CN106446916A - 一种高分辨一维距离像特征提取的方法及装置 - Google Patents
一种高分辨一维距离像特征提取的方法及装置 Download PDFInfo
- Publication number
- CN106446916A CN106446916A CN201610899968.1A CN201610899968A CN106446916A CN 106446916 A CN106446916 A CN 106446916A CN 201610899968 A CN201610899968 A CN 201610899968A CN 106446916 A CN106446916 A CN 106446916A
- Authority
- CN
- China
- Prior art keywords
- point
- target area
- heap
- crest
- energy
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请公开了一种高分辨一维距离像特征提取的方法,包括:获取高分辨率一维距离像的目标区域,获取所述目标区域的堆能量比例特征、堆结构比例特征和中心矩特征。通过获取平滑图像中目标区域的多个堆,其中每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成,所述平滑图像是对所述高分辨一维距离像进行滚动平滑处理得到的;获取目标区域的堆能量比例特征、堆结构比例特征;通过对目标区域进行分段半阶中心矩提取的方法,获取目标区域的中心矩特征。从而使得提取的高分辨率一维距离像的特征更加全面,并且能够提取到更多的细节信息。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种高分辨率一维距离像特征提取的方法及装置。
背景技术
高分辨一维距离像是目标散射中心在雷达视线方向上的投影,反应目标各散射中心间的径向位置关系,体现目标的部分结构特征,是雷达感知、识别目标的重要途径。对于高分辨一维距离像的特征提取是近几年国内外研究的重点,特征提取结果的好坏,直接影响着雷达目标识别效果的优劣。
现有技术中,对一维距离像的特征提取方法有多种,例如,2007年刘先康在《电子器件》上的学术论文《基于HRRP偶数阶中心矩特征的卫星目标识别》,论文中对一维距离像采用了偶数阶中心矩特征提取的方法,但提取的特征不够全面,也无法提取细节信息。
发明内容
有鉴于此,本发明公开了一种高分辨率一维距离像特征提取的方法,解决了现有技术中提取的特征信息不够全面,也无法提取细节信息的问题。
本发明提供了以下的技术方案:
获取高分辨一维距离像的目标区域;
获取所述目标区域的堆的能量比例特征、堆的结构比例特征和中心矩特征;
其中,获取堆的能量比例特征的方法包括:
在平滑图像中提取所述目标区域的多个堆;
其中每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成,所述平滑图像是对所述高分辨一维距离像进行滚动平滑处理得到的;
依据所述多个堆的能量和所述目标区域的能量,分别获取所述多个堆的能量比例特征;
其中所述堆的能量表示的是所述堆所在的距离单元幅度之和,所述目标区域的能量表示的是目标区域所在的距离单元幅度之和;
其中,获取堆的结构比例特征的方法包括:
在平滑图像中提取所述目标区域的多个堆;
其中每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成,所述平滑图像是对所述高分辨一维距离像进行滚动平滑处理得到的;
依据堆的重心和所述目标区域的边界点,获取所述堆的结构比例特征;
其中,获取中心矩特征的方法包括:
对所述目标区域进行分段处理,并对多个分段目标区域进行归一化处理;其中,所述分段目标区域表示对所述目标区域进行分段处理后的区域;
对归一化处理后的多个分段目标区域,分别进行半阶中心矩特征的提取;
其中所述半阶中心矩表示中心矩的阶数包含非整数阶。
上述方法,优选的,所述获取高分辨一维距离像的目标区域,包括:
获取所述高分辨一维距离像的均值;
依据所述均值与预设的门限系数,获取所述一维距离像中的目标区域;所述目标区域为大于所述均值与所述门限系数乘积对应的区域。
上述方法,优选的,所述在平滑图像中提取所述目标区域的多个堆,包括:
获取目标区域中所有的波峰和波谷;
其中,符合波峰的条件为:所述目标区域中任意一点大于波峰阈值,且所述点的幅度值大于等于紧邻所述点并在所述点之前的点的幅度值,并且大于紧邻所述点并在所述点之后的点的幅度值;或者当所述目标区域中任意一点的幅度值大于紧邻所述点并在所述点之前的点的幅度值,并且等于紧邻所述点并在所述点之后的点的幅度值;
符合波谷的条件为:所述目标区域中任意一点小于波谷阈值,且所述点的幅度值小于等于紧邻所述点并在所述点之前的点的幅度值,并且小于紧邻所述点并在所述点之后的点的幅度值;或者当所述目标区域中任意一点的幅度值小于紧邻所述点并在所述点之前的点的幅度值,并且等于紧邻所述点并在所述点之后的点的幅度值;
在所有的波峰中,提取出满足预设条件的有效波峰;
其中所述预设条件为将所有的波峰的幅度值按照从大到小的顺序排序后,依次提取波峰并累计提取到的波峰的数量,当累计提取的波峰的数量达到预设的数量阈值时,当前提取到的所有波峰为有效波峰。
依据所述有效波峰和波谷,获得所述目标区域的多个堆;其中,每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成。
上述方法,优选的,依据所述堆的能量和所述目标区域的能量,获取所述堆的能量比例特征,包括:
获取所述多个堆的能量和所述目标区域的能量;其中每个堆的能量表示的是每个堆所在的距离单位幅度之和,所述目标区域的能量表示的是目标区域所在的距离单位幅度之和;
获取所述堆的能量在所述目标区域的能量中所占的比例;其中,所述比例表示的是堆的能量比例特征。
上述方法,优选的,所述依据堆的重心的位置和所述目标区域的边界位置,获取所述堆的结构比例特征,包括:
将所述重心和目标区域的边界点,按照预设的顺序进行排序,将排序之后的所述重心和边界点表示为point(1),…,point(k+2),其中,k表示重心的个数;
依据公式Proportion(i)=(Point(i+1)-Point(i))/(Boundary_right-Boundary_left),获取所述堆的结构比例特征;其中i=1,2,…,k+2,Boundary_right和Boundary_left表示的是所述目标区域的边界点。
上述方法,优选的,所述对所述目标区域进行分段处理,并对多个分段目标区域进行归一化处理,包括:
确定所述目标区域的分段点,并以所述分段点为中心,将所述目标区域划分成两个区域;其中,两个区域分别表示为第一区域和第二区域;
对所述第一区域及所述第二区域进行归一化处理。
上述方法,优选的,所述对归一化处理后的多个分段目标区域,分别进行半阶中心矩特征的提取,包括:
依据公式提取第一区域的P阶中心矩特征;
依据公式提取第二区域的P阶中心矩特征;
其中和分别为所述第一区域和所述第二区域的一阶原点矩,表示归一化后的目标区域。
上述方法,优选的,所述装置包括:
第一获取单元,用于获取高分辨一维距离像的目标区域;
第二获取单元,用于获取所述目标区域的堆的能量比例特征、堆的结构比例特征和中心矩特征;
其中,所述第二获取单元包括:
第一提取子单元,用于在平滑图像中提取所述目标区域的多个堆;
其中每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成,所述平滑图像是对所述高分辨一维距离像进行滚动平滑处理得到的;
第一获取子单元,用于依据所述多个堆的能量和所述目标区域的能量,分别获取所述多个堆的能量比例特征;
其中所述堆的能量表示的是所述堆所在的距离单元幅度之和,所述目标区域的能量表示的是目标区域所在的距离单元幅度之和;
第二获取子单元,用于依据堆的重心和所述目标区域的边界点,获取所述堆的结构比例特征;
分段子单元,用于对所述目标区域进行分段处理,并对多个分段目标区域进行归一化处理;其中,所述多个分段目标区域表示对所述目标区域进行分段处理后的多个区域;
第二提取子单元,用于对归一化处理后的多个分段目标区域,分别进行半阶中心矩特征的提取;
其中所述半阶中心矩表示中心矩的阶数包含非整数阶。
上述方法,优选的,所述第一获取单元,包括:
第三获取子单元,用于获取所述高分辨一维距离像的均值;
第四获取子单元,用于依据所述均值与预设的门限系数,获取所述一维距离像中的目标区域;所述目标区域为大于所述均值与所述门限系数乘积对应的区域。
上述方法,优选的,所述第一子提取单元,包括:
第五获取子单元,用于获取目标区域中所有的波峰和波谷;
其中,符合波峰的条件为:所述目标区域中任意一点大于波峰阈值,且所述点的幅度值大于等于紧邻所述点并在所述点之前的点的幅度值,并且大于紧邻所述点并在所述点之后的点的幅度值;或者当所述目标区域中任意一点的幅度值大于紧邻所述点并在所述点之前的点的幅度值,并且等于紧邻所述点并在所述点之后的点的幅度值;
符合波谷的条件为:所述目标区域中任意一点小于波谷阈值,且所述点的幅度值小于等于紧邻所述点并在所述点之前的点的幅度值,并且小于紧邻所述点并在所述点之后的点的幅度值;或者当所述目标区域中任意一点的幅度值小于紧邻所述点并在所述点之前的点的幅度值,并且等于紧邻所述点并在所述点之后的点的幅度值;
第三提取子单元,用于在所有的波峰中,提取出满足预设条件的有效波峰;
其中所述预设条件为将所有的波峰的幅度值按照从大到小的顺序排序后,依次提取波峰并累计提取到的波峰的数量,当累计提取的波峰的数量达到预设的数量阈值时,当前提取到的波峰为有效波峰;
获得子单元,用于依据所述有效波峰和波谷,获得所述目标区域的多个堆;其中,每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成。
本实施例公开了一种高分辨一维距离像特征提取的方法,包括:获取高分辨率一维距离像的目标区域,获取所述目标区域的堆能量比例特征、堆结构比例特征和中心矩特征。通过获取平滑图像中目标区域的多个堆,其中每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成,所述平滑图像是对所述高分辨一维距离像进行滚动平滑处理得到的;获取目标区域的堆能量比例特征、堆结构比例特征;通过对目标区域进行分段半阶中心矩提取的方法,获取目标区域的中心矩特征。从而使得提取的高分辨率一维距离像的特征更加全面,并且能够提取到更多的细节信息。
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,还可以根据提供的附图获得其他的附图。
图1为一种高分辨一维距离像特征提取的方法的流程示意图;
图2为一种高分辨一维距离像特征提取的方法的流程示意图;
图3为一种高分辨一维距离像特征提取的方法的流程示意图;
图4为一种高分辨一维距离像特征提取的方法的流程示意图;
图5为一种高分辨一维距离像特征提取的装置的结构示意图。
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。
参考图1,示出了本发明实施例一种高分辨一维距离像特征提取的方法的流程示意图。在本实施例中,所述方法例如可以包括:
S101:获取高分辨一维距离像的目标区域;
本实施例中,通过雷达检测获得待检测目标的高分辨一维距离像,并在所述高分辨一维距离像中获取目标区域,其中所述目标区域可以为飞机或者舰船,并且,S101具体可以包括以下步骤:获取所述高分辨一维距离像的均值;依据所述均值与预设的门限系数,获取所述一维距离像中的目标区域;所述目标区域为大于所述均值与所述门限系数乘积对应的区域。
举例说明:假设P(i)表示所述高分辨一维距离像,其中i=1,2,…,N,N为距离单元数,首先要对高分辨一维距离像进行归一化处理,进行归一化处理依据以下的公式进行其中表示归一化后的高分辨一维距离像;然后获取归一化后的高分辨一维距离像的均值,在后依据以下公式并且,为了保证目标区域全部被包含在获取到的目标区域中,可以通过扩展距离单元数对获取到的目标区域进行扩展。
除此之外,为了减少高分辨一维距离像的噪声,提高特征提取的精确度,还可以对获取到的目标区域进行平滑处理,通过以下的公式,对获取到的目标区域进行滚动平滑处理:其中M表示平滑尺度常数。
S102:获取所述目标区域的堆的能量比例特征、堆的结构比例特征和中心矩特征。
其中,获取堆的能量比例特征的方法包括:
S201:在平滑图像中提取所述目标区域的多个堆。
其中每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成,所述平滑图像是对所述高分辨一维距离像进行滚动平滑处理得到的;
本实施例中,在平滑图像中提取所述目标区域的多个堆具体可以包括以下步骤:
获取目标区域中所有的波峰和波谷。
其中,符合波峰的条件为:所述目标区域中任意一点大于波峰阈值,且所述点的幅度值大于等于紧邻所述点并在所述点之前的点的幅度值,并且大于紧邻所述点并在所述点之后的点的幅度值;或者当所述目标区域中任意一点的幅度值大于紧邻所述点并在所述点之前的点的幅度值,并且等于紧邻所述点并在所述点之后的点的幅度值。
符合波谷的条件为:所述目标区域中任意一点小于波谷阈值,且所述点的幅度值小于等于紧邻所述点并在所述点之前的点的幅度值,并且小于紧邻所述点并在所述点之后的点的幅度值;或者当所述目标区域中任意一点的幅度值小于紧邻所述点并在所述点之前的点的幅度值,并且等于紧邻所述点并在所述点之后的点的幅度值。
依据峰值从大到小的顺序,在所有的波峰中提取预设数量的波峰。
依据所述预设数量的波峰和波谷,获得所述目标区域的多个堆;其中,每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成。
举例说明:获取平滑图像的堆,首先提取出所述目标区域的波峰和波谷,其中波峰满足以下两个条件:1)大于波峰阈值;
2)TOP(i)={T(i)|(T(i)≥T(i-1)&T(i)>T(i+1)||T(i)>T(i)>T(i-1)&T(i)=T(i+1)),
其中i表示获取的目标区域中的距离单元的个数,TOP(i)表示波峰;波谷满足以下两个条件:1)小于波谷阈值;
2)Bottom(i)={T(i)|(T(i)≤T(i-1)&T(i)<T(i+1)||T(i)<T(i)>T(i-1)&T(i)=T(i+1))。
其中所述波峰阈值和波谷阈值为获取的目标区域均值的某个倍数,并且为了提高计算的精度,该倍数值可以根据姿态角和高分辨一维距离像的信噪比进行自适应的进行调整,例如:当姿态角越大,信噪比越低时,倍数越大,即波峰阈值和波谷阈值都越大。需要说明的是,获取波峰和波谷,可以是同时进行的,也可以先获取其中一个,再获取另一个。对于获取到的所有波峰还可以提取出满足预设条件的有效波峰,其中,按照幅度值的高低从高到低进行排序,然后依次提取波峰并累计提取到的波峰的数量,当累计提取的波峰的数量达到预设的数量阈值时,当前提取到的波峰为有效波峰;或者直接提取出数量阈值之前的波峰,也就是提取出前LN个波峰,其中LN表示的是数量阈值。再后,依据所述有效波峰和波谷,获取所述目标区域的多个堆;其中,每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成。例如,可以表示为pile={Top(i),Bottom(m),Bottom(k)|i>m&i<k},其中pile表示堆,Top(i)为波峰,Bottom(m)可以是离Top(i)左侧最近的波谷,Bottom(k)是离Top(i)右侧最近的波谷,除此之外,统计出每个堆的面积,若是堆的面积过小则舍弃,在本实施例中,若堆的面积占总目标区域总面积的比例小于0.1,则可以将该堆舍弃。
S202:依据所述多个堆的能量和所述目标区域的能量,分别获取所述多个堆的能量比例特征。
其中所述堆的能量表示的是所述堆所在的距离单元幅度之和,所述目标区域的能量表示的是目标区域所在的距离单元幅度之和。
本实施例中,获取每个堆的能量比例特征,其实就是获取每个堆所在的距离单元幅度之和与目标区域所在的距离单元幅度之和的比值。
举例说明:第P个堆的能量大小,即第P个堆的距离单元幅度的和可以通过以下的公式获得:目标区域的能量大小,即目标区域所占的距离单元幅度之和可以通过以下的公式获得:则第P个堆的能量比例特征可以表示为
本实施例中,获取堆的结构比例特征的方法包括:
S301:在平滑图像中提取所述目标区域的多个堆。
其中每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成,所述平滑图像是对所述高分辨一维距离像进行滚动平滑处理得到的;
本实施例中,S301与S201的操作方法是一致的,在上文中已经对S201进行了详细的介绍,在这里就不再赘述。
S302:依据堆的重心和所述目标区域的边界点,获取所述堆的结构比例特征。
本实施例中,堆的结构比例特征能够体现堆的稳定性,提取堆的结构比例特征具体可以包括以下的步骤:将所述重心和所述目标区域的边界点,按照预设的顺序进行排序,将排序之后的所述重心和边界点表示为point(1),…,point(k+2),其中,k表示重心的个数;依据以下的公式,Proportion(i)=(Point(i+1)-Point(i))/(Boundary_right-Boundary_left),获取所述堆的结构比例特征;其中i=1,2,…,k+2,Boundary_right和Boundary_left表示的是所述目标区域的边界点。
在本实施例中,由于重心具有更好的稳定性,因此,在本实施例中,采用重心代表堆来计算堆与堆的边界的长度。首先,定义重心,假设:第P个堆的起始点为A,终点为B,Xi为点A到B中的任意一点的值,对Xi依据以下的公式进行归一化处理,然后依据以下的公式定义第P段的重心,其它段的重心也是通过同样的方式获得,假设各个段的重心可以为Barycenter(1)、Barycenter(2),...,Barycenter(k)。然后,将获取的每个堆的位置和目标区域的边界点,按照位置从小到达的顺序进行排列,其中,目标区域的边界的位置可以为Boundry_left和Boundry_right,并假设目标边界和重心排列之后的点可以假设为point(1),point(2)…,point(k+2),其中point(1)和point(k+2)为目标区域的两个边界。再后,依据以下的公式,获取每个堆的结构比例特征,Proportion(i)=(Point(i+1)-Point(i))/(Boundry_right-Boundry_lef)。
举例说明,假设获取排序后第1段的结构比例特征,第一段的结构比例特征可以为:Proportion(1)=(Point(2)-Point(1))/(Boundry_right-Boundry_lef),其中Point(2)为第一段的重心,Point(1)为目标区域的起始边界点。
本实施例中,获取中心矩特征的方法包括:
S401:对所述目标区域进行分段处理,并对多个分段目标区域进行归一化处理;其中,所述多个分段目标区域表示对所述目标区域进行分段处理后的多个区域。
S402:对归一化处理后的多个分段目标区域,分别进行半阶中心矩特征的提取;其中所述半阶中心矩表示中心矩的阶数包含非整数阶。
本实施例中,由于中心矩特征随着阶数的增大,高阶特征在分类器中的贡献越来越小,为了能够提取出更多对分类器有效的特征信息,可以采用本实施例的非整数阶中心矩的特征提取方法,为了能够提取出更多的信息,在进行非整数阶中心矩特征提取之前,对图像进行分段处理。其中,S401具体可以包括:确定所述目标区域的分段点,并以所述分段点为中心,将所述目标区域划分成两个区域;其中,两个区域分别表示为第一区域和第二区域;对所述第一区域及所述第二区域进行归一化处理。
其中,S402具体可以包括:
依据公式提取第一区域的P阶中心矩特征。
依据公式提取第二区域的P阶中心矩特征。
其中和分别为所述第一区域和所述第二区域的一阶原点矩,表示归一化后的目标区域。
举例说明:假设以散射中心n0作为分段点,则目标区域可以分段为i=N,...,n0,i=n0+1,...,M,为了描述方便,在本实施例中将i=N,...,n0段表示为第一区域,将i=n0+1,...,M段表示为第二区域。将对分段后的高分辨一维距离像通过以下的公式进行归一化处理,
其中,公式1)是对第一区域进行归一化处理,公式2)是对第二区域进行归一化处理。 且
然后,对分段后的高分辨一维距离像进行半阶中心矩的特征提取,其中,所述半阶中心矩,表示的是中心矩特征中包含非整数阶。具体的为:
依据公式提取第一区域的P阶中心矩特征。
依据公式提取第二区域的P阶中心矩特征。
其中和分别为所述第一区域和所述第二区域的一阶原点矩,表示归一化后的目标区域。
本实施例中,需要说明的是,对于堆能量比例特征的提取、堆结构比例特征的提取和半阶中心矩特征的提取,可以是同时进行的,也可以是依次进行的,在本实施例中,不限定任何一个特征提取步骤的次序。
本实施例中,对高分辨一维距离像提取了目标区域后,对目标区域进行堆能量比例特征的提取、堆结构比例特征的提取以及对目标区域进行分段处理,进而对多个分段目标区域进行半阶中心矩特征进行提取,能够提取出更全面的信息,以及更多的细节信息。
参考图4,本发明实施例还提供了一种高分辨率一维距离像特征提取的装置,所述装置例如可以包括:
第一获取单元501,用于获取高分辨一维距离像的目标区域;
第二获取单元502,用于获取所述目标区域的堆的能量比例特征、堆的结构比例特征和中心矩特征;
其中,所述第二获取单元502包括:
第一提取子单元503,用于在平滑图像中提取所述目标区域的多个堆;
其中每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成,所述平滑图像是对所述高分辨一维距离像进行滚动平滑处理得到的;
第一获取子单元504,用于依据所述多个堆的能量和所述目标区域的能量,分别获取所述多个堆的能量比例特征;
其中所述堆的能量表示的是所述堆所在的距离单元幅度之和,所述目标区域的能量表示的是目标区域所在的距离单元幅度之和;
第二获取子单元505,用于依据堆的重心和所述目标区域的边界点,获取所述堆的结构比例特征;
分段子单元506,用于对所述目标区域进行分段处理,并对多个分段目标区域进行归一化处理;其中,所述多个分段目标区域表示对所述目标区域进行分段处理后的多个区域;
第二提取子单元507,用于对归一化处理后的多个分段目标区域,分别进行半阶中心矩特征的提取;
其中所述半阶中心矩表示中心矩的阶数包含非整数阶。
可选的,所述第一获取单元,包括:
第三获取子单元,用于获取所述高分辨一维距离像的均值;
第四获取子单元,用于依据所述均值与预设的门限系数,获取所述一维距离像中的目标区域;所述目标区域为大于所述均值与所述门限系数乘积对应的区域。
可选的,所述第一子提取单元,包括:
第五获取子单元,用于获取目标区域中所有的波峰和波谷;
其中,符合波峰的条件为:所述目标区域中任意一点大于波峰阈值,且所述点的幅度值大于等于紧邻所述点并在所述点之前的点的幅度值,并且大于紧邻所述点并在所述点之后的点的幅度值;或者当所述目标区域中任意一点的幅度值大于紧邻所述点并在所述点之前的点的幅度值,并且等于紧邻所述点并在所述点之后的点的幅度值;
符合波谷的条件为:所述目标区域中任意一点小于波谷阈值,且所述点的幅度值小于等于紧邻所述点并在所述点之前的点的幅度值,并且小于紧邻所述点并在所述点之后的点的幅度值;或者当所述目标区域中任意一点的幅度值小于紧邻所述点并在所述点之前的点的幅度值,并且等于紧邻所述点并在所述点之后的点的幅度值;
第三提取子单元,用于在所有的波峰中,提取出满足预设条件的有效波峰;
其中所述预设条件为将所有的波峰的幅度值按照从大到小的顺序排序后,依次提取波峰并累计提取到的波峰的数量,当累计提取的波峰的数量达到预设的数量阈值时,当前提取到的波峰为有效波峰。
获得子单元,用于依据所述有效波峰和波谷,获得所述目标区域的多个堆;其中,每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成。
可选的,所述第一获取子单元,包括:
第六获取子单元,用于获取所述多个堆的能量和所述目标区域的能量;其中每个堆的能量表示的是每个堆所在的距离单位幅度之和,所述目标区域的能量表示的是目标区域所在的距离单位幅度之和;
第七获取子单元,用于获取所述堆的能量在所述目标区域的能量中所占的比例;其中,所述比例表示的是堆的能量比例特征。
可选的,所述第二获取子单元,包括:
排序子单元,用于将所述重心和目标区域的边界点,按照预设的顺序进行排序,将排序之后的所述重心和边界点表示为point(1),…,point(k+2),其中,k表示重心的个数;
第八获取子单元,
用于依据公式Proportion(i)=(Point(i+1)-Point(i))/(Boundary_right-Boundary_left),获取所述堆的结构比例特征;其中i=1,2,…,k+2,Boundary_right和Boundary_left表示的是所述目标区域的边界点。
可选的,分段子单元,包括:
确定子单元,用于确定所述目标区域的分段点,并以所述分段点为中心,将所述目标区域划分成两个区域;其中,两个区域分别表示为第一区域和第二区域;
归一化子单元,用于对所述第一区域及所述第二区域进行归一化处理。
可选的,所述第二提取子单元,包括:
第二提取子单元,用于依据公式提取第一区域的P阶中心矩特征;
第三提取子单元,用于依据公式提取第二区域的P阶中心矩特征;
其中和分别为所述第一区域和所述第二区域的一阶原点矩,表示归一化后的目标区域。
通过提供的所述装置,获取高分辨率一维距离像的目标区域,获取所述目标区域的堆能量比例特征、堆结构比例特征和中心矩特征。通过获取平滑图像中目标区域的多个堆,其中每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成,所述平滑图像是对所述高分辨一维距离像进行滚动平滑处理得到的;获取目标区域的堆能量比例特征、堆结构比例特征;通过对目标区域进行分段半阶中心矩提取的方法,获取目标区域的中心矩特征。从而使得提取的高分辨率一维距离像的特征更加全面,并且能够提取到更多的细节信息。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种高分辨一维距离像特征提取的方法,其特征在于,所述方法包括:
获取高分辨一维距离像的目标区域;
获取所述目标区域的堆的能量比例特征、堆的结构比例特征和中心矩特征;
其中,获取堆的能量比例特征的方法包括:
在平滑图像中提取所述目标区域的多个堆;
其中每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成,所述平滑图像是对所述高分辨一维距离像进行滚动平滑处理得到的;
依据所述多个堆的能量和所述目标区域的能量,分别获取所述多个堆的能量比例特征;
其中所述堆的能量表示的是所述堆所在的距离单元幅度之和,所述目标区域的能量表示的是目标区域所在的距离单元幅度之和;
其中,获取堆的结构比例特征的方法包括:
在平滑图像中提取所述目标区域的多个堆;
其中每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成,所述平滑图像是对所述高分辨一维距离像进行滚动平滑处理得到的;
依据堆的重心和所述目标区域的边界点,获取所述堆的结构比例特征;
其中,获取中心矩特征的方法包括:
对所述目标区域进行分段处理,并对多个分段目标区域进行归一化处理;其中,所述分段目标区域表示对所述目标区域进行分段处理后的区域;
对归一化处理后的多个分段目标区域,分别进行半阶中心矩特征的提取;
其中所述半阶中心矩表示中心矩的阶数包含非整数阶。
2.根据权利要求1所述的方法,其特征在于,所述获取高分辨一维距离像的目标区域,包括:
获取所述高分辨一维距离像的均值;
依据所述均值与预设的门限系数,获取所述一维距离像中的目标区域;所述目标区域为大于所述均值与所述门限系数乘积对应的区域。
3.根据权利要求1所述的方法,其特征在于,所述在平滑图像中提取所述目标区域的多个堆,包括:
获取目标区域中所有的波峰和波谷;
其中,符合波峰的条件为:所述目标区域中任意一点大于波峰阈值,且所述点的幅度值大于等于紧邻所述点并在所述点之前的点的幅度值,并且大于紧邻所述点并在所述点之后的点的幅度值;或者当所述目标区域中任意一点的幅度值大于紧邻所述点并在所述点之前的点的幅度值,且等于紧邻所述点并在所述点之后的点的幅度值;
符合波谷的条件为:所述目标区域中任意一点小于波谷阈值,且所述点的幅度值小于等于紧邻所述点并在所述点之前的点的幅度值,并且小于紧邻所述点并在所述点之后的点的幅度值;或者当所述目标区域中任意一点的幅度值小于紧邻所述点并在所述点之前的点的幅度值,并且等于紧邻所述点并在所述点之后的点的幅度值;
在所有的波峰中,提取出满足预设条件的有效波峰;
其中所述预设条件为将所有的波峰的幅度值按照从大到小的顺序排序后,依次提取波峰并累计提取到的波峰的数量,当累计提取的波峰的数量达到预设的数量阈值时,当前提取到的所有波峰为有效波峰;
依据所述有效波峰和波谷,获得所述目标区域的多个堆;其中,每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成。
4.根据权利要求1所述的方法,其特征在于,依据所述堆的能量和所述目标区域的能量,获取所述堆的能量比例特征,包括:
获取所述多个堆的能量和所述目标区域的能量;其中每个堆的能量表示的是每个堆所在的距离单位幅度之和,所述目标区域的能量表示的是目标区域所在的距离单位幅度之和;
获取所述堆的能量在所述目标区域的能量中所占的比例;其中,所述比例表示的是堆的能量比例特征。
5.根据权利要求1所述的方法,其特征在于,所述依据堆的重心的位置和所述目标区域的边界位置,获取所述堆的结构比例特征,包括:
将所述重心和目标区域的边界点,按照预设的顺序进行排序,将排序之后的所述重心和边界点表示为point(1),…,point(k+2),其中,k表示重心的个数;
依据公式Proportion(i)=(Point(i+1)-Point(i))/(Boundary_right-Boundary_left),获取所述堆的结构比例特征;其中i=1,2,…,k+2,Boundary_right和Boundary_left表示的是所述目标区域的边界点。
6.根据权利要求1所述的方法,其特征在于,所述对所述目标区域进行分段处理,并对多个分段目标区域进行归一化处理,包括:
确定所述目标区域的分段点,并以所述分段点为中心,将所述目标区域划分成两个区域;其中,两个区域分别表示为第一区域和第二区域;
对所述第一区域及所述第二区域进行归一化处理。
7.根据权利要求6所述的方法,其特征在于,所述对归一化处理后的多个分段目标区域,分别进行半阶中心矩特征的提取,包括:
依据公式提取第一区域的P阶中心矩特征;
依据公式提取第二区域的P阶中心矩特征;
其中和分别为所述第一区域和所述第二区域的一阶原点矩,表示归一化后的目标区域。
8.一种高分辨一维距离像特征提取的装置,其特征在于,所述装置包括:
第一获取单元,用于获取高分辨一维距离像的目标区域;
第二获取单元,用于获取所述目标区域的堆的能量比例特征、堆的结构比例特征和中心矩特征;
其中,所述第二获取单元包括:
第一提取子单元,用于在平滑图像中提取所述目标区域的多个堆;
其中每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成,所述平滑图像是对所述高分辨一维距离像进行滚动平滑处理得到的;
第一获取子单元,用于依据所述多个堆的能量和所述目标区域的能量,分别获取所述多个堆的能量比例特征;
其中所述堆的能量表示的是所述堆所在的距离单元幅度之和,所述目标区域的能量表示的是目标区域所在的距离单元幅度之和;
第二获取子单元,用于依据堆的重心和所述目标区域的边界点,获取所述堆的结构比例特征;
分段子单元,用于对所述目标区域进行分段处理,并对多个分段目标区域进行归一化处理;其中,所述多个分段目标区域表示对所述目标区域进行分段处理后的多个区域;
第二提取子单元,用于对归一化处理后的多个分段目标区域,分别进行半阶中心矩特征的提取;
其中所述半阶中心矩表示中心矩的阶数包含非整数阶。
9.根据权利要求8所述的装置,其特征在于,所述第一获取单元,包括:
第三获取子单元,用于获取所述高分辨一维距离像的均值;
第四获取子单元,用于依据所述均值与预设的门限系数,获取所述一维距离像中的目标区域;所述目标区域为大于所述均值与所述门限系数乘积对应的区域。
10.根据权利要求8所述的装置,其特征在于,所述第一子提取单元,包括:
第五获取子单元,用于获取目标区域中所有的波峰和波谷;
其中,符合波峰的条件为:所述目标区域中任意一点大于波峰阈值,且所述点的幅度值大于等于紧邻所述点并在所述点之前的点的幅度值,并且大于紧邻所述点并在所述点之后的点的幅度值;或者当所述目标区域中任意一点的幅度值大于紧邻所述点并在所述点之前的点的幅度值,并且等于紧邻所述点并在所述点之后的点的幅度值;
符合波谷的条件为:所述目标区域中任意一点小于波谷阈值,且所述点的幅度值小于等于紧邻所述点并在所述点之前的点的幅度值,并且小于紧邻所述点并在所述点之后的点的幅度值;或者当所述目标区域中任意一点的幅度值小于紧邻所述点并在所述点之前的点的幅度值,并且等于紧邻所述点并在所述点之后的点的幅度值;
第三提取子单元,用于在所有的波峰中,提取出满足预设条件的有效波峰;
其中所述预设条件为将所有的波峰的幅度值按照从大到小的顺序排序后,依次提取波峰并累计提取到的波峰的数量,当累计提取的波峰的数量达到预设的数量阈值时,当前提取到的波峰为有效波峰;
获得子单元,用于依据所述有效波峰和波谷,获得所述目标区域的多个堆;其中,每个堆均是由目标区域中一个波峰及与所述波峰相邻的两个波谷组成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610899968.1A CN106446916B (zh) | 2016-10-14 | 2016-10-14 | 一种高分辨一维距离像特征提取的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610899968.1A CN106446916B (zh) | 2016-10-14 | 2016-10-14 | 一种高分辨一维距离像特征提取的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106446916A true CN106446916A (zh) | 2017-02-22 |
CN106446916B CN106446916B (zh) | 2019-06-14 |
Family
ID=58175066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610899968.1A Active CN106446916B (zh) | 2016-10-14 | 2016-10-14 | 一种高分辨一维距离像特征提取的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106446916B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107238822A (zh) * | 2017-06-13 | 2017-10-10 | 电子科技大学 | 真假目标一维距离像正交非线性子空间特征提取方法 |
CN107589419A (zh) * | 2017-07-25 | 2018-01-16 | 武汉滨湖电子有限责任公司 | 一种能量峰值联合宽带高分辨距离像目标提取的方法 |
CN107817491A (zh) * | 2017-10-20 | 2018-03-20 | 中国人民解放军海军七〇工厂 | 一种图像的生成方法、装置及图像生成设备 |
CN108919284A (zh) * | 2018-05-04 | 2018-11-30 | 中国人民解放军海军七〇工厂 | 一种船只分类方法、装置及电子设备 |
CN110047331A (zh) * | 2019-05-22 | 2019-07-23 | 镇江市地方海事局 | 一种基于ais的船舶与目标物之间距离测算方法 |
CN113176510A (zh) * | 2021-04-02 | 2021-07-27 | 深圳力维智联技术有限公司 | 铅酸电池放电过程中电压极值的预测方法、装置及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169177A (zh) * | 2011-01-21 | 2011-08-31 | 西安电子科技大学 | 基于时域特征的雷达目标高分辨距离像识别方法 |
CN102254176A (zh) * | 2011-04-11 | 2011-11-23 | 西安电子科技大学 | 基于状态空间模型的雷达高分辨距离像目标识别方法 |
US8170272B1 (en) * | 2010-02-23 | 2012-05-01 | The United States Of America As Represented By The Secretary Of The Navy | Method for classifying vessels using features extracted from overhead imagery |
CN103235296A (zh) * | 2013-05-05 | 2013-08-07 | 西安电子科技大学 | 基于功率谱特征修正的噪声背景下雷达目标识别方法 |
CN104280724A (zh) * | 2014-10-23 | 2015-01-14 | 西安电子科技大学 | 基于散射点匹配的雷达高分辨距离像识别方法 |
CN105469060A (zh) * | 2015-12-02 | 2016-04-06 | 杭州电子科技大学 | 一种基于紧致性测度加权的舰船类型识别方法 |
-
2016
- 2016-10-14 CN CN201610899968.1A patent/CN106446916B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8170272B1 (en) * | 2010-02-23 | 2012-05-01 | The United States Of America As Represented By The Secretary Of The Navy | Method for classifying vessels using features extracted from overhead imagery |
CN102169177A (zh) * | 2011-01-21 | 2011-08-31 | 西安电子科技大学 | 基于时域特征的雷达目标高分辨距离像识别方法 |
CN102254176A (zh) * | 2011-04-11 | 2011-11-23 | 西安电子科技大学 | 基于状态空间模型的雷达高分辨距离像目标识别方法 |
CN103235296A (zh) * | 2013-05-05 | 2013-08-07 | 西安电子科技大学 | 基于功率谱特征修正的噪声背景下雷达目标识别方法 |
CN104280724A (zh) * | 2014-10-23 | 2015-01-14 | 西安电子科技大学 | 基于散射点匹配的雷达高分辨距离像识别方法 |
CN105469060A (zh) * | 2015-12-02 | 2016-04-06 | 杭州电子科技大学 | 一种基于紧致性测度加权的舰船类型识别方法 |
Non-Patent Citations (5)
Title |
---|
LAN DU等: "《Radar Automatic Target Recognition Based on Complex High-Resolution Range Profiles》", 《2006 CIE INTERNATIONAL CONFERENCE ON RADAR》 * |
刘宏伟等: "《雷达高分辨距离像目标识别研究进展》", 《电子与信息学报》 * |
张军英等: "《雷达自动目标识别中的HRRP特征提取研究》", 《系统工程与电子技术》 * |
王涛等: "《一种基于高分辨距离像的目标长度特征提取算法》", 《中国电子科学研究院学报》 * |
袁莉等: "《基于中心矩特征的雷达HRRP自动目标识别》", 《电子学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107238822A (zh) * | 2017-06-13 | 2017-10-10 | 电子科技大学 | 真假目标一维距离像正交非线性子空间特征提取方法 |
CN107238822B (zh) * | 2017-06-13 | 2020-05-26 | 电子科技大学 | 真假目标一维距离像正交非线性子空间特征提取方法 |
CN107589419A (zh) * | 2017-07-25 | 2018-01-16 | 武汉滨湖电子有限责任公司 | 一种能量峰值联合宽带高分辨距离像目标提取的方法 |
CN107589419B (zh) * | 2017-07-25 | 2019-10-11 | 武汉滨湖电子有限责任公司 | 一种能量峰值联合宽带高分辨距离像目标提取的方法 |
CN107817491A (zh) * | 2017-10-20 | 2018-03-20 | 中国人民解放军海军七〇工厂 | 一种图像的生成方法、装置及图像生成设备 |
CN107817491B (zh) * | 2017-10-20 | 2020-11-06 | 中国人民解放军海军七〇一工厂 | 一种图像的生成方法、装置及图像生成设备 |
CN108919284A (zh) * | 2018-05-04 | 2018-11-30 | 中国人民解放军海军七〇工厂 | 一种船只分类方法、装置及电子设备 |
CN110047331A (zh) * | 2019-05-22 | 2019-07-23 | 镇江市地方海事局 | 一种基于ais的船舶与目标物之间距离测算方法 |
CN113176510A (zh) * | 2021-04-02 | 2021-07-27 | 深圳力维智联技术有限公司 | 铅酸电池放电过程中电压极值的预测方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106446916B (zh) | 2019-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106446916A (zh) | 一种高分辨一维距离像特征提取的方法及装置 | |
CN109521422B (zh) | 一种基于雷达信号的多目标生命探测方法及探测雷达 | |
CN104534992B (zh) | 一种长度测量方法及终端 | |
CN104134200B (zh) | 一种基于改进加权融合的运动场景图像拼接方法 | |
US8761514B2 (en) | Character recognition apparatus and method based on character orientation | |
CN107833206B (zh) | 一种复杂背景下电力线精确提取方法 | |
CN102840861B (zh) | 一种用于星敏感器的筛选导航星的方法 | |
CN107464252A (zh) | 一种基于混合特征的可见光与红外异源图像识别方法 | |
CN106019251B (zh) | 雷达定位方法、装置及etc交易方法和系统 | |
CN108416468B (zh) | 一种洪水超前预警预报方法 | |
CN104933397B (zh) | 图像描述及其图像识别方法 | |
CN107687819A (zh) | 一种快速高精度的光条中心亚像素提取方法 | |
CN109558908A (zh) | 一种给定区域最优边缘的确定方法 | |
CN102999886A (zh) | 图像边缘检测器及标尺光栅栅线精度检测系统 | |
CN104751122B (zh) | 一种农作物病情指数的计算方法及系统 | |
CN104243815B (zh) | 一种对焦方法及电子设备 | |
CN105659253A (zh) | 指纹提取方法和装置 | |
Ivanov et al. | A catalog of blue and red supergiants in M33 | |
CN104102833B (zh) | 基于密集区间发现的税务指标归一化与融合计算方法 | |
CN107103608A (zh) | 一种基于区域候选样本选择的显著性检测方法 | |
CN105513042A (zh) | 一种基于多层分析和分层推理的显著性检测方法 | |
CN102607667B (zh) | 基于虚拟仪器智能相机的煤仓煤位检测方法 | |
CN106991669A (zh) | 一种基于深度选择性差异的显著性检测方法 | |
CN103366376A (zh) | 一种基于邻域尺度变化的图像特征提取方法 | |
CN107240107B (zh) | 一种基于图像检索的显著性检测元评估方法 |
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 |