CN113960580B - 一种真假目标一维距离像的变换域不变特征提取方法 - Google Patents

一种真假目标一维距离像的变换域不变特征提取方法 Download PDF

Info

Publication number
CN113960580B
CN113960580B CN202111197176.7A CN202111197176A CN113960580B CN 113960580 B CN113960580 B CN 113960580B CN 202111197176 A CN202111197176 A CN 202111197176A CN 113960580 B CN113960580 B CN 113960580B
Authority
CN
China
Prior art keywords
dimensional
range profile
transform domain
target
dimensional range
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
CN202111197176.7A
Other languages
English (en)
Other versions
CN113960580A (zh
Inventor
周代英
廖阔
沈晓峰
冯健
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202111197176.7A priority Critical patent/CN113960580B/zh
Publication of CN113960580A publication Critical patent/CN113960580A/zh
Application granted granted Critical
Publication of CN113960580B publication Critical patent/CN113960580B/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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous 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
    • 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
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • 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
    • G01S7/418—Theoretical aspects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明属于目标识别技术领域，具体的说是涉及一种真假目标一维距离像的变换域不变特征提取方法。本发明首先对一维距离像形成的二维图像进行radon变换，然后在radon变换域计算多个不变换量，并将这些不变量组成一个矢量作为分类特征，由于变换域不变量具有平移、缩放及旋转不变性，对目标姿态的变化不敏感，在大姿态角范围内，仍然能够得到好的识别效果。对四类仿真目标的一维距离像数据进行了仿真实验，实验结果验证了方法的有效性。

Description

一种真假目标一维距离像的变换域不变特征提取方法
技术领域
本发明属于目标识别技术领域，具体的说是涉及一种真假目标一维距离像的变换域不变特征提取方法。
背景技术
通过宽带雷达获取的目标一维距离像反映了目标散射中心在雷达视线上的投影分布，包含了目标的结构与形状信息，有利于目标的分类识别。因此，相对于窄带雷达获取的RCS，一维距离像具有更高的分类性能。在小姿态角范围内，基于一维距离像的特征子空间法、正则子空间法都获得了好的识别效果。
但是，一维距离像对目标姿态的变化很敏感，当目标姿态出现小的变化，目标的一维距离像会发生明显的改变，另外，不同类别的一维距离像可能相似，从而增大了对目标的识别难度，降低了识别率。很显然，当姿态角范围增大时，常规子空间方法的识别性能明显下降。现有子空间方法的识别性能有进一步改善的余地。
发明内容
针对上述问题，本发明提出了一种变换域不变矩特征提取方法，该方法首先对一维距离像形成的二维图像进行radon变换，然后在radon变换域计算多个不变量，并将这些不变量作为分类特征，由于变换域不变量具有平移、缩放及旋转不变性，对目标姿态的变化不敏感，克服了常规方法对姿态敏感的缺点，有效改善了对雷达真假目标的分类性能。
为实现上述目的，本发明的技术方案是：
一种真假目标一维距离像的变换域不变特征提取方法，包括以下步骤：
S1、设n维列矢量xij为第i类真假目标的第j个训练一维距离像，1≤i≤g，1≤j≤Ni，
Figure BDA0003303496780000011
其中，g表示类别数，Ni为第i类真假目标的训练一维距离像样本数，N为训练一维距离像样本总数；
S2、将一维距离像与横坐标围成区域的元素值置为1，构成一幅二维图像，令一维距离像xij对应的二维图像为yij(rLOS,a)，其中rLOS表示雷达视线方向的距离单元，a为幅度维；对一维距离像形成的二维图像进行radon变换：
fij(r,θ)＝∫∫yij(rLOS,a)δ(r-rLOScosθ-asinθ)drLOSda (1)
其中，其中r是从原点到投影线的距离，θ为投影角，δ(·)是冲激函数,fij(r,θ)表示对应的radon变换；
S3、设由于目标姿态的变化，一维像在雷达视线方向缩放了β倍，则对应二维像的radon变换
Figure BDA0003303496780000021
为：
Figure BDA0003303496780000022
S4、在预设的[l,h]区间中计算与结构形状有关的几何量
Figure BDA0003303496780000023
和
Figure BDA0003303496780000024
Figure BDA0003303496780000025
Figure BDA0003303496780000026
其中
Figure BDA0003303496780000027
其中，k是大于或等于零的整数；
S5、构建几何量
Figure BDA0003303496780000028
Figure BDA0003303496780000029
对radon变换域的
Figure BDA00033034967800000210
构建以下结构形状有关的几何量
Figure BDA00033034967800000211
Figure BDA00033034967800000212
其中
Figure BDA0003303496780000031
S6、由式(2)、式(6)和式(7)，得
Figure BDA0003303496780000032
Figure BDA0003303496780000033
式(9)和式(10)表明，radon变换域的几何量
Figure BDA0003303496780000034
与
Figure BDA0003303496780000035
与缩放因子无关，具有缩放不变性，因此，将
Figure BDA0003303496780000036
与
Figure BDA0003303496780000037
定义为变换域的不变量；
取预设数量的变换域不变量即可构成目标的变换域不变特征矢量，完成对目标的识别。
本发明的有益效果是：本发明对一维距离像形成的二维图像进行radon变换，然后在radon变换域计算多个不变换量，并将这些不变量组成一个矢量作为分类特征，由于变换域不变量具有平移、缩放及旋转不变性，对目标姿态的变化不敏感，在大姿态角范围内，仍然能够得到好的识别效果。
具体实施方式
下面结合仿真实验说明本发明的实用性。
设计四种点目标：真目标、碎片、轻诱饵和重诱饵。雷达发射脉冲的带宽为1000MHZ(距离分辨率为0.15m,雷达径向取样间隔为0.075m),目标设置为均匀散射点目标，真目标的散射点为7，其余三目标的散射点数均为11。在目标姿态角为0°～90°范围内每隔1°的一维距离像中，取目标姿态角为0°、2°、4°、6°、...、90°的一维距离像进行训练,其余姿态角的一维距离像作为测试数据,则每类目标有45个测试样本。
对四种目标(真目标、碎片、轻诱饵和重诱饵)，在姿态角0°～90°范围内,利用本发明的变换域不变特征提取方法提取目标特征，采用最小距离分类器进行识别实验，达到了88％的平均正确识别率，结果表明本文方法是有效的。

Claims (1)

1.一种真假目标一维距离像的变换域不变特征提取方法，其特征在于，包括以下步骤：
S1、设n维列矢量xij为第i类真假目标的第j个训练一维距离像，1≤i≤g，1≤j≤Ni，
Figure FDA0003303496770000011
其中，g表示类别数，Ni为第i类真假目标的训练一维距离像样本数，N为训练一维距离像样本总数；
S2、将一维距离像与横坐标围成区域的元素值置为1，构成一幅二维图像，令一维距离像xij对应的二维图像为yij(rLOS,a)，其中rLOS表示雷达视线方向的距离单元，a为幅度维；对一维距离像形成的二维图像进行radon变换：
Figure FDA0003303496770000012
其中，其中r是从原点到投影线的距离，θ为投影角，δ(·)是冲激函数,fij(r,θ)表示对应的radon变换；
S3、设由于目标姿态的变化，一维像在雷达视线方向缩放了β倍，则对应二维像的radon变换
Figure FDA0003303496770000013
为：
Figure FDA0003303496770000014
S4、在预设的[l,h]区间中计算与结构形状有关的几何量
Figure FDA0003303496770000015
和
Figure FDA0003303496770000016
Figure FDA0003303496770000017
Figure FDA0003303496770000018
其中
Figure FDA0003303496770000019
其中，k是大于或等于零的整数；
S5、构建几何量
Figure FDA00033034967700000110
Figure FDA0003303496770000021
对radon变换域的
Figure FDA0003303496770000022
构建以下结构形状有关的几何量
Figure FDA0003303496770000023
Figure FDA0003303496770000024
其中
Figure FDA0003303496770000025
S6、由式(2)、式(6)和式(7)，得
Figure FDA0003303496770000026
Figure FDA0003303496770000027
式(9)和式(10)表明，radon变换域的几何量
Figure FDA0003303496770000028
与
Figure FDA0003303496770000029
与缩放因子无关，具有缩放不变性，因此，将
Figure FDA00033034967700000210
与
Figure FDA00033034967700000211
定义为变换域的不变量；
取预设数量的变换域不变量即可构成目标的变换域不变特征矢量，完成对目标的识别。
CN202111197176.7A 2021-10-14 2021-10-14 一种真假目标一维距离像的变换域不变特征提取方法 Active CN113960580B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111197176.7A CN113960580B (zh) 2021-10-14 2021-10-14 一种真假目标一维距离像的变换域不变特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111197176.7A CN113960580B (zh) 2021-10-14 2021-10-14 一种真假目标一维距离像的变换域不变特征提取方法

Publications (2)

Publication Number Publication Date
CN113960580A CN113960580A (zh) 2022-01-21
CN113960580B true CN113960580B (zh) 2023-04-07

Family

ID=79464277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111197176.7A Active CN113960580B (zh) 2021-10-14 2021-10-14 一种真假目标一维距离像的变换域不变特征提取方法

Country Status (1)

Country Link
CN (1) CN113960580B (zh)

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100308456B1 (ko) * 1999-07-09 2001-11-02 오길록 주파수 공간상에서의 질감표현방법 및 질감기반 검색방법
US8205237B2 (en) * 2000-09-14 2012-06-19 Cox Ingemar J Identifying works, using a sub-linear time search, such as an approximate nearest neighbor search, for initiating a work-based action, such as an action on the internet
CN101930608A (zh) * 2010-08-26 2010-12-29 北京交通大学 篡改图像的盲检测方法和系统
US10062180B2 (en) * 2014-04-22 2018-08-28 Microsoft Technology Licensing, Llc Depth sensor calibration and per-pixel correction
CN104091303A (zh) * 2014-07-11 2014-10-08 湖南大学 一种基于Radon变换和不变特征的鲁棒图像哈希方法及其装置
CN104122540B (zh) * 2014-07-31 2016-06-08 电子科技大学 基于匹配字典和压缩感知的雷达一维距离像目标识别方法
CN105022057B (zh) * 2015-06-10 2018-02-02 西安电子科技大学 基于改进Radon变换与多帧联合处理的目标检测方法
CN105469060B (zh) * 2015-12-02 2019-01-11 杭州电子科技大学 一种基于紧致性测度加权的舰船类型识别方法
CN106443625B (zh) * 2016-09-19 2018-10-12 电子科技大学 基于高分辨一维像信息融合的目标识别方法
CN107037417B (zh) * 2017-06-13 2019-08-23 电子科技大学 雷达真假目标一维像非线性最近邻子空间特征提取方法

Also Published As

Publication number Publication date
CN113960580A (zh) 2022-01-21

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
Park et al. Modified polar mapping classifier for SAR automatic target recognition
CN108761411B (zh) 一种真假目标一维距离像特征提取方法
CN106338733B (zh) 基于蛙眼视觉特性的前视声呐目标跟踪方法
CN107271965B (zh) 类聚集子空间的真假目标一维距离像特征提取方法
CN110007286B (zh) 一种线性判别学习真假目标一维距离像特征提取方法
CN108845302B (zh) 一种k近邻变换真假目标特征提取方法
CN108845303B (zh) 一种非线性稳健子空间真假目标特征提取方法
CN110687514B (zh) 一种非线性判别学习真假目标一维距离像特征提取方法
CN108828574B (zh) 一种类间分离增强子空间真假目标特征提取方法
CN110929598A (zh) 基于轮廓特征的无人机载sar图像匹配方法
CN113960580B (zh) 一种真假目标一维距离像的变换域不变特征提取方法
Gudnason et al. HRR automatic target recognition from superresolution scattering center features
CN114332172A (zh) 一种基于协方差矩阵改进的激光点云配准方法
CN107678007B (zh) 一种指数域紧密子空间的雷达真假目标一维距离像特征提取方法
CN115879119B (zh) 针对对抗通用补丁攻击的鲁棒视觉Transformer视觉感知方法及装置
CN111695548A (zh) 基于毫米波雷达的高压线检测方法
Han et al. Accurate and robust vanishing point detection method in unstructured road scenes
CN115294398A (zh) 一种基于多姿态角联合学习的sar图像目标识别方法
CN109948520A (zh) 一种基于多时相双极化sar特征曲线的农作物分类方法
CN112147605B (zh) 一种真假目标一维距离像的指数域变换矩特征提取方法
Ren et al. SAR image matching method based on improved SIFT for navigation system
CN112859006B (zh) 一种检测多通道探地雷达数据中金属类弯曲圆柱结构的方法
CN106845489B (zh) 基于改进Krawtchouk矩的SAR图像目标特征提取方法
CN115249322A (zh) 基于频域流场攻击的对抗样本生成方法

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