CN116047461A - 基于视频合成孔径雷达的动目标检测方法及装置 - Google Patents

基于视频合成孔径雷达的动目标检测方法及装置 Download PDF

Info

Publication number
CN116047461A
CN116047461A CN202310212651.6A CN202310212651A CN116047461A CN 116047461 A CN116047461 A CN 116047461A CN 202310212651 A CN202310212651 A CN 202310212651A CN 116047461 A CN116047461 A CN 116047461A
Authority
CN
China
Prior art keywords
image sequence
detection result
original image
moving target
shadow detection
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
CN202310212651.6A
Other languages
English (en)
Other versions
CN116047461B (zh
Inventor
冯珊珊
张治国
申文杰
李光祚
洪文
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.)
Aerospace Information Research Institute of CAS
Original Assignee
Aerospace Information Research Institute 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 Aerospace Information Research Institute of CAS filed Critical Aerospace Information Research Institute of CAS
Priority to CN202310212651.6A priority Critical patent/CN116047461B/zh
Publication of CN116047461A publication Critical patent/CN116047461A/zh
Application granted granted Critical
Publication of CN116047461B publication Critical patent/CN116047461B/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
    • 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
    • G01S7/415—Identification of targets based on measurements of movement associated with the 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
    • 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
    • G01S13/9004—SAR image acquisition techniques
    • G01S13/9005—SAR image acquisition techniques with optical processing of the SAR 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)
  • Signal Processing (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供一种基于视频合成孔径雷达的动目标检测方法及装置，涉及雷达图像处理技术领域，方法包括：将视频合成孔径雷达的原始回波信号划分为多个子孔径，得到原始图像序列，各子孔径之间的间隔相等且重复率相同；对每帧原始图像进行后向投影，生成幅度图像序列；利用低秩稀疏分解方法处理幅度图像序列，提取每一幅度图像的前景图像，得到前景图像序列；计算原始图像序列与前景图像序列之间的相似图像序列；分别对原始图像序列、前景图像序列及相似图像序列进行动目标阴影检测，得到阴影检测结果；根据阴影检测结果确定动目标检测结果。该方法解决了漏警、虚警及检测结果不完整等问题，提高了动目标检测的精度及完整性。

Description

基于视频合成孔径雷达的动目标检测方法及装置
技术领域
本发明涉及雷达图像处理技术领域，尤其涉及一种基于视频合成孔径雷达的动目标检测方法及装置。
背景技术
与常规的合成孔径雷达（Synthetic Aperture Radar，SAR）相比，视频SAR不仅具有全天时，全天候成像的能力，还具有长时间观测感兴趣区域和高帧率成像的能力。视频SAR通过获得的序列图像，可以对场景区域进行动态观测和感兴趣目标的实时追踪。由于目标对雷达入射方向能量的遮挡和目标运动导致的能量偏移，在动目标真实位置留下了阴影，这成为了视频SAR动目标检测的主要特征。
常规的视频SAR动目标检测方法主要是利用动目标阴影的较暗的强度信息来进行检测。但是动目标阴影的强度特征不仅与动目标自身的尺寸、速度有关，还与成像参数，以及周围物体的反射率有关。动目标的阴影不可避免的存在边缘模糊和部分对比度差的现象，甚至一些弱反射率物体也呈现出和动目标阴影相似的强度特征。对于这些因素导致的虚警，漏警和检测结果不完整的问题尚没有有效的解决方法。
发明内容
针对上述技术问题，本发明提供一种基于视频合成孔径雷达的动目标检测方法及装置，用于至少部分解决上述技术问题。
基于此，本发明一方面提供一种基于视频合成孔径雷达的动目标检测方法，包括：将视频合成孔径雷达的原始回波信号划分为多个子孔径，得到多个子孔径对应的原始图像序列，其中，各个子孔径之间的间隔相等且重复率相同；对每个子孔径的原始图像进行后向投影，生成幅度图像序列；利用低秩稀疏分解方法处理幅度图像序列，提取每一幅度图像的前景图像，得到前景图像序列；计算原始图像序列与前景图像序列之间的相似图像序列；分别对原始图像序列、前景图像序列及相似图像序列进行动目标阴影检测，得到第一阴影检测结果、第二阴影检测结果和第三阴影检测结果；根据第一阴影检测结果、第二阴影检测结果和第三阴影检测结果确定动目标检测结果。
根据本发明实施例，对每个子孔径的原始图像进行后向投影，生成幅度图像序列包括：根据
对每个子孔径的原始图像进行后向投影，其中， S ij 为原始图像中像素点（ i, j）所对应的距离向脉冲压缩后的回波信号，为第 n个子孔径成像区域复图像像素值， f c 为视频合成孔径雷达的中心频率， R ij 为像素点（ i, j）到视频合成孔径雷达平台的距离。
根据本发明实施例，利用低秩稀疏分解方法处理幅度图像序列，提取每一幅度图像的前景图像包括：将幅度图像序列中的每一帧图像压缩成列向量，得到第一数据矩阵；将第一数据矩阵进行矩阵分解，得到第二数据矩阵；将第二数据矩阵的每一列数据执行逆过程，将每一列数据转换为一帧前景图像。
根据本发明实施例，计算原始图像序列与前景图像序列之间的相似图像序列包括：计算相同帧的原始图像和前景图像在多个尺度领域下的邻域相似度；将多个尺度的邻域相似度进行加权求和，得到该帧对应的相似图像。
根据本发明实施例，计算相同帧的原始图像和前景图像在多个尺度领域下的邻域相似度包括：根据
计算第 k帧原始图像与第 k帧前景图像之间的邻域相似度，Ω1为像素点（ i, j）在第 k帧前景图像中的邻域，（ x 1, y 1）为Ω1邻域内的像素点，Ω2为像素点（ i, j）在第 k帧原始图像中的邻域，（ x 2, y 2）为Ω2邻域内的像素点，为Ω1邻域内的像素点（ x 1, y 1）的像素值， 为Ω2邻域内的像素点（ x 2, y 2）的像素值，为原始图像和前景图像中像素点（ i, j）在单个邻域尺度下的相似度图像。
根据本发明实施例，采用并行计算的方式计算多个尺度领域下的邻域相似度。
根据本发明实施例，分别对原始图像序列、前景图像序列及相似图像序列进行动目标阴影检测包括：设置原始图像序列、前景图像序列及相似图像序列分别对应的第一强度阈值、第二强度阈值和相似度阈值；分别利用第一强度阈值、第二强度阈值和相似度阈值对原始图像序列、前景图像序列及相似图像序列进行二值化处理，实现动目标阴影检测。
根据本发明实施例，根据第一阴影检测结果、第二阴影检测结果和第三阴影检测结果确定动目标检测结果包括：对第一阴影检测结果、第二阴影检测结果和第三阴影检测结果进行与操作，确定动目标检测结果。
本发明另一方面提供一种基于视频合成孔径雷达的动目标检测装置，包括：划分模块，用于将视频合成孔径雷达的原始回波信号划分为多个子孔径，得到多个子孔径对应的原始图像序列，其中，各个子孔径之间的间隔相等且重复率相同；投影模块，用于对每个子孔径的原始图像进行后向投影，生成幅度图像序列；处理模块，用于利用低秩稀疏分解方法处理幅度图像序列，提取每一幅度图像的前景图像，得到前景图像序列；计算模块，用于计算原始图像序列与前景图像序列之间的相似图像序列；检测模块，用于分别对原始图像序列、前景图像序列及相似图像序列进行动目标阴影检测，得到第一阴影检测结果、第二阴影检测结果和第三阴影检测结果；确定模块，用于根据第一阴影检测结果、第二阴影检测结果和第三阴影检测结果确定动目标检测结果。
根据本发明实施例提供的基于视频合成孔径雷达的动目标检测方法及装置，至少包括以下有益效果：
静止物体在一定角度内的散射变化平稳，而且相邻帧图像间存在很高的过拟合率，使得静止物体可以看做低秩。由于运动目标阴影的强度值相对较低且其位置不断变化，也可以看做低秩。因此，采用低秩稀疏分解方法处理每个子孔径数据对应的幅度图像，可以获得更干净的背景图像和质量更好的前景图像，进而提高了动目标检测的精度及完整性。
进一步地，基于原始图像与前景图像之间的邻域相似度得到相似图像后进行动目标检测，能够降低阴影边缘模糊和低对比度造成的漏警和不完整检测，能够降低具有较暗强度值的弱反射率物体造成的虚警。
进一步地，采用多尺度邻域相似度加权求和确定相似图像，能够实现对存在不同种类、不同尺寸的运动目标的更好检测。
更进一步地，在计算原始图像与前景图像之间多个尺度的邻域相似度时，采用多尺度邻域相似度并行计算，可以大大缩短算法处理时间，实现高效检测。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述以及其他目的、特征和优点将更为清楚，在附图中：
图1示意性示出了本发明实施例提供的基于视频合成孔径雷达的动目标检测方法流程图。
图2示意性示出了根据本发明实施例提供的动目标阴影检测的原理图。
图3示意性示出了根据本发明实施例的基于视频合成孔径雷达的动目标检测装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接或可以互相通讯；可以是直接连接，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要理解的是，术语“纵向”、“长度”、“周向”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的子系统或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
贯穿附图，相同的元素由相同或相近的附图标记来表示。可能导致本发明的理解造成混淆时，将省略常规结构或构造。并且图中各部件的形状、尺寸、位置关系不反映真实大小、比例和实际位置关系。另外，不应将附图标记构造成对权利要求的限制。
类似地，为了精简本发明并帮助理解各个公开方面中的一个或多个，在上面对本发明示例性实施例的描述中，本发明的各个特征有时被一起分到单个实施例、图或者对其描述中。参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或者多个实施例或示例中以合适的方式结合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。因此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个、三个等，除非另有明确具体的限定。
为了解决现有检测技术中动目标阴影模糊的边缘和差的对比度造成的漏警和检测结果不完整，以及弱反射率物体的强度值低造成的虚警等问题，本发明实施例提供一种基于视频SAR的动目标阴影检测方法。该方法利用低秩稀疏分解方法处理获取的图像序列来得到干净的背景图像和好的前景图像；联合前景图像和原始图像进行强度和邻域相似度的处理来获得好的动目标阴影检测结果。
图1示意性示出了本发明实施例提供的基于视频合成孔径雷达的动目标检测方法流程图。
如图1所示，基于视频合成孔径雷达的动目标检测方法例如可以包括操作S110~操作S120。
在操作S110，将视频合成孔径雷达的原始回波信号划分为多个子孔径，得到多个子孔径对应的原始图像序列。
在本发明实施例中，可以采用子孔径分割法将视频合成孔径雷达的原始回波信号划分为相等间隔，相同重复率的子孔径。应当理解，间隔大小和重复率大小根据实际应用场景需求确定，例如子孔径间隔大小为0.01，重复率为90%。
在操作S120，对每个子孔径的原始图像进行后向投影，生成幅度图像序列。
在本发明实施例中，可以采用后向投影算法处理子孔径数据生成过拟合幅度图像序列，具体可以为：
根据对每个子孔径的原始图像进行后向投影，其中， S ij 为原始图像中像素点（ i, j）所对应的距离向脉冲压缩后的回波信号，为第 n个子孔径成像区域复图像像素值， f c 为视频合成孔径雷达的中心频率， R ij 为像素点（ i, j）到视频合成孔径雷达平台的距离。
此外，为了提高后续检测的精度，可以对得到的幅度图像序列进行去噪。
在操作S130，利用低秩稀疏分解方法处理幅度图像序列，提取每一幅度图像的前景图像，得到前景图像序列。
在本发明实施例中，低秩稀疏分解的具体过程可以为：将幅度图像序列中的每一帧图像压缩成列向量，得到第一数据矩阵。将第一数据矩阵进行矩阵分解，得到第二数据矩阵。将第二数据矩阵的每一列数据执行逆过程，将每一列数据转换为一帧前景图像。
示例性地，将幅度图像序列 I o 中每一帧幅度图像压缩成列向量，最终可以得到一个数据矩阵 D。再将数据矩阵进行矩阵分解，得到数据矩阵 A和数据矩阵E， 再将数据矩阵 A和数据矩阵 E的每一列执行逆过程，即可得到背景图像序列（由数据矩阵 A得到）和前景图像（由数据矩阵 E得到）序列，矩阵分解的优化函数如下：
其中，|| A||*和|| E||1分别为数据矩阵 A的核范数和数据矩阵 E的1范数，λ为数据矩阵 E的权重。
在操作S140，计算原始图像序列与前景图像序列之间的相似图像序列。
在本发明实施例中，相似图像的确定过程可以为：计算相同帧的原始图像和前景图像在多个尺度领域下的邻域相似度。将多个尺度的邻域相似度进行加权求和，得到该帧对应的相似图像。
邻域相似度的计算过程可以为：
根据计算第 k帧原始图像与第 k帧前景图像之间的邻域相似度，Ω1为像素点（ i, j）在第 k帧前景图像中的邻域，（ x 1, y 1）为Ω1邻域内的像素点，Ω2为像素点（ i, j）在第 k帧原始图像中的邻域，（ x 2, y 2）为Ω2邻域内的像素点，为Ω1邻域内的像素点（ x 1, y 1）的像素值， 为Ω2邻域内的像素点（ x 2, y 2）的像素值，为原始图像和前景图像中像素点（ i, j）在单个邻域尺度下的相似度图像。
进一步地，可以采用并行计算的方式计算多个尺度领域下的邻域相似度。例如，需要计算尺度1~尺度M下的邻域相似度，则可以M个尺度下的邻域相似度进行并行计算。
示例性地，多个尺度邻域相似度加权公式可以为：其中，为最终的加权多尺度邻域相似度，为第 m个尺度邻域下计算得到的相似度，由上述邻域相似度计算公式计算， α m 为加权因子。
在操作S150，分别对原始图像序列、前景图像序列及相似图像序列进行动目标阴影检测，得到第一阴影检测结果、第二阴影检测结果和第三阴影检测结果。
图2示意性示出了根据本发明实施例提供的动目标阴影检测的原理图。
如图2所示，在本发明实施例中，需要对原始图像序列、前景图像序列及所述相似图像序列分别进行动目标阴影检测，初步获取动目标检测结果。具体检测过程可以为：
设置原始图像序列、前景图像序列及相似图像序列分别对应的第一强度阈值、第二强度阈值和相似度阈值。分别利用第一强度阈值、第二强度阈值和相似度阈值对原始图像序列、前景图像序列及相似图像序列进行二值化处理，实现动目标阴影检测。
示例性地，原始图像序列的阈值处理公式可以如下：
其中，为第 k帧原始图像中像素点（ i, j）的像素值， T 1为第一强度阈值，M表示对第 k帧原始图像中像素点（ i, j）的邻域进行像素值均值计算，为第 k帧原始图像经过强度阈值处理后的二值化图像中像素点（ i, j）的像素值。
前景图像序列的阈值处理公式可以如下：
其中，为第 k帧前景图像中像素点（ i, j）的像素值， T 2为第二强度阈值，M表示对第 k帧前景图像中像素点（ i, j）的邻域进行像素值均值计算，为第 k帧前景图像经过强度阈值处理后的二值化图像中像素点（ i, j）的像素值。
相似图像序列的阈值处理公式可以如下：
其中，第 k帧相似图像的相似度， T 1为相似度阈值，为阈值处理或的结果。
在操作S160，根据第一阴影检测结果、第二阴影检测结果和第三阴影检测结果确定动目标检测结果。
在本发明实施例中，可以对第一阴影检测结果、第二阴影检测结果和第三阴影检测结果进行与操作，确定动目标检测结果。
示例性地，与操作的公式可以为：
其中， R k 为最终的目标检测结果。
需要说明的是，图像序列中的每一帧图像均是采用上述方法进行动目标检测。
基于同一发明构思，本发明实施例还提供一种基于视频合成孔径雷达的动目标检测装置。
图3示意性示出了根据本发明实施例的基于视频合成孔径雷达的动目标检测装置的结构框图。
如图3所示，基于视频合成孔径雷达的动目标检测装置300例如可以包括划分模块310、投影模块320、处理模块330、计算模块340、检测模块350及确定模块360。
划分模块310，用于将视频合成孔径雷达的原始回波信号划分为多个子孔径，得到多个子孔径对应的原始图像序列，其中，各个子孔径之间的间隔相等且重复率相同。
投影模块320，用于对每个子孔径的原始图像进行后向投影，生成幅度图像序列。
处理模块330，用于利用低秩稀疏分解方法处理幅度图像序列，提取每一幅度图像的前景图像，得到前景图像序列。
计算模块340，用于计算原始图像序列与前景图像序列之间的相似图像序列。
检测模块350，用于分别对原始图像序列、前景图像序列及相似图像序列进行动目标阴影检测，得到第一阴影检测结果、第二阴影检测结果和第三阴影检测结果。
确定模块360，用于根据第一阴影检测结果、第二阴影检测结果和第三阴影检测结果确定动目标检测结果。
需要说明的是，基于视频合成孔径雷达的动目标检测装置实施例部分的具体实施细节及带来的技术效果与基于视频合成孔径雷达的动目标检测方式的具体实施细节及带来的技术效果相同，此处不再赘述。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于视频合成孔径雷达的动目标检测方法，其特征在于，包括：
将视频合成孔径雷达的原始回波信号划分为多个子孔径，得到多个子孔径对应的原始图像序列，其中，各个子孔径之间的间隔相等且重复率相同；
对每个子孔径的原始图像进行后向投影，生成幅度图像序列；
利用低秩稀疏分解方法处理所述幅度图像序列，提取每一幅度图像的前景图像，得到前景图像序列；
计算所述原始图像序列与所述前景图像序列之间的相似图像序列；
分别对所述原始图像序列、所述前景图像序列及所述相似图像序列进行动目标阴影检测，得到第一阴影检测结果、第二阴影检测结果和第三阴影检测结果；
根据所述第一阴影检测结果、所述第二阴影检测结果和所述第三阴影检测结果确定动目标检测结果。
2.根据权利要求1所述的动目标检测方法，其特征在于，所述对每个子孔径的原始图像进行后向投影，生成幅度图像序列包括：
根据对每个子孔径的原始图像进行后向投影，其中，S ij 为原始图像中像素点（i,j）所对应的距离向脉冲压缩后的回波信号，为第n个子孔径成像区域复图像像素值，f c 为视频合成孔径雷达的中心频率，R ij 为像素点（i,j）到视频合成孔径雷达平台的距离。
3.根据权利要求1所述的动目标检测方法，其特征在于，所述利用低秩稀疏分解方法处理所述幅度图像序列，提取每一幅度图像的前景图像包括：
将所述幅度图像序列中的每一帧图像压缩成列向量，得到第一数据矩阵；
将所述第一数据矩阵进行矩阵分解，得到第二数据矩阵；
将所述第二数据矩阵的每一列数据执行逆过程，将每一列数据转换为一帧所述前景图像。
4.根据权利要求1所述的动目标检测方法，其特征在于，所述计算所述原始图像序列与所述前景图像序列之间的相似图像序列包括：
计算相同帧的所述原始图像和所述前景图像在多个尺度领域下的邻域相似度；
将多个尺度的邻域相似度进行加权求和，得到该帧对应的相似图像。
5.根据权利要求4所述的动目标检测方法，其特征在于，所述计算相同帧的所述原始图像和所述前景图像在多个尺度领域下的邻域相似度包括：
根据计算第k帧原始图像与第k帧前景图像之间的邻域相似度，Ω1为像素点（i,j）在第k帧前景图像中的邻域，（x 1,y 1）为Ω1邻域内的像素点，Ω2为像素点（i,j）在第k帧原始图像中的邻域，（x 2,y 2）为Ω2邻域内的像素点，为Ω1邻域内的像素点（x 1,y 1）的像素值， 为Ω2邻域内的像素点（x 2,y 2）的像素值，为原始图像和前景图像中像素点（i,j）在单个邻域尺度下的相似度图像。
6.根据权利要求4或5所述的动目标检测方法，其特征在于，采用并行计算的方式计算多个尺度领域下的邻域相似度。
7.根据权利要求1所述的动目标检测方法，其特征在于，所述分别对所述原始图像序列、所述前景图像序列及所述相似图像序列进行动目标阴影检测包括：
设置所述原始图像序列、所述前景图像序列及所述相似图像序列分别对应的第一强度阈值、第二强度阈值和相似度阈值；
分别利用第一强度阈值、第二强度阈值和相似度阈值对所述原始图像序列、所述前景图像序列及所述相似图像序列进行二值化处理，实现动目标阴影检测。
8.根据权利要求1所述的动目标检测方法，其特征在于，所述根据所述第一阴影检测结果、所述第二阴影检测结果和所述第三阴影检测结果确定动目标检测结果包括：
对所述第一阴影检测结果、所述第二阴影检测结果和所述第三阴影检测结果进行与操作，确定所述动目标检测结果。
9.一种基于视频合成孔径雷达的动目标检测装置，其特征在于，包括：
划分模块，用于将视频合成孔径雷达的原始回波信号划分为多个子孔径，得到多个子孔径对应的原始图像序列，其中，各个子孔径之间的间隔相等且重复率相同；
投影模块，用于对每个子孔径的原始图像进行后向投影，生成幅度图像序列；
处理模块，用于利用低秩稀疏分解方法处理所述幅度图像序列，提取每一幅度图像的前景图像，得到前景图像序列；
计算模块，用于计算所述原始图像序列与所述前景图像序列之间的相似图像序列；
检测模块，用于分别对所述原始图像序列、所述前景图像序列及所述相似图像序列进行动目标阴影检测，得到第一阴影检测结果、第二阴影检测结果和第三阴影检测结果；
确定模块，用于根据所述第一阴影检测结果、所述第二阴影检测结果和所述第三阴影检测结果确定动目标检测结果。
CN202310212651.6A 2023-03-08 2023-03-08 基于视频合成孔径雷达的动目标检测方法及装置 Active CN116047461B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310212651.6A CN116047461B (zh) 2023-03-08 2023-03-08 基于视频合成孔径雷达的动目标检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310212651.6A CN116047461B (zh) 2023-03-08 2023-03-08 基于视频合成孔径雷达的动目标检测方法及装置

Publications (2)

Publication Number Publication Date
CN116047461A true CN116047461A (zh) 2023-05-02
CN116047461B CN116047461B (zh) 2023-07-07

Family

ID=86113510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310212651.6A Active CN116047461B (zh) 2023-03-08 2023-03-08 基于视频合成孔径雷达的动目标检测方法及装置

Country Status (1)

Country Link
CN (1) CN116047461B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101923711A (zh) * 2010-07-16 2010-12-22 西安电子科技大学 基于邻域相似性及掩模增强的sar图像变化检测方法
US20160217374A1 (en) * 2015-01-27 2016-07-28 Milq Inc. Method and system utilizing collaborative filtering
CN106023249A (zh) * 2016-05-13 2016-10-12 电子科技大学 一种基于局部二值相似性模式的运动目标检测方法
CN110095774A (zh) * 2019-01-28 2019-08-06 南京航空航天大学 一种圆迹视频sar动目标检测方法
CN110287819A (zh) * 2019-06-05 2019-09-27 大连大学 动态背景下基于低秩及稀疏分解的动目标检测方法
CN112163511A (zh) * 2020-09-25 2021-01-01 天津大学 一种图像真伪鉴别方法
CN113570632A (zh) * 2021-07-28 2021-10-29 北京航空航天大学 基于高时相星载sar序贯图像的运动小目标检测方法
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
CN114419069A (zh) * 2022-01-20 2022-04-29 中国电子科技集团公司第十四研究所 一种采用阈值分割和多帧关联的sar运动目标阴影检测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101923711A (zh) * 2010-07-16 2010-12-22 西安电子科技大学 基于邻域相似性及掩模增强的sar图像变化检测方法
US20160217374A1 (en) * 2015-01-27 2016-07-28 Milq Inc. Method and system utilizing collaborative filtering
CN106023249A (zh) * 2016-05-13 2016-10-12 电子科技大学 一种基于局部二值相似性模式的运动目标检测方法
CN110095774A (zh) * 2019-01-28 2019-08-06 南京航空航天大学 一种圆迹视频sar动目标检测方法
CN110287819A (zh) * 2019-06-05 2019-09-27 大连大学 动态背景下基于低秩及稀疏分解的动目标检测方法
CN112163511A (zh) * 2020-09-25 2021-01-01 天津大学 一种图像真伪鉴别方法
CN113570632A (zh) * 2021-07-28 2021-10-29 北京航空航天大学 基于高时相星载sar序贯图像的运动小目标检测方法
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
CN114419069A (zh) * 2022-01-20 2022-04-29 中国电子科技集团公司第十四研究所 一种采用阈值分割和多帧关联的sar运动目标阴影检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘李漫 等: "基于模板匹配及区域信息融合提取的快速目标跟踪算法", 计算机工程与科学, vol. 38, no. 3, pages 534 - 541 *
逯睿琦 等: "多尺度显著性区域提取的模板匹配", 光学精密工程, vol. 26, no. 11, pages 2776 - 2784 *
龙波;: "相关序列小目标图像背景杂波度量方法仿真", 计算机仿真, vol. 37, no. 09, pages 377 - 381 *

Also Published As

Publication number Publication date
CN116047461B (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
CN107808383B (zh) 一种强海杂波下sar图像目标快速检测方法
Zhang et al. A novel approach to moving targets shadow detection in VideoSAR imagery sequence
Guomundsson et al. ToF imaging in smart room environments towards improved people tracking
Fan et al. Deceptive jamming template synthesis for SAR based on generative adversarial nets
CN110596706B (zh) 一种基于三维图像域投射变换的雷达散射截面积外推方法
Guo et al. KD-tree-based euclidean clustering for tomographic SAR point cloud extraction and segmentation
CN113570632B (zh) 基于高时相星载sar序贯图像的运动小目标检测方法
Li et al. Building detection in sar images based on bi-dimensional empirical mode decomposition algorithm
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
CN110095774A (zh) 一种圆迹视频sar动目标检测方法
CN116047461B (zh) 基于视频合成孔径雷达的动目标检测方法及装置
Zhu et al. Sparse reconstrcution techniques for SAR tomography
CN107607927B (zh) 一种条纹激光回波信息提取方法
CN114067064A (zh) 基于多视角雷达图像的目标三维重建方法
CN112099102B (zh) 一种天线阵列机械扫描式全息图像重建方法
Wiles et al. Recognition of volcanoes on Venus using correlation methods
CN112766032A (zh) 一种基于多尺度和超像素分割的sar图像显著图生成方法
Orhaug et al. Information extraction from images
Gao et al. Underwater target perception in local HOS space
D'Hondt et al. Towards a semantic interpretation of urban areas with airborne synthetic aperture radar tomography
Zhu et al. Ground target classification from sar image with the pixel complement for target shape
Gao et al. Three-Dimensional Array SAR Sparse Imaging Based on Hybrid Regularization
CN111090102A (zh) 一种超分辨反射式太赫兹三维目标重建成像方法
Wei et al. Motion acoustic flow field: Underwater small target motion characterization for active sonar echograph of harbor environment
Wolff et al. Image-guided depth sampling and 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