CN108615238A - 基于区域分割的高频雷达海杂波区域提取方法 - Google Patents
基于区域分割的高频雷达海杂波区域提取方法 Download PDFInfo
- Publication number
- CN108615238A CN108615238A CN201810431268.9A CN201810431268A CN108615238A CN 108615238 A CN108615238 A CN 108615238A CN 201810431268 A CN201810431268 A CN 201810431268A CN 108615238 A CN108615238 A CN 108615238A
- Authority
- CN
- China
- Prior art keywords
- image
- sea clutter
- grayscale
- area
- threshold
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000011218 segmentation Effects 0.000 title claims abstract description 7
- 230000006835 compression Effects 0.000 claims abstract description 5
- 238000007906 compression Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims abstract description 5
- 230000009466 transformation Effects 0.000 claims abstract description 4
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 abstract description 12
- 238000001514 detection method Methods 0.000 abstract description 5
- 239000000284 extract Substances 0.000 abstract description 5
- 238000003709 image segmentation Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000005433 ionosphere Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于高频雷达杂波提取领域，涉及运用图像处理的方式处理雷达信号，提出一种基于距离‑多普勒(range‑Doppler,RD)图的海杂波提取方法，精确提取出海杂波区域，对海态检测和海杂波的特性分析具有重要的意义。其主要思路是：首先，将高频雷达接收的雷达回波信号排列成RD矩阵，经过脉冲压缩和多普勒处理得到RD图。其次，利用灰度变换函数，将RD图转换为灰度图。然后，利用CFAR求出噪声区域的阈值，并转化为灰度阈值，基于灰度阈值，将RD灰度图转化为二值图像。最后，利用DRLSE分割技术精确地提取出海杂波区域。
Description
技术领域
本发明属于图像处理和雷达信号处理相结合的技术，具体涉及利用图像分割技术，基于高频雷达的距离-多普勒(range-Doppler,RD)图，对海杂波区域准确提取的方法。
背景技术
高频雷达工作于高频段(约5～30MHz)，利用电离层反射高频电磁波进行海态探测和目标检测，具有覆盖范围大、探测距离远、可反隐形飞机等优点。海杂波是由海面的后向散射回波形成的，在RD图上一般表现为边缘不整齐的带状。
对海杂波谱的研究可以帮助测量海洋学参数，如风速和风向以及其他波浪信息。海杂波的准确提取和建模对于海况监测非常重要，但是海杂波建模研究十分困难，过去几十年中，尽管关于海杂波谱的研究取得一些的进展，但是建立一个精确的海杂波模型还是十分困难。同时，海态探测也要求对海杂波的精确提取，例如，基于多普勒频谱的二阶连续谱来估计海态信息，要求海杂波数据不受其他噪声的影响。
针对海杂波的提取，传统方法通过确定多倍Bragg频率以内区域作为海杂波区域。由于海杂波复杂多变且能量较强，其频谱会产生展宽和漂移，使得海杂波区域和噪声区域边缘难以区分，从传统的信号处理角度难以准确提取海杂波区域。而海杂波在RD图中表现为边缘不整齐的带状图像，其边缘在RD图中，与噪声边缘的界限十分不明显，使得海杂波的提取的难度进一步加大。
考虑到以上问题，本发明提出将海杂波的提取问题转换为图像区域分割问题，即基于RD图，利用图像分割方法，准确提取出海杂波区域。
发明内容
本发明提出一种基于RD图的高频雷达的海杂波区域提取方法。首先，将接收到的雷达信号，通过常规处理信号方式得到RD图；其次，利用对数变换函数将RD图转化为灰度图像；然后，利用(the constant false alarm rate,CFAR)技术，将RD灰度图转化为二值图像；最后，使用DRLSE分割方法准确提取出海杂波区域。
所述的基于RD图的高频雷达的海杂波区域提取方法通过以下步骤实现：
步骤1，将雷达接收的回波信号排列成RD矩阵，经过脉冲压缩和多普勒处理，得到RD图。
步骤2，基于RD图利用对数变换的灰度转换方法，将RD图转化为灰度图像。
步骤3，利用CFAR求出噪声区域的阈值，进而得到灰度阈值，基于灰度阈值将RD灰度图转化为二值图像。
步骤4，基于二值图像，利用DRLSE分割技术进行图像分割，准确提取出海杂波区域。
本发明具有如下优点：
第一，本发明可直接用于处理雷达接收的数据生成RD图，引入图像分割方法，准确地提取出海杂波区域，相对传统方法通过确定多倍Bragg频率以内区域为海杂波区域精确性更高。
第二，考虑海杂波边缘不明显，且在灰度图像中的梯度变化幅度小，在提取海杂波区域时，本发明使用CFAR法将灰度图转化为二值图，再使用图像分割方法，提高海杂波区域提取的精确度。
附图说明
图1，基于RD图的高频雷达海杂波区域提取流程图
图2，仿真RD图像
图3，RD灰度图像
图4，RD二值图像
图5，提取的海杂波区域
具体实施方式
参照图1，为本发明的一种基于RD图的高频雷达的海杂波区域提取的方法的流程图；所述的基于RD图的高频雷达的海杂波区域提取方法通过以下步骤实现：
步骤一，仿真高频雷达接收信号，其波形带宽为20kHz，采样频率50kHz，波形周期为10ms，相干积累周期数512。如图2，是将接收信号排列成RD矩阵并进行脉冲压缩和多普勒处理，得到的RD图。仿真图中海杂波区域大致位于多可以观察到，在RD图中，海杂波边缘成带状图像，其边缘与噪声区域难以分割，导致海杂波区域难以被提取。
步骤二，将RD图利用灰度转化函数得到RD灰度图，其中灰度转化函数为
Y(p,m)＝k·ln(1+n·|K(p,m)|)
其中K(p,m)为RD矩阵，k，n分别表示控制动态范围和灰度级。设置动态范围为80dB，灰度级为255，得到RD灰度图，如图3，海杂波区域边缘的梯度较为不明显。
步骤三，利用CFAR求出噪声区域的阈值，进而得到灰度阈值；基于灰度阈值将RD灰度图转化为二值图像。具体操作如下：
首先，利用传统方法，取20倍Bragg频率以内区域为海杂波区域，取其补集为噪声区域。由于噪声服从复高斯分布，其模值服从瑞利分布。求得瑞利分布的参数其中为噪声模值的均值。
然后，根据虚警概率与门限的关系其中PFA(η)为虚警概率，f(x)为瑞利分布的概率密度函数求取噪声的阈值当虚警概率足够小时，求得噪声的阈值则会更加准确。进而得到噪声灰度阈值η'＝k·ln(1+n·η)
最后，根据灰度阈值η'，将RD灰度图转化为二值图像。小于灰度阈值η'判定为噪声区域，否则为海杂波区域。同时将海杂波区域的灰度值设置为“1”，噪声区域的灰度值设置为“0”，即设虚警概率PFA(η)＝10-3，求得灰度阈值η'＝148.26，转化之后的二值图像如图4所示。
步骤四，基于二值图像，利用DRLSE分割方法提取海杂波区域。DRLSE水平集算法，即将几何活动轮廓模型的演化转化为水平集函数的偏微分表达式的数值解的过程，其能量函数为：
其中，ε是水平集轮廓线，μ是正则化项，λ是长度项，α是面积项的权重系数，H是亥维赛函数，δ是狄拉克函数。g函数是基于图像梯度的边界停止函数，即其中Gσ是高斯滤波函数，I是待处理图像，是梯度算子。在图像相对平坦区域，梯度值较小，g函数趋向于促使曲线进行演化；而在图像的边缘处，梯度值较大，g函数促使曲线停止在目标边界。为了取得能量函数的最小值，DRLSE采取梯度下降法，即：
其中设置参数μ＝0.02，λ＝5，ε＝1.5，α＝-3，仿真结果如图5所示，可以观察到海杂波区域被准确提取出。
Claims (7)
1.一种基于RD图的高频超视距雷达海杂波提取方法，其特征在于，包括以下步骤：
步骤一：将接收到的原始雷达数据通过脉冲压缩多普勒处理后的到RD图
步骤二：利用灰度转化函数，将RD图转化为灰度图。
步骤三：利用恒虚警(CFAR)算法,将RD灰度图转换为二值图像。
步骤四：利用DRLSE算法，进行演化分割，准确提出海杂波区域。
2.根据权利要求1所述，其特征在于：本发明基于RD图进行处理，其特征在于，在步骤1中对高频雷达接收的回波信号，排列成RD矩阵K，经过脉冲压缩和多普勒处理得到RD图。
3.根据权利要求1所述，其特征在于：利用灰度转换函数将RD图转化成灰度图。其中灰度变换函数为
Y(p,m)＝k·ln(1+n·|K(p,m)|)。
4.根据权利要求1所述，其特征在于：利用CFAR法求得噪声的阈值η，并转化成灰度阈值η'＝k·ln(1+n·η)。基于灰度阈值η'将RD灰度图转化为二值图像。
5.如权利要求4所述，其特征在于，利用虚警概率和门限的关系
在给定足够小的情况下，得到噪声阈值
6.如权利要求4所述，其特征在于：将RD灰度图转化为二值图像。小于阈值η'判定为噪声区域，否则为海杂波区域。同时将海杂波区域的灰度值设置为“1”，噪声区域的灰度值设置为“0”
7.如权利要求1所述，其特征在于：基于二值图像，利用DRLSE方法，准确提取出海杂波区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810431268.9A CN108615238A (zh) | 2018-05-08 | 2018-05-08 | 基于区域分割的高频雷达海杂波区域提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810431268.9A CN108615238A (zh) | 2018-05-08 | 2018-05-08 | 基于区域分割的高频雷达海杂波区域提取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108615238A true CN108615238A (zh) | 2018-10-02 |
Family
ID=63662246
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810431268.9A Pending CN108615238A (zh) | 2018-05-08 | 2018-05-08 | 基于区域分割的高频雷达海杂波区域提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108615238A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109544588A (zh) * | 2018-12-03 | 2019-03-29 | 中国电波传播研究所（中国电子科技集团公司第二十二研究所） | 一种高频雷达背景分割方法 |
| CN109561262A (zh) * | 2018-10-24 | 2019-04-02 | 北京大学 | 一种脉冲序列格式转换方法及系统 |
| CN112327265A (zh) * | 2020-10-23 | 2021-02-05 | 北京理工大学 | 一种基于语义分割网络的分治检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6380887B1 (en) * | 2000-03-08 | 2002-04-30 | Chung-Shan Institute Of Science And Technology | Method of reducing clutter and mutual interference in a coherent doppler radar system |
| JP2011122839A (ja) * | 2009-12-08 | 2011-06-23 | Mitsubishi Electric Corp | レーダ装置 |
| CN102141610A (zh) * | 2010-12-23 | 2011-08-03 | 哈尔滨工业大学 | 基于距离-多普勒谱的电离层杂波区域识别方法 |
| CN105261028A (zh) * | 2015-11-17 | 2016-01-20 | 西安电子科技大学 | 基于能量聚集度测度的海陆杂波场景分割方法 |
| CN105403864A (zh) * | 2015-12-30 | 2016-03-16 | 哈尔滨工业大学 | 基于改进斜投影的二维船载高频地波雷达海杂波抑制方法 |
| CN106803078A (zh) * | 2017-01-18 | 2017-06-06 | 哈尔滨工业大学 | 一种sar图像舰船目标分割方法 |
-
2018
- 2018-05-08 CN CN201810431268.9A patent/CN108615238A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6380887B1 (en) * | 2000-03-08 | 2002-04-30 | Chung-Shan Institute Of Science And Technology | Method of reducing clutter and mutual interference in a coherent doppler radar system |
| JP2011122839A (ja) * | 2009-12-08 | 2011-06-23 | Mitsubishi Electric Corp | レーダ装置 |
| CN102141610A (zh) * | 2010-12-23 | 2011-08-03 | 哈尔滨工业大学 | 基于距离-多普勒谱的电离层杂波区域识别方法 |
| CN105741262A (zh) * | 2015-11-01 | 2016-07-06 | 西安电子科技大学 | 基于能量聚集度测度的海陆杂波场景分割方法 |
| CN105261028A (zh) * | 2015-11-17 | 2016-01-20 | 西安电子科技大学 | 基于能量聚集度测度的海陆杂波场景分割方法 |
| CN105403864A (zh) * | 2015-12-30 | 2016-03-16 | 哈尔滨工业大学 | 基于改进斜投影的二维船载高频地波雷达海杂波抑制方法 |
| CN106803078A (zh) * | 2017-01-18 | 2017-06-06 | 哈尔滨工业大学 | 一种sar图像舰船目标分割方法 |
Non-Patent Citations (4)
| Title |
|---|
| TAIFENG WU 等: "Sea-clutter Region Extraction Based on Image Segmentation Methods for Over-the-Horizon Radar", 《RADAR CONFERENCE》 * |
| 卢艳 等: "基于轮廓波降噪的ISAR目标轮廓特征提取方法", 《仪器仪表学报》 * |
| 罗忠涛 等: "基于图像分割的高频雷达射频干扰提取算法", 《系统工程与电子技术》 * |
| 陈琪: "SAR图像港口目标提取方法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109561262A (zh) * | 2018-10-24 | 2019-04-02 | 北京大学 | 一种脉冲序列格式转换方法及系统 |
| CN109561262B (zh) * | 2018-10-24 | 2020-05-29 | 北京大学 | 一种脉冲序列格式转换方法及系统 |
| CN109544588A (zh) * | 2018-12-03 | 2019-03-29 | 中国电波传播研究所（中国电子科技集团公司第二十二研究所） | 一种高频雷达背景分割方法 |
| CN109544588B (zh) * | 2018-12-03 | 2023-01-24 | 中国电波传播研究所（中国电子科技集团公司第二十二研究所） | 一种高频雷达背景分割方法 |
| CN112327265A (zh) * | 2020-10-23 | 2021-02-05 | 北京理工大学 | 一种基于语义分割网络的分治检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114895263B (zh) | 基于深度迁移学习的雷达有源干扰信号识别方法 | |
| CN103760543A (zh) | 一种基于多模式的恒虚警目标检测方法 | |
| CN103760542A (zh) | 一种基于多模式的变化指数恒虚警目标检测方法 | |
| CN110221256B (zh) | 基于深度残差网络的sar干扰抑制方法 | |
| CN105137498A (zh) | 一种基于特征融合的地下目标探测识别系统及方法 | |
| CN113534120B (zh) | 一种基于深度神经网络的多目标恒虚警率检测方法 | |
| CN110427878B (zh) | 一种快速射电暴信号识别方法与系统 | |
| CN107329115B (zh) | 基于gcrbf网络的lfm信号参数估计方法 | |
| CN102176000A (zh) | 一种船用雷达海杂波的抑制方法 | |
| CN108615238A (zh) | 基于区域分割的高频雷达海杂波区域提取方法 | |
| CN102736070A (zh) | 一种基于希尔伯特黄变换的风廓线雷达去噪方法 | |
| CN104143115A (zh) | 地质雷达技术实现土壤含水性分类识别的技术方法 | |
| CN104331583A (zh) | 一种基于实测海杂波数据的多重分形建模方法 | |
| Zhao et al. | Radar HRRP target recognition via semi-supervised multi-task deep network | |
| CN105353371A (zh) | 基于ar谱扩展分形的海面雷达目标检测方法 | |
| CN115774248B (zh) | 基于图多特征的海面小目标检测方法及系统 | |
| CN116821694A (zh) | 基于多分支神经网络与分段式模型的土壤湿度反演方法 | |
| Sinha et al. | Estimation of Doppler profile using multiparameter cost function method | |
| CN112857730B (zh) | 一种高超声速脉动压力试验数据分析处理方法 | |
| KR20140040422A (ko) | Ｄａｔａ Ｍａｔｒｉｘ Ｂａｎｋ Ｆｉｌｔｅｒ를 이용한 이동체용 레이더의 클러터 제거기 및 제거방법 | |
| CN110515044A (zh) | 低慢小雷达空频域四维杂波抑制方法 | |
| CN106934805A (zh) | 基于Gamma滤波的SAR图像超像素分割方法 | |
| CN117538863A (zh) | 用于提高隧道衬砌缺陷地质雷达探测精度的方法、装置、设备及介质 | |
| CN117268299A (zh) | 一种基于电磁超声的脱硫管道壁厚检测方法及系统 | |
| CN116908841A (zh) | 一种高分辨率探地雷达收发系统信号处理方法及系统 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181002 |