CN109581378A - 动目标检测方法、电子设备及存储介质 - Google Patents

动目标检测方法、电子设备及存储介质 Download PDF

Info

Publication number
CN109581378A
CN109581378A CN201811654184.8A CN201811654184A CN109581378A CN 109581378 A CN109581378 A CN 109581378A CN 201811654184 A CN201811654184 A CN 201811654184A CN 109581378 A CN109581378 A CN 109581378A
Authority
CN
China
Prior art keywords
image
moving
target
sequence
detection method
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
Application number
CN201811654184.8A
Other languages
English (en)
Other versions
CN109581378B (zh
Inventor
洪文
申文杰
林赟
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.)
Institute of Electronics of CAS
Original Assignee
Institute of Electronics of CAS
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 Institute of Electronics of CAS filed Critical Institute of Electronics of CAS
Priority to CN201811654184.8A priority Critical patent/CN109581378B/zh
Publication of CN109581378A publication Critical patent/CN109581378A/zh
Application granted granted Critical
Publication of CN109581378B publication Critical patent/CN109581378B/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
    • G01S13/89—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
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • 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
    • G01S13/904—SAR modes
    • G01S13/9052—Spotlight mode
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/354—Extracting wanted echo-signals

Landscapes

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

Abstract

本发明公开了一种动目标检测方法、电子设备及存储介质，应用于雷达信号技术领域，为单通道星载SAR聚束模式提供了一种图像域的动目标检测方法，充分利用了星载SAR长时间观测，以及动目标信号在子孔径图像序列中运动的特点，与现有单通道迭代类检测算法相比速度快，可以自动获取动目标在SAR图像上的位置，通过杂波图像差分，改进DBSCAN及卡尔曼追踪算法有效的降低了虚警，无需原始数据，仅输入单视复图像，无需原始SAR回波数据。

Description

动目标检测方法、电子设备及存储介质
技术领域
本发明涉及雷达信号技术领域，尤其涉及一种动目标检测方法、电子设备及存储介质。
背景技术
合成孔径雷达(Synthetic Aperture Radar，SAR)是一种主动微波遥感手段，具有全天时全天候的对地观测能力。地面运动目标检测(GMTI)作为重要的交通监管及战场监视的重要组成部分，关系着国计民生与国防安全的各个方面。因此SAR GMTI吸引了众多关注。
SAR动目标检测算法可以分为单通道和多通道两种类型。单通道算法主要利用动目标信号的多普勒偏移与散焦特性来检测动目标。如经典的频域滤波法，利用了动目标频谱超出地杂波频谱的特性能够检测出速度相对较快的目标。利用动目标散焦特性来作为检测手段的方法多采用迭代操作，因此运算量太大，不适合进行实时检测。多通道主要则主要通过去杂波来实现动目标的检测工作。如沿航迹干涉技术(ATI)及相位中心偏置天线(DPCA)和空时自适应(STAP)技术。多通道技术在动目标复杂的硬件结构使得造价高，同时对飞行平台的性能要求较高。
发明内容
本发明的主要目的在于提供一种动目标检测方法、电子设备及存储介质，利用聚束SAR能够长时间观测场景内动目标的特点，实现在单通道星载SAR聚束模式下检测动目标。
为实现上述目的，本发明实施例第一方面提供一种动目标检测方法，包括：
S1，输入的原始SAR图像s(x,y)生成重叠子孔径图像序列l为图像在序列中的序号。以聚束SAR模式下获得的单视复图像作为输入，进行方位向FFT变换到距离多普勒域，进行子孔径切割及方位向IFFT处理得到重叠子孔径图像序列；
S2，对序列中的每幅图像s′(x,y,l)进行亮度调整，得到亮度均衡的图像序列s″(x,y,l)，对图像序列中各子图像s′(x,y,l)计算统计直方图对应的均值μ(l)和标准差σ(l)，然后通过归一化操作使得各子图像获得相同均值μ0和标准差σ0，得到亮度调整后的子图像序列s″(x,y,l)；
S3，利用亮度调整后的图像序列s″(x,y,l)生成无动目标的杂波图像B(x,y)，对图像序列s″(x,y,l)中的每一像素位置沿第三维l的所有数据进行中值滤波，得到该组图像序列对应的无动目标的杂波图像B(x,y)；
S4，将序列s″(x,y,l)中各图像与杂波图做差，得到差分图像序列F(x,y,l)，将S3中得到的杂波图像B(x,y)与序列中各子图s″(x，y，l)做差，得到对应的一组差分图像F(x，y，l)；
S5，利用双参数CFAR检测器对F(x，y，l)中的动目标进行预筛选，获得一组二值图像P(x，y，l)；
S6，对每幅二值图像P(x，y，l)应用改进的DBCSAN算法进行聚类得到Cn个动目标对应的聚类簇，提取各聚类簇的质心(xci,yci)，以及可覆盖该聚类簇的最小矩形框(ai,bj)；
S7，输入步骤S6提取的图像序列对应的所有聚类簇的质心(xci,yci)及最小矩形框(ai,bj)，应用卡尔曼滤波器对各聚类簇进行追踪提取动目标的运动轨迹，对潜在动目标进行追踪，根据得到的潜在动目标的运动轨迹，剔除静止目标及无序的噪声，保留沿方位向运动的目标作为最终的输出结果。
本发明实施例第二方面提供了一种电子设备，包括：
存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现本发明实施例第一方面提供的动目标检测方法。
本发明实施例第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面提供的动目标检测方法。
从上述本发明实施例可知，本发明提供的动目标检测方法、电子设备及存储介质，为单通道星载SAR聚束模式提供了一种图像域的动目标检测方法，充分利用了星载SAR长时间观测，以及动目标信号在子孔径图像序列中运动的特点，与现有单通道迭代类检测算法相比速度快，可以自动获取动目标在SAR图像上的位置，通过杂波图像差分，改进DBSCAN及卡尔曼追踪算法有效的降低了虚警，无需原始数据，仅输入单视复图像，无需原始SAR回波数据。
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一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明第一实施例提供的动目标检测方法的流程示意图；
图2示出了一种电子设备的硬件结构图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，而非全部实施例。基于本发明中的实施例，本领域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。
请参阅图1，图1为本发明第一实施例提供的动目标检测方法的流程示意图，该方法可应用于电子设备中，电子设备包括：手机、平板电脑(Portable Android Device，PAD)，笔记本电脑以及个人数字助理(Personal Digital Assistant，PDA)等，该方法主要包括以下步骤：
步骤S1：输入的原始SAR图像s(x，y)(尺寸为m*n，m和n分别为图像x和y方向的像素点数)生成重叠子孔径图像序列l为图像在序列中的序号。以聚束SAR模式下获得的单视复图像(Single Look Complex image,SLC)作为输入，进行方位向FFT变换到距离多普勒域，进行子孔径切割及方位向IFFT处理得到重叠子孔径图像序列；
步骤S1具体包括以下步骤：
步骤S11：输入SLC图像s(x,y)(尺寸为m*n)，沿方位向进行FFT，得到距离多普勒域图像s(x,fy)。在距离多普勒域内设置一个尺寸为n*2000的滑动窗。然后每隔200个方位单元截取一次数据，直到遍历所有方位向数据。对截取得到的块数据分别沿方位向进行IFFT，得到所选子块s(x,y)对应的幅重叠子孔径图像。
步骤S12：对每幅子孔径图像进行升采样，取模值得到幅度图像。对各图像进行[3*3]均值滤波，降低相干斑噪声，然后进行归一化取对数操作，转换为对数图像(dB为单位)。将各子图像按照滑动窗截取的顺序排列构成3维矩阵，得到一组重叠子孔径图像序列s′(x,y,l),
步骤S2：对序列中的每幅图像s′(x,y,l)进行亮度调整，得到亮度均衡的图像序列s″(x,y,l)。对图像序列中各子图像s′(x,y,l)计算统计直方图对应的均值μ(l)和标准差σ(l)，然后通过归一化操作使得各子图像获得相同均值μ0和标准差σ0，得到亮度调整后的子图像序列s″(x,y,l)。
其中，进行子图像亮度调整的表达式如下：
μ(l)和σ(l)分别为调整前的子图像s′(x,y,l)统计直方图的均值和标准差，s″(x,y,l)为亮度调整后的子图像，均值为μ0和标准差为σ0。
步骤S3：利用亮度调整后的图像序列s″(x,y,l)生成无动目标的杂波图像B(x,y)。对图像序列s″(x,y,l)中的每一像素位置沿第三维l的所有数据进行中值滤波，得到该组图像序列对应的无动目标的杂波图像B(x，y)。
其中，杂波图像生成表达式如下所示：
步骤S4：将序列s″(x,y,l)中个图像与杂波图做差，得到差分图像序列F(x,y,l)。将S3中得到的杂波图像B(x,y)与序列中各子图s″(x,y,l)做差，得到对应的一组差分图像F(x，y，l)。
其中，杂波差分表达式为：
F(x，y,l)＝s″(x,y,l)-B(x,y)
步骤S5：利用双参数CFAR检测器对F(x,y,l)中的动目标进行预筛选，获得一组二值图像P(x,y,l)；
步骤S6：对每幅二值图像P(x,y,l)应用改进的DBCSAN算法进行聚类得到Cn个动目标对应的聚类簇，提取各聚类簇的质心(xci,yci)，以及可覆盖该聚类簇的最小矩形框(ai,bj)。相比较传统的采用圆形作为邻域的DBSCAN算法，本步骤的改进的DBSCAN利用了动目标主要沿方位向发生散焦作为先验信息，设置矩形作为邻域。其中该矩形沿方位向及距离向的边长(Lx，Ly)需要预先设置，示例参数为(4，35)。
其中，改进的DBSCAN算法简述如下，首先设置密度选择参数MinPts及邻域矩形框的尺寸(Lx,Ly)。利用上述参数判断输入的二值图像中的样本点是否为核心对象，通过核心对象进一步确定聚类簇。核心对象判断条件如下：每个样本点的矩形邻域内所包含的样本点的个数是否大于等于所设定的密度选择参数MinPts。
步骤S7：输入步骤S6提取的图像序列对应的所有聚类簇的质心(xci,yci)及最小矩形框(ai,bj)，应用卡尔曼滤波器对各聚类簇进行追踪提取动目标的运动轨迹。对潜在动目标进行追踪，根据得到的潜在动目标的运动轨迹，剔除静止目标及无序的噪声，保留沿方位向运动的目标作为最终的输出结果。
分步骤S71：将初始图像P(x,y,l＝1)中聚类得到的Cn个聚类簇的质心作为各潜在动目标轨迹的初始值。初始化卡尔曼滤波器中的常系数矩阵A，H及噪声协方差矩阵Q。下面以第k条轨迹对应的动目标为例进行说明。利用卡尔曼滤波器预测动目标的质心在P(x,y,l＝2)图像中的坐标
分步骤S72：筛选出P(x,y,l＝2)中各聚类簇的最小矩形框与P(x,y,l＝1)图像中动目标的最小矩形框有重叠的聚类簇，计算各聚类簇质心(xci,yci)与预测质心的欧式距离，将阈值范围内欧氏距离最小的聚类簇的质心(xci,yci)作为动目标在P(x,y,l＝2)中的位置。利用得到的质心(xci,yci)更新卡尔曼滤波器参数。预测P(x,y,l＝3)图像中质心位置。以此类推，获得第k条轨迹对应目标在全部中运动位置。
分步骤S73：在以下情况下停止对k条轨迹的预测及分配聚类簇的操作。1)当连续4幅图像都无法分配聚类簇到第k条轨迹时；2)当第k条轨迹延伸出图像的边界时，认为目标信号运动出子块场景，停止对该轨迹的更新。
分步骤S74：对应用分步骤S61-S63得到的各条轨迹进行筛选得到检测和追踪结果。具体操作为，提取第k条轨迹的质心所有坐标(xk,l,yk,l)，计算沿方位向及距离向的标准差σx，σy。当σx＜V1，σy＞V2时，将该轨迹作为动目标的检测和追踪结果。阈值V2,V1需要进行人工设定。
其中，卡尔曼滤波器的状态方程及观测方程如下所示：
S(l)＝A·S(l-1)+W(l-1)
Z(l)＝H·S(l)+V(l)
S(l)为系统状态变量，A为系统状态转移矩阵，W(l-1)为系统的过程噪声矢量，其协方差矩阵为Q。H为观测矩阵，Z(l)为观测信号矢量。V(l(为观测噪声矢量，其协方差矩阵为R。
其中矩阵A为：
观测矩阵H为：
系统的过程噪声矢量W(l-1)及为观测噪声矢量V(l)，可根据经验参数设置，示例如下：
W(l)＝(25 10 10 25 10 10)T
V(l)＝(25 25)T
具体操作简述如下，上一幅图像中第k条轨迹对应的目标的运动状态为S(l-1)，则当前图片中该目标的运动状态的预测值S′(l)为：
S′(l)＝A·S(l-1)
利用该估计值计算与当前图片中经筛选的各聚类簇质心的欧式距离，选择阈值范围内最小的欧式距离对应聚类簇的质心(对应观测量Z(l))，作为第k条轨迹对应的动目标在当前图片的位置。
更新先验协方差矩阵P′(l)，表达式如下：
P′(l)＝A·P(l-1)·AH+Q
计算卡尔曼增益：
Kl＝P′(l)HT·(HP′(l)HT+R)-1
获得当前图片中观测量Z(l)，修改当前状态变量，其表达式如下：
S(l)＝S′(l)+Kl(Z(l)-H·S′(l))
更新后验协方差矩阵P(l)，表达式如下：
P(l)＝(P′(l)-K(l)·H)P′(l)
重复上述步骤，追踪第k条轨迹在全部图片中位置。
在本发明实施例中，为单通道星载SAR聚束模式提供了一种图像域的动目标检测方法，充分利用了星载SAR长时间观测，以及动目标信号在子孔径图像序列中运动的特点，与现有单通道迭代类检测算法相比速度快，可以自动获取动目标在SAR图像上的位置，通过杂波图像差分，改进DBSCAN及卡尔曼追踪算法有效的降低了虚警，无需原始数据，仅输入单视复图像，无需原始SAR回波数据。
请参见图2，图2示出了一种电子设备的硬件结构图。
本实施例中所描述的电子设备，包括：
存储器11、处理器12及存储在存储器11上并可在处理器上运行的计算机程序，处理器执行该程序时实现前述图1所示实施例中描述的动目标检测方法。
进一步地，该电子设备还包括：
至少一个输入设备13；至少一个输出设备14。
上述存储器11、处理器12输入设备13和输出设备14通过总线15连接。
其中，输入设备13具体可为摄像头、触控面板、物理按键或者鼠标等等。输出设备14具体可为显示屏。
存储器11可以是高速随机存取记忆体(RAM，RandomAccess Memory)存储器，也可为非不稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器11用于存储一组可执行程序代码，处理器12与存储器11耦合。
进一步地，本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以是设置于上述各实施例中的终端中，该计算机可读存储介质可以是前述图2所示实施例中的存储器。该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现前述图1所示实施例中描述的动目标检测方法。进一步地，该计算机可存储介质还可以是U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请所提供的多个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信链接可以是通过一些接口，模块的间接耦合或通信链接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上为对本发明所提供的动目标检测方法、电子设备及存储介质的描述，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种动目标检测方法，其特征在于，包括：
S1，输入的原始SAR图像s(x,y)生成重叠子孔径图像序列l为图像在序列中的序号，以聚束SAR模式下获得的单视复图像作为输入，进行方位向FFT变换到距离多普勒域，进行子孔径切割及方位向IFFT处理得到重叠子孔径图像序列；
S2，对序列中的每幅图像s′(x,y,l)进行亮度调整，得到亮度均衡的图像序列s″(x,y,l)，对图像序列中各子图像s′(x,y,l)计算统计直方图对应的均值μ(l)和标准差σ(l)，然后通过归一化操作使得各子图像获得相同均值μ0和标准差σ0，得到亮度调整后的子图像序列s″(x,y,l)；
S3，利用亮度调整后的图像序列s″(x,y,l)生成无动目标的杂波图像B(x,y)，对图像序列s″(x,y,l)中的每一像素位置沿第三维l的所有数据进行中值滤波，得到该组图像序列对应的无动目标的杂波图像B(x,y)；
S4，将序列s″(x,y,l)中个图像与杂波图做差，得到差分图像序列F(x,y,l)，将S3中得到的杂波图像B(x,y)与序列中各子图s″(x,y,l)做差，得到对应的一组差分图像F(x,y,l)；
S5，利用双参数CFAR检测器对F(x,y,l)中的动目标进行预筛选，获得一组二值图像P(x,y,l)；
S6，对每幅二值图像P(x,y,l)应用改进的DBCSAN算法进行聚类得到Cn个动目标对应的聚类簇，提取各聚类簇的质心(xci,yci)，以及可覆盖该聚类簇的最小矩形框(ai,aj)；
S7，输入步骤S6提取的图像序列对应的所有聚类簇的质心(xci,yci)及最小矩形框(ai,bj)，应用卡尔曼滤波器对各聚类簇进行追踪提取动目标的运动轨迹，对潜在动目标进行追踪，根据得到的潜在动目标的运动轨迹，剔除静止目标及无序的噪声，保留沿方位向运动的目标作为最终的输出结果。
2.根据权利要求1所述的动目标检测方法，其特征在于，步骤S1包括：
S11，输入SLC图像s(x,y)，沿方位向进行FFT，得到距离多普勒域图像s(x,fy)，在距离多普勒域内设置一个尺寸为n*2000的滑动窗，然后每隔200个方位单元截取一次数据，直到遍历所有方位向数据，对截取得到的块数据分别沿方位向进行IFFT，得到所选子块s(x,y)对应的幅重叠子孔径图像；
S12，对每幅子孔径图像进行升采样，取模值得到幅度图像，对各图像进行[3*3]均值滤波，降低相干斑噪声，然后进行归一化取对数操作，转换为对数图像，将各子图像按照滑动窗截取的顺序排列构成3维矩阵，得到一组重叠子孔径图像序列s′(x，y，l)，
3.根据权利要求2所述的动目标检测方法，其特征在于，步骤S7包括：
S71，将初始图像P(x，y，l＝1)中聚类得到的Cn个聚类簇的质心作为各潜在动目标轨迹的初始值，初始化卡尔曼滤波器中的常系数矩阵A，H及噪声协方差矩阵Q，当第k条轨迹对应的动目标，利用卡尔曼滤波器预测动目标的质心在P(x，y，l＝2)图像中的坐标
S72、筛选出P(x，y，l＝2)中各聚类簇的最小矩形框与P(x，y，l＝1)图像中动目标的最小矩形框有重叠的聚类簇，计算各聚类簇质心(xci，yci)与预测质心的欧式距离，将阈值范围内欧氏距离最小的聚类簇的质心(xci，yci)作为动目标在P(x,y,l＝2)中的位置，利用得到的质心(xci，yci)更新卡尔曼滤波器参数，预测P(x，y，l＝3)图像中质心位置，获得第k条轨迹对应目标在全部P(x，y，l)，中运动位置；
S73、当连续4幅图像都无法分配聚类簇到第k条轨迹时，当第k条轨迹延伸出图像的边界时，认为目标信号运动出子块场景，停止对该轨迹的更新；
S74、对得到的各条轨迹进行筛选得到检测和追踪结果，提取第k条轨迹的质心所有坐标(xk，l，yk，l)，计算沿方位向及距离向的标准差σx，σy，当σx<V1，σy>V2时，将该轨迹作为动目标的检测和追踪结果。
4.根据权利要求3所述的动目标检测方法，其特征在于，步骤S2中进行子图像亮度调整的表达式如下：
μ(l)和σ(l)分别为调整前的子图像s′i,j(x,y,l)统计直方图的均值和标准差，s″i,j(x,y,l)为亮度调整后的子图像，均值为μ0和标准差为σ0。
5.根据权利要求4所述的动目标检测方法，其特征在于，步骤S3中杂波图像生成表达式如下所示：
6.根据权利要求5所述的动目标检测方法，其特征在于，步骤S4中杂波差分表达式为：
Fi,j(x,y,l)＝s″i,j(x,y,l)-Bi,j(x,y)。
7.根据权利要求6所述的动目标检测方法，其特征在于，步骤S6中改进的DBSCAN算法包括：
首先设置密度选择参数MinPts及邻域矩形框的尺寸(Lx,Ly)，利用上述参数判断输入的二值图像中的样本点是否为核心对象，通过核心对象进一步确定聚类簇；
核心对象判断条件如下：每个样本点的矩形邻域内所包含的样本点的个数是否大于等于所设定的密度选择参数MinPts。
8.根据权利要求7所述的动目标检测方法，其特征在于，步骤S7卡尔曼滤波器的状态方程及观测方程包括：
S(l)为系统状态变量，A为系统状态转移矩阵，W(l-1)为系统的过程噪声矢量，其协方差矩阵为Q，H为观测矩阵，Z(l)为观测信号矢量，V(l)为观测噪声矢量，其协方差矩阵为R；
其中，矩阵A为：
观测矩阵H为：
系统的过程噪声矢量W(l-1)及为观测噪声矢量V(l)为：
具体操作简述如下，上一幅图像中第k条轨迹对应的目标的运动状态为S(l-1)，则当前图片中该目标的运动状态的预测值S′(l)为
S′(l)＝A·S(l-1)；
利用该估计值计算与当前图片中经筛选的各聚类簇质心的欧式距离，选择阈值范围内最小的欧式距离对应聚类簇的质心(对应观测量Z(l))，作为第k条轨迹对应的动目标在当前图片的位置；
更新先验协方差矩阵P′(l)：
P′(l)＝A·P(l-1)·AH+Q；
计算卡尔曼增益：
Kl＝P′(l)HT·(HP′(l)HT+R)-1；
获得当前图片中观测量Z(l)，修改当前状态变量：
S(l)＝S′(l)+Kl(Z(l)-H·S′(l))；
更新后验协方差矩阵P(l)：
P(l)＝(P′(l)-K(l)·H)P′(l)；
重复上述步骤，追踪第k条轨迹在全部图片中位置。
9.一种电子设备，包括：存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现权利要求1至8中的任一项所述的动目标检测方法中的各个步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至8中的任一项所述的动目标检测方法中的各个步骤。
CN201811654184.8A 2018-12-29 2018-12-29 动目标检测方法、电子设备及存储介质 Active CN109581378B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811654184.8A CN109581378B (zh) 2018-12-29 2018-12-29 动目标检测方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811654184.8A CN109581378B (zh) 2018-12-29 2018-12-29 动目标检测方法、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN109581378A true CN109581378A (zh) 2019-04-05
CN109581378B CN109581378B (zh) 2020-12-22

Family

ID=65915363

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811654184.8A Active CN109581378B (zh) 2018-12-29 2018-12-29 动目标检测方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN109581378B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110618402A (zh) * 2019-08-22 2019-12-27 西安空间无线电技术研究所 一种基于子孔径平滑的辅助杂波样本筛选方法
CN110988856A (zh) * 2019-12-19 2020-04-10 电子科技大学 一种基于密度聚类的目标检测点迹凝聚算法
CN111157960A (zh) * 2019-12-03 2020-05-15 南京汇君半导体科技有限公司 基于毫米波雷达的生命体征信号增强方法及设备、提取方法及设备
CN111398943A (zh) * 2020-04-02 2020-07-10 森思泰克河北科技有限公司 目标姿态的确定方法及终端设备
CN112327301A (zh) * 2020-10-11 2021-02-05 北京理工大学 基于子孔径grft的低信噪比下参数化平动补偿快速方法
JP2021047019A (ja) * 2019-09-17 2021-03-25 株式会社東芝 合成開口レーダ装置
CN112774181A (zh) * 2021-01-11 2021-05-11 浙江星汉云图人工智能科技有限公司 雷达数据的处理方法、处理系统以及计算机存储介质
CN113936032A (zh) * 2021-08-23 2022-01-14 北京遥测技术研究所 一种基于sar图像序列的运动目标检测及视频成像方法
CN117192554A (zh) * 2023-11-02 2023-12-08 中国科学院空天信息创新研究院 一种基于干涉相位线性一致度的运动目标检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1769925A (zh) * 2004-11-05 2006-05-10 清华大学 一种合成孔径雷达运动目标成像方法
CN103336271A (zh) * 2013-03-26 2013-10-02 中国科学院电子学研究所 一种基于信号子空间技术的单通道星载sar动目标检测方法
CN105403885A (zh) * 2015-10-27 2016-03-16 中国测绘科学研究院 一种基于广义多子视相干的极化sar海面船只目标检测方法
CN106908781A (zh) * 2017-02-27 2017-06-30 中国科学院电子学研究所 基于单通道圆迹sar的直线运动动目标的速度矢量获取方法
CN106932778A (zh) * 2017-04-17 2017-07-07 王辉 方位多通道fmcw sar滑动聚束成像方法
DE102016209803B3 (de) * 2016-06-03 2017-10-12 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren zur Erstellung eines Erdbeobachtungsbildes einer Region mittels eines Radars mit synthetischer Apertur
CN108872987A (zh) * 2018-06-29 2018-11-23 中国科学院电子学研究所 基于极化圆迹sar数据的具有圆柱体结构的目标提取方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1769925A (zh) * 2004-11-05 2006-05-10 清华大学 一种合成孔径雷达运动目标成像方法
CN103336271A (zh) * 2013-03-26 2013-10-02 中国科学院电子学研究所 一种基于信号子空间技术的单通道星载sar动目标检测方法
CN105403885A (zh) * 2015-10-27 2016-03-16 中国测绘科学研究院 一种基于广义多子视相干的极化sar海面船只目标检测方法
DE102016209803B3 (de) * 2016-06-03 2017-10-12 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren zur Erstellung eines Erdbeobachtungsbildes einer Region mittels eines Radars mit synthetischer Apertur
CN106908781A (zh) * 2017-02-27 2017-06-30 中国科学院电子学研究所 基于单通道圆迹sar的直线运动动目标的速度矢量获取方法
CN106932778A (zh) * 2017-04-17 2017-07-07 王辉 方位多通道fmcw sar滑动聚束成像方法
CN108872987A (zh) * 2018-06-29 2018-11-23 中国科学院电子学研究所 基于极化圆迹sar数据的具有圆柱体结构的目标提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YANG ZHIWEI 等: ""Sum-difference Reduced-dimensional Processing in SAR Image Domain and Statistical Analysis for Ground Moving Target Indication"", 《CHINESE JOURNAL OF AERONAUTICS》 *
申文杰 等: ""基于子孔径图像的单通道圆迹SAR动目标轨迹反演算法研究"", 《信号处理》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110618402A (zh) * 2019-08-22 2019-12-27 西安空间无线电技术研究所 一种基于子孔径平滑的辅助杂波样本筛选方法
CN110618402B (zh) * 2019-08-22 2021-07-13 西安空间无线电技术研究所 一种基于子孔径平滑的辅助杂波样本筛选方法
JP2021047019A (ja) * 2019-09-17 2021-03-25 株式会社東芝 合成開口レーダ装置
JP7346188B2 (ja) 2019-09-17 2023-09-19 株式会社東芝 合成開口レーダ装置
CN111157960B (zh) * 2019-12-03 2021-09-28 南京汇君半导体科技有限公司 基于毫米波雷达的生命体征信号增强方法及设备、提取方法及设备
CN111157960A (zh) * 2019-12-03 2020-05-15 南京汇君半导体科技有限公司 基于毫米波雷达的生命体征信号增强方法及设备、提取方法及设备
CN110988856A (zh) * 2019-12-19 2020-04-10 电子科技大学 一种基于密度聚类的目标检测点迹凝聚算法
CN110988856B (zh) * 2019-12-19 2021-08-03 电子科技大学 一种基于密度聚类的目标检测点迹凝聚算法
CN111398943A (zh) * 2020-04-02 2020-07-10 森思泰克河北科技有限公司 目标姿态的确定方法及终端设备
CN112327301A (zh) * 2020-10-11 2021-02-05 北京理工大学 基于子孔径grft的低信噪比下参数化平动补偿快速方法
CN112327301B (zh) * 2020-10-11 2023-11-10 北京理工大学 基于子孔径grft的低信噪比下参数化平动补偿快速方法
CN112774181A (zh) * 2021-01-11 2021-05-11 浙江星汉云图人工智能科技有限公司 雷达数据的处理方法、处理系统以及计算机存储介质
CN112774181B (zh) * 2021-01-11 2023-11-10 北京星汉云图文化科技有限公司 雷达数据的处理方法、处理系统以及计算机存储介质
CN113936032A (zh) * 2021-08-23 2022-01-14 北京遥测技术研究所 一种基于sar图像序列的运动目标检测及视频成像方法
CN113936032B (zh) * 2021-08-23 2024-05-14 北京遥测技术研究所 一种基于sar图像序列的运动目标检测及视频成像方法
CN117192554A (zh) * 2023-11-02 2023-12-08 中国科学院空天信息创新研究院 一种基于干涉相位线性一致度的运动目标检测方法
CN117192554B (zh) * 2023-11-02 2024-01-02 中国科学院空天信息创新研究院 一种基于干涉相位线性一致度的运动目标检测方法

Also Published As

Publication number Publication date
CN109581378B (zh) 2020-12-22

Similar Documents

Publication Publication Date Title
CN109581378A (zh) 动目标检测方法、电子设备及存储介质
Ding et al. Video SAR moving target indication using deep neural network
CN106126807B (zh) 一种基于大数据挖掘的无线信道建模方法
ES2325234T3 (es) Procesador adaptativo espacio-temporal multiresolucion eficiente.
CN105913074B (zh) 基于幅度与径向速度联合的sar图像动目标聚类方法
Asokan et al. Machine learning based image processing techniques for satellite image analysis-a survey
CN107123150A (zh) 全局颜色对比度检测和分割显著图的方法
CN108805028A (zh) 基于电磁强散射点的sar图像地面目标检测与定位方法
Deng et al. Infrared small target detection based on the self-information map
CN111062321B (zh) 一种基于深度卷积网络的sar检测方法及系统
CN104142496A (zh) 基于连通域划分的统计mimo雷达多目标定位方法
Xiang et al. Adaptive superpixel generation for SAR images with linear feature clustering and edge constraint
Rizik et al. Cost-efficient FMCW radar for multi-target classification in security gate monitoring
CN107680061A (zh) 基于相似性检验的双极化sar图像相干斑滤波方法
CN108010065A (zh) 低空目标快速检测方法及装置、存储介质及电子终端
DE112019002382T5 (de) Verbesserungen bei oder in Bezug auf die Klassifizierung von Bedrohungen
Kumlu et al. The multiscale directional neighborhood filter and its application to clutter removal in GPR data
CN109461127B (zh) 一种以解译为目的的sar图像稀疏正则化特征增强方法
CN108020834A (zh) 基于改进edpca的运动目标检测方法、装置及电子设备
Xia et al. Signal chain architectures for efficient airport surface movement radar video processing
CN109978855A (zh) 一种遥感图像变化检测方法及装置
Yang et al. Sar images target detection based on yolov5
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
CN108509835A (zh) 基于DFIC超像素的PolSAR图像地物分类方法
CN112435249A (zh) 一种基于周扫红外搜索系统的动态小目标检测方法

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