CN111948653A - 基于p波段合成孔径雷达的林下目标检测方法及系统 - Google Patents

基于p波段合成孔径雷达的林下目标检测方法及系统 Download PDF

Info

Publication number
CN111948653A
CN111948653A CN202010763202.7A CN202010763202A CN111948653A CN 111948653 A CN111948653 A CN 111948653A CN 202010763202 A CN202010763202 A CN 202010763202A CN 111948653 A CN111948653 A CN 111948653A
Authority
CN
China
Prior art keywords
target
correlation coefficient
forest
target image
synthetic aperture
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
CN202010763202.7A
Other languages
English (en)
Other versions
CN111948653B (zh
Inventor
李威
王意军
黄琪璜
董房
许丽颖
杨桃丽
于迎军
陈筠力
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 Institute of Satellite Engineering
Original Assignee
Shanghai Institute of Satellite Engineering
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 Institute of Satellite Engineering filed Critical Shanghai Institute of Satellite Engineering
Priority to CN202010763202.7A priority Critical patent/CN111948653B/zh
Publication of CN111948653A publication Critical patent/CN111948653A/zh
Application granted granted Critical
Publication of CN111948653B publication Critical patent/CN111948653B/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
    • 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
    • G01S13/06—Systems determining position data of a target
    • 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
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

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)

Abstract

本发明提供了一种基于P波段合成孔径雷达的林下目标检测方法及系统，包括：步骤1：获取待检测目标图像；步骤2：设置参考目标图像；步骤3：根据参考目标图像在待检测目标图像上滑窗求取相关系数；步骤4：设定相关系数的检测门限值；步骤5：根据设定的相关系数的检测门限值，检测出林下目标。本发明中的方法简洁有效，检测率和检测精度更高，有效减少虚警，大概率地正确区分树干杂波和目标回波，同时又可避免SAR原始数据获取困难等问题；利用空间平均来代替集合平均，解决了实际图像处理情况下很难对同一目标进行若干次观测以获取集合平均的问题。

Description

基于P波段合成孔径雷达的林下目标检测方法及系统
技术领域
本发明涉及雷达技术领域，具体地，涉及一种基于P波段合成孔径雷达的林下目标检测方法及系统。
背景技术
合成孔径雷达(Synthetic Aperture Radar，SAR)因具有全天时、全天候、远距离成像的能力，在遥感监测、地形测绘等领域得到了广泛应用。对比于X、S、C和L波段，P波段SAR具备较好的穿透叶簇能力，能检测到林下目标的信息，可以实现对林下目标回波的准确成像，但在雷达接收的回波信息中混杂着大量的杂波，严重干扰着目标信息的提取，这些杂波主要源于树的强烈散射。如何区别林下目标和树干杂波是P波段SAR系统亟待解决的关键问题。
SAR图像的信杂比是影响目标检测概率的主要因素，针对以上问题，国内外学者提出了多种方法来提高图像的信杂比，其中基于目标和杂波空域特征的检测思想是目前的主要解决方案，具体方法有很多，比如匹配滤波成像、复空间匹配滤波成像等。这些方法都要求获取原始SAR回波数据，即未聚焦成像前的回波数据，但在实际中，原始回波数据可能较难获取，还需进一步研究如何利用聚焦成像后SAR图像进行林下目标检测。
目前和本发明技术相近的有专利《一种合成孔径雷达自动目标识别的方法》(专利号CN201210338630.0)、《基于曲波变换与维纳滤波的合成孔径雷达目标检测方法》(专利号CN201410691384.6)等，这些技术都需要对SAR原始图像数据进行预处理或初始化，提取图像特征或统计特性，进而实现SAR图像目标检测，而本技术则直接采用参考目标滑窗对获取的SAR图像进行相关系数检测，通过设置相关阈值，检测出林下目标，技术更简洁有效，检测率更高，同时避免了SAR原始数据获取困难等问题。和《高分辨合成孔径雷达图像的耦合传统恒虚警目标检测》(《吉林大学学报(工学版)》，第48卷，第6期，2018年11月)、《雷达在不同杂波背景下的恒虚警率处理》(《电脑知识与技术》，第11卷，第9期，2015年3月)等查到的文献中传统恒虚警检测技术相比，采用本技术能一定程度地减少虚警，大概率地正确区分树干杂波和目标回波。
目前现有的SAR目标处理和识别技术大都需要对SAR原始图像数据进行预处理或初始化，提取图像特征或统计特性，进而实现SAR图像目标检测。相比之下，本发明中的技术更简洁有效，检测率和检测精度更高，有效减少虚警，大概率地正确区分树干杂波和目标回波，同时又可避免SAR原始数据获取困难等问题。
专利文献CN104408482B(申请号：201410743668.5)公开了一种高分辨率SAR图像目标检测方法，应用于图像处理技术领域，主要解决现有以解决现有的SAR图像目标检测方法的检测虚警较高及定位不准确的缺陷。该方法包括：对原始SAR图像进行重叠分块，获得多个子图像；提取训练样本的特征对分类器进行训练，用训练后的分类器对多个所述子图像进行目录分类；获得目录类别为包含目标的子图像的像素的加权稀有性特征，对所述包含目标的子图像进行阈值分割，对分割后的二值图像进行形态学处理，获得目录类别为包含目标的子图像的感兴趣区域ROI对所述ROI进行修正，获得目标检测结果。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于P波段合成孔径雷达的林下目标检测方法及系统。
根据本发明提供的基于P波段合成孔径雷达的林下目标检测方法，包括：
步骤1：获取待检测目标图像；
步骤2：设置参考目标图像；
步骤3：根据参考目标图像在待检测目标图像上滑窗求取相关系数；
步骤4：设定相关系数的检测门限值；
步骤5：根据设定的相关系数的检测门限值，检测出林下目标。
优选地，所述参考目标图像根据林木目标的合成孔径雷达图像的先验信息获取。
优选地，所述步骤3包括：相关系数的计算公式为：
Figure BDA0002613656850000021
其中，| |表示对复数求模，上标*表示共轭运算，S1、S2分别表示参考目标图像和待检测目标图像。
优选地，所述步骤3包括：在相关系数求取过程中，邻近像元的复数据为独立同分布，空间平均代替集合平均。
优选地，当相关系数大于检测门限值时，则判定为林下目标，将像元赋1值，即亮值；当相关系数小于检测门限值时，则判定为杂波，将像元赋0值，即暗值。
根据本发明提供的基于P波段合成孔径雷达的林下目标检测系统，包括：
模块M1：获取待检测目标图像；
模块M2：设置参考目标图像；
模块M3：根据参考目标图像在待检测目标图像上滑窗求取相关系数；
模块M4：设定相关系数的检测门限值；
模块M5：根据设定的相关系数的检测门限值，检测出林下目标。
优选地，所述参考目标图像根据林木目标的合成孔径雷达图像的先验信息获取。
优选地，所述模块M3包括：相关系数的计算公式为：
Figure BDA0002613656850000031
其中，| |表示对复数求模，上标*表示共轭运算，S1、S2分别表示参考目标图像和待检测目标图像。
优选地，所述模块M3包括：在相关系数求取过程中，邻近像元的复数据为独立同分布，空间平均代替集合平均。
优选地，当相关系数大于检测门限值时，则判定为林下目标，将像元赋1值，即亮值；当相关系数小于检测门限值时，则判定为杂波，将像元赋0值，即暗值。
与现有技术相比，本发明具有如下的有益效果：
1、本发明中的技术更简洁有效，检测率和检测精度更高，有效减少虚警，大概率地正确区分树干杂波和目标回波，同时又可避免SAR原始数据获取困难等问题；
2、本发明中相关系数的计算公式中，利用空间平均来代替集平均，解决了实际图像处理情况下很难对同一目标进行若干次观测以获取集平均的问题。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明的检测方法流程图；
图2为参考目标滑窗示意图；
图3为待检测区域林下目标的布置；
图4为获取的待测区域的P波段SAR图像；
图5为直接进行CFAR检测虚警率设为10-4时的检测结果图像；
图6为直接进行CFAR检测虚警率设为10-2时的检测结果图像；
图7为利用本发明方法得到的目标检测结果图像。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1所示，为本发明的检测方法流程图，具体实施步骤如下：
步骤一，获取待检测目标图像；所述待检测目标图像不需要获取成像前的原始合成孔径雷达回波数据；
步骤二，利用林木目标的先验信息，构成一幅小图像，作为参考目标图像；
步骤三，利用参考目标在待检测图像上滑窗求取相关系数，计算公式为：
Figure BDA0002613656850000041
其中，| |表示对复数求模，上标*表示共轭运算，S1、S2分别表示参考目标图像和待检测目标图像，如图2所示，为参考目标滑窗示意图。
步骤四，设定相关系数检测门限值；
步骤五，根据设定的相关系数门限值，检测出林下目标。
下面结合实测数据对本发明的效果做进一步的说明。
1、实验条件：
本实验利用某机载实测P波段SAR数据进行实验验证，成像区域为茂密的树林，并在树林中设置了9辆卡车，同时在裸露区域摆放了3辆相同的卡车，林下目标的布置如附图3所示。
2、实验结果分析：
在本次实验中，提取裸露区域的一辆卡车作为参考目标，然后利用41*31的窗在待检测目标图像上进行滑窗估计相关系数，这里相关系数的门限值设为0.615。附图4为获取得的P波段SAR图像，可以看出，强烈的树干杂波几乎淹没了待检测目标。附图5、6给出直接利用CFAR进行检测的结果，其中图5的虚警率设为10-4，存在漏检，图6的虚警率为10-2，虽然检测出了所有的目标，但产生了很多虚警。作为对比，附图7给出了利用本发明方法得到的目标检测结果，可以看出本发明检测出了所有的目标，虽然产生了一些虚警，但与直接进行CFAR检测相比，虚警大大减少。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种基于P波段合成孔径雷达的林下目标检测方法，其特征在于，包括：
步骤1：获取待检测目标图像；
步骤2：设置参考目标图像；
步骤3：根据参考目标图像在待检测目标图像上滑窗求取相关系数；
步骤4：设定相关系数的检测门限值；
步骤5：根据设定的相关系数的检测门限值，检测出林下目标。
2.根据权利要求1所述的基于P波段合成孔径雷达的林下目标检测方法，其特征在于，所述参考目标图像根据林木目标的合成孔径雷达图像的先验信息获取。
3.根据权利要求1所述的基于P波段合成孔径雷达的林下目标检测方法，其特征在于，所述步骤3包括：相关系数的计算公式为：
Figure FDA0002613656840000011
其中，||表示对复数求模，上标*表示共轭运算，S1、S2分别表示参考目标图像和待检测目标图像。
4.根据权利要求1所述的基于P波段合成孔径雷达的林下目标检测方法，其特征在于，所述步骤3包括：在相关系数求取过程中，邻近像元的复数据为独立同分布，空间平均代替集合平均。
5.根据权利要求1所述的基于P波段合成孔径雷达的林下目标检测方法，其特征在于，当相关系数大于检测门限值时，则判定为林下目标，将像元赋1值，即亮值；当相关系数小于检测门限值时，则判定为杂波，将像元赋0值，即暗值。
6.一种基于P波段合成孔径雷达的林下目标检测系统，其特征在于，包括：
模块M1：获取待检测目标图像；
模块M2：设置参考目标图像；
模块M3：根据参考目标图像在待检测目标图像上滑窗求取相关系数；
模块M4：设定相关系数的检测门限值；
模块M5：根据设定的相关系数的检测门限值，检测出林下目标。
7.根据权利要求6所述的基于P波段合成孔径雷达的林下目标检测系统，其特征在于，所述参考目标图像根据林木目标的合成孔径雷达图像的先验信息获取。
8.根据权利要求6所述的基于P波段合成孔径雷达的林下目标检测系统，其特征在于，所述模块M3包括：相关系数的计算公式为：
Figure FDA0002613656840000021
其中，||表示对复数求模，上标*表示共轭运算，S1、S2分别表示参考目标图像和待检测目标图像。
9.根据权利要求6所述的基于P波段合成孔径雷达的林下目标检测系统，其特征在于，所述模块M3包括：在相关系数求取过程中，邻近像元的复数据为独立同分布，空间平均代替集合平均。
10.根据权利要求6所述的基于P波段合成孔径雷达的林下目标检测系统，其特征在于，当相关系数大于检测门限值时，则判定为林下目标，将像元赋1值，即亮值；当相关系数小于检测门限值时，则判定为杂波，将像元赋0值，即暗值。
CN202010763202.7A 2020-07-31 2020-07-31 基于p波段合成孔径雷达的林下目标检测方法及系统 Active CN111948653B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010763202.7A CN111948653B (zh) 2020-07-31 2020-07-31 基于p波段合成孔径雷达的林下目标检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010763202.7A CN111948653B (zh) 2020-07-31 2020-07-31 基于p波段合成孔径雷达的林下目标检测方法及系统

Publications (2)

Publication Number Publication Date
CN111948653A true CN111948653A (zh) 2020-11-17
CN111948653B CN111948653B (zh) 2022-03-18

Family

ID=73339104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010763202.7A Active CN111948653B (zh) 2020-07-31 2020-07-31 基于p波段合成孔径雷达的林下目标检测方法及系统

Country Status (1)

Country Link
CN (1) CN111948653B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1567887A1 (en) * 2002-10-28 2005-08-31 Raytheon Company Weather and airborne clutter suppression using a cluster shape classifier
US20080303712A1 (en) * 2006-10-26 2008-12-11 Raytheon Company Radar imaging system and method using directional gradient magnitude second moment spatial variance detection
CN105204010A (zh) * 2014-11-26 2015-12-30 中国人民解放军第二炮兵工程大学 低信杂比合成孔径雷达图像的地物目标检测方法
CN105301589A (zh) * 2015-10-30 2016-02-03 电子科技大学 高分辨宽测绘带sar地面运动目标成像方法
US20160131757A1 (en) * 2013-06-11 2016-05-12 Elwha Llc Multi-elevational antenna systems and methods of use
CN110412572A (zh) * 2019-07-23 2019-11-05 中国科学院电子学研究所 P波段合成孔径雷达成像干扰抑制方法
CN110942451A (zh) * 2019-11-20 2020-03-31 东南大学 一种无参考图像的遥感图像融合性能评价方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1567887A1 (en) * 2002-10-28 2005-08-31 Raytheon Company Weather and airborne clutter suppression using a cluster shape classifier
US20080303712A1 (en) * 2006-10-26 2008-12-11 Raytheon Company Radar imaging system and method using directional gradient magnitude second moment spatial variance detection
US20160131757A1 (en) * 2013-06-11 2016-05-12 Elwha Llc Multi-elevational antenna systems and methods of use
CN105204010A (zh) * 2014-11-26 2015-12-30 中国人民解放军第二炮兵工程大学 低信杂比合成孔径雷达图像的地物目标检测方法
CN105301589A (zh) * 2015-10-30 2016-02-03 电子科技大学 高分辨宽测绘带sar地面运动目标成像方法
CN110412572A (zh) * 2019-07-23 2019-11-05 中国科学院电子学研究所 P波段合成孔径雷达成像干扰抑制方法
CN110942451A (zh) * 2019-11-20 2020-03-31 东南大学 一种无参考图像的遥感图像融合性能评价方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
NING ZHAO ET AL.: ""Comparison of P/L Band Digital Array SAR for the Foliage/Sands Subsurface Penetration Detection"", 《11TH EUROPEAN CONFERENCE ON SYNTHETIC APERTURE RADAR》 *
李兰: ""森林垂直信息P-波段SAR层析提取方法"", 《中国优秀博硕士学位论文全文数据库(博士) 农业科技辑》 *
杨淋 等: ""高分辨率星载P波段SAR系统参数设计"", 《雷达科学与技术》 *

Also Published As

Publication number Publication date
CN111948653B (zh) 2022-03-18

Similar Documents

Publication Publication Date Title
CN108510467B (zh) 基于深度可变形卷积神经网络的sar图像目标识别方法
CN107229918B (zh) 一种基于全卷积神经网络的sar图像目标检测方法
Zhao et al. Building detection from urban SAR image using building characteristics and contextual information
Xia et al. A novel sea-land segmentation algorithm based on local binary patterns for ship detection
CN104408482A (zh) 一种高分辨率sar图像目标检测方法
CN106371093B (zh) 基于建筑物透视雷达成像的多目标检测定位方法
Fu et al. A statistical approach to detect edges in SAR images based on square successive difference of averages
CN111311644B (zh) 一种基于视频sar的运动目标检测方法
CN109254271B (zh) 一种用于地面监视雷达系统的静止目标抑制方法
CN105184804A (zh) 基于机载红外相机航拍图像的海面小目标检测方法
CN110889843A (zh) 基于最大稳定极值区域的sar图像舰船目标检测方法
CN111948653B (zh) 基于p波段合成孔径雷达的林下目标检测方法及系统
Fei et al. Change detection in remote sensing images of damage areas with complex terrain using texture information and SVM
Gao et al. A performance comparison of automatic detection schemes in wide-area aerial imagery
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
Wang et al. Multi-scale target detection in SAR image based on visual attention model
Li et al. An improved CFAR scheme for man-made target detection in high resolution SAR images
Wu et al. Moving target shadow detection method based on improved ViBe in VideoSAR images
CN106934805A (zh) 基于Gamma滤波的SAR图像超像素分割方法
JPH07118009B2 (ja) 実時間連結性アルゴリズムシステム
Li et al. Shadow detection in SAR images: An otsu-and CFAR-based method
CN112749714A (zh) 一种单帧红外图像中多形态暗弱小目标检测方法
Miftakhutdinov et al. A Technique of Object Detection Using Information about Changes in the Terrain Image
Tan et al. Adaptive aircraft detection in high-resolution SAR images
Lin et al. Radar Spectral Maps Classification Based on Deep Learning

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