CN108961255A - 基于相位线性度和功率的海陆噪声场景分割方法 - Google Patents
基于相位线性度和功率的海陆噪声场景分割方法 Download PDFInfo
- Publication number
- CN108961255A CN108961255A CN201810688453.6A CN201810688453A CN108961255A CN 108961255 A CN108961255 A CN 108961255A CN 201810688453 A CN201810688453 A CN 201810688453A CN 108961255 A CN108961255 A CN 108961255A
- Authority
- CN
- China
- Prior art keywords
- apart
- image
- wave
- extra large
- land
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
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
本发明公开了一种基于相位线性度和功率的海陆噪声场景分割方法,其方法步骤是:(1)获取回波序列;(2)建立距离‑波位坐标系;(3)选取距离‑波位点;(4)计算相位线性度矩阵;(5)将相位线性度矩阵转化为灰度图像;(7)产生二值图像;(8)海陆二元分割;(9)计算每个距离波位点的功率值;(10)标记噪声区;(11)海陆噪声场景粗分割;(12)形态学滤波,得到海陆噪声场景分割图像。本发明以功率与相位线性度作为测度,充分体现了在运动或静止相参体制平台下地杂波、海杂波、噪声区之间的差异性,对海陆噪声场景进行分割,获得了更准确的结果。
Description
技术领域
本发明属于通信技术领域,更进一步涉及雷达信号处理技术领域中的一种基于相位线性度和功率的海陆噪声场景分割方法。本发明可用于对机载雷达获取的回波数据进行转化,对转换后的图像中含有的海洋区域、陆地区域、噪声区域进行场景分割。
背景技术
机载雷达对海探测扫描时,由于扫描场景复杂且覆盖面积很广,雷达接收到的反射回波中经常掺杂了海杂波、近岸杂波、地杂波、岛礁杂波等多样的杂波,以及功率很高的的噪声占优区,严重影响着海杂波背景下的目标检测,复杂的杂波场景和杂波特性构成了海面目标检测的主要障碍。因此,在进行海杂波背景下的目标检测之前,必须对海陆噪声场景分割进行预处理。通过海陆噪声场景分割将地杂波、岛礁回波和噪声区从雷达杂波中分离出去,在目标检测的过程中将地杂波、岛礁回波和噪声区排除,减少了地杂波、岛礁回波和噪声区对海杂波背景下的目标检测的影响。海陆噪声场景分割结果的质量好坏将直接影响海杂波背景下的目标检测性能。
与传统的图像分割方法不同,雷达杂波场景的分割包括了将雷达数据转化成灰度图像和灰度图像分割两部分。雷达对海扫描探测时,接收机接收到的海杂波会随着海面环境、雷达工作频率、天线视角等多方面因素的变化表现出显著的非平稳、非高斯特性,其峰值也会随着时间不断地发生变化。而雷达回波数据中的海杂波、地杂波和噪声区域呈现出不同的特点,这种海陆噪声场景分割往往是高计算代价的,难以满足实时海陆噪声场景分割的要求。
河海大学在其拥有的专利技术“基于FCM的分块自适应图像分割方法”(专利申请号201310726876,授权公告号CN 103761726B)中提出了一种基于FCM的分块自适应图像分割方法。该方法分别采用邻域平均法对待分割图像进行处理后,再利用基于FCM图像分割方法进行分割和基于标准FCM图像分割方法对待分割图像进行分割,对结果图进行分块处理,对图像区域块编号并计算每个图像区域块的方差,比较两幅分割图上相同位置的图像块方差,选择方差较小的图像块作为最后的分割结果。该方法充分考虑了待分割图像的灰度信息和空间信息,并对待分割图像分块自适应选择分块方法,提高了图像的分割质量,但是,该方法仍然存在的不足之处是,分割结果不理想,对于图像中的噪声区域容易产生误分割。
北京航空航天大学在其拥有的专利技术“一种基于小波变换和OTSU阈值的SAR图像海陆分割方法”(专利申请号201210536981.2,授权公告号CN 102968798 B)中提出了一种基于小波变换和OTSU阈值的SAR图像海陆分割方法。该方法利用小波变换的噪声平滑特性抑制SAR图像中的斑噪,进而采用一种非监督、最优化阈值的OTSU阈值方法粗略分割出陆地区域,并基于小波变换的多尺度分析特性,将各尺度下的检测结果进行合并,最后通过自动化的后续处理和边缘跟踪得到最终的SAR图像海陆分割结果。该方法综合利用了小波变换的斑噪抑制、多尺度分析功能和OTSU阈值算法的自适应和非监督的特性,在高分辨率SAR图像的适用性方面均有很大程度的提高。但是,该方法仍然存在的不足之处是,由于该方法对噪声比较敏感,导致该方法的鲁棒性较差,图像分割结果不均匀。
发明内容
本发明的目的是针对上述已有技术的不足,提出一种基于相位线性度和功率的海陆噪声场景分割方法。
实现本发明目的的思路是,首先,将雷达接收含有海陆噪声场景的距离波位脉冲三维回波序列转化为灰度图像,建立一个距离-波位坐标系,提取距离-波位坐标系中所有的点;其次,计算每个距离-波位点的相位线性度值,得到相位线性度矩阵,将矩阵转化为灰度图像,利用最大类间方差法得到阈值分割后的二值图像,采用5*5结构元素对二值图像进行形态学滤波,得到海陆二元分割图像;然后,计算每个距离波位点的功率值,通过估计噪声平均功率得到最佳功率阈值,以最佳功率阈值对功率灰度图像的像素值进行判定,标记噪声区;最后,将海陆二元分割结果与标记的噪声区融合,得到海陆噪声场景粗分割结果,使用形态学滤波序贯组合对粗分割结果进行处理,得到最终的海陆噪声场景分割结果。
为了实现上述目的,本发明的具体实现步骤如下:
(1)获取回波序列:
雷达接收含有海陆噪声场景的距离波位脉冲三维回波序列;
(2)建立距离波位坐标系:
(2a)计算回波序列中每个距离波位分辨单元每个脉冲的幅度;
(2b)对每个距离波位分辨单元所有脉冲的幅度结果求和后取平均值,得到每个距离波位分辨单元的平均幅度;
(2c)将所有距离波位分辨单元的平均幅度组成大小为M×L的灰度图像,其中,M表示三维回波序列中距离维的距离总数,L表示三维回波序列中波位维的波位总数;
(2d)以灰度图像的距离方向为纵轴,波位方向为横轴,建立一个距离波位坐标系;
选取距离波位点:
从距离波位坐标系中任选一个未选取过的距离波位点;
(4)利用相位线性度值公式,计算所选距离波位点的相位线性度值;
(5)判断是否选取完坐标系中所有的距离波位点,若是,则执行步骤(6);否则,执行步骤(3);
(6)利用编程软件,将相位线性度值矩阵转化为灰度图像:
在matlab2014a中使用mat2gray语句将矩阵转化为灰度图像;
(7)产生二值灰度图像:
(7a)利用最大类间方差法,从灰度图像中获取最佳阈值;
(7b)将灰度图像中像素值大于最佳阈值的所有像素点置为1;
(7c)将灰度图像中像素值小于等于最佳阈值的所有像素点置为0;
(7d)由灰度图像中所有置0置1后的像素点组成二值灰度图像;
(8)产生海陆二元分割图像:
采用5*5结构元素,对二值灰度图像进行形态学滤波,得到海陆杂波场景二元分割图像;
(9)计算每个距离波位点的功率值:
(9a)在三维回波序列中分别选取30*30的样本窗和10*10的估计窗,估计窗与样本窗的中心重合,样本窗沿着距离维从左到右,波位维从上到下的顺序对三维回波序列进行联合滑动扫描;
(9b)利用功率值公式,计算联合滑动扫描中每一个样本窗内的每个距离波位点的功率;
(9c)利用平均功率值公式,计算联合滑动扫描中每一个样本窗内的所有距离波位点的平均功率;
(9d)将联合滑动扫描中每一个样本窗的平均功率,赋值给同一次联合滑动扫描的估计窗中每个距离波位点的功率;
(10)标记噪声区:
(10a)取三维回波序列中所有距离波位点的平均功率的1.5倍,作为最佳功率阈值;
(10b)将三维回波序列中功率值大于最佳功率阈值的所有距离波位点,均标记为杂波区;
(10c)将三维回波序列中功率值小于等于最佳功率阈值的所有距离波位点,均标记为噪声区;
(11)海陆噪声场景粗分割:
将海陆二元分割图像中的地杂波区域置为2,噪声区域置为1,海杂波区域置为0,由海陆二元分割图像中所有置0置1置2后的像素点组成海陆噪声场景粗分割图像;
(12)产生海陆噪声场景分割图像:
(12a)采用3*3结构元素,对粗分割图像进行先闭后开的形态学滤波;
(12b)采用10*10结构元素,对滤波后的图像进行先开后闭的形态学滤波,得到最终的海陆噪声场景分割图像。
本发明与现有技术相比具有以下优点:
第一,由于本发明在海陆噪声场景图像分割的过程中,采用了相位线性度和功率作为测度,充分体现了在运动或静止相参体制平台下地杂波、海杂波与噪声的差异性,克服了现有技术对于图像中的噪声区域容易产生误分割的不足,使得本发明提高了图像分割精度。
第二,由于本发明在海陆场景图像分割的过程中,采用了最大类间方差阈值分割法对灰度图像进行阈值分割,其获取最佳阈值的过程是自适应的,不需要人为的设定任何参数,运算速度快,克服了现有技术对阈值选择的不足,使得本发明在图像灰度直方图没有明显的双峰或波谷时,也能获得最佳阈值得到较为满意的分割结果。
第三,由于本发明在海陆噪声场景图像分割的过程中,采用了形态学滤波对融合后的海陆噪声场景粗分割图像进行处理,保证了分割结果中陆地区域、海洋区域和噪声区域的连通性,克服了现有技术分割散乱的不足,使得本发明提高了海陆噪声场景分割的准确度。
附图说明
图1为本发明的流程图;
图2为本发明的仿真图。
具体实施方式
下面结合附图对本发明做进一步的详细描述。
参照附图1对本发明的具体步骤做进一步的详细描述。
步骤1,雷达接收含有海陆噪声场景的距离波位脉冲三维回波序列。
步骤2,建立距离波位坐标系。
计算三维回波序列中每个距离波位分辨单元每个脉冲的幅度。
对每个距离波位分辨单元所有脉冲的幅度结果求和后取平均值,得到每个距离波位分辨单元的平均幅度。
将所有距离波位分辨单元的平均幅度组成大小为M×L的灰度图像,其中,M表示三维回波序列中距离维的距离总数,L表示三维回波序列中波位维的波位总数。
以灰度图像的距离方向为纵轴,波位方向为横轴,建立一个距离波位坐标系。
步骤3,选取距离波位点。
从距离波位坐标系中任选一个未选取过的距离波位点。
步骤4,利用相位线性度值公式,计算所选距离波位点的相位线性度值。
所述相位线性度值公式如下:
其中,θ表示所选的距离波位点的相位线性度值,表示开方操作,N表示三维回波序列中脉冲维的脉冲总数,n表示三维回波序列中脉冲维的脉冲序号,n=2,3,...,N,∑表示求和操作,表示三维回波序列中所选距离波位点第n个脉冲的缠绕相位,γ(n)表示三维回波序列中所选距离波位点第n个脉冲的解缠绕相位。
步骤5,判断是否选取完距离-波位坐标系中所有的点,若是,则执行步骤6;否则,执行步骤3。
步骤6,利用编程软件,将相位线性度值矩阵转化为灰度图像。
在matlab2014a中使用mat2gray语句将矩阵转化为灰度图像。
步骤7,产生二值灰度图像。
利用最大类间方差法,从灰度图像中获取最佳阈值。
所述的最大类间方差法的具体步骤如下:
第1步,从包含S个灰度值的灰度图像中任取一个灰度值t,0≤S≤255,0≤t≤S-1,将灰度图像中灰度值小于等于t的所有像素点集合划分为C1类,将灰度图像中灰度值大于t的所有像素点集合划分为C2类。
第2步,按照下式,计算C1类中灰度值为λ的像素点出现的概率:
其中,p1表示C1类中灰度值为λ的像素点出现的概率,λ=0,1,2,...,t,nλ表示灰度值为λ的像素点总数,W表示灰度图像的像素点总数。
第3步,按照下式,计算C2类中灰度值为γ的像素点出现的概率:
其中,p2表示C2类中灰度值为γ的像素点出现的概率,γ=t+1,t+2,...,S-1,nγ表示灰度值为γ的像素点总数。
第4步,按照下式,计算C1类的灰度均值:
其中,μ1表示C1类的灰度均值。
第5步,按照下式,计算C2类的灰度均值:
其中,μ2表示C2类的灰度均值。
第6步,按照下式,计算灰度图像的灰度均值:
其中,μT表示灰度图像的灰度均值。
第7步,按照下式,计算灰度图像中C1和C2的类间方差:
σ2(t)=p1(μ1-μT)2+p2(μ2-μT)2
其中,σ2(t)表示灰度图像中C1和C2的类间方差。
第8步,取灰度图像中C1和C2的类间方差σ2(t)达到最大值时的灰度值,作为灰度图像的最佳阈值。
将灰度图像中像素值大于最佳阈值的所有像素点置为1。
将灰度图像中像素值小于等于最佳阈值的所有像素点置为0。
由灰度图像中所有置0置1后的像素点组成二值灰度图像。
步骤8,产生海陆二元分割图像。
所述形态学滤波是指,采用5*5结构元素对二值图像进行开操作和闭操作,滤除二值图像中占据几个像素的孤立团,填充连片区域中的孔洞,陆地和海洋两场景区域被划分开来,得到以相位线性度为测度的海陆二元分割图像。
步骤9,计算每个距离波位点的功率值。
在三维回波序列中分别选取30*30的样本窗和10*10的估计窗,估计窗与样本窗的中心重合,样本窗沿着距离维从左到右,波位维从上到下的顺序对三维回波序列进行联合滑动扫描。
利用功率值公式,计算联合滑动扫描中每一个样本窗内的每个距离波位点的功率。
所述功率值公式如下:
其中,Pt表示样本窗内第t个距离波位点的功率值,t=1,2,...,900,i表示三维回波序列中脉冲维的脉冲序号,i=1,2,...,N,∑表示求和操作,|·|2表示模值平方操作,xi表示三维回波序列中脉冲维的第i个脉冲。
利用平均功率值公式,计算联合滑动扫描中每一个样本窗内的所有距离波位点的平均功率。
所述平均功率值公式如下:
其中,P表示所选样本窗内所有距离波位点的平均功率。
将联合滑动扫描中每一个样本窗的平均功率,赋值给同一次联合滑动扫描的估计窗中每个距离波位点的功率。
步骤10,标记噪声区。
取三维回波序列中所有距离波位点的平均功率的1.5倍,作为最佳功率阈值。
将三维回波序列中功率值大于最佳功率阈值的所有距离波位点,均标记为杂波区。
将三维回波序列中功率值小于等于最佳功率阈值的所有距离波位点,均标记为噪声区。
步骤11,海陆噪声场景粗分割。
将海陆二元分割图像中的地杂波区域置为2,噪声区域置为1,海杂波区域置为0,由海陆二元分割图像中所有置0置1置2后的像素点组成粗分割图像,得到以相位线性度为测度的海陆二元分割图像和以功率为测度标记的噪声区融合后的海陆噪声场景粗分割图像。
步骤12,产生海陆噪声场景分割图像。
采用3*3结构元素,对粗分割图像进行先闭后开的形态学滤波。
采用10*10结构元素,对滤波后的图像进行先开后闭的形态学滤波,得到最终的海陆噪声场景分割图像。
本发明的效果可通过以下仿真进一步说明:
1.仿真条件:
本发明的仿真实验是在计算机配置为core i7 3.40GHZ,内存8G,WINDOWS7系统和计算机软件配置为Matlab R2014a环境下进行的。
2.仿真内容:
本发明的仿真实验是使用本发明与两种现有技术(相位线性度方法、标准模糊C均值方法),分别对雷达接收的含有海陆噪声场景的距离波位脉冲三维回波序列进行仿真。
图2为本发明仿真实验图,其中,
图2(a)为采用本发明仿真实验所使用的三维回波序列原始图。该图为采用机载雷达实时接收的含有海陆噪声场景的距离波位脉冲三维回波序列,计算三维回波序列幅度转化得到的原始图像。其中横轴为波位维,纵轴为距离维,高亮区域为地杂波区域,灰暗区域为海杂波区域,上方黑暗区域为噪声区域。
图2(b)为使用现有技术的相位线性度方法,对三维回波序列进行仿真后的结果图。该图为使用相位线性度方法,计算三维回波序列中所有距离波位点的相位线性度,将相位线性度值矩阵转化为灰度图像,利用最大类间方差法对灰度图像进行阈值处理,得到二值灰度图像,采用5*5结构元素对二值灰度图像进行形态学滤波,得到的海陆二元分割图像。其中,白色区域为地杂波区域,黑色区域为海杂波区域。
图2(c)为使用现有技术的标准模糊C均值方法,对三维回波序列进行仿真后的结果图。该图为使用标准模糊C均值方法,计算由回波序列转化的图像中的聚类中心和隶属度矩阵,通过最小化加权聚类目标函数来产生最佳的C区间,得到的海陆噪声场景粗分割图像,采用3*3结构元素对初分割图像进行形态学滤波得到最终的海陆噪声场景分割图像。其中,白色区域为地杂波区域,黑色区域为海杂波区域,灰色区域为噪声区域。
图2(d)为使用本发明的方法对三维回波序列进行仿真后的结果图。该图为使用本发明方法,计算三维回波序列的相位线性度矩阵,将矩阵转化为灰度图像,利用最大类间方差法对灰度图像进行阈值处理,得到二值灰度图像,采用5*5结构元素对二值灰度图像进行形态学滤波得到的海陆二元分割图像。以功率为测度计算三维回波序列的功率,选取最佳功率阈值,标记噪声区,融合海陆二元分割结果和标记的噪声区,得到海陆噪声场景粗分割图像,对粗分割图像先采用3*3结构元素进行先闭后开的形态学滤波,再采用10*10结构元素对滤波后的图像进行先开后闭的形态学滤波,得到最终的海陆噪声场景分割图像。其中,白色区域为地杂波区域,黑色区域为海杂波区域,灰色区域为噪声区域。
3.仿真结果分析:
从图2(b)中可见,采用现有技术的相位线性度的海陆二元分割方法得到的分割结果图中只有黑色区域、白色区域,没有灰色区域,说明该方法未能分割出噪声区域,不能达到满意的分割结果。从图2(d)中可见,采用本发明得到的分割结果图中有黑色区域、白色区域、灰色区域,充分体现了地杂波、海杂波和噪声区的差异性,能够获得更精确的分割结果。
从图2(c)中可见,采用现有技术的FCM聚类的图像分割方法,虽然分割结果中出现了黑色区域、白色区域、灰色区域,但是,与图2(a)原始图像相比,图2(a)原始图像中的灰暗区域,而在图2(c)中却是灰色区域,分割结果差,说明该方法对于图像中的杂波区域容易产生误分割。从图2(d)中可见,采用本发明的方法得到的分割结果图中有黑色区域、白色区域、灰色区域,与图2(a)原始图像相比,没有误分割,能够较好的分割密度分布不均衡的地杂波区域、海杂波区域和噪声区域,获得准确的分割结果。
Claims (7)
1.一种基于相位线性度和功率的海陆噪声场景分割方法,其特征在于,以相位线性度为测度得到海陆二元分割图像,以功率为测度标记噪声区,融合海陆二元分割图像与标记的噪声区得到海陆噪声场景分割图像,该方法的步骤包括如下:
(1)获取回波序列:
雷达接收含有海陆噪声场景的距离波位脉冲三维回波序列;
(2)建立距离波位坐标系:
(2a)计算三维回波序列中每个距离波位分辨单元每个脉冲的幅度;
(2b)对每个距离波位分辨单元所有脉冲的幅度结果求和后取平均值,得到每个距离波位分辨单元的平均幅度;
(2c)将所有距离波位分辨单元的平均幅度组成大小为M×L的灰度图像,其中,M表示三维回波序列中距离维的距离总数,L表示三维回波序列中波位维的波位总数;
(2d)以灰度图像的距离方向为纵轴,波位方向为横轴,建立一个距离波位坐标系;
(3)选取距离波位点:
从距离波位坐标系中任选一个未选取过的距离波位点;
(4)利用相位线性度值公式,计算所选距离波位点的相位线性度值;
(5)判断是否选取完坐标系中所有的距离波位点,若是,则执行步骤(6);否则,执行步骤(3);
(6)利用编程软件,将相位线性度值矩阵转化为灰度图像:
(7)产生二值灰度图像:
(7a)利用最大类间方差法,从灰度图像中获取最佳阈值;
(7b)将灰度图像中像素值大于最佳阈值的所有像素点置为1;
(7c)将灰度图像中像素值小于等于最佳阈值的所有像素点置为0;
(7d)由灰度图像中所有置0置1后的像素点组成二值灰度图像;
(8)生成海陆二元分割图像:
采用5*5结构元素,对二值灰度图像进行形态学滤波,得到以相位线性度为测度的海陆二元分割图像;
(9)计算每个距离波位点的功率值:
(9a)在三维回波序列中分别选取30*30的样本窗和10*10的估计窗,估计窗与样本窗的中心重合,样本窗沿着距离维从左到右,波位维从上到下的顺序对三维回波序列进行联合滑动扫描;
(9b)利用功率值公式,计算联合滑动扫描中每一个样本窗内的每个距离波位点的功率;
(9c)利用平均功率值公式,计算联合滑动扫描中每一个样本窗内的所有距离波位点的平均功率;
(9d)将联合滑动扫描中每一个样本窗的平均功率,赋值给同一次联合滑动扫描的估计窗中每个距离波位点的功率;
(10)标记噪声区:
(10a)取三维回波序列中所有距离波位点的平均功率的1.5倍,作为最佳功率阈值;
(10b)将三维回波序列中功率值大于最佳功率阈值的所有距离波位点,均标记为杂波区;
(10c)将三维回波序列中功率值小于等于最佳功率阈值的所有距离波位点,均标记为噪声区;
(11)对海陆噪声场景进行粗分割:
将海陆二元分割图像中的地杂波区域置为2,噪声区域置为1,海杂波区域置为0,由海陆二元分割图像中所有置0置1置2后的像素点组成粗分割图像,得到以相位线性度为测度的海陆二元分割图像和以功率为测度标记的噪声区融合后的海陆噪声场景粗分割图像;
(12)生成海陆噪声场景分割图像:
(12a)采用3*3结构元素,对粗分割图像进行先闭后开的形态学滤波;
(12b)采用10*10结构元素,对滤波后的图像进行先开后闭的形态学滤波,得到最终的海陆噪声场景分割图像。
2.根据权利要求1所述的基于相位线性度和功率的海陆噪声场景分割方法,其特征在于:步骤(4)中所述相位线性度值公式如下:
其中,θ表示所选的距离波位点的相位线性度值,表示开方操作,N表示三维回波序列中脉冲维的脉冲总数,n表示三维回波序列中脉冲维的脉冲序号,n=2,3,...,N,∑表示求和操作,表示三维回波序列中所选距离波位点第n个脉冲的缠绕相位,γ(n)表示三维回波序列中所选距离波位点第n个脉冲的解缠绕相位。
3.根据权利要求1所述的基于相位线性度和功率的海陆噪声场景分割方法,其特征在于:步骤(7a)中所述最大类间方差法如下:
第一步,从包含S个灰度值的灰度图像中任取一个灰度值t,0≤S≤255,0≤t≤S-1,将灰度图像中灰度值小于等于t的所有像素点集合划分为C1类,将灰度图像中灰度值大于t的所有像素点集合划分为C2类;
第二步,按照下式,计算C1类中灰度值为λ的像素点出现的概率:
其中,p1表示C1类中灰度值为λ的像素点出现的概率,λ=0,1,2,...,t,nλ表示灰度值为λ的像素点总数,W表示灰度图像的像素点总数;
第三步,按照下式,计算C2类中灰度值为γ的像素点出现的概率:
其中,p2表示C2类中灰度值为γ的像素点出现的概率,γ=t+1,t+2,...,S-1,nγ表示灰度值为γ的像素点总数;
第四步,按照下式,计算C1类的灰度均值:
其中,μ1表示C1类的灰度均值;
第五步,按照下式,计算C2类的灰度均值:
其中,μ2表示C2类的灰度均值;
第六步,按照下式,计算灰度图像的灰度均值:
其中,μT表示灰度图像的灰度均值;
第七步,按照下式,计算灰度图像中C1和C2的类间方差:
σ2(t)=p1(μ1-μT)2+p2(μ2-μT)2
其中,σ2(t)表示灰度图像中C1和C2的类间方差;
第八步,取灰度图像中C1和C2的类间方差σ2(t)达到最大值时的灰度值,作为灰度图像的最佳阈值。
4.根据权利要求1所述的基于相位线性度和功率的海陆噪声场景分割方法,其特征在于:步骤(8)中所述形态学滤波如下:
采用5*5结构元素对二值图像进行开操作和闭操作,滤除二值图像中占据几个像素的孤立团,填充连片区域中的孔洞,陆地和海洋两场景区域被划分开来,得到海陆杂波二元场景分割图像。
5.根据权利要求1所述的基于相位线性度和功率的海陆噪声场景分割方法,其特征在于:步骤(9b)中所述功率值公式如下:
其中,Pt表示样本窗内第t个距离波位点的功率值,t=1,2,...,900,i表示三维回波序列中脉冲维的脉冲序号,i=1,2,...,N,∑表示求和操作,|·|2表示模值平方操作,xi表示三维回波序列中脉冲维的第i个脉冲。
6.根据权利要求1所述的基于相位线性度和功率的海陆噪声场景分割方法,其特征在于:步骤(9c)中所述平均功率值公式如下:
其中,P表示所选样本窗内所有距离波位点的平均功率。
7.根据权利要求1所述的基于相位线性度和功率的海陆噪声场景分割方法,其特征在于:步骤(10)中所述标记噪声区域如下:
第一步,取三维回波序列中所有距离波位点的平均功率的1.5倍,作为最佳功率阈值;
第二步,将三维回波序列中功率值大于最佳功率阈值的所有距离波位点,均标记为杂波区;
第三步,将三维回波序列中功率值小于等于最佳功率阈值的所有距离波位点,均标记为噪声区。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810688453.6A CN108961255B (zh) | 2018-06-28 | 2018-06-28 | 基于相位线性度和功率的海陆噪声场景分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810688453.6A CN108961255B (zh) | 2018-06-28 | 2018-06-28 | 基于相位线性度和功率的海陆噪声场景分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108961255A true CN108961255A (zh) | 2018-12-07 |
CN108961255B CN108961255B (zh) | 2021-09-28 |
Family
ID=64487663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810688453.6A Active CN108961255B (zh) | 2018-06-28 | 2018-06-28 | 基于相位线性度和功率的海陆噪声场景分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108961255B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110148149A (zh) * | 2019-05-20 | 2019-08-20 | 哈尔滨工业大学(威海) | 基于局部对比度累积的水中航行器热尾迹分割方法 |
CN110866926A (zh) * | 2019-10-24 | 2020-03-06 | 北京航空航天大学 | 一种红外遥感图像快速精细海陆分割方法 |
CN113420658A (zh) * | 2021-04-30 | 2021-09-21 | 中国电子科技集团公司第十四研究所 | 一种基于fcm聚类和otsu分割的sar图像海陆分割方法 |
CN113820680A (zh) * | 2021-08-13 | 2021-12-21 | 西安电子科技大学 | 一种基于协方差的多帧海陆雷达回波分割方法 |
CN114742854A (zh) * | 2022-04-02 | 2022-07-12 | 西安电子科技大学 | 基于场景先验知识和区域合并的sar图像海陆分割方法 |
CN115015867A (zh) * | 2022-05-31 | 2022-09-06 | 中国人民解放军总医院 | 一种基于超宽带雷达的身份识别和跌倒检测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012017995A (ja) * | 2010-07-06 | 2012-01-26 | Furuno Electric Co Ltd | 閾値設定方法、物標探知方法、閾値設定装置、物標探知装置、閾値設定プログラム、および物標探知プログラム |
CN103954951A (zh) * | 2014-05-13 | 2014-07-30 | 西安电子科技大学 | 基于功率中值和归一化协方差估计的海面目标检测方法 |
CN104569950A (zh) * | 2015-01-27 | 2015-04-29 | 西安电子科技大学 | 基于相对功率和相位线性度的海面目标凝聚方法 |
CN104766320A (zh) * | 2015-04-02 | 2015-07-08 | 西安电子科技大学 | 阈值化量测下的多伯努利滤波弱目标检测与跟踪方法 |
CN105044691A (zh) * | 2015-06-03 | 2015-11-11 | 西安电子科技大学 | 一种海杂波背景下的快速雷达性能评估方法 |
CN105590301A (zh) * | 2016-01-28 | 2016-05-18 | 河南师范大学 | 自适应正斜双十字窗均值滤波的脉冲噪声消除方法 |
CN106093890A (zh) * | 2016-08-26 | 2016-11-09 | 零八电子集团有限公司 | 建立剩余杂波图抑制雷达剩余杂波的方法 |
CN107610130A (zh) * | 2017-08-21 | 2018-01-19 | 西安电子科技大学 | 基于幅度与相位线性度之比的海陆杂波场景分割方法 |
CN107678003A (zh) * | 2017-09-15 | 2018-02-09 | 国家海洋局第海洋研究所 | 一种地波雷达海杂波背景下的目标检测方法和装置 |
-
2018
- 2018-06-28 CN CN201810688453.6A patent/CN108961255B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012017995A (ja) * | 2010-07-06 | 2012-01-26 | Furuno Electric Co Ltd | 閾値設定方法、物標探知方法、閾値設定装置、物標探知装置、閾値設定プログラム、および物標探知プログラム |
CN103954951A (zh) * | 2014-05-13 | 2014-07-30 | 西安电子科技大学 | 基于功率中值和归一化协方差估计的海面目标检测方法 |
CN104569950A (zh) * | 2015-01-27 | 2015-04-29 | 西安电子科技大学 | 基于相对功率和相位线性度的海面目标凝聚方法 |
CN104766320A (zh) * | 2015-04-02 | 2015-07-08 | 西安电子科技大学 | 阈值化量测下的多伯努利滤波弱目标检测与跟踪方法 |
CN105044691A (zh) * | 2015-06-03 | 2015-11-11 | 西安电子科技大学 | 一种海杂波背景下的快速雷达性能评估方法 |
CN105590301A (zh) * | 2016-01-28 | 2016-05-18 | 河南师范大学 | 自适应正斜双十字窗均值滤波的脉冲噪声消除方法 |
CN106093890A (zh) * | 2016-08-26 | 2016-11-09 | 零八电子集团有限公司 | 建立剩余杂波图抑制雷达剩余杂波的方法 |
CN107610130A (zh) * | 2017-08-21 | 2018-01-19 | 西安电子科技大学 | 基于幅度与相位线性度之比的海陆杂波场景分割方法 |
CN107678003A (zh) * | 2017-09-15 | 2018-02-09 | 国家海洋局第海洋研究所 | 一种地波雷达海杂波背景下的目标检测方法和装置 |
Non-Patent Citations (5)
Title |
---|
TAIFENG WU 等: "Sea-clutter region extraction based on image segmentation methods for over-the-horizon radar", 《2018 IEEE RADAR CONFERENCE (RADARCONF18)》 * |
YAN-LING SHI 等: "Target detection based on correlation and power features in sea clutter", 《2009 IET INTERNATIONAL RADAR CONFERENCE》 * |
于涵 等: "复合高斯海杂波模型下最优相干检测进展", 《科技导报》 * |
田力: "电离层杂波提取算法研究及工程实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
马晓礼 等: "陆海杂波场景快速分割方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110148149A (zh) * | 2019-05-20 | 2019-08-20 | 哈尔滨工业大学(威海) | 基于局部对比度累积的水中航行器热尾迹分割方法 |
CN110148149B (zh) * | 2019-05-20 | 2024-01-30 | 哈尔滨工业大学(威海) | 基于局部对比度累积的水中航行器热尾迹分割方法 |
CN110866926A (zh) * | 2019-10-24 | 2020-03-06 | 北京航空航天大学 | 一种红外遥感图像快速精细海陆分割方法 |
CN110866926B (zh) * | 2019-10-24 | 2022-12-20 | 北京航空航天大学 | 一种红外遥感图像快速精细海陆分割方法 |
CN113420658A (zh) * | 2021-04-30 | 2021-09-21 | 中国电子科技集团公司第十四研究所 | 一种基于fcm聚类和otsu分割的sar图像海陆分割方法 |
CN113820680A (zh) * | 2021-08-13 | 2021-12-21 | 西安电子科技大学 | 一种基于协方差的多帧海陆雷达回波分割方法 |
CN113820680B (zh) * | 2021-08-13 | 2023-06-23 | 西安电子科技大学 | 一种基于协方差的多帧海陆雷达回波分割方法 |
CN114742854A (zh) * | 2022-04-02 | 2022-07-12 | 西安电子科技大学 | 基于场景先验知识和区域合并的sar图像海陆分割方法 |
CN114742854B (zh) * | 2022-04-02 | 2023-06-02 | 西安电子科技大学 | 基于场景先验知识和区域合并的sar图像海陆分割方法 |
CN115015867A (zh) * | 2022-05-31 | 2022-09-06 | 中国人民解放军总医院 | 一种基于超宽带雷达的身份识别和跌倒检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108961255B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108961255A (zh) | 基于相位线性度和功率的海陆噪声场景分割方法 | |
CN107145874B (zh) | 复杂背景sar图像中的舰船目标检测与鉴别方法 | |
Crisp | The state-of-the-art in ship detection in synthetic aperture radar imagery | |
CN109035152B (zh) | 一种合成孔径雷达图像非局部均值滤波方法 | |
Jarabo-Amores et al. | Spatial-range mean-shift filtering and segmentation applied to SAR images | |
CN106093890A (zh) | 建立剩余杂波图抑制雷达剩余杂波的方法 | |
CN105427301B (zh) | 基于直流分量比测度的海陆杂波场景分割方法 | |
Karvonen | Virtual radar ice buoys–a method for measuring fine-scale sea ice drift | |
Chen et al. | Real time map generation using sidescan sonar scanlines for unmanned underwater vehicles | |
CN101482969A (zh) | 基于同质点计算的sar图像去斑方法 | |
Karakuş et al. | A generalized Gaussian extension to the Rician distribution for SAR image modeling | |
Celona et al. | Automated detection, classification, and tracking of internal wave signatures using X-band radar in the inner shelf | |
CN113362293A (zh) | 一种基于显著性的sar图像舰船目标快速检测方法 | |
Vicen-Bueno et al. | Ship detection by different data selection templates and multilayer perceptrons from incoherent maritime radar data | |
CN104537675A (zh) | 一种sar图像双边cfar舰船目标检测方法 | |
CN105741286B (zh) | 基于幅相联合的sar图像动目标阴影提取方法 | |
CN107909595A (zh) | 基于幅度与能量聚集度乘积的海陆杂波场景分割方法 | |
CN107610130B (zh) | 基于幅度与相位线性度之比的海陆杂波场景分割方法 | |
Zhang et al. | Object detection and tracking method of AUV based on acoustic vision | |
CN108196238A (zh) | 高斯背景下基于自适应匹配滤波的杂波图检测方法 | |
CN105844644A (zh) | 基于形态学中值导数的海陆杂波场景分割方法 | |
Ao et al. | Robust ship detection in SAR images from complex background | |
James et al. | Blind estimation of single look side scan sonar image from the observation model | |
Wang et al. | Bottom Tracking Method Based on LOG/Canny and the Threshold Method for Side-scan Sonar. | |
Ristic et al. | Bernoulli filter for track-before-detect: Swerling-1 target in K-distributed clutter |
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 |