CN115840226B - 一种方位向多通道ScanSAR快速目标检测方法 - Google Patents
一种方位向多通道ScanSAR快速目标检测方法 Download PDFInfo
- Publication number
- CN115840226B CN115840226B CN202310164873.5A CN202310164873A CN115840226B CN 115840226 B CN115840226 B CN 115840226B CN 202310164873 A CN202310164873 A CN 202310164873A CN 115840226 B CN115840226 B CN 115840226B
- Authority
- CN
- China
- Prior art keywords
- target
- image
- burst
- distance
- false
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000003384 imaging method Methods 0.000 claims abstract description 29
- 238000013135 deep learning Methods 0.000 claims abstract description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000002592 echocardiography Methods 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 2
- 239000012530 fluid Substances 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims 1
- 238000000926 separation method Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000005764 inhibitory process Effects 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 208000004350 Strabismus Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本公开提供了一种方位向多通道ScanSAR快速目标检测方法，涉及合成孔径雷达信号处理领域。该方法包括:在回波距离‑多普勒域进行目标粗检测，当检测到疑似目标，针对检测到目标的Burst数据，采用边成像边检测的方式进行Burst并行处理，获得目标切片；根据Burst图像在全局图像中的位置，实现相邻Burst、相邻子带之间重叠目标的判断和去除；计算方位向多通道引入的虚假目标位置，根据位置和强度关系进行方位向多通道虚假目标剔除；对去除虚警的目标切片，通过深度学习网络再次进行虚警去除，获得低虚警的检测结果。本发明不需要进行方位向‑距离向的拼接，能够避免不必要的额外处理，降低计算量，提升目标检测效率。
Description
技术领域
本发明涉及合成孔径雷达信号处理领域，具体涉及一种方位向多通道ScanSAR快速目标检测方法。
背景技术
合成孔径雷达具有全天时全天候的观测能力，是海洋监视的一种重要手段。但在SAR系统设计中，方位向分辨率和距离向成像幅宽是一对固有的矛盾，因此，高分辨率宽覆盖始终是星载SAR系统的重要发展方向。采用方位向多通道体制的ScanSAR模式在有效扩大幅宽的同时，还能保持足够的分辨率，成为国内外研究的热点，也成为未来海洋监视的重要技术途径。
下面分别对现有技术中的ScanSAR技术和方位向多通道技术进行介绍：
（一）ScanSAR成像技术
在传统的SAR成像模式中，ScanSAR模式通过牺牲方位向分辨率换取了距离向大幅宽，成为国内外星载SAR常用的工作模式。ScanSAR是目前已经实现的最为成熟的宽测绘带SAR解决方案之一，它是以牺牲方位向分辨率为代价来实现宽测绘带成像的。在卫星飞行的过程中，雷达按照一定的照射顺序来调整距离向波束的视角，在一个视角发射/接收若干个脉冲后，又转换到下一个视角来发射/接收下一组脉冲，所有的视角都遍历完成以后开始下一个循环。图 1给出了三个子带情况下星载ScanSAR工作模式示意图。根据图1，ScanSAR中存在两个基本的概念：Burst和子带。
Burst：指距离向波束在某一视角停留一段时间（远小于合成孔径时间）的过程，Burst是ScanSAR模式的最小成像单元。
子带：指距离向波束指向某一视角，一个子带包含若干个以固定周期间隔获取的Burst数据，相邻子带在距离向通常会有10%的重叠区域。
（二）方位向多通道技术
为了提升ScanSAR模式的分辨率，在传统ScanSAR中引入方位向多通道技术。方位向多通道指的是天线沿方位向分为多个天线子阵，每个天线子阵连接一个接收通道用于数据采集。方位向多通道体制SAR工作时，采用一发多收的方式，N个天线子阵同时独立接收雷达回波，如图2（b），将N组回波通过多通道重构技术合成为一组回波，等效提高方位向采样率，避免方位模糊，获得方位向高分辨率。但是，由于各个天线子阵之间会存在幅度和相位的不一致，导致多通道体制会在方位向引入2（N-1）个虚假目标，且虚假目标具有与真实目标相近的轮廓信息，给传统的基于形态学的虚警剔除方法带来了困难。
舰船检测是海洋监视的重要应用，传统的舰船检测在SAR成像处理获得的图像产品上进行。为此，对于方位向多通道ScanSAR，传统方法需要先进行Burst成像，方位拼接，距离拼接等步骤，得到一幅完整的SAR图像；然后在完整图像上进行舰船检测，通过形态学特征剔除虚假目标。
广域海洋监视下对舰船检测的处理时效性和虚警率都有很高的要求，但是对于方位向多通道ScanSAR体制，由于图像是由多个子带，多个Burst图像拼接而成，涉及到图像距离-方位两维拼接，以及多通道虚假目标抑制等额外的处理步骤，计算量和计算时间大大增加。目前，并未报道关于方位向多通道ScanSAR检测的专用处理流程和方法，仍然采用传统方法进行成像处理和舰船检测，通过形态学特征剔除虚假目标。
发明内容
有鉴于此，本发明提供了一种方位向多通道ScanSAR快速目标检测方法，能够避免不必要的额外处理，降低计算量，提升目标检测效率。
为了解决上述技术问题，本发明所采用的技术方案如下。
本发明提供了一种方位向多通道ScanSAR快速目标检测方法，包括：
步骤一、在回波距离-多普勒域进行目标粗检测，当检测到疑似目标，进入步骤二；
步骤二、针对检测到目标的Burst数据，采用边成像边检测的方式进行Burst并行处理，获得目标切片；
步骤三、去除重叠目标和虚假目标：
根据Burst图像在全局图像中的位置，实现相邻Burst、相邻子带之间重叠目标的判断和去除；
计算方位向多通道引入的虚假目标位置，根据位置和强度关系进行方位向多通道虚假目标剔除；
步骤四、对去除虚警的目标切片，通过深度学习网络再次进行虚警去除，获得低虚警的检测结果。
优选地，所述步骤三之后，进一步根据典型场景的图像统计特征对目标切片进行虚警剔除。
优选地，步骤三中，所述根据Burst图像在全局图像中的位置，实现相邻Burst、相邻子带之间重叠目标的判断和去除为：
步骤301：计算Burst图像在全局图像中的位置；
步骤302：根据Burst图像在全局图像中的位置，计算目标的全局虚拟位置；
步骤303：根据目标的全局虚拟位置，计算相邻Burst图像、相邻子带检测出的目标m和n之间的距离△r；
步骤304：当距离△r小于设定的阈值时，判断为同一目标，保留强度大的目标。
优选地，步骤301为：计算Burst图像的虚拟拼接参数，包括Burst图像在全局图像中的距离和方位起始位置；对于第i个子带的第j个Burst，其在全局图像中的位置X ij ,Y ij 为：
其中，T b 为一个扫描周期的时间，V g 为卫星地速，T k 为每次扫描第k个子带的驻留时间，
为第i个子带的起始斜距；
所述步骤302为：计算第i个子带第j个Burst图像中检出的第m个目标切片在全局图像中的位置X m ,Y m ：
其中，dx和dy分别为Burst图像在距离向和方位向的像素间隔；xm和ym为目标中心在第i个子带第j个Burst图像中的坐标；
所述步骤303距离△r的计算公式为:△r=|X m -X n |+|Y m -Y n |；其中，X m 和Y m 为第i个子带第j个Burst图像中检出的第m个目标切片在全局图像中的位置，X n 和Y n 为第i个子带第j个Burst图像中检出的第n个目标切片在全局图像中的位置；
所述步骤304所用阈值为3倍dx+dy。
优选地，步骤三中，所述计算方位向多通道引入的虚假目标位置，根据位置和强度关系进行方位向多通道虚假目标剔除为：
步骤400：计算多通道虚假目标位置，第k个虚假目标相对于真实目标的方位位置差为：
k∈[-(N-1),N-1]
其中，f r 为方位调频率，f prf 为多通道重构后的等效脉冲重复频率，N为多通道系统通道数量；
步骤401：将所有检出目标加入一集合中，从集合中选择两个目标T i 和T j ，进行比较；
步骤402：若目标T i 与目标T j 距离方向斜距差大于或等于设定距离，则取下一目标作为目标T j ，重复执行步骤402；若小于设定距离，进入步骤403；
步骤403：计算目标T i 与目标T j 间的方位位置差，判断方位位置差是否在任意一个△a k 所确定的范围△a k ±△1内，k∈[-(N-1),N-1]，△1为设定的冗余量；如果是，则认为可能出现虚假目标，执行步骤404；否则，目标T i 与目标T j 均为真目标，转到步骤405；
步骤404：对比目标T i 与目标T j 的峰值强度AT i 和AT j ，峰值强度小者为虚假目标，将虚假目标从集合中删除；
步骤405：重复402~404的目标选取和比较过程，将所有目标两两进行比对，完成虚假目标的剔除。
优选地，所述步骤一提取多通道回波中的单一通道回波，在回波距离-多普勒域进行目标粗检测。
优选地，所述步骤一具体包括：提取多通道回波数据中的单一通道回波，对回波数据进行粗补偿后执行方位向FFT，变换至距离-多普勒域，在距离-多普勒域采用CFAR算法进行检测，当检测到疑似目标时，输出疑似目标斜距R m 。
优选地，步骤二中，所述Burst数据的成像和目标检测为：采用ECS算法进行Burst成像处理；对Burst图像根据入射角进行斜地变换，由斜距图像变换为地距图像；采用CFAR算法在疑似目标斜距R m 附近对Burst图像进行检测，以检出目标峰值点位置为中心，结合图像像素大小，切取边长不小于600米的矩形区域作为目标切片。
优选地，针对舰船目标的检测，在步骤二中，进一步对获得的目标切片进行噪声剔除、海杂波剔除和港口虚警剔除。
有益效果：
本发明针对方位向多通道ScanSAR，不需要等到所有Burst数据成像完毕并完成距离-方位二维拼接，即可开始进行目标检测和多通道虚假目标剔除，本发明重新设计了更适用于方位向多通道ScanSAR体制的并行的处理架构，能够更有效的利用多CPU/GPU或FPGA等计算资源进行并行处理。具体来说包括如下特点
（1）本发明通过在单通道回波中进行距离-多普勒粗检测，有效剔除了大量不包含目标的Burst数据，极大的降低了处理的数据量。
（2）本发明通过在Burst图像上进行目标检测，避免了图像方位-距离二维拼接，不需要等到拼接后形成整景图像再进行检测，不同的Burst可并行处理，节省了处理环节，提高了处理的并行效率。
（3）在虚假目标抑制环节，针对Burst数据单独处理导致的距离-方位重叠区域同一目标被检出多次的情况，通过构建全局图像的虚拟坐标，计算检出目标之间的空间距离，实现相邻Burst，相邻子带重叠区域同一目标的识别和剔除。
（4）在虚假目标抑制环节，进一步根据成像参数计算虚假目标出现位置，根据检测目标之间的空间距离和幅度比对，实现多通道虚假目标的识别和剔除。
（5）在一优选实施例中，本发明在CFAR检测环节中，根据船只、海浪、噪声和港口的统计特性，增加了针对海浪、噪声和港口三类虚警的判断和剔除，降低了向后续处理环节传送的疑似目标数量，进一步提升了处理效率。
附图说明
图1为现有技术中ScanSAR的工作原理示意图；
图2（a）为现有技术中方位向单通道体制的示意图；
图2（b）为现有技术中方位向多通道体制的示意图；
图3为本发明方位向多通道ScanSAR快速成像及舰船目标检测流程图；
图4为本发明具体实施方式的处理流程。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本发明针对ScanSAR特有的工作方式和方位向多通道的机理，提出了一种全新的适用于方位向多通道ScanSAR的目标快速检测方法。本发明实施例以检测舰船目标为例进行描述。
参见图3，本方法首先在回波距离-多普勒域进行快速目标粗检测，针对检测到目标的Burst数据，采用Burst数据边成像边检测的方法实现Burst并行处理，避免了距离-方位拼接的需求和带来的时延；通过构建全局图像时空关系，计算Burst图像的全局位置，实现相邻Burst，相邻子带之间重叠目标的判断和去除；通过成像参数计算方位向多通道引入的虚假目标位置，根据位置和强度关系进行方位向多通道虚假目标剔除；根据海杂波、港口等容易出现虚警的典型场景图像统计特征进行虚警剔除。对去除重叠区域虚警、多通道虚警后的目标切片通过神经网络分类再次进行虚警去除，通过上述操作获得低虚警的检测结果，满足了检测时效性和虚警率的指标要求。
如图4所示，本发明具体实施方式下的方位向多通道ScanSAR快速舰船检测方法，具体包括如下步骤：
第一步：全局成像参数计算
全局成像参数计算采用卫星下传的GPS、姿态和轨道数据计算成像需要的斜距、方位时间、多普勒中心频率、多普勒调频率和距离参考函数等，上述内容为星载SAR领域的基本知识，不再赘述。
第二步：距离-多普勒粗检测
为降低计算量，提取多通道回波数据中的单一通道回波，采用第一步中计算获得的距离向调频率、多普勒中心频率和调频率构建粗补偿函数Hf，补偿函数如下：
其中，f为距离频率，λ为波长，Kr为距离向调频率，f dc 为参考点中心频率，k a 为参考点方位调频率，t a 为方位时间。
对粗补偿后的回波进行方位向FFT，变换至距离-多普勒域，在距离-多普勒域采用CFAR算法进行检测，当检测到疑似目标时，输出疑似目标斜距R m ，并触发Burst成像及精细检测。
第三步：Burst成像及精细检测
当在粗检测过程中，检测到含有目标的Burst数据后，本步骤采用并行处理方式，对Burst数据进行成像和目标检测处理，获得目标切片。本步骤包括如下子步骤：
步骤S31：多通道回波数据重构
多通道误差估计可采用时域相关法，频域相关法或子空间法等方法，这里采用计算效率高的时域相关法，多通道重构采用改进的重构滤波器法。
步骤S32：Burst数据成像
本步骤中，Burst成像处理采用经典的等效斜视距离模型（ECS）算法。
步骤S33：斜地变换
对Burst图像根据入射角进行斜地变换，由斜距图像变换为地距图像。使得本发明在地距图像上进行检测和样本积累，而不是像常规的检测方法在几何校正后的图像上进行检测和样本积累。
步骤S34：Burst图像目标检测
采用CFAR算法在目标斜距R m 附近对Burst图像进行检测，以检出目标峰值点位置（x pm ，y pm ）为中心，结合图像像素大小，切取边长不小于600米的矩形区域作为目标切片。
步骤S35：进一步对获得的目标切片进行噪声剔除、海杂波剔除和港口虚警剔除。
其中，噪声剔除：采用CFAR算法进行检测，当海面存在孤立的强噪声点时，噪声点将被误检为疑似船只，这时需要剔除海面孤立强噪声点。具体方案为：计算切片最大点的强度，在切片最大点周围5×5的范围内统计强度低于最大点强度5dB的点的数量N1，若N1＜1，则标记该疑似切片为虚警。
海杂波剔除：当海况复杂时，海浪容易导致误检，采用如下方法剔除海杂波：计算切片最大点的强度，在切片最大点周围5×5的范围内统计强度低于最大点强度5dB的点的数量N1，若N1＜1，则标记该疑似切片为虚警。
港口虚警剔除：对于港口区域，由于海、陆亮度差异，同样会导致传统CFAR误检测，采用如下方法剔除港口虚警：计算切片最大点的强度，在切片最大点周围5×5的范围内统计强度低于最大点强度5dB的点的数量N1，若N1＜1，则标记该疑似切片为虚警。
第四步：重叠目标和虚假目标的去除。
本步骤包括两个部分。一是根据Burst图像在全局图像中的位置，实现相邻Burst、相邻子带之间重叠目标的判断和去除；二是计算方位向多通道引入的虚假目标位置，根据位置和强度关系进行方位向多通道虚假目标剔除。这两个部分可以并行存在，不断的获得Burst图像之后，针对新获得的Burst图像进行重叠目标和虚假目标的去除。
其中，重叠目标的判断和去除的步骤包括：
步骤S41：计算Burst图像在全局图像中的位置；
本步骤中，根据Burst参数和星地几何参数计算Burst图像的虚拟拼接参数，包括Burst图像在整幅图像中的距离和方位起始位置。对于第i个子带的第j个Burst，其在全局图像中的位置（X ij ,Y ij ）为：
其中，T b 一个扫描周期的时间，V g 为卫星地速，T k 为每次扫描第k个子带的驻留时间，
为第i个子带的起始斜距。
步骤S42：根据Burst图像在全局图像中的位置，计算目标的全局虚拟位置。
本步骤中，计算第i个子带第j个Burst中检出的第m个目标切片在整景图像中的位置（X m ,Y m ）：
其中，dx和dy分别为Burst图像在距离向和方位向的像素间隔；xm和ym为目标中心在第i个子带第j个Burst图像中的坐标。
步骤S43：根据目标的全局虚拟位置，计算相邻Burst图像、相邻子带检测出的目标m和n之间的距离△r：
△r=|X m -X n |+|Y m -Y n |
当△r小于设定的阈值时，判断为同一目标，这里取阈值为3倍dx+dy。
其中，X m 和Y m 为第i个子带第j个Burst图像中检出的第m个目标切片在全局图像中的位置，X n 和Y n 为第i个子带第j个Burst图像中检出的第n个目标切片在全局图像中的位置。
步骤S44：当距离△r小于设定的阈值时，判断为同一目标，保留强度大的目标。这里取阈值为3倍dx+dy。
第五步：多通道虚假目标去除
本步骤中，计算方位向多通道引入的虚假目标位置，根据位置和强度关系进行方位向多通道虚假目标剔除。
根据多通道参数计算多通道虚假目标位置，第k个虚假目标相对于真实目标的方位位置差为：
k∈[-(N-1),N-1]
其中，f r 为方位调频率，f prf 为多通道重构后的等效脉冲重复频率，N为多通道系统通道数量。
对于方位向多通道体制SAR系统，通常系统设计时真实目标强度应大于虚假目标30dB以上，考虑到通道残余幅度和相位误差，目标运动等因素的影响，真实目标仍然会比虚假目标强15dB以上，因此，采用距离-强度联合判别方法进行虚假目标和真实目标的区分，具体方法如下：
步骤S51：将所有检出目标入同一集合，从集合中第一个目标
开始，与集合中另一目标进行比较。当前比较的目标记为目标T i 和T j 。
步骤S52：若目标T i 与目标T j 距离方向斜距差大于或等于设定距离，这里设定距离为100m，则取下一目标作为目标T j ，重复执行步骤402；若小于100m，进入S53。
步骤S53：计算目标T i 与目标T j 间方位位置差，判断方位位置差是否满足2N+1个△a k ±100m中的任意一个，k∈[-(N-1),N-1]，如果是，则认为可能出现虚假目标，进一步对比目标T i 与目标T j 的峰值强度AT i 和AT j ，若AT i >AT j 则T j 为虚假目标，将T j 从集合中删除；若AT i ＜AT j ，则T i 为虚假目标，将T i 从集合中删除，即峰值强度比较小的虚假目标删除，转入步骤S54；如果方位位置差不满足上述条件，则说明2个目标T i 与T j 均为真目标，转入步骤S54。
步骤S54：选取另一组比较目标，在前述步骤中将当前比较组中的其中一个目标剔除，剩余的目标还留在比较组中，参与比较。例如，先对比目标T 1与目标T 2，如果目标T 2为虚假目标，则比较T 1和T 3。针对新的比较组，重复S52~S53的目标选取和比较过程，将所有目标两两进行比对，完成虚假目标的剔除。
第六步：根据典型场景的图像统计特征对目标切片进行虚警剔除。
本步骤中，根据海杂波、港口等容易出现虚警的典型场景图像统计特征，对目标切片进行虚警剔除。而后进行斜地变换，从而将目标投影到真实尺寸。
第七步：对去除上述虚警的目标切片，通过深度学习网络再次进行虚警去除，获得低虚警的检测结果。
本步骤中，积累真实舰船和虚警的样本用来训练网络模型。这里，采用darknet网络模型用以训练，将目标样本分为航母两栖攻击舰、巡驱护、大型船只、小型船只，陆地虚警、海杂波、高海况中的船只七类样本。
经过虚警处理的目标切片进一步进行目标切片的几何校正，从而将目标恢复到地理坐标系中，进行输出。
至此，本流程结束。
下面采用仿真数据对本方法的有效性进行验证。仿真数据为方位4通道ScanSAR，包含3个子带，每个子带包含20个Burst。处理设备采用配备有8块高性能GPU，2颗高性能CPU和256GB内存的高性能工作站。其中成像参数计算，虚警剔除等工作在CPU上执行，Burst数据粗检测，成像处理和精细检测在8块GPU上对各个Burst数据进行并行处理。处理耗时如表1所示：
表1 处理步骤耗时分析
传统方法在串行接收数据的同时对各个Burst在多个GPU中并行成像处理，处理结果进行方位-距离拼接后进行舰船检测和虚警剔除，从Burst数据接收开始，到虚警剔除完毕，总耗时107.9s。
本发明方法在串行接收数据的同时对各个Burst在GPU中并行成像处理和检测，对检测结果进行距离-方位去重和虚警剔除，从Burst数据接收开始，到虚警剔除完毕，总耗时68.7s。
通过分析对比发现，如果以处理完全部数据耗时进行比较，本方法相较传统方法节约40s时间。如果以某一个舰船目标切片的获取时间为例，本方法仅需耗时8.7s，而传统方法耗时则需47.9~107.9s（视目标在数据中出现的位置而定），本方法效果明显优于传统方法。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种方位向多通道ScanSAR快速目标检测方法，其特征在于，包括：
步骤一、在回波距离-多普勒域进行目标粗检测，当检测到疑似目标，进入步骤二；
步骤二、针对检测到目标的Burst数据，采用边成像边检测的方式进行Burst并行处理，获得目标切片；
步骤三、去除重叠目标和虚假目标：
根据Burst图像在全局图像中的位置，实现相邻Burst、相邻子带之间重叠目标的判断和去除；
计算方位向多通道引入的虚假目标位置，根据位置和强度关系进行方位向多通道虚假目标剔除；
步骤四、对去除虚警的目标切片，通过深度学习网络再次进行虚警去除，获得低虚警的检测结果；
所述步骤三中，所述根据Burst图像在全局图像中的位置，实现相邻Burst、相邻子带之间重叠目标的判断和去除为：
步骤301：计算Burst图像在全局图像中的位置；
步骤302：根据Burst图像在全局图像中的位置，计算目标的全局虚拟位置；
步骤303：根据目标的全局虚拟位置，计算相邻Burst图像、相邻子带检测出的目标m和n之间的距离△r；
步骤304：当距离△r小于设定的阈值时，判断为同一目标，保留强度大的目标；
其中，所述步骤301为：计算Burst图像的虚拟拼接参数，包括Burst图像在全局图像中的距离和方位起始位置；对于第i个子带的第j个Burst，其在全局图像中的位置X ij ,Y ij 为：
其中，T b 为一个扫描周期的时间，V g 为卫星地速，T k 为每次扫描第k个子带的驻留时间，
为第i个子带的起始斜距；
所述步骤302为：计算第i个子带第j个Burst图像中检出的第m个目标切片在全局图像中的位置X m ,Y m ：
其中，dx和dy分别为Burst图像在距离向和方位向的像素间隔；xm和ym为目标中心在第i个子带第j个Burst图像中的坐标；
所述步骤303距离△r的计算公式为:△r=|X m -X n |+|Y m -Y n |；其中，X m 和Y m 为第i个子带第j个Burst图像中检出的第m个目标切片在全局图像中的位置，X n 和Y n 为第i个子带第j个Burst图像中检出的第n个目标切片在全局图像中的位置；
所述步骤304所用阈值为3倍dx+dy。
2.如权利要求1所述的方法，其特征在于，所述步骤三之后，进一步根据典型场景的图像统计特征对目标切片进行虚警剔除。
3.如权利要求1或2所述的方法，步骤三中，所述计算方位向多通道引入的虚假目标位置，根据位置和强度关系进行方位向多通道虚假目标剔除为：
步骤400：计算多通道虚假目标位置，第k个虚假目标相对于真实目标的方位位置差为：
k∈[-(N-1),N-1]；
其中，f r 为方位调频率，f prf 为多通道重构后的等效脉冲重复频率，N为多通道系统通道数量；
步骤401：将所有检出目标加入一集合中，从集合中选择两个目标T i 和T j ，进行比较；
步骤402：若目标T i 与目标T j 距离方向斜距差大于或等于设定距离，则取下一目标作为目标T j ，重复执行步骤402；若小于设定距离，进入步骤403；
步骤403：计算目标T i 与目标T j 间的方位位置差，判断方位位置差是否在任意一个△a k 所确定的范围△a k ±△1内，k∈[-(N-1),N-1]，△1为设定的冗余量；如果是，则认为可能出现虚假目标，执行步骤404；否则，目标T i 与目标T j 均为真目标，转到步骤405；
步骤404：对比目标T i 与目标T j 的峰值强度AT i 和AT j ，峰值强度小者为虚假目标，将虚假目标从集合中删除；
步骤405：重复402~404的目标选取和比较过程，将所有目标两两进行比对，完成虚假目标的剔除。
4.如权利要求1所述的方法，其特征在于，所述步骤一提取多通道回波中的单一通道回波，在回波距离-多普勒域进行目标粗检测。
5.如权利要求4所述的方法，其特征在于，所述步骤一具体包括：提取多通道回波数据中的单一通道回波，对回波数据进行粗补偿后执行方位向FFT，变换至距离-多普勒域，在距离-多普勒域采用CFAR算法进行检测，当检测到疑似目标时，输出疑似目标斜距R m 。
6.如权利要求5所述的方法，其特征在于，步骤二中，所述Burst数据的成像和目标检测为：采用ECS算法进行Burst成像处理；对Burst图像根据入射角进行斜地变换，由斜距图像变换为地距图像；采用CFAR算法在疑似目标斜距R m 附近对Burst图像进行检测，以检出目标峰值点位置为中心，结合图像像素大小，切取边长不小于600米的矩形区域作为目标切片。
7.如权利要求1或6所述的方法，其特征在于，针对舰船目标的检测，在步骤二中，进一步对获得的目标切片进行噪声剔除、海杂波剔除和港口虚警剔除。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310164873.5A CN115840226B (zh) | 2023-02-27 | 2023-02-27 | 一种方位向多通道ScanSAR快速目标检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310164873.5A CN115840226B (zh) | 2023-02-27 | 2023-02-27 | 一种方位向多通道ScanSAR快速目标检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115840226A CN115840226A (zh) | 2023-03-24 |
| CN115840226B true CN115840226B (zh) | 2023-05-23 |
Family
ID=85580182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310164873.5A Active CN115840226B (zh) | 2023-02-27 | 2023-02-27 | 一种方位向多通道ScanSAR快速目标检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115840226B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117572367B (zh) * | 2024-01-15 | 2024-03-15 | 中国科学院空天信息创新研究院 | 一种星载方位多通道ScanSAR虚假目标仿真方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106291484B (zh) * | 2016-10-13 | 2018-11-23 | 武汉大学 | 基于副峰识别的外辐射源雷达虚假目标抑制方法及装置 |
| CN109669168A (zh) * | 2019-01-21 | 2019-04-23 | 成都玻尔兹曼科技有限公司 | 一种基于深度学习的雷达虚警剔除方法 |
| CN113534120B (zh) * | 2021-07-14 | 2023-06-30 | 浙江大学 | 一种基于深度神经网络的多目标恒虚警率检测方法 |
| CN115015926A (zh) * | 2022-05-25 | 2022-09-06 | 北京理工雷科电子信息技术有限公司 | 一种多通道sar图像虚假目标快速筛选与剔除方法 |
-
2023
- 2023-02-27 CN CN202310164873.5A patent/CN115840226B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115840226A (zh) | 2023-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Airborne forward-looking radar super-resolution imaging using iterative adaptive approach | |
| CN111458711B (zh) | 星载双波段sar系统和舰船目标的探测方法 | |
| Yang et al. | Detection and imaging of ground moving targets with real SAR data | |
| Renga et al. | Segmentation of marine SAR images by sublook analysis and application to sea traffic monitoring | |
| Vu et al. | Detection of moving targets by focusing in UWB SAR—Theory and experimental results | |
| US8059023B2 (en) | Radar device for maritime surveillance | |
| JP2005520159A (ja) | 雑音抑制システムおよび段階的アレイに基づくシステムのための方法 | |
| Riddolls et al. | Canadian HF over-the-horizon radar experiments using MIMO techniques to control auroral clutter | |
| Li et al. | Passive radar array with low-power satellite illuminators based on fractional Fourier transform | |
| CN113608216B (zh) | 一种星载多波段共口径sar及目标联合在轨检测系统及方法 | |
| CN115840226B (zh) | 一种方位向多通道ScanSAR快速目标检测方法 | |
| Pisciottano et al. | DVB-S based passive polarimetric ISAR—Methods and experimental validation | |
| CN114518577B (zh) | 星载sar与gnss-s一体化系统及协同探测方法 | |
| WO2018217902A1 (en) | Synthetic aperture radar imaging apparatus and methods for moving targets | |
| Pisciottano et al. | Passive ISAR for maritime target imaging: Experimental results | |
| CN114594478B (zh) | 基于星载Ka波段SAR系统的船只目标干涉检测方法 | |
| CN114488134A (zh) | 星载多通道gnss-s雷达视频成像系统及舰船轨迹提取方法 | |
| CN109581366B (zh) | 一种基于目标导向矢量失配的离散旁瓣杂波识别方法 | |
| CN115390070A (zh) | 一种机动平台单通道短孔径sar的海面目标聚焦定位方法 | |
| CN115015925A (zh) | 基于改进匹配追踪的机载阵列雷达超分辨前视成像方法及装置 | |
| Gogineni et al. | Sounding and imaging of fast flowing glaciers and ice-sheet margins | |
| ALEXANDROV et al. | Sentinel–1 SAR Image Processing for Target Detection and Evaluation by using Bulgarian VTMIS | |
| GB2104753A (en) | Radars | |
| Kubica | Opportunistic radar imaging using a multichannel receiver | |
| Rahayu et al. | Single Snapshot-Spatial Compressive Beamforming for Azimuth Estimation and Backscatter Reconstruction |
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 |