；
B、初始化参数，设定门限Threshold1，将第n帧图像矩阵In(X,Y)和第n+1帧图像矩阵In+1(X,Y)进行二值化处理得到二值化图像矩阵Dn(X,Y)和Dn+1(X,Y)，再将二值化图像矩阵Dn(X,Y)与Dn+1(X,Y)相加得到第n+1时刻二值化叠加图像矩阵Fn+1(X,Y)；
C、对步骤B中得到的第n+1时刻二值化叠加图像矩阵Fn+1(X,Y)进行目标增强处理，得到第n+1时刻目标初步成像结果矩阵On+1(X,Y)；
D、对步骤C中得到的第n+1时刻目标初步成像结果矩阵On+1(X,Y)分别进行X方向和Y方向的累加，沿X方向累加得到方位向累加向量Cn+1(X)，沿Y方向累加得到距离向累加向量Rn+1(Y)；
E、根据步骤D中得到的方位向累加向量Cn+1(X)和距离向累加向量Rn+1(Y)，提取所有目标位置；
F、对步骤C中得到的第n+1时刻目标初步成像结果On+1(X,Y)进行置零处理，得到目标成像结果矩阵On′+1(X,Y)；再根据步骤E中得到的所有目标位置，将所有目标区域中的数据向区域1进行归一化处理，得到目标检测定位结果。
进一步地，所述步骤B中，初始化参数具体为定义与雷达图像大小一致的目标增强掩膜矩阵MASKn，将其矩阵元素全部设置为1,；将复位标签flagn设置为flagn＝0。
进一步地，所述步骤C对步骤B中得到的第n+1时刻二值化叠加图像矩阵Fn+1(X,Y)进行目标增强处理，得到第n+1时刻目标初步成像结果矩阵On+1(X,Y)，具体包括以下分步骤：
C1、判断第n+1时刻二值化叠加图像矩阵Fn+1(X,Y)是否存在目标重叠，若存在目标重叠，则进行步骤C2；若不存在目标重叠，则进行步骤C3；
C2、设置第n+1时刻复位标签flagn+1，将目标掩膜矩阵MASKn+1表示为：
MASKn+1(X,Y)＝MASKn(X,Y)+A×Fn+1(X,Y)
其中，A是目标增强掩膜的增强因子；根据目标掩膜矩阵中元素最大值更新第n+1时刻目标掩膜矩阵MASKn+1(X,Y)，进行步骤C4；
C3、设置第n+1时刻复位标签flagn+1，将目标掩膜矩阵MASKn+1表示为：
MASKn+1＝MASKn-B×Fn+1(X,Y)
其中，B是目标增强掩膜的减弱因子；根据第n+1时刻复位标签flagn+1和目标掩膜矩阵中元素最小值更新第n+1时刻目标掩膜矩阵MASKn+1(X,Y)，进行步骤C4；
C4、将第n+1时刻目标掩膜矩阵MASKn+1(X,Y)与二值化叠加图像矩阵Fn+1(X,Y)相乘，得到第n+1时刻目标初步成像结果矩阵On+1(X,Y)。
进一步地，所述步骤E根据步骤D中得到的方位向累加向量Cn+1(X)和距离向累加向量Rn+1(Y)，提取所有目标位置，具体包括以下分步骤：
E1、遍历方位向累加向量Cn+1(X)中的元素，获取元素最大值所对应的位置pc,i，并将方位向累加向量Cn+1(X)中(pc,i-Δc,pc,i+Δc)范围内的值置零，重复m次得到X方向的峰值矩阵Pc＝[pc,1,pc,2,...pc,m]，其中Δc为扩展因子，i1＝1,2,3,...,m，m为区域内目标个数；
E2、遍历距离向累加向量Rn+1(Y)中的元素，获取元素最大值所对应的位置pr,i，并将距离向累加向量Rn+1(Y)中(pr,i-Δc,pr,i+Δc)范围内的值置零，重复m次得到Y方向的峰值矩阵Pr＝[pr,1,pr,2,...pr,m]，其中Δc为扩展因子，i＝1,2,3,...,m，m为区域内目标个数；
E3、将步骤E1中得到的X方向的峰值矩阵Pc与步骤E2中得到的Y方向的峰值矩阵Pr中的峰值相互匹配，得到m×m个目标区域中心位置矩阵Z以及对应中心位置像素矩阵P；遍历像素矩阵P得到像素值最大的位置Tk，其中k＝1,2,...,m，同时把像素矩阵P中第i行及j列元素置零，重复m次即可提取得到m个目标的位置。
进一步地，所述步骤F中对步骤C中得到的第n+1时刻目标初步成像结果矩阵On+1(X,Y)进行置零处理，得到目标成像结果矩阵On′+1(X,Y)，具体为：保留第n+1时刻目标初步成像结果矩阵On+1(X,Y)中以Tk为中心，扩展Δc范围的元素，将其他元素进行置零，得到目标成像结果矩阵On′+1(X,Y)。
本发明的有益效果是：本发明使用后向投影成像法加快对待检测区域进行成像，并通过叠加二值化图像、目标增强处理实现无连通域检测的成像后连续帧间目标关联，增强目标幅值，利于后续检测，再通过获取图像矩阵累加向量、目标匹配提取、目标区域归一化处理实现了基于图像方向性的多目标增强检测，有效增强了被强目标掩盖的回波幅值较低的目标，从而提高了弱目标的检测率，具有实时性好，目标检测概率高的优点，在建筑物透视雷达技术领域具有极高的应用价值。
附图说明
图1是本发明的基于建筑物透视雷达成像的多目标检测定位方法流程示意图。
图2是本发明实施例中建筑物透视雷达成像区域结构示意图。
图3是本发明实施例中目标快速成像结果示意图。
图4是本发明实施例中目标初步检测结果示意图。
图5是本发明实施例中目标最终检测结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，为本发明的基于建筑物透视雷达成像的多目标检测定位方法流程示意图。一种基于建筑物透视雷达成像的多目标检测定位方法，包括以下步骤：
A、利用建筑物透视雷达通过多发多收阵列对待检测区域墙体后的多运动目标进行检测定位，根据待检测区域的墙体厚度、介电常数以及线缆长度得到各天线聚焦延迟补偿值；再对待检测区域采用后向投影方法获取第n时刻待检测区域目标成像矩阵In(X,Y)；
B、初始化参数，设定门限Threshold1，将第n帧图像矩阵In(X,Y)和第n+1帧图像矩阵In+1(X,Y)进行二值化处理得到二值化图像矩阵Dn(X,Y)和Dn+1(X,Y)，再将二值化图像矩阵Dn(X,Y)与Dn+1(X,Y)相加得到第n+1时刻二值化叠加图像矩阵Fn+1(X,Y)；
C、对步骤B中得到的第n+1时刻二值化叠加图像矩阵Fn+1(X,Y)进行目标增强处理，得到第n+1时刻目标初步成像结果矩阵On+1(X,Y)；
D、对步骤C中得到的第n+1时刻目标初步成像结果矩阵On+1(X,Y)分别进行X方向和Y方向的累加，沿X方向累加得到方位向累加向量Cn+1(X)，沿Y方向累加得到距离向累加向量Rn+1(Y)；
E、根据步骤D中得到的方位向累加向量Cn+1(X)和距离向累加向量Rn+1(Y)，提取所有目标位置；
F、对步骤C中得到的第n+1时刻目标初步成像结果On+1(X,Y)进行置零处理，得到目标成像结果矩阵On′+1(X,Y)；再根据步骤E中得到的所有目标位置，将所有目标区域中的数据向区域1进行归一化处理，得到目标检测定位结果。
在步骤A中，本发明利用建筑物透视雷达通过多发多收阵列对待检测区域墙体后的多运动目标进行检测定位，这里的多发多收阵列具体采用两发八收阵列，待检测区域为x×y＝(x1,x2)×(y1,y2)的矩形区域；根据待检测区域的墙体厚度d、介电常数ε以及接收机线缆长度，通过经验值得到各组天线成像聚焦延迟补偿值[τ1′1,τ1′2,τ1′3,...,τ1′8,τ2′1,τ2′2,τ2′3,...,τ2′8]；
第j个接收天线接收的第i个发射天线发射的回波信号Yij(t)表示为：
其中，s(t)是所发射的步进频信号，为目标回波传播延迟，可表示为：
其中，是像素点(xt,yt)到第i个发射天线的距离跟像素点(xt,yt)到第j个接收天线的距离之和，c为光速。根据后向投影方法有：
其中，Σ为累加符号，|为赋值符号。xt∈(1,M)，yt∈(1,N)，M、N分别是成像结果矩阵横向、纵向像素点个数。对成像区域内所有像素点采用后向投影方法获取第n时刻待检测区域目标成像矩阵In(X,Y)。如图2所示，为本发明实施例中建筑物透视雷达成像区域结构示意图。本发明采用一部两发八收配置的步进频穿墙雷达，穿墙雷达系统离墙10米放置在中间位置，发射1GHz-2GHz的步进频率连续波信号，步进间隔为2MHz，脉冲周期为40ms，对墙体另一侧两个运动人体目标实施穿墙探测，墙体厚度为0.25m，墙体介质常数约为9，探测区域为(-5m～5m)*(10m～20m)，图像分辨率为0.0152m2/像素，通过后向成像算法，对成像区域进行快速成像，可以得到如图3所示的本发明实施例中目标快速成像结果示意图。
在步骤B中，本发明在当某一帧雷达图像为第一帧或由于特定情况需要初始化时，定义初始化的参数，即定义与雷达图像大小一致的目标增强掩膜矩阵MASKn，初始化时将其矩阵元素全部设置为1；定义复位标签flagn，将其设置为flagn＝0，然后直接输出该帧原始图像。
本发明再设定门限Threshold1，将第n帧目标成像矩阵In(X,Y)和第n+1帧目标成像矩阵In+1(X,Y)进行二值化处理得到二值化图像矩阵Dn(X,Y)和Dn+1(X,Y)，具体为：将第n帧目标成像矩阵In(X,Y)和第n+1帧目标成像矩阵In+1(X,Y)内的逐个像素点像素值与门限Threshold1进行比较，低于门限值的像素点像素值置为零，高于门限值的像素点像素值置为1，则可得到二值化图像矩阵Dn(X,Y)和Dn+1(X,Y)。最后将二值化图像矩阵Dn(X,Y)与Dn+1(X,Y)相加得到第n+1时刻二值化叠加图像矩阵Fn+1(X,Y)，即将第n时刻二值化图像矩阵Dn(X,Y)与第n+1时刻二值化图像矩阵Dn+1(X,Y)的逐个像素点对应像素值相加，得到第n+1时刻二值化叠加图像矩阵Fn+1(X,Y)。
在步骤C中，本发明对步骤B中得到的第n+1时刻二值化叠加图像矩阵Fn+1(X,Y)进行目标增强处理，得到第n+1时刻目标初步成像结果矩阵On+1(X,Y)，具体包括以下分步骤：
C1、判断第n+1时刻二值化叠加图像矩阵Fn+1(X,Y)是否存在目标重叠，若存在目标重叠，则进行步骤C2；若不存在目标重叠，则进行步骤C3；
C2、设置第n+1时刻复位标签flagn+1，将目标掩膜矩阵MASKn+1表示为：
MASKn+1(X,Y)＝MASKn(X,Y)+A×Fn+1(X,Y)
其中，A是目标增强掩膜的增强因子；根据目标掩膜矩阵中元素最大值更新第n+1时刻目标掩膜矩阵MASKn+1(X,Y)，进行步骤C4；
C3、设置第n+1时刻复位标签flagn+1，将目标掩膜矩阵MASKn+1表示为：
MASKn+1＝MASKn-B×Fn+1(X,Y)
其中，B是目标增强掩膜的减弱因子；根据第n+1时刻复位标签flagn+1和目标掩膜矩阵中元素最小值更新第n+1时刻目标掩膜矩阵MASKn+1(X,Y)，进行步骤C4；
C4、将第n+1时刻目标掩膜矩阵MASKn+1(X,Y)与二值化叠加图像矩阵Fn+1(X,Y)相乘，得到第n+1时刻目标初步成像结果矩阵On+1(X,Y)。
在步骤C1中，判断第n+1时刻二值化叠加图像矩阵Fn+1(X,Y)是否存在目标重叠，即将第n+1时刻二值化叠加图像矩阵Fn+1(X,Y)的逐个像素点对应像素值与“2”进行比较；若存在像素值等于2，则说明存在目标重叠，则进行步骤C2；若不存在像素值等于2，则说明不存在目标重叠，则进行步骤C3；
在步骤C2中，本发明对第n+1时刻复位标签flagn+1进行设置，具体为判断第n时刻复位标签flagn是否大于1，若第n时刻复位标签flagn大于1则将第n+1时刻复位标签flagn+1设置为第n时刻复位标签flagn的值减1，若n时刻复位标签flagn小于或等于1则将第n+1时刻复位标签flagn+1置零。
对第n+1时刻复位标签flagn+1进行设置后，再将目标掩膜矩阵MASKn+1表示为：
MASKn+1(X,Y)＝MASKn(X,Y)+A×Fn+1(X,Y)
其中，A是目标增强掩膜的增强因子；
最后根据目标掩膜矩阵中元素最大值更新第n+1时刻目标掩膜矩阵MASKn+1(X,Y)，具体为遍历目标掩膜矩阵MASKn+1(X,Y)中的每个元素，得到目标掩膜矩阵像素值最大值Max1，当像素值最大值Max1大于掩膜元素上限值MASK_max时则将第n+1时刻目标掩膜矩阵MASKn+1(X,Y)置为MASKn(X,Y)，进行步骤C4；
在步骤C3中，本发明对第n+1时刻复位标签flagn+1进行设置，具体为将第n+1时刻复位标签flagn+1设置为flagn+1＝flagn+1，再将目标掩膜矩阵MASKn+1表示为：
MASKn+1＝MASKn-B×Fn+1(X,Y)
其中，B是目标增强掩膜的减弱因子；
最后根据第n+1时刻复位标签flagn+1和目标掩膜矩阵中元素最小值更新第n+1时刻目标掩膜矩阵MASKn+1(X,Y)，具体为遍历目标掩膜矩阵MASKn+1(X,Y)中的每个元素，得到目标掩膜矩阵像素值最小值Min1，当第n+1时刻复位标签flagn+1大于复位标签上限Threshold2或像素值最小值Min1小于0时则将第n+1时刻目标掩膜矩阵MASKn+1(X,Y)和第n+1时刻复位标签flagn+1初始化，进行步骤C4；
在步骤C4中，将第n+1时刻目标掩膜矩阵MASKn+1(X,Y)与二值化叠加图像矩阵Fn+1(X,Y)相乘，得到第n+1时刻目标初步成像结果矩阵On+1(X,Y)，表示为：
On+1(X,Y)＝Fn+1(X,Y).×MASKn+1(X,Y)
其中，.×表示矩阵对应元素相乘。如图4所示，为本发明实施例中目标初步检测结果示意图。本发明设定目标增强掩膜的增强因子A＝5，掩膜元素上限值MASK_max＝10，目标增强掩膜的减弱因子B＝0.5，复位标签上限Threshold2＝3。
在步骤D中，本发明对步骤C中得到的第n+1时刻目标初步成像结果矩阵On+1(X,Y)分别进行X方向和Y方向的累加，沿X方向累加得到方位向累加向量Cn+1(X)，表示为：
沿Y方向累加得到距离向累加向量Rn+1(Y)，表示为：
其中，Σ为累加操作。
在步骤E中，根据步骤D中得到的方位向累加向量Cn+1(X)和距离向累加向量Rn+1(Y)，提取所有目标位置，具体包括以下分步骤：
E1、遍历方位向累加向量Cn+1(X)中的元素，获取元素最大值所对应的位置pc,i，并将方位向累加向量Cn+1(X)中(pc,i-Δc,pc,i+Δc)范围内的值置零，重复m次得到X方向的峰值矩阵Pc＝[pc,1,pc,2,...pc,m]，其中Δc为扩展因子，i1＝1,2,3,...,m，m为区域内目标个数；
E2、遍历距离向累加向量Rn+1(Y)中的元素，获取元素最大值所对应的位置pr,i，并将距离向累加向量Rn+1(Y)中(pr,i-Δc,pr,i+Δc)范围内的值置零，重复m次得到Y方向的峰值矩阵Pr＝[pr,1,pr,2,...pr,m]，其中Δc为扩展因子，i＝1,2,3,...,m，m为区域内目标个数；
E3、将步骤E1中得到的X方向的峰值矩阵Pc与步骤E2中得到的Y方向的峰值矩阵Pr中的峰值相互匹配，得到m×m个目标区域中心位置矩阵Z以及对应中心位置像素矩阵P；遍历像素矩阵P得到像素值最大的位置Tk，其中k＝1,2,...,m，同时把像素矩阵P中第i行及j列元素置零，重复m次即可提取得到m个目标的位置。
在步骤E3中，目标区域是以中心位置Z(i,j)为中心，扩展Δc范围的区域，目标区域的中心位置可设为Z(i,j)＝(pc,i,pr,j)，为了方便进行峰值匹配，本发明将每个目标区域对应的目标区域像素值设为目标区域中心位置在原始目标图像中的像素值，即pk＝On+1(Z(i,j))，可得像素矩阵P＝[p1,p2,...,pm]；目标区域不重叠时通过遍历像素矩阵P得到像素值最大的位置Tk＝(i,j)，同时把像素矩阵P中第i行及j列元素置零，重复m次即可提取得到m个目标的位置。
在步骤F中，本发明对步骤C中得到的第n+1时刻目标初步成像结果矩阵On+1(X,Y)进行置零处理，得到目标成像结果矩阵On′+1(X,Y)，具体为：保留第n+1时刻目标初步成像结果矩阵On+1(X,Y)中以Tk为中心，扩展Δc范围的元素，并将其他元素进行置零，得到目标成像结果矩阵On′+1(X,Y)；再根据步骤E中得到的所有目标位置，将所有目标区域中的数据向区域1进行归一化处理，表示为：
O′n+1(xz,k,yz,k)＝O′n+1(xz,k,yz,k)/pk*p1
其中，(xz,k,yz,k)表示第k个目标区域的像素点位置，pk为第k个目标区域像素最大值，p1为第1个目标区域像素最大值；从而得到目标检测定位结果，如图5所示，为是本发明实施例中目标最终检测结果示意图。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (3)

1.一种基于建筑物透视雷达成像的多目标检测定位方法，其特征在于，包括以下步骤：
A、利用建筑物透视雷达通过多发多收阵列对待检测区域墙体后的多运动目标进行检测定位，根据待检测区域的墙体厚度、介电常数以及线缆长度得到各天线聚焦延迟补偿值；再对待检测区域采用后向投影方法获取第n时刻待检测区域目标成像矩阵In(X,Y)；
B、初始化参数，设定门限Threshold1，将第n帧目标成像矩阵In(X,Y)和第n+1帧图像矩阵In+1(X,Y)进行二值化处理得到二值化图像矩阵Dn(X,Y)和Dn+1(X,Y)，再将二值化图像矩阵Dn(X,Y)与Dn+1(X,Y)相加得到第n+1时刻二值化叠加图像矩阵Fn+1(X,Y)；
C、对步骤B中得到的第n+1时刻二值化叠加图像矩阵Fn+1(X,Y)进行目标增强处理，得到第n+1时刻目标初步成像结果矩阵On+1(X,Y)，具体包括以下分步骤：
C1、判断第n+1时刻二值化叠加图像矩阵Fn+1(X,Y)是否存在目标重叠，若存在目标重叠，则进行步骤C2；若不存在目标重叠，则进行步骤C3；
C2、设置第n+1时刻复位标签flagn+1，将目标掩膜矩阵MASKn+1表示为：
MASKn+1(X,Y)＝MASKn(X,Y)+A×Fn+1(X,Y)
其中，A是目标增强掩膜的增强因子；根据目标掩膜矩阵中元素最大值更新第n+1时刻目标掩膜矩阵MASKn+1(X,Y)，具体为遍历目标掩膜矩阵MASKn+1(X,Y)中的每个元素，得到目标掩膜矩阵像素值最大值Max1，当像素值最大值Max1大于掩膜元素上限值MASK_max时则将第n+1时刻目标掩膜矩阵MASKn+1(X,Y)置为MASKn(X,Y)，进行步骤C4；
C3、设置第n+1时刻复位标签flagn+1，将目标掩膜矩阵MASKn+1表示为：
MASKn+1＝MASKn-B×Fn+1(X,Y)
其中，B是目标增强掩膜的减弱因子；根据第n+1时刻复位标签flagn+1和目标掩膜矩阵中元素最小值更新第n+1时刻目标掩膜矩阵MASKn+1(X,Y)，具体为遍历目标掩膜矩阵MASKn+1(X,Y)中的每个元素，得到目标掩膜矩阵像素值最小值Min1，当第n+1时刻复位标签flagn+1大于复位标签上限Threshold2或像素值最小值Min1小于0时则将第n+1时刻目标掩膜矩阵MASKn+1(X,Y)和第n+1时刻复位标签flagn+1初始化，进行步骤C4；
C4、将第n+1时刻目标掩膜矩阵MASKn+1(X,Y)与二值化叠加图像矩阵Fn+1(X,Y)相乘，得到第n+1时刻目标初步成像结果矩阵On+1(X,Y)；
D、对步骤C中得到的第n+1时刻目标初步成像结果矩阵On+1(X,Y)分别进行X方向和Y方向的累加，沿X方向累加得到方位向累加向量Cn+1(X)，沿Y方向累加得到距离向累加向量Rn+1(Y)；
E、根据步骤D中得到的方位向累加向量Cn+1(X)和距离向累加向量Rn+1(Y)，提取所有目标位置；
F、对步骤C中得到的第n+1时刻目标初步成像结果On+1(X,Y)进行置零处理，得到目标成像结果矩阵O′n+1(X,Y)，具体为：保留第n+1时刻目标初步成像结果矩阵On+1(X,Y)中以Tk为中心，扩展Δc范围的元素，将其他元素进行置零，得到目标成像结果矩阵O′n+1(X,Y)；再根据步骤E中得到的所有目标位置，将所有目标区域中的数据向第1个像素最大值对应目标区域进行归一化处理，得到目标检测定位结果。
2.如权利要求1所述的基于建筑物透视雷达成像的多目标检测定位方法，其特征在于，所述步骤B中，初始化参数具体为定义与雷达图像大小一致的目标增强掩膜矩阵MASKn，将其矩阵元素全部设置为1；将复位标签flagn设置为flagn＝0。
3.如权利要求1所述的基于建筑物透视雷达成像的多目标检测定位方法，其特征在于，所述步骤E根据步骤D中得到的方位向累加向量Cn+1(X)和距离向累加向量Rn+1(Y)，提取所有目标位置，具体包括以下分步骤：
E1、遍历方位向累加向量Cn+1(X)中的元素，获取元素最大值所对应的位置pc,i，并将方位向累加向量Cn+1(X)中(pc,i-Δc,pc,i+Δc)范围内的值置零，重复m次得到X方向的峰值矩阵Pc＝[pc,1,pc,2,...pc,m]，其中Δc为扩展因子，i＝1,2,3,...,m，m为区域内目标个数；
E2、遍历距离向累加向量Rn+1(Y)中的元素，获取元素最大值所对应的位置pr,i，并将距离向累加向量Rn+1(Y)中(pr,i-Δc,pr,i+Δc)范围内的值置零，重复m次得到Y方向的峰值矩阵Pr＝[pr,1,pr,2,...pr,m]，其中Δc为扩展因子，i＝1,2,3,...,m，m为区域内目标个数；
E3、将步骤E1中得到的X方向的峰值矩阵Pc与步骤E2中得到的Y方向的峰值矩阵Pr中的峰值相互匹配，得到m×m个目标区域中心位置矩阵Z以及对应中心位置像素矩阵P；遍历像素矩阵P得到像素值最大的位置Tk＝(i,j)，其中k＝1,2,...,m，同时把像素矩阵P中第i行及j列元素置零，重复m次即可提取得到m个目标的位置。
CN201610670621.XA 2016-08-16 2016-08-16 基于建筑物透视雷达成像的多目标检测定位方法 Active CN106371093B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610670621.XA CN106371093B (zh) 2016-08-16 2016-08-16 基于建筑物透视雷达成像的多目标检测定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610670621.XA CN106371093B (zh) 2016-08-16 2016-08-16 基于建筑物透视雷达成像的多目标检测定位方法

Publications (2)

Publication Number Publication Date
CN106371093A CN106371093A (zh) 2017-02-01
CN106371093B true CN106371093B (zh) 2018-11-20

Family

ID=57878006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610670621.XA Active CN106371093B (zh) 2016-08-16 2016-08-16 基于建筑物透视雷达成像的多目标检测定位方法

Country Status (1)

Country Link
CN (1) CN106371093B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109087319B (zh) * 2018-08-17 2021-07-02 北京华航无线电测量研究所 一种掩膜制作方法及系统
CN109298417B (zh) * 2018-09-30 2022-04-22 湖南华诺星空电子技术有限公司 一种基于雷达信号处理的建筑物内部结构探测方法及装置
CN109298418B (zh) * 2018-09-30 2022-08-05 湖南华诺星空电子技术有限公司 基于建筑物内部结构特征的雷达检测虚警抑制方法及装置
CN110133641B (zh) * 2019-04-19 2023-04-25 电子科技大学 一种尺度自适应的穿墙成像雷达目标跟踪方法
CN110516374B (zh) * 2019-08-29 2023-01-17 中国航空工业集团公司沈阳飞机设计研究所 一种面目标区域打击方案的确定方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101858975A (zh) * 2009-08-14 2010-10-13 电子科技大学 一种基于穿墙雷达成像的目标定位方法
CN103197290A (zh) * 2013-04-03 2013-07-10 电子科技大学 一种穿墙雷达多径杂波抑制方法
CN103197289A (zh) * 2013-04-03 2013-07-10 电子科技大学 一种适用于穿墙雷达成像的多径幻象抑制方法
CN104898115A (zh) * 2015-05-11 2015-09-09 电子科技大学 一种穿墙雷达成像后多目标跟踪方法
CN105093187A (zh) * 2015-08-24 2015-11-25 电子科技大学 一种基于目标轨迹提取的穿墙雷达的成像预处理方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0606489D0 (en) * 2006-03-31 2006-05-10 Qinetiq Ltd System and method for processing imagery from synthetic aperture systems

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101858975A (zh) * 2009-08-14 2010-10-13 电子科技大学 一种基于穿墙雷达成像的目标定位方法
CN103197290A (zh) * 2013-04-03 2013-07-10 电子科技大学 一种穿墙雷达多径杂波抑制方法
CN103197289A (zh) * 2013-04-03 2013-07-10 电子科技大学 一种适用于穿墙雷达成像的多径幻象抑制方法
CN104898115A (zh) * 2015-05-11 2015-09-09 电子科技大学 一种穿墙雷达成像后多目标跟踪方法
CN105093187A (zh) * 2015-08-24 2015-11-25 电子科技大学 一种基于目标轨迹提取的穿墙雷达的成像预处理方法

Also Published As

Publication number Publication date
CN106371093A (zh) 2017-02-01

Similar Documents

Publication Publication Date Title
CN106371093B (zh) 基于建筑物透视雷达成像的多目标检测定位方法
Singh et al. Buried object detection and analysis of GPR images: Using neural network and curve fitting
CN105974405B (zh) 基于幅度加权的探地雷达后向投影成像方法
CN106093934B (zh) 基于改进动态规划的穿墙雷达成像后多目标位置估计方法
CN107341488A (zh) 一种sar图像目标检测识别一体化方法
CN108038445A (zh) 一种基于多视角深度学习框架的sar自动目标识别方法
CN109583293A (zh) 星载sar图像中的飞机目标检测与鉴别方法
CN107507209B (zh) 极化sar图像的素描图提取方法
CN109035152A (zh) 一种合成孔径雷达图像非局部均值滤波方法
CN109031277A (zh) 一种穿墙雷达多目标图像域稳健跟踪方法
CN106093933B (zh) 一种穿墙雷达成像后多目标侧墙一次多径抑制方法
CN107561509B (zh) 一种机载毫米波雷达电力线检测方法
CN107479043A (zh) 基于多成像字典的合成孔径穿墙雷达多径假目标剔除方法
CN112184749B (zh) 基于视频sar跨域联合的动目标跟踪方法
CN109298418A (zh) 基于建筑物内部结构特征的雷达检测虚警抑制方法及装置
CN111796272A (zh) 穿墙雷达人体图像序列的姿态实时识别方法及计算机设备
CN109541585A (zh) 一种基于峰度评估的人体穿墙检测成像方法
CN109344917A (zh) 一种毒蛾属昆虫的物种鉴别方法及鉴别系统
Li et al. A small target detection algorithm in infrared image by combining multi-response fusion and local contrast enhancement
CN110533025A (zh) 基于候选区域提取网络的毫米波人体图像检测方法
CN112257515A (zh) 一种基于复杂地形的sar图像地物分类方法及装置
CN111861905A (zh) 基于Gamma-Lee滤波的SAR影像斑点噪声抑制方法
CN110796677B (zh) 一种基于多波段特性的卷云虚警源检测方法
CN107783111A (zh) 一种基于最大熵准则的雷达前视超分辨成像方法
CN110133641A (zh) 一种尺度自适应的穿墙成像雷达目标跟踪方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant