CN113419243B - 多基站协同的干涉逆合成孔径雷达成像方法、装置及介质 - Google Patents

多基站协同的干涉逆合成孔径雷达成像方法、装置及介质 Download PDF

Info

Publication number
CN113419243B
CN113419243B CN202110816226.9A CN202110816226A CN113419243B CN 113419243 B CN113419243 B CN 113419243B CN 202110816226 A CN202110816226 A CN 202110816226A CN 113419243 B CN113419243 B CN 113419243B
Authority
CN
China
Prior art keywords
image
scattering points
images
radar
single radar
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
CN202110816226.9A
Other languages
English (en)
Other versions
CN113419243A (zh
Inventor
张昊宇
黄勇
韩桐竹
张满意
王超
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.)
Tianjin Srde Technology Co ltd
Original Assignee
Tianjin Srde Technology Co ltd
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 Tianjin Srde Technology Co ltd filed Critical Tianjin Srde Technology Co ltd
Priority to CN202110816226.9A priority Critical patent/CN113419243B/zh
Publication of CN113419243A publication Critical patent/CN113419243A/zh
Application granted granted Critical
Publication of CN113419243B publication Critical patent/CN113419243B/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
    • G01S13/9023—SAR image post-processing techniques combined with interferometric 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
    • G01S13/904—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
    • 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
    • G01S13/9058—Bistatic or multistatic SAR

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

本申请涉及一种多基站协同的干涉逆合成孔径雷达成像方法、装置及介质，成像方法包括获取目标物的多个角度对应的多个单雷达图像；提取各个单雷达图像的强散射点；根据各个单雷达图像的强散射点的数量、多个单雷达图像之间的强散射点的高度差值和直线距离值，筛选出能够参与图像融合的待融合图像进行融合以得到多雷达成像图。该方法利用多个干涉逆合成孔径雷达从不同角度对目标物成像，能够获取目标物更为完整的信息，将各个单雷达图像的强散射点的数量、多个单雷达图像的强散射点之间的高度差值和直线距离值作为图像融合的参照物，能够对目标物的最高点进行定标，以便于完整的勾勒出目标物的整体形态。

Description

多基站协同的干涉逆合成孔径雷达成像方法、装置及介质
技术领域
本申请涉及干涉逆合成孔径雷达(Interferometric Inverse SyntheticAperture Radar，InISAR)三维成像技术领域，尤其涉及一种多基站协同的干涉逆合成孔径雷达成像方法、装置及介质。
背景技术
目前常用的海事雷达可以对海上船只进行定位但无法做到实时三维成像，即所有的船只能在海图上显示为一个“圆点”， 无法对船只的大小和形状进行鉴别，因而无法对目标船只进行识别和分类。而干涉逆合成孔径雷达(InISAR)可以实现对远场与近场目标的三维成像。岸基InISAR固定在海岸边，利用海上船只的运动进行成像。能够获得一个聚焦良好图像的前提是该目标船只需要随着雷达的视线方向做显著的运动变化。而在某些极端情况下，目标沿雷达视线笔直运动，这将导致成像失败。此外，在一些繁忙的航道港口，遮蔽现象经常出现，在雷达波束覆盖范围内，船体只有一侧能被雷达波束覆盖，导致目标信息缺失，造成目标识别困难。
发明内容
为了解决上述背景技术提到的技术问题或者至少部分地解决上述技术问题，本申请提供一种多基站协同的干涉逆合成孔径雷达成像方法、装置及介质，该方法从不同的角度对同一目标进行成像以获得目标更为丰富的信息，尽可能完整的勾勒出目标物的整体形态，利于目标物的识别。
第一方面，本申请提供了一种多基站协同的干涉逆合成孔径雷达成像方法，包括：
获取目标物的多个角度对应的多个单雷达图像，所述单雷达图像是由多个干涉逆合成孔径雷达在预设成像时间内从多个角度对所述目标物进行成像得到的；
提取各个所述单雷达图像的强散射点；
根据各个单雷达图像的强散射点的数量、多个单雷达图像之间的强散射点的高度差值和直线距离值，筛选出能够参与图像融合的待融合图像；
融合所述待融合图像，以得到所述目标物的多雷达成像图。
优选的，融合所述待融合图像，具体包括：
根据图像信噪比与强散射点的数量的平衡关系，对所述待融合图像进行融合。
优选的，根据各个单雷达图像的强散射点的数量、多个单雷达图像之间的强散射点的高度差值和直线距离值，筛选出能够参与图像融合的待融合图像，具体包括：
两个单雷达图像之间的强散射点的高度差值和直线距离值均不大于第一预设阈值，确定所述单雷达图像的强散射点能够配对融合；
单雷达图像的强散射点的数量不小于第二预设阈值，且能够配对融合的强散射点的数量不小于第三预设阈值，确定所述单雷达图像为所述目标物的待融合图像。
优选的，多基站协同的干涉逆合成孔径雷达成像方法还包括：单雷达图像的强散射点的数量小于第二预设阈值，且能够配对融合的强散射点的数量不小于第三预设阈值，对所述单雷达图像进行图像补全并将补全后的图像确定为所述目标物的待融合图像。
优选的，多基站协同的干涉逆合成孔径雷达成像方法还包括：单雷达图像的强散射点的数量小于第二预设阈值，且能够配对融合的强散射点的数量小于第三预设阈值，删除所述单雷达图像并获取同一个所述干涉逆合成孔径雷达得到的新的单雷达图像。
优选的，在根据各个单雷达图像的强散射点的数量、多个单雷达图像之间的强散射点的高度差值和直线距离值，筛选出能够参与图像融合的待融合图像之前，多基站协同的干涉逆合成孔径雷达成像方法还包括：
删除各个单雷达图像的角闪烁散射点：
计算各个单雷达图像的强散射点的亮度值；
通过角闪烁评估模型评估所述亮度值，识别出疑似角闪烁散射点；
提取所述疑似角闪烁散射点的三维坐标并比对各个单雷达图像在相同位置处是否存在强散射点；
根据比对结果确认所述疑似角闪烁散射点为角闪烁散射点；
删除所述角闪烁散射点。
优选的，在通过角闪烁评估模型评估所述亮度值，识别出疑似角闪烁散射点之前，多基站协同的干涉逆合成孔径雷达成像方法还包括：
针对多个强散射点强度相等以及不相等的情况对角闪烁散射点的产生机制进行数学建模，生成所述角闪烁评估模型。
优选的，在提取各个所述单雷达图像的强散射点之前，多基站协同的干涉逆合成孔径雷达成像方法还包括：
同一个所述干涉逆合成孔径雷达对应多张单雷达图像，对多张单雷达图像进行预处理：
将多张单雷达图像按时间顺序两两一组，分成若干组图像对；
分别提取各个所述图像对中的每一个单雷达图像的强散射点；
图像对中的两个单雷达图像之间的强散射点的高度差值及直线距离值均不大于第四预设阈值，配对融合两个单雷达图像的强散射点。
第二方面，本申请还提供了一种多基站协同的干涉逆合成孔径雷达成像装置，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的所述程序指令以实现如第一方面中任一项所述的多基站协同的干涉逆合成孔径雷达成像方法。
第三方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有程序代码，所述程序代码用于实现如第一方面中任一项所述的多基站协同的干涉逆合成孔径雷达成像方法。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点：第一方面，该方法采用多个分布式干涉逆合成孔径雷达从不同的视角对同一目标物进行单雷达成像，目标物各个侧面均容易被雷达波束覆盖，不易因遮蔽现象导致目标信息缺失，能够提取目标更为丰富的信息，在较短时间内能够获取高分辨率图像；
第二方面，该方法根据各个单雷达图像的强散射点的数量、多个单雷达图像之间的强散射点的高度差值和直线距离值，筛选出能够参与图像融合的待融合图像进行融合，解决了成像区域大小船只混合航行导致的大型船体对小型船体的雷达波束遮蔽问题；
第三方面，将强散射点的数量、强散射点之间的高度差值和直线距离值这三个特征作为判断图像能否融合的参照物，能够对目标物的最高点进行定标，避免不可预估的阴影效应可能会导致的雷达成像中心晃动，尽可能完整的勾勒出目标物的整体形态。
第四方面，现有技术中对角闪烁问题的研究大都是基于单基站理论框架，提出的算法也多为对雷达系统本身进行重构（比如多波段集成或大量增加天线），而这在工程中往往难以实现。该方法通过多基站协同成像从源头上抑制角闪烁问题，并根据角闪烁问题存在的机理和内部联系建立角闪烁散射点评估机制，分析并滤除角闪烁点。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的多基站协同的干涉逆合成孔径雷达成像方法的流程示意图。
图2为以三个雷达为例本申请实施例提供的多基站协同的干涉逆合成孔径雷达成像方法的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
逆合成孔径雷达（Inverse Synthetic Aperture Radar，ISAR)采用单天线技术只能获取目标在距离-多普勒维投影的二维图像，无法获取目标的三维图像，这对于目标的识别，尤其是自动识别造成较大困扰。干涉逆合成孔径雷达(InISAR)将干涉技术与ISAR技术相结合，实现目标的三维成像。InISAR雷达系统可以采用双天线、三天线或多天线结构，通过对每个天线接收的反射波进行二维ISAR成像处理，获取距离和方位向的高分图像，对于同一基线的接收天线获取的两幅图像进行匹配对准和干涉处理。然后利用正交基线天线获取最后一维的信息并建立三维图像。采用InISAR技术获取的目标图像不依赖于传统ISAR的横向多普勒形式，而能够直接反应目标的物理尺寸，这两方面的优势决定了InISAR技术对目标监测跟踪具有非常强的理论和实际工程价值。
海上船只监测与分类的终极目标是实现二十四小时全天候自动监测，能够探测出船只的形状、位置和速度等信息，并能够进行分类。光学成像技术受天气影响很大，一般只能工作在白天；而红外成像系统的主要问题是很低的分辨力和很短的观测距离。在所有的技术中，有潜力完成上述目标的只有基于合成孔径雷达(Synthetic Aperture Radar，SAR)、逆合成孔径雷达或者干涉逆合成孔径雷达的成像手段。岸基干涉逆合成孔径雷达固定在海岸边，可以高精度全天候的对船只进行三维成像，然而在一些繁忙的航道与港口，遮蔽现象经常出现，在雷达波束覆盖范围内，船体只有一侧能被雷达波束覆盖，导致目标信息缺失，造成目标识别困难。基于此，本申请提供一种采用多基站系统从多个方向对目标船只进行协同成像的可以有效的解决上述问题的方案。
为了便于理解，下面对本申请实施例提供的多基站协同的干涉逆合成孔径雷达成像方法、装置及介质进行详细介绍，参见图1，一种多基站协同的干涉逆合成孔径雷达成像方法，包括以下步骤：
步骤S1，获取目标物的多个角度对应的多个单雷达图像，单雷达图像是由多个干涉逆合成孔径雷达在预设成像时间内从多个角度对目标物进行成像得到的；
步骤S2，提取各个单雷达图像的强散射点；
步骤S3，根据各个单雷达图像的强散射点的数量、多个单雷达图像之间的强散射点的高度差值和直线距离值，筛选出能够参与图像融合的待融合图像；
步骤S4，融合待融合图像，以得到目标物的多雷达成像图。
在本申请的一些具体实施例中，每一个干涉逆合成孔径雷达在预设成像时间内从多个角度对待成像的目标物（比如海上船只）进行成像得到的一张或者多张图像，一张或者多张图像最终生成对应的一个单雷达图像，多个干涉逆合成孔径雷达最终生成对应的多个单雷达图像。干涉逆合成孔径雷达依靠对不同观测角度下的回波进行相干积累获取方位向的高分辨率。随着积累时间的增加，目标的运动呈现非平稳特性，高阶相位的出现加剧了运动补偿和聚焦的难度。尤其是海上船只，视角的积累依赖于其自身复杂的三维转动向量，因此，需要较少的相干处理时间。但船只本身的航速和转速不高，在较短时间内，转动变化量聚焦合成的图像分辨率常常不足以识别目标。采用分布式干涉逆合成孔径雷达从不同的视角对同一目标进行观察并协同成像，在雷达波束覆盖范围内，目标物各个侧面均容易被雷达波束覆盖，目标信息不易因遮蔽现象缺失，可以提取目标更为丰富的信息，最终在较短时间内能够获取高分辨率图像，利于目标物的识别。
进一步的，针对干涉逆合成孔径雷达从不同的视角对目标物进行协同成像得到多张单雷达图像的融合，为了提高融合后的多雷达成像图的准确度，必须在融合之前判断每一个单雷达图像是否为目标物的最优成像（这里最优成像是指该单雷达图像是对目标物的正确成像，避免将其他物体成像后与其他正确的单雷达图像融合得到错误的多雷达成像图），比如，如果一艘大型油轮和小渔船并排航行，从油轮方向照射的干涉逆合成孔径雷达依然可以成像，但这是对油轮而不是目标渔船进行的成像，即“错像”。可以预见，“错像”（即油轮的图像）必然不能与另外两幅图像“真像”（即目标渔船）进行匹配。基于此，在本申请的一些具体实施例中，通过各个单雷达图像的强散射点的数量、多个单雷达图像之间的强散射点的高度差值和直线距离值，筛选出目标物的最优图像作为待融合图像进行融合，具体的，将高度差值作为图像融合的参照物，能够对目标物的最高点进行定标并尽可能完整的勾勒出目标物的整体形态，高度信息在雷达持续成像时能够保持稳定，能够避免不可预估的阴影效应可能会导致的雷达成像中心晃动。
在本申请的一些具体实施例中，融合待融合图像，具体包括：
根据图像信噪比与强散射点的数量的平衡关系，对待融合图像进行融合。
根据图像信噪比与图像的强散射点的数量的内在规律，对来自各个干涉逆合成孔径雷达的图像进行融合，即实现了多基站协同的干涉逆合成孔径雷达融合成像。
在本申请的一些具体实施例中，步骤S3根据各个单雷达图像的强散射点的数量、多个单雷达图像之间的强散射点的高度差值和直线距离值，筛选出能够参与图像融合的待融合图像，具体包括：
两个单雷达图像之间的强散射点的高度差值和直线距离值均不大于第一预设阈值，确定所述单雷达图像的强散射点能够配对融合；
单雷达图像的强散射点的数量不小于第二预设阈值，且能够配对融合的强散射点的数量不小于第三预设阈值，确定所述单雷达图像为所述目标物的待融合图像。
具体的，设立图像异常评估机制，以某一张单雷达图像为例，首先比较其强散射点的数量和第二预设阈值的大小，根据比较结果确认单雷达图像不异常（即对应的干涉逆合成孔径雷达成功拍到了目标物生成了该单雷达图像），然后，为了避免雷达成像区域内存在干扰物遮挡目标物，继续判断该单雷达图像与其余的单雷达图像之间（多个干涉逆合成孔径雷达得到了多个单雷达图像）能够配对融合的强散射点的数量是否不小于第三预设阈值，如果是，则能够将该单雷达图像确定为目标物的正确成像，将其标记为待融合图像，准备与其他的单雷达图像进行融合。
在本申请的一些具体实施例中，多基站协同的干涉逆合成孔径雷达成像方法还包括：单雷达图像的强散射点的数量小于第二预设阈值，且能够配对融合的强散射点的数量不小于第三预设阈值，对单雷达图像进行图像补全并将补全后的图像确定为目标物的待融合图像。
在本申请的一些具体实施例中，对单雷达图像进行图像补全，具体包括：通过插值法对单雷达图像进行补全，以还原目标物的本貌。具体的，结合上述实施例所描述的，对某一张单雷达图像而言，其强散射点数量小于第二预设阈值，初步判断出该单雷达图像异常，然后通过判断该单雷达图像的能够与其他的单雷达图像融合配对相匹配的强散射点的数量是不是满足第三预设阈值，以此来判断该单雷达图像信息缺失的多少，即图像的“残缺面”大小，如果目标物只有部分被遮挡，即“残缺面”较小，则可以通过插值法对缺失面进行补全，尽可能其本貌。这里，插值法补全图像的步骤能够为：对图像进行二维快速傅里叶变换，从空间域变换到波数域，新的坐标记为(kx ，ky)（图像在空间域中的每一个点的坐标用x和y表示，对图像进行二维快速傅里叶变换，从空间域变换到波数域，图像在波数域中点的波数域坐标用kx和ky表示），并假设ky为多普勒轴。对ky轴进行自动回归带宽插值（Auto-Regressive bandwidth interpolation，AR bandwidth interpolation），对“残缺面”的信号进行补全（该操作共分两步：第一步：在每个分开的多普勒带宽，将AR模型（AR模型一般指自回归模型，Autoregressive model，简称AR模型）的极点数设置为N/3，其中N为慢时间采样率；第二步：进行自动回归带宽插值，补全缺失的多普勒频谱。）最后对已经补全的图像进行快速傅里叶逆变换，从波数域变换回图像域。此时，图像的残缺面已经补全并可以进行最后的图像融合。
在本申请的一些具体实施例中，多基站协同的干涉逆合成孔径雷达成像方法还包括：单雷达图像的强散射点的数量小于第二预设阈值，且能够配对融合的强散射点的数量小于第三预设阈值，删除所述单雷达图像并获取同一个所述干涉逆合成孔径雷达得到的新的单雷达图像。
结合上述实施例所描述的，若某个单雷达图像的强散射点的数量小于第二预设阈值，判定其异常，若该单雷达图像与另外的单雷达图像之间能够配对融合的强散射点的数量小于第三预设阈值，则说明该单雷达图像的成像信息严重缺失（其原因有可能是因为目标物被大面积遮挡或者完全遮挡），仅仅捕捉到目标物的一小部分信息或者甚至有可能完全没有捕捉到目标物的信息，捕捉的是遮挡物的信息，该单雷达图像不能作为待融合图像，需要删除该单雷达图像，并持续获取同一个干涉逆合成孔径雷达得到的下一个新的单雷达图像，并对这个新的单雷达图像重复以上步骤进行判定，判定其是不是能够作为待融合图像。
多数成像理论均假设图像的分辨率非常高，因此目标的散射点可以得到充分分离。但由于干涉逆合成孔径雷达获取的是合成散射中心的等效散射点位置，对于位置不同但是却拥有相同R-D值的散射中心将投影到同一个成像分辨单元，这会引起成像模糊与识别困难等问题，为了解决角闪烁问题，在本申请的一些具体实施例中，在根据各个单雷达图像的强散射点的数量、多个单雷达图像之间的强散射点的高度差值和直线距离值，筛选出能够参与图像融合的待融合图像之前，多基站协同的干涉逆合成孔径雷达成像方法还包括：
删除各个单雷达图像的角闪烁散射点：
计算各个单雷达图像的强散射点的亮度值；
通过角闪烁评估模型评估所述亮度值，识别出疑似角闪烁散射点；
提取所述疑似角闪烁散射点的三维坐标并比对各个单雷达图像在相同位置处是否存在强散射点；
根据比对结果确认所述疑似角闪烁散射点为角闪烁散射点；
删除所述角闪烁散射点。
在本申请的一些具体实施例中，在通过角闪烁评估模型评估亮度值，识别出疑似角闪烁散射点之前，方法还包括：
针对多个强散射点强度相等以及不相等的情况对角闪烁散射点的产生机制进行数学建模，生成角闪烁评估模型。
针对角闪烁问题，首先通过构建数学模型分析角闪烁问题存在的机理和内部联系，然后设立阈值评估，分析并滤除图像的角闪烁散射点。在通过角闪烁评估模型识别出疑似角闪烁散射点后，进一步通过统计各个单雷达图像中坐标与三维坐标相同的强散射点的数量，根据统计结果，判断该疑似角闪烁散射点是否为角闪烁散射点，可以防止误判，提高识别角闪烁散射点的准确率，从而提高图像融合的准确度。
在本申请的一些具体实施例中，在提取各个单雷达图像的强散射点之前，多基站协同的干涉逆合成孔径雷达成像方法还包括：
同一个所述干涉逆合成孔径雷达对应多张单雷达图像，对多张单雷达图像进行预处理：
将多张单雷达图像按时间顺序两两一组，分成若干组图像对；
分别提取各个所述图像对中的每一个单雷达图像的强散射点；
图像对中的两个单雷达图像之间的强散射点的高度差值及直线距离值均不大于第四预设阈值，配对融合两个单雷达图像的强散射点。
结合上述实施例所描述的，以某个干涉逆合成孔径雷达为例，若该干涉逆合成孔径雷达对应得到一张单雷达图像，则直接判断该单雷达图像能否作为待融合图像。若该干涉逆合成孔径雷达在预设成像时间内从多个角度对目标物进行成像得到多张图像（比如图像序列），可以对上述多张图像进行预处理，具体处理步骤为将该干涉逆合成孔径雷达对应的多张图像按时间顺序两两配对，形成若干组图像对，对每一个图像对中的两个图像的强散射点进行初步融合，循环，最终得到一张对应的单雷达图像（即得到了该干涉逆合成孔径雷达成像对应的图像序列中的最优图像）。在此方案中，第四预设阈值能够与第一预设阈值相同。
在本申请的另外一些实施例中，还提供了一种多基站协同的干涉逆合成孔径雷达成像装置，包括：
存储器，用于存储程序指令；
处理器，用于调用存储器中存储的程序指令以实现如上述实施例中任一项的多基站协同的干涉逆合成孔径雷达成像方法。
在本申请的另外一些实施例中，还提供了一种计算机可读存储介质，计算机可读存储介质存储有程序代码，程序代码用于实现如上述实施例中任一项的多基站协同的干涉逆合成孔径雷达成像方法。
多基站协同的干涉逆合成孔径雷达成像装置以及计算机可读存储介质的工作原理与上述多基站协同的干涉逆合成孔径雷达成像方法的工作原理相同，这里不做赘述。
为了便于理解，参见图2，下面以三个干涉逆合成孔径雷达（如图2中所示的雷达1、雷达2以及雷达3）对海上船只进行成像为例，具体说明上述多基站协同的干涉逆合成孔径雷达（以下简称雷达）成像方法的整体流程和原理：
船体被多基站雷达照射可能存在三种场景：a.整个船体被完全照射；b.船体在雷达照射时有较大缺失，即“残缺面较大”；c. 船体在雷达照射时缺失较少，即“残缺面较小”。本申请涉及的成像方法具有实时性，能针对以上三种场景进行有效成像：成像方法的基本逻辑为①基于场景a建立一套基本融合成像算法，该算法可以对三台雷达的成像结果进行融合；②设立图像更新算法，该算法处于“待命”状态，对任何一台雷达获取的新的船体图像数据进行真伪辨别（判断该数据属于追踪的目标船体还是干扰物）并更新补全较大的“残缺面”，该算法可以解决场景b的问题；③设计带宽插值算法，对较小的“残缺面”进行插值处理用以补齐残缺面并还原目标图像，解决场景c。
此外，在成像过程中需要解决角闪烁问题。针对角闪烁问题首先构建数学模型分析角闪烁问题存在的机理和内部联系，然后设立阈值评估体质，分析并滤除角闪烁点。基于以上考虑，具体的流程图请见图2：
步骤【1】：假设在时间长度为T的成像时间内，每台雷达获取M张图像，三台雷达共获取3M张图像。定义Iij为第j台雷达获取的第i幅图像 ( 这里，每个雷达对应的M张图像生成一个图像序列Iij ，其中1≤ j ≤ 3，1≤ i ≤ M )。
步骤【2】：每台雷达将获取的M张图像按时间顺序两张一组，共分成M/2组图像对，并根据图像能量/图像熵设定阈值选取每张图像中的强散射点。这里假设每个图像对里，图像1为参考图并包含U个强散射点，另一幅图，即图像2包含V个强散射点。
步骤【3】：利用公式σuv = |hu – hv|，计算图像1中所有强散射点与图像2中所有强散射点高度的差值。其中h表示强散射点的高度，σuv表示高度差，这里是小写的u和v，代表第u个强散射点和第v个强散射点。高度信息在雷达持续成像时保持稳定，将高度h作为图像1和图像2融合的参照物，能避免不可预估的阴影效应导致的成像中心晃动。
步骤【4】：设立阈值ζ，如果σuv ≤ ζ，则认为强散射点u和强散射点v位置足够接近，同时，通过对应的强散射点u和强散射点v的三维坐标计算它们之间的直线距离值Duv。如果Duv ≤ ζ，则确认强散射点u和强散射点v为同一强散射点并予以配对。通过循环操作即完成了该图像对内所有强散射点的初步融合（通过步骤【2】至步骤【4】，计算并评估图像序列中散射点的匹配度，生成如上述实施例中的单雷达图像）。
步骤【5】： 针对多个散射点强度相等以及不等的情况对角闪烁散射点的产生机制进行数学建模，分析其产生及分布的内在联系。根据散射点亮度及其内在联系设立角闪烁点评估机制对强散射点亮度进行评估，分析出异常能量点，即角闪烁点。如果图像中含有角闪烁点则执行步骤【6】，如果没有角闪烁点则跳过步骤【6】直接进入步骤【7】。
步骤【6】：提取疑似角闪烁点的三维坐标并比对三台雷达所有成像结果在相同位置处是否存在强散射点，设立阈值评估体质分析疑似角闪烁点与其余图像相同位置角闪烁点的能量关系，如果判定该位置为角闪烁点，则予以剔除。
步骤【7】：在测试中研究图像SNR（信噪比，SIGNAL NOISE RATIO，SNR）与散射点数量的内在规律，考虑SNR 与散射点数量的平衡，对这三幅来自三台雷达的图像进行融合，并最终完成了①中的目标，即实现了多基站InISAR成像融合。由于三台雷达的观测角度相差很大，所以这三幅图像一般是从目标船只的各个侧面进行成像，而且，图像融合的参照点一般为目标船只的最高点，例如桅杆顶端等散射点。利用步骤【3】的方法对最高点进行定标并尽可能完整的勾勒出船只的整体形态。这也恰恰反映了多基站协同的干涉逆合成孔径雷达融合成像的最大优势。在此方案中，步骤【1】至步骤【7】构建了多基站协同的干涉逆合成孔径雷达成像方法，其中步骤【5】和步骤【6】解决了角闪烁问题。
步骤【8】：设立散射点“异常”评估机制，该评估机制分为两种情况：i. 设立阈值λ，如果获取的三幅图像中某一幅图像的散射点数量小于λ则判定为异常。ii. 设立阈值г，如果某一幅图像的散射点，尤其是最高散射点的数量与另外两幅的可匹配数量小于г，则同样判定为异常。这是因为如果一艘大型油轮和小渔船并排航行，从油轮方向照射的雷达依然可以成像，但这是对油轮而不是目标渔船进行的成像，即“错像”。可以预见，“错像”（即油轮的图像）必然不能与另外两幅图像“真像”（即目标渔船）进行匹配，则删除“错像”，循环并持续获取新的图像数据。
步骤【9】：通过阈值г的设定可以完成场景②与③的区分，即通过匹配点的数量大小划分目标船只的“残缺面”大小，即目标“残缺面”较大（情景②）和目标“残缺面”较小（情景③）两种情况。
步骤【10】：针对情景②，即目标“残缺面”较大场景，删除“错像”（即油轮），建立算法对散射点数量与最高散射点的具体位置高度进行循环比对，如果两项指标均大于阈值λ和г则判定该图像为跟踪目标的“真像”（即目标渔船，也可以称为图像序列中的最优图像，结合上述实施例所描述的，该最优图像能够作为目标渔船的待融合图像），并利用该图像进行图像融合，并最终完成②中的目标，即解决目标“残缺面”较大时的图像融合问题。但对于极端情况，即在雷达作用范围内，目标船只始终被遮挡（油轮始终挡住目标渔船），则意味着该台雷达成像失败，并形成无法弥补的“残缺面”。以上步骤【8】至步骤【10】解决了②目标“残缺面”较大的图像融合问题。
步骤【11】：如果目标船只部分被遮挡，即“残缺面”较小，则可以通过插值法对缺失面进行补全，尽可能还原船只本貌。首先根据步骤【8】中的标准对“残缺面”的大小进行划分，如果“残缺面”较小即进行步骤【12】至步骤【14】的插值操作。
步骤【12】：对获取的图像进行二维快速傅里叶变换（即2D FFT变换），从空间域变换到波数域，新的坐标为(kx ，ky)，并假设ky为多普勒轴。
步骤【13】：对ky轴进行自动回归带宽插值（Auto-Regressive bandwidthinterpolation，AR bandwidth interpolation），对“残缺面”的信号进行补全。该操作共分两步：1. 在每个分开的多普勒带宽，将AR模型的极点数设置为N/3，其中N为慢时间采样率；2. 进行自动回归带宽插值，补全缺失的多普勒频谱。
步骤【14】：对已经补全的图像进行快速傅里叶逆变换（即IFFT变换），从波数域变换回图像域。此时，残缺面已经补全并可以进行最后的图像融合。
以上步骤【11】至步骤【14】解决了③小面积遮挡的图像融合问题，至此，一套方法流程完整解决了多基站融合成像及角闪烁处理任务。在此方案提出的基于三台雷达协同成像的方案基础上，该方法能够推广至N台雷达进行组网扩充。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种多基站协同的干涉逆合成孔径雷达成像方法，其特征在于，包括：
获取目标物的多个角度对应的多个单雷达图像，所述单雷达图像是由多个干涉逆合成孔径雷达在预设成像时间内从多个角度对所述目标物进行成像得到的；
提取各个所述单雷达图像的强散射点；
根据各个单雷达图像的强散射点的数量、多个单雷达图像之间的强散射点的高度差值和直线距离值，筛选出能够参与图像融合的待融合图像，具体包括：
两个单雷达图像之间的强散射点的高度差值和直线距离值均不大于第一预设阈值，确定所述单雷达图像的强散射点能够配对融合；
单雷达图像的强散射点的数量不小于第二预设阈值，且能够配对融合的强散射点的数量不小于第三预设阈值，确定所述单雷达图像为所述目标物的待融合图像；
单雷达图像的强散射点的数量小于第二预设阈值，且能够配对融合的强散射点的数量不小于第三预设阈值，对所述单雷达图像进行图像补全并将补全后的图像确定为所述目标物的待融合图像；
融合所述待融合图像，以得到所述目标物的多雷达成像图。
2.根据权利要求1所述的多基站协同的干涉逆合成孔径雷达成像方法，其特征在于，融合所述待融合图像，具体包括：
根据图像信噪比与强散射点的数量的平衡关系，对所述待融合图像进行融合。
3.根据权利要求1所述的多基站协同的干涉逆合成孔径雷达成像方法，其特征在于，还包括：单雷达图像的强散射点的数量小于第二预设阈值，且能够配对融合的强散射点的数量小于第三预设阈值，删除所述单雷达图像并获取同一个所述干涉逆合成孔径雷达得到的新的单雷达图像。
4.根据权利要求1至3任一所述的多基站协同的干涉逆合成孔径雷达成像方法，其特征在于，在根据各个单雷达图像的强散射点的数量、多个单雷达图像之间的强散射点的高度差值和直线距离值，筛选出能够参与图像融合的待融合图像之前，还包括：
删除各个单雷达图像的角闪烁散射点：
计算各个单雷达图像的强散射点的亮度值；
通过角闪烁评估模型评估所述亮度值，识别出疑似角闪烁散射点；
提取所述疑似角闪烁散射点的三维坐标并比对各个单雷达图像在相同位置处是否存在强散射点；
根据比对结果确认所述疑似角闪烁散射点为角闪烁散射点；
删除所述角闪烁散射点。
5.根据权利要求4所述的多基站协同的干涉逆合成孔径雷达成像方法，其特征在于，在通过角闪烁评估模型评估所述亮度值，识别出疑似角闪烁散射点之前，还包括：
针对多个强散射点强度相等以及不相等的情况对角闪烁散射点的产生机制进行数学建模，生成所述角闪烁评估模型。
6.根据权利要求1所述的多基站协同的干涉逆合成孔径雷达成像方法，其特征在于，在提取各个所述单雷达图像的强散射点之前，还包括：
同一个所述干涉逆合成孔径雷达对应多张单雷达图像，对多张单雷达图像进行预处理：
将多张单雷达图像按时间顺序两两一组，分成若干组图像对；
分别提取各个所述图像对中的每一个单雷达图像的强散射点；
图像对中的两个单雷达图像之间的强散射点的高度差值及直线距离值均不大于第四预设阈值，配对融合两个单雷达图像的强散射点。
7.一种多基站协同的干涉逆合成孔径雷达成像装置，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的所述程序指令以实现如权利要求1至6中任一项所述的多基站协同的干涉逆合成孔径雷达成像方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有程序代码，所述程序代码用于实现如权利要求1至6中任一项所述的多基站协同的干涉逆合成孔径雷达成像方法。
CN202110816226.9A 2021-07-20 2021-07-20 多基站协同的干涉逆合成孔径雷达成像方法、装置及介质 Active CN113419243B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110816226.9A CN113419243B (zh) 2021-07-20 2021-07-20 多基站协同的干涉逆合成孔径雷达成像方法、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110816226.9A CN113419243B (zh) 2021-07-20 2021-07-20 多基站协同的干涉逆合成孔径雷达成像方法、装置及介质

Publications (2)

Publication Number Publication Date
CN113419243A CN113419243A (zh) 2021-09-21
CN113419243B true CN113419243B (zh) 2022-05-27

Family

ID=77721372

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110816226.9A Active CN113419243B (zh) 2021-07-20 2021-07-20 多基站协同的干涉逆合成孔径雷达成像方法、装置及介质

Country Status (1)

Country Link
CN (1) CN113419243B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5343204A (en) * 1993-07-29 1994-08-30 Unisys Corporation Auto-focusing correction for rotational acceleration effects on inverse synthetic aperture radar images
EP3546978B1 (en) * 2018-03-29 2021-12-08 Aptiv Technologies Limited Method for testing a target object as single point scattering center
CN111142105B (zh) * 2020-01-06 2023-06-13 西南电子技术研究所（中国电子科技集团公司第十研究所） 复杂运动目标isar成像方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
SBAS-InSAR主影像选取方法研究与探讨;程存付等;《河南科技》;20180930;正文第14-15页 *
合成孔径雷达干涉图像的质量分析与匹配;于晶涛等;《同济大学学报(自然科学版)》;20030130(第01期);全文 *
基于联合相似测度的SAR图像边缘点特征配准方法;陈天泽等;《国防科技大学学报》;20130828(第04期);全文 *
干涉三维ISAR成像方法;宋建伟;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20200215;正文第16-19页 *
干涉式逆合成孔径雷达三维成像技术研究;张群等;《电子与信息学报》;20010131(第09期);全文 *
永久散射体雷达干涉研究综述;高胜等;《遥感技术与应用》;20160215(第01期);全文 *
融合GPS数据的PSDInSAR公用主影像的优化选取;龙四春等;《同济大学学报(自然科学版)》;20100331(第03期);全文 *

Also Published As

Publication number Publication date
CN113419243A (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
US6943724B1 (en) Identification and tracking of moving objects in detected synthetic aperture imagery
US6437728B1 (en) A-scan ISAR target recognition system and method
EP2138956B1 (en) Adaptive match metric selection for automatic target recognition
KR101258668B1 (ko) 한반도 통합형 기상 레이더 품질 관리 시스템 및 그 방법
RU2364887C2 (ru) Способ навигации летательного аппарата по радиолокационным изображениям земной поверхности с использованием цифровых моделей местности
CN104820987B (zh) 一种基于光学图像及微波图像检测目标散射性能缺陷的方法
CN110400294A (zh) 一种红外目标探测系统及探测方法
CN107561509A (zh) 一种机载毫米波雷达电力线检测方法
CN106569206A (zh) 一种基于微波光学复合的目标探测方法
CN112215832B (zh) Sar尾迹图像质量评估及自适应探测参数调整方法
Langner et al. Side scan sonar image resolution and automatic object detection, classification and identification
CN112435249B (zh) 一种基于周扫红外搜索系统的动态小目标检测方法
CN117148353B (zh) 基于毫米波sar的近距离多目标检测方法及安检系统
JPWO2017204076A1 (ja) 信号処理装置及びレーダ装置
Zhou et al. ISAR images generation via generative adversarial networks
CN114419542A (zh) 基于深度学习的毫米波图像检测最优模型选择方法和装置
CN113419243B (zh) 多基站协同的干涉逆合成孔径雷达成像方法、装置及介质
US6756934B1 (en) Target shadow detector for synthetic aperture radar
Kozak et al. Side Scan Sonar Target Comparative Techniques for Port Security and MCM Q-Route Requirements
CN106910178B (zh) 一种基于色调统计特性分类的多角度sar图像融合方法
Williams et al. Multi-look processing of high-resolution SAS data for improved target detection performance
CN114265058A (zh) Mimo雷达目标测角方法、装置、电子设备及存储介质
CN114609632A (zh) 一种sar层析成像中的相位误差补偿方法和装置
Fernandez Arguedas et al. Ship classification in high and very high resolution satellite SAR imagery
Su et al. Information-Preserved Blending Method for Forward-Looking Sonar Mosaicing in Non-Ideal System Configuration

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