CN107505614B - 一种基于ati-sar图像幅相信息融合的目标检测方法 - Google Patents

一种基于ati-sar图像幅相信息融合的目标检测方法 Download PDF

Info

Publication number
CN107505614B
CN107505614B CN201710598037.2A CN201710598037A CN107505614B CN 107505614 B CN107505614 B CN 107505614B CN 201710598037 A CN201710598037 A CN 201710598037A CN 107505614 B CN107505614 B CN 107505614B
Authority
CN
China
Prior art keywords
interference
phase
target
channel
image
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
CN201710598037.2A
Other languages
English (en)
Other versions
CN107505614A (zh
Inventor
顾丹丹
张元�
王晓冰
徐秀丽
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.)
Shanghai Radio Equipment Research Institute
Original Assignee
Shanghai Radio Equipment Research Institute
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 Shanghai Radio Equipment Research Institute filed Critical Shanghai Radio Equipment Research Institute
Priority to CN201710598037.2A priority Critical patent/CN107505614B/zh
Publication of CN107505614A publication Critical patent/CN107505614A/zh
Application granted granted Critical
Publication of CN107505614B publication Critical patent/CN107505614B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9029—SAR image post-processing techniques specially adapted for moving target detection within a single SAR image or within multiple SAR images taken at the same time
    • 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
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9023—SAR image post-processing techniques combined with interferometric techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

一种基于ATI‑SAR图像幅相信息融合的目标检测方法：采用由粗到精的图像配准技术，校正双通道ATI‑SAR图像的幅度偏移和相位偏差；对双通道图像作复干涉处理分别提取干涉幅度和相位分量，并在干涉相位域，通过基于自动索引和区域分解的海杂波等效干涉相位估计与对消，获取表征目标‑海面相对径向运动的干涉相位分量；建立干涉幅度、相位“模”相关准则，从而在MIMP特征域用自适应阈值算法来检测目标。本发明在平台速度和基线长度等参数精度不高的情况下，可实现双通道图像精细配准；通过充分考虑并滤除背景杂波随机起伏运动的干扰，建立具有普适意义MIMP准则，有效利用干涉幅度和相位信息来增强目标‑杂波对比度，提升对复杂场景下多目标、弱小目标的检测能力。

Description

一种基于ATI-SAR图像幅相信息融合的目标检测方法
技术领域
本发明属于雷达目标识别技术领域，具体涉及一种基于沿航迹干涉(ATI)SAR图像幅相信息融合的目标检测方法。
背景技术
合成孔径雷达(SAR)因具有全天时、全天候的成像能力且观测范围较广，在海运交通监管、渔业管理、海上搜救乃至海上军事目标侦察等领域具有重要应用价值。目标检测是SAR图像目标监视系统的关键处理技术之一，可实现从复杂背景中提取感兴趣目标区域，为后续特征提取与分类识别提供必要的目标信息输入，其性能对整个监视系统的识别精度和效率具有至关重要的影响。
现有的SAR图像目标检测技术多数是利用单通道SAR图像，根据目标与背景的散射幅度差异来检测目标的方法。对于低散射目标(如：小船)，或强杂波(如：高海情、小入射角)下的情况，该类方法的检测精度急剧下降。沿航迹干涉(ATI)SAR成像技术的发展，为利用背景与目标径向速度不同所引起的多通道SAR图像的干涉相位差异，实现强杂波下的弱小目标检测提供了一条技术途径，因为干涉相位与散射强度无关。但实际情况下，不确定的等效基线长度、图像配准误差、海环境的随机起伏等因素易引入相位偏移，造成干涉相位域的信杂比较低，使得单利用干涉相位有时难以得到满意的结果，特别当目标速度较慢时。通过综合利用ATI-SAR图像干涉幅度和相位信息有望提高SAR复图像的信息利用率，以提升强杂波下弱小目标的可探测性。
国内外的现有技术，主要是通过对单通道SAR数据的子孔径划分来模拟ATI-SAR多通道数据，并应用于动目标检测。例如，重庆大学刘书君等于2009年申请的专利《一种基于单通道合成孔径雷达(SAR)子图像对消的运动目标检测方法》(公开号：CN101609152A)中，提出一种先对SAR图像沿方位向进行频谱划分获取子图像，进而通过子图像配准和对消来实现动目标检测的方法。该方法的本质是利用运动目标和静止背景在不同成像时刻的子图像中的幅度和位置差异来检测目标。但是，由于SAR成像相干积累时间较短，这将导致慢速目标运动引起的子图像差异较小，特别是当背景杂波随机起伏运动时(如：海杂波)，对消结果的信杂比将更低，使得目标检测困难。清华大学张卫杰等于2006年申请的专利《基于多视子图像对的单通道合成孔径雷达动目标检测方法》(公开号：CN1831558A)中，先对单通道雷达数据进行多视成像，进而通过对多视子图像对的相互对消，以及进一步的沿方位和距离向的二维联合积累，来抑制背景杂波和增强目标-杂波对比度。该方法未充分利用目标运动对干涉相位的贡献，且没考虑背景杂波随机起伏运动的影响，因此对复杂海环境下的动目标检测能力有限。
在论文方面，国防科技大学高贵等于2015年发表的论文《Detection of MovingShips Based on a Combination of Magnitude and Phase in Along-TrackInterferometric SAR—Part I:SIMP Metric and Its Performance》中通过复干涉以及多视归一化处理，提取干涉幅度和干涉相位分量，进而通过干涉幅度和相位分量相乘实现幅度、相位信息融合，增强海面与运动舰船对比度；在此基础上，其于同年发表的论文《Detection of Moving Ships Based on a Combination of Magnitude and Phase inAlong-Track Interferometric SAR—Part II:Statistical Modeling and CFARDetection》中，构建了一种适用于幅相融合特征域的海杂波统计模型，实现了基于该模型的海面运动舰船CFAR检测。但是，该方法未严格考虑双通道图像配准问题，其干涉相位对消时利用的全局海面等效干涉相位，未考虑局部海面运动的随机性；所建立的“乘性”幅相信息融合准则的普适性有限，例如：在干涉幅度或相位较小时，该准则会削弱目标特征强度；另外，其海杂波统计模型参数估计需要一些经验性判别计算。
发明内容
针对现有技术的不足，本发明提出一种基于ATI-SAR图像幅相信息融合的目标检测方法。
该方法采用由粗到精的图像配准技术，校正双通道ATI-SAR图像的幅度偏移和相位偏差；进而，对双通道图像作复干涉处理分别提取干涉幅度和相位分量，并在干涉相位域，提出一种基于自动索引和区域分解的海杂波等效干涉相位估计与对消方法，获取表征目标-海面相对径向运动的干涉相位分量；在此基础上，建立干涉幅度、相位“模”相关准则(Modulus of Interferometric magnitude and phase,MIMP)，从而在MIMP特征域，利用自适应阈值算法来检测目标。
本发明提出一种基于ATI-SAR图像幅相信息融合的目标检测方法，其步骤包含：
步骤1：由粗到精的双通道图像配准
考虑主从式ATI-SAR成像几何关系，其中，雷达平台沿x轴方向以速度va飞行；A0处的天线全孔径发射信号，Afore，Aaft处的两个子孔径同时接收回波信号，基线长度为2b。在假设目标静止的情况下，经SAR成像处理所得前、后通道复图像可分别表示为
Figure GDA0002451747040000041
Figure GDA0002451747040000042
式中：tr，ta分别为快、慢时间采样；σ为目标复散射函数；ρr，ρa分别为距离和方位向点扩展函数；R0为雷达与目标的最短斜距，x0为目标的方位向位置；c和λ分别为光速和波长。
对比式(1)和式(2)可知：前、后通道复图像沿方位向偏移量为Δx＝b，相位偏差为ΔΦ＝exp(j4πvabta/λR0)。因此，可以前-通道图像为基准，将后-通道图像沿方位向，向前通道平移Δx和相位补偿ΔΦ，来实现双通道图像配准。
但是，考虑到实测情况下，ATI-SAR系统的基线长度参数b和平台速度va的精度有限，这将造成图像配准存在误差。为此，本发明进一步采用基于频谱变换的亚像素平移法，对双通道图像进行精细配准。该方法根据对谱域信号乘以非整数相位，与对时域信号利用Sinc插值平移相应的非整数采样点等价的原理，对后-通道图像进行方位向偏移微调，即：
Figure GDA0002451747040000043
式中：Iaft(m,n)为时域后-通道复图像，(m,n)为像素点的坐标；
Figure GDA0002451747040000044
为沿方位向快速傅里叶变换(FFT)所得谱域数据；N为方位向采样点数，n0为非整实数。
从而，构建能量函数为双通道图像频谱的均方误差
Figure GDA0002451747040000045
式中：
Figure GDA0002451747040000051
为对时域前-通道复图像沿方位向FFT所得谱域数据；M为图像距离采样点数。通过迭代平移后-通道图像，直至其与前-通道图像的均方误差足够小，完成精细图像配准。
步骤2：基于复干涉处理的干涉幅度和相位分量提取
对配准得ATI-SAR双通道图像进行复干涉处理，可得
Figure GDA0002451747040000052
式中：上标*表示复共轭，<·>为空间求平均运算；A和
Figure GDA0002451747040000053
分别为干涉幅度和相位分量
Figure GDA0002451747040000054
式中：|·|为求模值运算；arg{·}为求幅角运算，
Figure GDA0002451747040000055
步骤3：基于自动索引和区域分解的海杂波干涉相位估计与对消
如图3所示，在干涉相位域，采用基于直方图分析的预分割算法生成杂波索引矩阵，从而通过自动索引去除目标像素干扰；进而，对海杂波局部等效干涉相位进行分块估计和对消，得到表征目标-海面相对径向运动的干涉相位分量。
步骤3a：在干涉相位域，采用基于直方图分析的预分割算法生成杂波索引矩阵，并利用其对配准得ATI-SAR双通道复图像作“掩模”，实现自动索引以去除目标像素干扰，得到双通道海杂波复图像，记为：
Figure GDA0002451747040000056
和
Figure GDA0002451747040000057
步骤3b：通过区域分解，分别将双通道海杂波复图像等分为多个子块；从而计算各对应子区域的复相干系数，来估计各子区域的海杂波等效干涉相位，
Figure GDA0002451747040000061
式中：上标q为子区域编号，Q为子区域个数；ζq为第q个子区域的复相干系数，ρq为对应的相干系数幅度，相干角
Figure GDA0002451747040000062
即表示对应的海杂波等效干涉相位，其为海面径向速度的函数。
步骤3c：通过将各子区域干涉相位与海杂波等效干涉相位对消，获取表征目标-海面相对径向运动的干涉相位分量，记为：
Figure GDA0002451747040000063
Figure GDA0002451747040000064
式中：
Figure GDA0002451747040000065
为第q个子区域的干涉相位，θq为对应子区域的海杂波等效干涉相位，
Figure GDA0002451747040000066
则为前两者对消所得第q个子区域的表征目标-海面相对径向运动的干涉相位。
步骤4：基于“模”相关的干涉幅度和相位信息融合
先对干涉幅度分量、表征目标-海面相对径向运动的干涉相位分量进行归一化，进而对两者归一化结果采用式(9)所示的“模”相关处理，实现干涉幅相信息融合
Figure GDA0002451747040000067
式中：IMIMP表示“模”相关所得干涉幅相融合特征(Modulus of Interferometricmagnitude and phase,MIMP)；
Figure GDA0002451747040000068
为对干涉幅度分量关于其最大值归一化所得结果；
Figure GDA0002451747040000069
为先对表征目标-海面相对径向运动的干涉相位分量
Figure GDA00024517470400000610
取绝对值，再关于相应的最大值归一化所得结果。
对式(9)进行分析可知：该准则适用于各种运动、散射特性假设条件下的目标干涉幅度、相位信息的有效融合，具有普适意义，且可增大复合图像的整体动态范围，有利于目标检测。
当
Figure GDA0002451747040000071
时，IMIMP→1.414；当
Figure GDA0002451747040000072
时，IMIMP→1；
当
Figure GDA0002451747040000073
时，IMIMP→1；当
Figure GDA0002451747040000074
时，IMIMP→0；
步骤5：自适应阈值检测
在干涉幅相特征(IMIMP)域，采用兼具对均匀、非均值、极度非均匀杂波区域建模能力，且表达式简洁，参数容易估计的Pareto分布，对海杂波的统计特性进行精确建模，进而采用恒虚警率(CFAR)算法实现自适应目标检测。
Pareto分布的幅度概率密度函数(PDF)表达式为
Figure GDA0002451747040000075
式中，νp和ηp分别表示形状和尺度参数，均大于0。当νp→∞时，该分布退化为瑞利分布，适用于对均匀杂波建模；
Figure GDA0002451747040000076
此时该模型具有极度长拖尾特性，适用于对极度非均匀杂波建模。
基于Pareto分布的单元平均(CA)CFAR检测的实现准则为
Figure GDA0002451747040000077
式中，0＜pfa＜＜1表示恒虚警率；fp(z)为Pareto分布幅度概率密度函数；T表示待确定的阈值，其计算方式为
Figure GDA0002451747040000078
由式(12)可知：一旦估计得Pareto分布参数νp和ηp，即可快速求得到阈值
Figure GDA0002451747040000079
而Pareto分布参数νp和ηp可以由样本点的2-阶、4-阶矩快速计算
Figure GDA0002451747040000081
式中：min(·)为求最小值运算；μ2和μ4分别表示2-阶、4-阶样本矩，其计算方式为
Figure GDA0002451747040000082
式中：μκ表示κ-阶样本矩；z(t)为各参考单元；Ns为参考单元的个数。
最后，通过阈值判决，即：比较干涉幅相融合特征IMIMP中各像素值与阈值的大小来检测目标，生成二值目标图像B，
Figure GDA0002451747040000083
式中(m,n)为像素点的坐标。
本发明所述基于ATI-SAR图像幅相信息融合的目标检测方法，其有益效果在于：该方法可以在平台速度和基线长度等参数精度不高的情况下，实现双通道图像精细配准；充分考虑并滤除背景杂波随机起伏运动的干扰，建立了具有普适意义MIMP准则，从而有效综合利用干涉幅度和相位信息，增强目标-杂波对比度，提升对复杂场景下多目标，特别是弱小目标的检测能力。
附图说明
图1是基于ATI-SAR图像幅相信息融合的目标检测流程图
图2是主从式ATI-SAR成像几何关系示意图，其中，雷达平台沿x轴方向以速度va飞行；A0处的天线全孔径发射信号，Afore，Aaft处的两个子孔径同时接收回波信号，基线长度为2b。
图3是基于自动索引和区域分解的海杂波等效干涉相位估计与对消流程图。
具体实施方式
下面结合附图以及具体实例进一步说明本发明。
本发明所提出的基于ATI-SAR图像幅相信息融合的目标检测方法的基本流程如图1所示，具体实现步骤如下：
步骤1：如图1中框1所示，由粗到精的双通道图像配准
首先，如图2所示，由主从式ATI-SAR成像几何获取得双通道复图像沿方位向偏移量为Δx＝b，相位偏差为ΔΦ＝exp(j4πvabta/λR0)，2b为基线长度，va为雷达平台速度，ta为慢时间采样，λ为波长，R0为雷达与目标的最短斜距。根据该特性，以前-通道图像为基准，将后-通道图像沿方位向，向前通道平移Δx和相位补偿ΔΦ，实现双通道图像粗配准。
进一步，根据对谱域信号乘以非整数相位与对时域信号利用sinc插值平移相应的非整数采样点等价的原理，采用基于频谱变换的亚像素平移法对后-通道图像进行方位向偏移微调，即：
Figure GDA0002451747040000091
式中：Iaft(m,n)为时域后-通道复图像，(m,n)为像素点的坐标；
Figure GDA0002451747040000092
为沿方位向快速傅里叶变换(FFT)所得谱域数据；N为方位向采样点数，n0为非整实数。并构建式(4)所示能量函数
Figure GDA0002451747040000093
式中：
Figure GDA0002451747040000094
为对时域前-通道复图像沿方位向FFT所得谱域数据；M为图像距离采样点数。通过迭代平移后-通道图像，直至其与前-通道图像的均方误差足够小，完成精细图像配准。
步骤2：如图1中框2a～2c所示，基于复干涉处理的干涉幅度和相位分量提取
如图1中框2a所示，对配准得ATI-SAR双通道图像进行复干涉处理，可得
Figure GDA0002451747040000101
式中：上标*表示复共轭，〈·>为空间求平均运算；A为干涉幅度分量，如图1中框2c所示；
Figure GDA0002451747040000102
表示干涉相位分量，
Figure GDA0002451747040000103
式中：|·|为求模值运算；arg{·}为求幅角运算，
Figure GDA0002451747040000104
步骤3：如图1中框3a，3b，以及图3所示，基于自动索引和区域分解的海杂波干涉相位估计与对消
步骤3a：如图3中框31所示，在干涉相位域，采用基于直方图分析的预分割算法生成杂波索引矩阵，并利用其对配准得ATI-SAR双通道复图像作“掩模”，实现自动索引以去除目标像素干扰，得到双通道海杂波复图像，记为：
Figure GDA0002451747040000105
和
Figure GDA0002451747040000106
步骤3b：如图3中框32所示，通过区域分解，分别将双通道海杂波复图像等分为Q子块，Q为正整数；从而计算各对应子区域的复相干系数，来估计各子区域的海杂波等效干涉相位，
Figure GDA0002451747040000107
式中：上标q为子区域编号；ζq为第q个子区域的复相干系数，ρq为对应的相干系数幅度，相干角
Figure GDA0002451747040000111
即表示对应的海杂波等效干涉相位，其为海面径向速度的函数。
步骤3c：如图3中框33所示，通过将各子区域干涉相位与海杂波等效干涉相位对消，获取表征目标-海面相对径向运动的干涉相位分量，如图1中框3b所示，记为：
Figure GDA0002451747040000112
Figure GDA0002451747040000113
式中：
Figure GDA0002451747040000114
为第q个子区域的干涉相位，θq为对应子区域的海杂波等效干涉相位，
Figure GDA0002451747040000115
则为前两者对消所得第q个子区域的表征目标-海面相对径向运动的干涉相位。
步骤4：如图1中框4a和4b所示，基于“模”相关的干涉幅度和相位信息融合
如图1中框4a所示，先对干涉幅度分量、表征目标-海面相对径向运动的干涉相位分量进行归一化；进而对两者归一化结果采用式(9)所示的“模”相关处理，实现干涉幅相信息融合，如图1中框4b所示，
Figure GDA0002451747040000116
式中：IMIMP表示“模”相关所得干涉幅相融合特征(Modulus of Interferometricmagnitude and phase,MIMP)；
Figure GDA0002451747040000117
为对干涉幅度分量关于其最大值归一化所得结果；
Figure GDA0002451747040000118
为先对表征目标-海面相对径向运动的干涉相位分量
Figure GDA0002451747040000119
取绝对值，再关于相应最大值归一化的结果。
步骤5：如图1中框5所示，自适应阈值检测
在干涉幅相特征(IMIMP)域，利用Pareto分布对海杂波的统计特性进行精确建模，根据式(14)估计Pareto分布形状参数νp和尺度参数ηp
Figure GDA0002451747040000121
式中：min(·)为求最小值运算；μ2和μ4分别表示2-阶、4-阶样本矩，其计算方式为
Figure GDA0002451747040000122
式中：μκ表示κ-阶样本矩；z(t)为各参考单元；Ns为参考单元的个数。
然后，根据式(12)估计基于Pareto分布的单元平均(CA)CFAR检测阈值
Figure GDA0002451747040000123
Figure GDA0002451747040000124
式中：0＜pfa＜＜1表示恒虚警率，为人工设置参数，如：10-3。
最后，通过阈值判决，即：比较干涉幅相融合特征IMIMP中各像素值与阈值的大小来检测目标，得到二值目标图像B，
Figure GDA0002451747040000125
式中(m,n)为像素点的坐标。
本发明还可通过以下替代方案完成发明目的：
(1)通过略去本发明中的“步骤3-基于自动索引和区域分解的海杂波干涉相位估计与对消”，可将本发明应用于地面动目标检测；
(2)改进现有图像配准方法或采用其它图像配准方法；
(3)采用其它自适应阈值检测方法，如：基于G0或K分布的CFAR检测，OTSU检测等，以及增加后续处理，如：计数滤波、形态学处理等。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (9)

1.一种基于ATI-SAR图像幅相信息融合的目标检测方法，其特征在于，包含以下步骤：
步骤1：由粗到精的双通道图像配准；
其中，根据主从式ATI-SAR成像几何关系，在假设目标静止的情况下，由SAR成像处理所得的前、后通道复图像，得到前、后通道复图像沿方位向偏移量和相位偏差；以前-通道图像为基准，根据偏移量将后-通道图像沿方位向，向前通道平移，并根据相位偏差进行相位补偿，实现双通道图像的粗配准；以及，采用基于频谱变换的亚像素平移法，对双通道图像进行细配准；
步骤2：对配准的ATI-SAR双通道图像，进行基于复干涉处理的干涉幅度和相位分量提取；
步骤3：基于自动索引和区域分解的海杂波干涉相位估计与对消；
在干涉相位域，采用基于直方图分析的预分割算法生成杂波索引矩阵，通过自动索引去除目标像素干扰；以及，对海杂波局部等效干涉相位进行分块估计和对消，得到表征目标-海面相对径向运动的干涉相位分量；
步骤4：对干涉幅度分量、表征目标-海面相对径向运动的干涉相位分量进行归一化，进而对两者归一化结果进行基于“模”相关的干涉幅度和相位信息融合；
步骤5：在干涉幅相特征域，采用Pareto分布对海杂波的统计特性进行建模，并采用恒虚警率(CFAR)算法实现自适应阈值检测。
2.如权利要求1所述的目标检测方法，其特征在于，
步骤1中进行双通道图像的粗配准，包含：
基于主从式ATI-SAR成像几何关系，设定雷达平台沿x轴方向以速度va飞行；A0处的天线全孔径发射信号，Afore，Aaft处的两个子孔径同时接收回波信号，基线长度为2b；假设目标静止的情况下，经SAR成像处理所得前、后通道复图像可分别表示为
Figure FDA0002451747030000021
Figure FDA0002451747030000022
式中：tr，ta分别为快、慢时间采样；σ为目标复散射函数；ρr，ρa分别为距离和方位向点扩展函数；R0为雷达与目标的最短斜距，x0为目标的方位向位置；c和λ分别为光速和波长；
对比式1和式2，得到前、后通道复图像沿方位向偏移量为Δx＝b，相位偏差为ΔΦ＝exp(j4πvabta/λR0)；以前-通道图像为基准，将后-通道图像沿方位向，向前通道平移Δx和相位补偿ΔΦ，来实现双通道图像的粗配准。
3.如权利要求2所述的目标检测方法，其特征在于，
步骤1中采用基于频谱变换的亚像素平移法，对双通道图像进行的细配准，包含：
其中，根据对谱域信号乘以非整数相位，与对时域信号利用Sinc插值平移相应的非整数采样点等价的原理，对后-通道图像进行方位向偏移微调，即：
Figure FDA0002451747030000023
式中：Iaft(m,n)为时域后-通道复图像，(m,n)为像素点的坐标；
Figure FDA0002451747030000031
为沿方位向快速傅里叶变换所得谱域数据；N为方位向采样点数，n0为非整实数；
从而，构建能量函数为双通道图像频谱的均方误差
Figure FDA0002451747030000032
式中：
Figure FDA0002451747030000033
为对时域前-通道复图像沿方位向FFT所得谱域数据；M为图像距离采样点数；通过迭代平移后-通道图像，直至其与前-通道图像的均方误差小于设定数值。
4.如权利要求3所述的目标检测方法，其特征在于，
步骤2中，对配准的ATI-SAR双通道图像进行复干涉处理
Figure FDA0002451747030000034
式中：上标*表示复共轭，<·>为空间求平均运算；A和
Figure FDA0002451747030000035
分别为干涉幅度和相位分量
Figure FDA0002451747030000036
式中：|·|为求模值运算；arg{·}为求幅角运算，
Figure FDA0002451747030000037
5.如权利要求4所述的目标检测方法，其特征在于，
步骤3进一步包含以下步骤：
步骤3a：在干涉相位域，采用基于直方图分析的预分割算法生成杂波索引矩阵，并利用其对配准得ATI-SAR双通道复图像作掩模，实现自动索引以去除目标像素干扰，得到双通道海杂波复图像，记为：
Figure FDA0002451747030000038
和
Figure FDA0002451747030000039
步骤3b：通过区域分解，分别将双通道海杂波复图像等分为多个子块；从而计算各对应子区域的复相干系数，来估计各子区域的海杂波等效干涉相位，
Figure FDA0002451747030000041
式中：上标q为子区域编号，Q为子区域个数；ζq为第q个子区域的复相干系数，ρq为对应的相干系数幅度，相干角
Figure FDA0002451747030000042
即表示对应的海杂波等效干涉相位，其为海面径向速度的函数；
步骤3c：通过将各子区域干涉相位与海杂波等效干涉相位对消，获取表征目标-海面相对径向运动的干涉相位分量，记为：
Figure FDA0002451747030000049
Figure FDA0002451747030000043
式中：
Figure FDA0002451747030000044
为第q个子区域的干涉相位，θq为对应子区域的海杂波等效干涉相位，
Figure FDA0002451747030000045
则为前两者对消所得第q个子区域的表征目标-海面相对径向运动的干涉相位。
6.如权利要求5所述的目标检测方法，其特征在于，
步骤4中，先对干涉幅度分量、表征目标-海面相对径向运动的干涉相位分量进行归一化，进而对两者归一化结果采用式9所示的“模”相关处理，实现干涉幅相信息融合
Figure FDA0002451747030000046
式中：IMIMP表示“模”相关所得干涉幅相融合特征MIMP；
Figure FDA0002451747030000047
为对干涉幅度分量关于其最大值归一化所得结果；
Figure FDA0002451747030000048
为先对表征目标-海面相对径向运动的干涉相位分量
Figure FDA0002451747030000051
取绝对值，再关于相应的最大值归一化所得结果。
7.如权利要求6所述的目标检测方法，其特征在于，
步骤5中，在干涉幅相特征IMIMP域，采用Pareto分布，对海杂波的统计特性进行建模，进而采用恒虚警率CFAR算法实现自适应目标检测：
Pareto分布的幅度概率密度函数表达式为
Figure FDA0002451747030000052
式中，νp和ηp分别表示形状和尺度参数，均大于0；
基于Pareto分布的单元平均CFAR检测的实现准则为
Figure FDA0002451747030000053
式中，0＜pfa＜＜1表示恒虚警率；fp(z)为Pareto分布幅度概率密度函数；T表示待确定的阈值，其计算方式为
Figure FDA0002451747030000054
通过估计得到Pareto分布参数νp和ηp，来求取阈值
Figure FDA0002451747030000056
进行阈值判决，比较干涉幅相融合特征IMIMP中各像素值与阈值的大小来检测目标，生成二值目标图像B，
Figure FDA0002451747030000055
式中(m,n)为像素点的坐标。
8.如权利要求7所述的目标检测方法，其特征在于，
Pareto分布参数νp和ηp由样本点的2-阶、4-阶矩计算得到
Figure FDA0002451747030000061
式中：min(·)为求最小值运算；μ2和μ4分别表示2-阶、4-阶样本矩，其计算方式为
Figure FDA0002451747030000062
式中：μκ表示κ-阶样本矩；z(t)为各参考单元；Ns为参考单元的个数。
9.如权利要求7所述的目标检测方法，其特征在于，
式10中，当νp→∞时，Pareto分布退化为瑞利分布，适用于对均匀杂波建模；
Figure FDA0002451747030000063
模型具有极度长拖尾特性，适用于对极度非均匀杂波建模。
CN201710598037.2A 2017-07-20 2017-07-20 一种基于ati-sar图像幅相信息融合的目标检测方法 Active CN107505614B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710598037.2A CN107505614B (zh) 2017-07-20 2017-07-20 一种基于ati-sar图像幅相信息融合的目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710598037.2A CN107505614B (zh) 2017-07-20 2017-07-20 一种基于ati-sar图像幅相信息融合的目标检测方法

Publications (2)

Publication Number Publication Date
CN107505614A CN107505614A (zh) 2017-12-22
CN107505614B true CN107505614B (zh) 2020-07-31

Family

ID=60678854

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710598037.2A Active CN107505614B (zh) 2017-07-20 2017-07-20 一种基于ati-sar图像幅相信息融合的目标检测方法

Country Status (1)

Country Link
CN (1) CN107505614B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109001725B (zh) * 2018-06-07 2020-11-10 中国人民解放军海军工程大学 一种海上无人艇海上多目标跟踪方法
CN109100696B (zh) * 2018-07-06 2022-07-01 西安电子科技大学 基于点状杂波图的慢速运动目标消除方法
CN109934112B (zh) * 2019-02-14 2021-07-13 青岛小鸟看看科技有限公司 一种人脸对齐方法和相机
CN110109102B (zh) * 2019-04-04 2022-05-03 电子科技大学 一种sar运动目标检测与速度估计的方法
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
CN110736988B (zh) * 2019-05-30 2023-06-02 南京邮电大学 双基地pfa运动目标参数估计和成像方法
JP2021039072A (ja) * 2019-09-05 2021-03-11 日本無線株式会社 海面クラッタ除去装置及び海面クラッタ除去プログラム
CN111103588B (zh) * 2019-12-31 2022-12-13 哈尔滨工程大学 一种利用信号能量的三角波多目标识别方法
CN111522007A (zh) * 2020-07-06 2020-08-11 航天宏图信息技术股份有限公司 真实场景与目标仿真融合的sar成像仿真方法和系统
CN111612017B (zh) * 2020-07-07 2021-01-29 中国人民解放军国防科技大学 一种基于信息增强的目标检测方法
CN111862172B (zh) * 2020-08-07 2023-08-01 成都交大光芒科技股份有限公司 变电所辅助监控系统状态指示灯全天候识别方法及系统
CN112904338B (zh) * 2021-01-20 2023-12-26 西安电子科技大学 一种基于能量损失的多通道高分辨sar图像阴影检测方法
CN114002666B (zh) * 2021-10-26 2024-04-12 南京航空航天大学 任意天线构型下星载ati-sar洋流流速提取方法及设备
CN114282385B (zh) * 2021-12-29 2024-04-09 中国信息通信研究院 针对隐藏目标的图像显示方法
CN114693562B (zh) * 2022-04-15 2022-11-25 黄淮学院 一种基于人工智能的图像增强方法
CN116879893B (zh) * 2023-06-13 2023-11-10 中国人民解放军国防科技大学 基于L型基线的WasSAR动目标参数估计方法与装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110060626A (ko) * 2009-11-30 2011-06-08 서울시립대학교 산학협력단 합성 개구 레이더 영상을 이용한 물체의 속도측정 방법 및 그 장치
CN102914776A (zh) * 2012-10-15 2013-02-06 西安电子科技大学 基于模糊c均值算法的多通道SAR动目标定位方法
CN104730505A (zh) * 2014-12-08 2015-06-24 广西大学 一种多通道sar地面目标检测定位方法和装置
CN105842696A (zh) * 2016-03-28 2016-08-10 北京理工大学 一种基于可旋转前视阵的斜视InSAR地面动目标检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110060626A (ko) * 2009-11-30 2011-06-08 서울시립대학교 산학협력단 합성 개구 레이더 영상을 이용한 물체의 속도측정 방법 및 그 장치
CN102914776A (zh) * 2012-10-15 2013-02-06 西安电子科技大学 基于模糊c均值算法的多通道SAR动目标定位方法
CN104730505A (zh) * 2014-12-08 2015-06-24 广西大学 一种多通道sar地面目标检测定位方法和装置
CN105842696A (zh) * 2016-03-28 2016-08-10 北京理工大学 一种基于可旋转前视阵的斜视InSAR地面动目标检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Radial Velocity Ambiguity Mitigation of Moving Target by Dual-subband ATI Approach with a Two Channel SAR;Kang Xueyan et.al.;《2014 International Radar Conference》;20150316;第1—6页 *
沿航迹干涉SAR地面动目标检测算法研究;田斌;《中国优秀硕士学位论文全文数据库信息科技辑》;20090615(第6期);I136-326 *

Also Published As

Publication number Publication date
CN107505614A (zh) 2017-12-22

Similar Documents

Publication Publication Date Title
CN107505614B (zh) 一种基于ati-sar图像幅相信息融合的目标检测方法
CN103744068B (zh) 双通道调频连续波sar系统的动目标检测成像方法
US8125370B1 (en) Polarimetric synthetic aperture radar signature detector
CN112505648A (zh) 基于毫米波雷达回波的目标特征提取方法
CN110109102B (zh) 一种sar运动目标检测与速度估计的方法
CN101498788B (zh) 一种逆合成孔径雷达的目标转角估计和横向定标方法
CN110568434B (zh) 一种多通道匀加速sar动目标二维速度估计方法
CN107255818A (zh) 一种两维多特征融合的水下目标快速检测方法
CN113589287B (zh) 合成孔径雷达稀疏成像方法、装置、电子设备及存储介质
CN104714235A (zh) 一种低频双矢量水听器阵列的测距方法及系统
Santi et al. Estimation of ship dynamics with a multiplatform radar imaging system
Myers et al. Synthetic aperture sonar track registration with motion compensation for coherent change detection
CN109061640A (zh) 一种用于顺轨干涉sar海流反演的方位模糊抑制方法
Kiang et al. Imaging on underwater moving targets with multistatic synthetic aperture sonar
Calvo-Gallego et al. Simple traffic surveillance system based on range-Doppler radar images
CN115407282B (zh) 一种短基线下基于干涉相位的sar有源欺骗干扰检测方法
CN107729903A (zh) 基于区域概率统计和显著性分析的sar图像目标检测方法
KR101029048B1 (ko) 수상함의 기포항적에 대한 음향 및 영상 신호 특성의 상관관계 모델을 이용한 상대 신호의 특성 추정방법
CN106778870B (zh) 一种基于rpca技术的sar图像舰船目标检测方法
CN108333562A (zh) 一种地形高程自适应的降维图像配准方法
CN110736988B (zh) 双基地pfa运动目标参数估计和成像方法
Chiu et al. RADARSAT-2 moving object detection experiment (MODEX)
CN110161500B (zh) 一种基于Radon-Clean的改进圆周SAR三维成像方法
Xie Enhanced multi-baseline unscented Kalman filtering phase unwrapping algorithm
Farshchian et al. A multi-scale and adaptive track-before-detect technique for maritime environments

Legal Events

Date Code Title Description
PB01 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