圆周合成孔径雷达动目标检测方法和装置

1.本技术涉及圆周合成孔径雷达动目标检测的技术领域，特别是涉及一种圆周合成孔径雷达动目标检测方法和装置。


背景技术：

2.圆周合成孔径雷达(circular-sar)不仅提供高分辨率、高帧率的sar图像，还可以对特定区域进行长时间，多角度探测。因此，被广泛应用于对动目标进行检测的任务中。
3.在传统的实现方式中，一般采用基于对数背景差分方法的单通道圆周sar动目标检测方法，该方法利用目标信号在子孔径图像序列中的运动，检测运动目标。但由于圆周sar的曲线轨迹，造成高度起伏目标(如塔、楼等)在成像时形成圆环状的散焦在图像序列中运动，使得检测算法不能有效区分高层建筑物和动目标信号，导致圆周 sar动目标检测虚警率偏高。基于这种情况，也有采用三视干涉后对消的杂波抑制技术，基于杂波抑制后图像和参考图像的统计分析做变化检测，并利用恒虚警和形态学处理进一步降低虚警；或者采用自聚焦处理改善动目标散焦带来的负面影响,提高信杂噪比,并通过两级不同门限的单元平均恒虚警处理检测分别实现动目标检测和排除虚警。
4.然而，上述两种具有虚警抑制效果的动目标检测方法，不能有效去除高度起伏目标在成像时形成的散焦，导致其仍在图像序列中运动而造成虚警的问题。


技术实现要素：

5.基于此，本技术提供了一种圆周合成孔径雷达动目标检测方法、装置、设备和存储介质，以区分图像序列中的动目标信号和高度起伏目标信号，并将高度起伏目标信号产生的虚警去除，解决了圆周合成孔径雷达动目标检测过程中因高度起伏目标导致虚警率高的问题，达到提高动目标检测的准确性的效果。
6.第一方面，提供一种圆周合成孔径雷达动目标检测方法，该方法包括：
7.获取圆周合成孔径雷达数据，将圆周合成孔径雷达数据进行背景差分处理，得到初始图像序列；
8.将初始图像序列进行形态学处理以及聚类运算，得到聚类图像序列；
9.对聚类图像序列进行目标跟踪，得到具有与目标信号一一对应的多种类别的跟踪图像序列；
10.提取跟踪图像序列中各类别的特征值，根据各类别的特征值计算得到跟踪图像序列中各类别的累积旋转角；
11.根据跟踪图像序列中各类别的累积旋转角区分动目标信号和高度起伏目标信号，且将高度起伏目标信号对应的类别从跟踪图像序列中删除。
12.根据本技术实施例中一种可实现的方式，对聚类图像序列进行目标跟踪，得到具有与目标信号一一对应的多种类别的跟踪图像序列，包括：
13.获取聚类图像序列中同一目标信号的每相邻两帧图像中重叠像素最高的类别；
14.若重叠像素最高的类别的个数等于1，则采用预制交叉比算法计算每相邻两帧图像的像素交叉比值；
15.将像素交叉比值和预设交叉比阈值进行比较，若像素交叉比值大于预设交叉比阈值，则将后一帧图像中重叠像素的类别改为前一帧图像中重叠像素的类别；
16.若像素交叉比值小于等于预设交叉比阈值，则将后一帧图像中重叠像素的类别置空，以此类推，得到具有与目标信号一一对应的多种类别的跟踪图像序列。
17.根据本技术实施例中一种可实现的方式，对聚类图像序列进行目标跟踪，得到具有与目标信号一一对应的多种类别的跟踪图像序列，包括：
18.获取聚类图像序列中同一目标信号的每相邻两帧图像中重叠像素最高的类别；
19.若重叠像素最高的类别的个数大于1，则采用预制交叉比算法分别计算同一目标信号中各重叠像素最高的类别中的每相邻两帧图像中的像素交叉比值；
20.将计算得到的各像素交叉比值进行比较，得到最大像素交叉比值；
21.将最大像素交叉比值和预设交叉比阈值进行比较，若最大像素交叉比值大于预设交叉比阈值，则将后一帧图像中重叠像素的类别改为前一帧图像中重叠像素的类别；
22.若最大像素交叉比值小于等于预设交叉比阈值，则将后一帧图像中重叠像素的类别置空，以此类推，得到具有与目标信号一一对应的多种类别的跟踪图像序列。
23.根据本技术实施例中一种可实现的方式，提取跟踪图像序列中各类别的特征值，根据各类别的特征值计算得到跟踪图像序列中各类别的累积旋转角，包括：
24.基于特征提取函数提取跟踪图像序列中各类别的每一帧图像的特征值，根据跟踪图像序列中各类别的特征值计算得到各类别每一帧图像的端点坐标值；
25.根据跟踪图像序列中各类别每一帧图像的端点坐标值计算得到每一帧图像的特征角；
26.将跟踪图像序列中各类别的第一帧图像的特征角和最后一帧图像的特征角求差，得到跟踪图像序列中各类别的累积旋转角。
27.根据本技术实施例中一种可实现的方式，根据跟踪图像序列中各类别的累积旋转角区分动目标信号和高度起伏目标信号，且将高度起伏目标信号对应的类别从跟踪图像序列中删除，包括：
28.将跟踪图像序列中各类别的累积旋转角分别与预设旋转角进行比较；
29.当累积旋转角大于预设旋转角，则确定累积旋转角对应的类别为高度起伏目标信号，将类别从跟踪图像序列中删除；
30.若累积旋转角小于等于预设旋转角，则确定累积旋转角对应的类别为动目标信号，不做任何处理。
31.根据本技术实施例中一种可实现的方式，该方法还包括：
32.根据每一帧图像的端点坐标值，得到跟踪图像序列中各类别的中心点坐标值；
33.根据各类别的每一帧图像的端点坐标值和对应的中心点坐标值，得到跟踪图像序列中各类别的标准差；
34.根据跟踪图像序列中各类别的标准差确定动目标信号和高度起伏目标信号，且将高度起伏目标信号对应的类别从跟踪图像序列中删除。
35.根据本技术实施例中一种可实现的方式，根据跟踪图像序列中各类别的标准差确
定动目标信号和高度起伏目标信号，且将高度起伏目标信号对应的类别从跟踪图像序列中删除，包括：
36.将跟踪图像序列中各类别的标准差分别和预设标准差进行比较；
37.当标准差小于预设标准差，且标准差对应的类别的累积旋转角大于预设旋转角时，则确定标准差对应的类别为高度起伏目标信号，将类别从跟踪图像序列中删除；
38.当标准差大于等于预设标准差，且标准差对应的类别的累积旋转角小于等于预设旋转角时，则确定标准差对应的类别为动目标信号，不做任何处理。
39.第二方面，提供了一种圆周合成孔径雷达动目标检测装置，该装置包括：
40.背景差分处理模块，用于获取圆周合成孔径雷达数据，将圆周合成孔径雷达数据进行背景差分处理，得到初始图像序列；
41.形态学和聚类处理模块，用于将初始图像序列进行形态学处理以及聚类运算，得到聚类图像序列；
42.目标跟踪模块，用于对聚类图像序列进行目标跟踪，得到具有与目标信号一一对应的多种类别的跟踪图像序列；
43.特征提取模块，用于提取跟踪图像序列中各类别的特征值，根据各类别的特征值计算得到跟踪图像序列中各类别的累积旋转角；
44.目标判别模块，用于根据跟踪图像序列中各类别的累积旋转角区分动目标信号和高度起伏目标信号，且将高度起伏目标信号对应的类别从跟踪图像序列中删除。
45.第三方面，提供了一种计算机设备，包括：
46.至少一个处理器；以及
47.与至少一个处理器通信连接的存储器；其中，
48.存储器存储有可被至少一个处理器执行的计算机指令，计算机指令被至少一个处理器执行，以使至少一个处理器能够执行上述第一方面中涉及的方法。
49.第四方面，提供了一种计算机可读存储介质，其上存储有计算机指令，其特征在于，计算机指令用于使计算机执行上述第一方面中涉及的方法。
50.根据本技术实施例所提供的技术内容，首先获取圆周合成孔径雷达数据，将圆周合成孔径雷达数据进行背景差分处理，得到初始图像序列；接着，将初始图像序列进行形态学处理以及聚类运算，得到聚类图像序列；对聚类图像序列进行目标跟踪，得到具有与目标信号一一对应的多种类别的跟踪图像序列；最后，提取跟踪图像序列中各类别的特征值，根据各类别的特征值计算得到跟踪图像序列中各类别的累积旋转角；根据跟踪图像序列中各类别的累积旋转角区分动目标信号和高度起伏目标信号，且将高度起伏目标信号对应的类别从跟踪图像序列中删除。通过上述对动目标信号和高度起伏目标信号进行区分，并将高度起伏目标对应的类别从跟踪图像序列中删除的操作，在保证对动目标检测的同时，解决了因高度起伏目标成像散焦而导致产生虚警，造成虚警率高的问题，达到了提高圆周合成孔径雷达动目标检测的准确率的效果。
附图说明
51.图1为一个实施例中一种圆周合成孔径雷达动目标检测方法的应用环境图；
52.图2为一个实施例中一种圆周合成孔径雷达动目标检测方法的流程示意图；
53.图3为一个实施例中一种圆周合成孔径雷达动目标检测方法的腐蚀操作示意图；
54.图4为一个实施例中一种圆周合成孔径雷达动目标检测方法的膨胀操作示意图；
55.图5为一个实施例中一种圆周合成孔径雷达动目标检测方法中步骤205的流程示意图一；
56.图6为一个实施例中一种圆周合成孔径雷达动目标检测方法中步骤205的流程示意图二；
57.图7为一个实施例中一种圆周合成孔径雷达动目标检测方法中特征提取的示意图；
58.图8为一个实施例中一种圆周合成孔径雷达动目标检测方法中计算端点坐标值的示意图；
59.图9为一个实施例中一种圆周合成孔径雷达动目标检测方法中计算特征角的示意图；
60.图10为一个实施例中一种圆周合成孔径雷达动目标检测方法中动目标信号和高度起伏目标信号运动轨迹示意图；
61.图11为一个实施例中一种圆周合成孔径雷达动目标检测方法中优选流程示意图；
62.图12为一个实施例中一种合成孔径雷达动目标检测装置的结构框图；
63.图13为一个实施例中计算机设备的示意性结构图。
具体实施方式
64.以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
65.为了方便理解，首先对本技术所适用的系统进行描述。本技术提供的一种圆周合成孔径雷达动目标检测方法，可以应用于如图1所示的系统架构中。该系统包括：终端设备102-网络-服务器104，终端102通过网络与服务器104进行通信。其中，终端 102可以但不限于是各种个人计算机、笔记本电脑、平板电脑等硬件设备，服务器104 可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
66.图2为本技术实施例提供的一种圆周合成孔径雷达动目标检测方法的流程图，该方法可以由如图1所示系统架构中的服务器104执行。如图2所示，该方法可以包括以下步骤：
67.步骤s201，获取圆周合成孔径雷达数据，将圆周合成孔径雷达数据进行背景差分处理，得到初始图像序列。
68.这里，服务器在获取到圆周合成孔径雷达数据后，可以对圆周合成孔径雷达数据进行背景差分处理。
69.其中，背景差分处理即将背景图像和前景图像进行差分，以得到初始图像序列。具体地，圆周合成孔径雷达数据的表现形式可以是子孔径图像序列，先将子孔径图像序列进行辐射校正，得到辐射图像；再将辐射图像复制，得到复制辐射图像，对复制辐射图像进行中值滤波，得到背景图像；最后，将背景图像和辐射图像进行差分处理，得到前景图像即初始图像序列。通过背景差分处理的操作，便于对动目标进行检测识别。
70.步骤s203，将初始图像序列进行形态学处理以及聚类运算，得到聚类图像序列。
71.其中，形态学处理可以包括腐蚀处理和膨胀处理。
72.如图3所示，先根据初始图像序列的形态选择对应的腐蚀模板，其腐蚀的表达式如下：
[0073][0074]
其中，“－”是腐蚀的运算符；a表示初始图像序列；b表示腐蚀模板。
[0075]
通过将初始图像序列a与腐蚀模板b进行腐蚀运算，扫描初始图像序列a的每一个像素点，将初始图像序列a的像素点与腐蚀模板b的像素点做“与”运算，得出腐蚀模板b覆盖区域的像素点的最小值，用该最小值来替代初始图像序列a参考点的像素值。即将原始图像序列a经过腐蚀处理后，得到腐蚀图像序列a-b即a1，从腐蚀图像序列a1中可以看出，经过腐蚀操作后原始图像序列a中的黑色高亮点变少实现将原始图像序列a中的残余杂波腐蚀掉。
[0076]
如图4所示，得到腐蚀图像序列a1后还需要进行膨胀处理，根据腐蚀图像序列 a1的形态选择对应的膨胀模板b1，其膨胀处理的表达式如下：
[0077][0078]
其中，表示膨胀的运算符；a1表示腐蚀图像序列；b1表示膨胀模板。
[0079]
具体地，通过将腐蚀图像序列a1进行膨胀处理，扫描腐蚀图像序列a1中的每一个像素点，将膨胀模板b1的像素点与腐蚀图像序列a1的像素点做“或”运算，得出膨胀模板b1覆盖区域的像素点最大值，并用该最大值替换腐蚀图像序列a1参考点的像素值，以实现膨胀处理。即将腐蚀图像序列a1膨胀处理后得到膨胀图像序列a1+b1 即a2，经过膨胀操作后腐蚀图像序列a1中黑色的高亮点变多实现对断裂区域的修复。
[0080]
这里，将原始图像序列经过形态化处理后得到膨胀图像序列，进一步对膨胀图像序列进行聚类运算。
[0081]
具体地，聚类运算有两个重要的设置参数：邻域半径和邻域中样本个数，它们可以用来体现邻域的样本分布紧密程度。在膨胀图像序列中任意选择一个没有类别的像素点作为种子，选择一个该种子对象能够密度可达的像素点集合，即为一个聚类别簇；接着，再选择另一个没有类别的像素点作为种子，选择一个该种子对象能够密度可达的像素点集合，即为另一个聚类别簇；以此类推，一直运行到所有像素点都有类别为止，即得到聚类图像序列。
[0082]
步骤s205，对聚类图像序列进行目标跟踪，得到具有与目标信号一一对应的多种类别的跟踪图像序列。
[0083]
这里，通过对聚类图像序列进行目标跟踪，得到具有与目标信号一一对应的多种类别的跟踪图像序列。需要强调的是，跟踪图像序列中的类别即为上述的聚类别簇，每个聚类别簇为一类别，每个类别代表不同的目标信号。
[0084]
步骤s207，提取跟踪图像序列中各类别的特征值，根据各类别的特征值计算得到跟踪图像序列中各类别的累积旋转角。
[0085]
具体地，提取跟踪图像序列中各类别的特征值，基于每一类别的特征值计算得到对应的累积旋转角。需要说明的是，之所以要求得累积旋转角，是因为动目标信号和高度起伏目标信号的累积旋转角的区别很大，便于对两者进行区分。
[0086]
步骤s209，根据跟踪图像序列中各类别的累积旋转角区分动目标信号和高度起伏
目标信号，且将高度起伏目标信号对应的类别从跟踪图像序列中删除。
[0087]
具体地，根据跟踪图像序列中各类别的累积旋转角区分动目标信号和高度起伏目标信号，并且在确定为高度起伏目标信号后，将高度起伏目标信号对应的类别从跟踪图像序列中删除以达到降低虚警率的效果。
[0088]
可以看出，本技术实施例首先获取圆周合成孔径雷达数据，将圆周合成孔径雷达数据进行背景差分处理，得到初始图像序列；接着，将初始图像序列进行形态学处理以及聚类运算，得到聚类图像序列；对聚类图像序列进行目标跟踪，得到具有与目标信号一一对应的多种类别的跟踪图像序列；最后，提取跟踪图像序列中各类别的特征值，根据各类别的特征值计算得到跟踪图像序列中各类别的累积旋转角；根据跟踪图像序列中各类别的累积旋转角区分动目标信号和高度起伏目标信号，且将高度起伏目标信号对应的类别从跟踪图像序列中删除。通过上述对动目标信号和高度起伏目标信号进行区分，并将高度起伏目标对应的类别从跟踪图像序列中删除的操作，在保证对动目标检测的同时，解决了因高度起伏目标成像散焦而导致产生虚警，造成虚警率高的问题，达到了提高圆周合成孔径雷达动目标检测的准确率的效果。
[0089]
参照图5，在一些实施例中，上述步骤205“对聚类图像序列进行目标跟踪，得到具有与目标信号一一对应的多种类别的跟踪图像序列”具体可以包括以下步骤。
[0090]
步骤s301，获取聚类图像序列中同一目标信号的每相邻两帧图像中重叠像素最高的类别。
[0091]
这里，由于聚类图像序列中每一帧聚类后的类别不一致，会造成同一目标信号被聚类成不同类别，因此，可以获取聚类图像序列中同一目标信号的每相邻两帧图像中重叠像素最高的类别，进行统一。
[0092]
步骤s303，若重叠像素最高的类别的个数等于1，则采用预制交叉比算法计算同一目标信号的每相邻两帧图像的像素交叉比值。
[0093]
这里，当重叠像素最高的类别的个数等于1，可以直接采用预制交叉比算法计算同一目标信号的每相邻两帧图像的像素交叉比值。
[0094]
具体地，预制交叉比算法的表达式如下：
[0095][0096]
其中，bi、b
i+1
分别为同一目标信号在第i和第i+1帧图像中所占像素点的个数。等号右侧分子表示的是第i和第i+1帧图像重叠区域的像素点个数，分母表示的是第i 和第i+1帧图像所有的像素点个数。通过此表达式，便可以得到同一目标信号的相邻两帧图像的像素交叉比值。
[0097]
步骤s305，将像素交叉比值和预设交叉比阈值进行比较，若像素交叉比值大于预设交叉比阈值，则将后一帧图像中重叠像素的类别改为前一帧图像中重叠像素的类别。
[0098]
其中，预设交叉比阈值可以设置为0.3-0.5之间。
[0099]
这里，将像素交叉比值和预设交叉比阈值进行比较，如果像素交叉比值大于预设交叉比阈值，则将同一目标信号的后一帧图像中重叠像素的类别改为前一帧图像中重叠像素的类别，以达到对同一目标信号类别的统一。
[0100]
步骤s307，若像素交叉比值小于等于预设交叉比阈值，则将后一帧图像中重叠像
素的类别置空，以此类推，得到具有与目标信号一一对应的多种类别的跟踪图像序列。
[0101]
这里，如果像素交叉比值小于等于预设交叉比阈值，则将后一帧图像中重叠像素的类别置空，以此类推，直到将聚类图像序列中所有的目标信号的类别都进行统一后，跟踪完成即得到具有与目标信号一一对应的多种类别的跟踪图像序列。
[0102]
参照图6，在另一些实施例中，上述步骤205“对聚类图像序列进行目标跟踪，得到具有与目标信号一一对应的多种类别的跟踪图像序列”具体可以包括以下步骤。
[0103]
步骤s401，获取聚类别图像序列中同一目标信号的每相邻两帧图像中重叠像素最高的类别。
[0104]
这里，同上述步骤s301，仍然需要获取聚类图像序列中同一目标信号的每相邻两帧图像中重叠像素最高的类别，进行进一步的统一。
[0105]
步骤s403，若重叠像素最高的类别的个数大于1，则采用预制交叉比算法分别计算同一目标信号中各重叠像素最高的类别中的每相邻两帧图像中的像素交叉比值。
[0106]
这里，由于重叠像素最高的类别的个数大于1，因此，需要采用预制交叉比算法分别计算同一目标信号中各重叠像素最高的类别中的每相邻两帧图像中的像素交叉比值，其中预制交叉比算法的表达式同上，此处不在赘述。
[0107]
步骤s405，将计算得到的各像素交叉比值进行比较，得到最大像素交叉比值。
[0108]
这里，由于重叠像素最高的类别的个数大于1，则可以得到多个像素交叉比值，将各像素交叉比值进行比较，进而得到最大像素交叉比值以实现和预设交叉比阈值进行比较。
[0109]
步骤s407，将最大像素交叉比值和预设交叉比阈值进行比较，若最大像素交叉比值大于预设交叉比阈值，则将后一帧图像中重叠像素的类别改为前一帧图像中重叠像素的类别。
[0110]
这里，将最大像素交叉比值和预设交叉比阈值进行比较，如果最大像素交叉比值大于预设交叉比阈值，则将同一目标信号的后一帧图像中重叠像素的类别改为前一帧图像中重叠像素的类别，以达到对同一目标信号类别的统一。
[0111]
步骤s409，若最大像素交叉比值小于等于预设交叉比阈值，则将后一帧图像中重叠像素的类别置空，以此类推，得到具有与目标信号一一对应的多种类别的跟踪图像序列。
[0112]
如果最大像素交叉比值小于等于预设交叉比阈值，则将后一帧图像中重叠像素的类别置空，以此类推，直到将聚类图像序列中所有的目标信号的类别都进行统一后，跟踪完成即得到具有与目标信号一一对应的多种类别的跟踪图像序列。
[0113]
在一些实施例中，基于特征提取函数提取跟踪图像序列中各类别的每一帧图像的特征值，根据跟踪图像序列中各类别的特征值计算得到各类别每一帧图像的端点坐标值；根据跟踪图像序列中各类别每一帧图像的端点坐标值计算得到每一帧图像的特征角；将跟踪图像序列中各类别的第一帧图像的特征角和最后一帧图像的特征角求差，得到跟踪图像序列中各类别的累积旋转角。
[0114]
这里，特征提取函数的表达式为：
[0115]
m＝regionprops(l)
[0116]
其中，m表示每一帧图像的特征值；l表示跟踪图像序列；regionprops表示特征提取函数。
[0117]
具体地，将跟踪图像序列输入到特征提取函数中，可以提取到跟踪图像序列中各类别每一帧图像的重心特征值、等效椭圆特征值、等效椭圆长轴特征值以及等效椭圆长轴与直角坐标系中x轴的夹角特征值。如图7所示，图(a)中的点就是提取的重心特征值，图(b)中椭圆圈就是提取的等效椭圆特征值，图(c)中的虚线就是提取的等效椭圆的长轴特征值，图(d)中的β角就是提取的效椭圆长轴与直角坐标系中x 轴的夹角特征值。
[0118]
参照图8，根据跟踪图像序列中各类别的特征值计算得到各类别每一帧图像的端点坐标值。这里，假设提取出来的重心特征值的坐标为(x1，y1)，等效椭圆长轴特征值为rm以及等效椭圆长轴与直角坐标系中x轴的夹角特征值为β，则对应的等效椭圆的端点坐标值的表达式如下：
[0119]
p
x1
＝x
1-rm/2
×
cosβ
[0120]
p
y1
＝y
1-rm/2
×
sinβ
[0121]
通过上述计算得到跟踪图像序列中各类别每一帧图像的端点坐标值p(p
x1
，p
y1
)，根据跟踪图像序列中各类别每一帧图像的端点坐标值计算得到每一帧图像的特征角。这里考虑到由于动目标检测的误差，等效椭圆的端点坐标值肯定不在同一个位置，可以对其进行归一化处理，将其都归到原点，从而得到新的重心特征值的坐标为(x2， y2)，参照图9，具体表达式如下：
[0122]
x2＝x
1-p
x1
[0123]
y2＝y
1-p
y1
[0124]
根据新的重心特征值的坐标(x2，y2)，即可得到每一帧图像的特征角为：
[0125]
tanθ1＝y2/x2[0126]
将跟踪图像序列中各类别的第一帧图像的特征角和最后一帧图像的特征角求差，其表达式如下：
[0127]
θ＝θx-θ1
[0128]
其中，θ1为第一帧图像的特征角；θx为最后一帧图像的特征角；通过上述操作得到跟踪图像序列中各类别的累积旋转角。
[0129]
在一些实施例中，将跟踪图像序列中各类别的累积旋转角分别与预设旋转角进行比较；当累积旋转角大于预设旋转角，则确定累积旋转角对应的类别为高度起伏目标信号，将类别从跟踪图像序列中删除；若累积旋转角小于等于预设旋转角，则确定累积旋转角对应的类别为动目标信号，不做任何处理。
[0130]
其中，预设旋转角可以设置为60
°
左右，这个最终还需要根据实际检测过程中特征值的具体变化规律来确定。
[0131]
这里，将跟踪图像序列中各类别的累积旋转角分别与预设旋转角进行比较；当累积旋转角大于预设旋转角，则确定累积旋转角对应的类别为高度起伏目标信号，将类别从跟踪图像序列中删除，以达到去除虚警的效果；若累积旋转角小于等于预设旋转角，则确定累积旋转角对应的类别为动目标信号，不需要做任何处理。
[0132]
在一些实施例中，根据每一帧图像的端点坐标值，得到跟踪图像序列中各类别的中心点坐标值；根据各类别的每一帧图像的端点坐标值和对应的中心点坐标值，得到跟踪图像序列中各类别的标准差，根据跟踪图像序列中各类别的标准差确定动目标信号和高度起伏目标信号，且将高度起伏目标信号对应的类别从跟踪图像序列中删除。
[0133]
这里，根据每一帧图像的端点坐标值，得到跟踪图像序列中各类别的中心点坐标值，其具体表达式如下：
[0134]
p
xz
＝(p
x1
+p
x2
+
…
+p
xn
)/n
[0135]
p
yz
＝(p
y1
+p
y2
+
…
+p
yn
)/n
[0136]
其中，(p
x1
，p
y1
)表示某类别第一帧图像的端点坐标值；(p
x2
，p
y2
)表示该类别第二帧图像的端点坐标值；以此类推，(p
xn
，p
yn
)表示某类别第一帧图像的端点坐标值；(p
xz
，p
yz
)表示该类别中心点坐标值。
[0137]
根据各类别的每一帧图像的端点坐标值和对应的中心点坐标值，得到跟踪图像序列中各类别的标准差，这里，需要先求得每一帧图像的端点坐标值和对应的中心点坐标值之间的距离，其具体表达式如下：
[0138]
p
l1
＝sqrt((p
x1-p
xz
)^2+(p
y1-p
yz
)^2)
[0139]
p
l2
＝sqrt((p
x2-p
xz
)^2+(p
y2-p
yz
)^2)
[0140]
以此类推，可得到p
l3
、p
l4
…
p
ln
，再将p
l1
、p
l2
…
p
ln
值求平均，其表达式如下：
[0141]
p
lp
＝(p
l1
+p
l2
+
…
+p
ln
)/n
[0142]
通过上述表达式，求得某类别的距离平均值p
lp
。
[0143]
根据每一帧图像的端点坐标值和对应的中心点坐标值之间的距离以及距离平均值得到对应标准差，具体表达式如下：
[0144]
s＝sqrt(((p
l1-p
lp
)^2+(p
l2-p
lp
)^2+
…
(p
ln-p
lp
)^2)/(n-1))
[0145]
参照图10，由于动目标信号在跟踪图像序列中运动的范围很广，图中大致呈圆周环绕的点是等效椭圆的端点，中心的点是求得的中心点相当于圆心，从图a可以看到，呈圆周环绕的点是在围绕着中心点在运动，半径为r，其运动范围很小；而从图b可以看到，等效椭圆的端点运动范围很大，并不是在做范围很小的旋转运动，而是类似直线运动。因此，也可以通过计算标准差来区分动目标信号和高度起伏目标信号。即在得到跟踪图像序列中各类别的标准差后，可以根据标准差确定跟踪图像序列中的动目标信号和高度起伏目标信号，且在确定为高度起伏目标信号之后，将高度起伏目标信号对应的类别从跟踪图像序列中删除。
[0146]
在一些实施例中，将跟踪图像序列中各类别的标准差分别和预设标准差进行比较；当标准差小于预设标准差，且标准差对应的类别的累积旋转角大于预设旋转角时，则确定标准差对应的类别为高度起伏目标信号，将类别从跟踪图像序列中删除；当标准差大于等于预设标准差，且标准差对应的类别的累积旋转角小于等于预设旋转角时，则确定标准差对应的类别为动目标信号，不做任何处理。
[0147]
其中，预设标准差需要根据实际检测情况来进行设定，此处不做具体限定。
[0148]
这里，将跟踪图像序列中各类别的标准差分别和预设标准差进行比较；当标准差小于预设标准差，且标准差对应的类别的累积旋转角大于预设旋转角时，则确定标准差对应的类别为高度起伏目标信号，将类别从跟踪图像序列中删除。需要强调的是，当两种判定条件都采用时，只有在标准差小于预设标准差，且标准差对应的类别的累积旋转角大于预设旋转角两项条件都符合时，才可以判定其为高度起伏目标信号，只要有一个条件不满足就得不到判定结果。
[0149]
而当标准差大于等于预设标准差，且标准差对应的类别的累积旋转角小于等于预
设旋转角时，则确定标准差对应的类别为动目标信号，不需要做任何处理。这里，通过对动目标信号和高度起伏目标信号运动轨迹的差异区分，将高度起伏目标信号对应的类别从跟踪图像序列中删除，有效的降低了动目标检测的虚警率，达到提高动目标检测精确度的效果。
[0150]
结合上述实施例中的实现方式，下面结合图11对本技术实施例提供的一优选的方法流程进行举例描述。如图11所示，该方法可以包括以下步骤：
[0151]
步骤s501，获取圆周合成孔径雷达数据，将圆周合成孔径雷达数据进行背景差分处理，得到初始图像序列。
[0152]
步骤s502，将初始图像序列进行形态学处理以及聚类运算，得到聚类图像序列。
[0153]
步骤s503，获取聚类图像序列中同一目标信号的每相邻两帧图像中重叠像素最高的类别。
[0154]
步骤s504，判断重叠像素最高的类别的个数，大于1时，执行步骤s505，等于1 时，执行步骤s509。
[0155]
步骤s505，则采用预制交叉比算法分别计算同一目标信号中各重叠像素最高的类别中的每相邻两帧图像中的像素交叉比值。
[0156]
步骤s506，将计算得到的各像素交叉比值进行比较，得到最大像素交叉比值。
[0157]
步骤s507，将最大像素交叉比值和预设交叉比阈值进行比较，若最大像素交叉比值大于预设交叉比阈值，则将后一帧图像中重叠像素的类别改为前一帧图像中重叠像素的类别。
[0158]
步骤s508，若最大像素交叉比值小于等于预设交叉比阈值，则将后一帧图像中重叠像素的类别置空；执行步骤s512。
[0159]
步骤s509，则采用预制交叉比算法计算同一目标信号的每相邻两帧图像的像素交叉比值。
[0160]
步骤s510，将像素交叉比值和预设交叉比阈值进行比较，若像素交叉比值大于预设交叉比阈值，则将后一帧图像中重叠像素的类别改为前一帧图像中重叠像素的类别。
[0161]
步骤s511，若像素交叉比值小于等于预设交叉比阈值，则将后一帧图像中重叠像素的类别置空。
[0162]
步骤s512，以此类推，得到具有与目标信号一一对应的多种类别的跟踪图像序列。
[0163]
步骤s513，基于特征提取函数提取跟踪图像序列中各类别的每一帧图像的特征值。
[0164]
步骤s514，根据跟踪图像序列中各类别的特征值计算得到各类别每一帧图像的端点坐标值。
[0165]
步骤s515，根据跟踪图像序列中各类别每一帧图像的端点坐标值计算得到每一帧图像的特征角。
[0166]
步骤s516，将跟踪图像序列中各类别的第一帧图像的特征角和最后一帧图像的特征角求差，得到跟踪图像序列中各类别的累积旋转角；执行步骤s519。
[0167]
步骤s517，根据每一帧图像的端点坐标值，得到跟踪图像序列中各类别的中心点坐标值。
[0168]
步骤s518，根据各类别的每一帧图像的端点坐标值和对应的中心点坐标值，得到
跟踪图像序列中各类别的标准差。
[0169]
步骤s519，将跟踪图像序列中各类别的累积旋转角分别与预设旋转角进行比较以及将跟踪图像序列中各类别的标准差分别和预设标准差进行比较；当累积旋转角大于预设旋转角，标准差小于预设标准差时，执行步骤步骤s520；当累积旋转角小于等于预设旋转角，标准差大于等于预设标准差时，执行步骤s521。
[0170]
步骤s520，确定为高度起伏目标信号，将高度起伏目标信号对应的类别从跟踪图像序列中删除。
[0171]
步骤s521，确定为动目标信号，不做任何处理。
[0172]
应该理解的是，虽然图2、图5、图6以及图11的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本技术中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、图5、图6以及图11中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0173]
上述方法实施例可以应用于多种应用场景，例如可以包括但不限于以下应用场景：
[0174]
基于圆周合成孔径雷达采集的图像序列，对图像序列中的动目标信号和高度起伏目标信号进行区分，在确定为高度起伏目标信号后，将高度起伏目标信号对应的类别从图像序列中删除，以达到提高动目标检测准确度的效果。
[0175]
图12为本技术实施例提供的一种圆周合成孔径雷达动目标检测装置的结构示意图，该装置可以设置于图1所示系统中的服务器中，用以执行如图2、图5、图6以及图11中所示的方法流程。如图12所示，该装置可以包括：背景差分处理模块601、形态学和聚类处理模块603、目标跟踪模块605、特征提取模块607以及目标判别模块 609。其中各组成模块的主要功能如下：
[0176]
背景差分处理模块601，用于获取圆周合成孔径雷达数据，将圆周合成孔径雷达数据进行背景差分处理，得到初始图像序列；
[0177]
形态学和聚类处理模块603，用于将初始图像序列进行形态学处理以及聚类运算，得到聚类图像序列；
[0178]
目标跟踪模块605，用于对聚类图像序列进行目标跟踪，得到具有与目标信号一一对应的多种类别的跟踪图像序列；
[0179]
特征提取模块607，用于提取跟踪图像序列中各类别的特征值，根据各类别的特征值计算得到跟踪图像序列中各类别的累积旋转角；
[0180]
目标判别模块609，用于根据跟踪图像序列中各类别的累积旋转角区分动目标信号和高度起伏目标信号，且将高度起伏目标信号对应的类别从跟踪图像序列中删除。
[0181]
在一些实施例中，目标跟踪模块605，还执行：
[0182]
获取聚类图像序列中同一目标信号的每相邻两帧图像中重叠像素最高的类别；
[0183]
若重叠像素最高的类别的个数等于1，则采用预制交叉比算法计算每相邻两帧图像的像素交叉比值；
[0184]
将像素交叉比值和预设交叉比阈值进行比较，若像素交叉比值大于预设交叉比阈值，则将后一帧图像中重叠像素的类别改为前一帧图像中重叠像素的类别；
[0185]
若像素交叉比值小于等于预设交叉比阈值，则将后一帧图像中重叠像素的类别置空，以此类推，得到具有与目标信号一一对应的多种类别的跟踪图像序列。
[0186]
在一些实施例中，目标跟踪模块605，具体还执行：
[0187]
获取聚类图像序列中同一目标信号的每相邻两帧图像中重叠像素最高的类别；
[0188]
若重叠像素最高的类别的个数大于1，则采用预制交叉比算法分别计算同一目标信号中各重叠像素最高的类别中的每相邻两帧图像中的像素交叉比值；
[0189]
将计算得到的各像素交叉比值进行比较，得到最大像素交叉比值；
[0190]
将最大像素交叉比值和预设交叉比阈值进行比较，若最大像素交叉比值大于预设交叉比阈值，则将后一帧图像中重叠像素的类别改为前一帧图像中重叠像素的类别；
[0191]
若最大像素交叉比值小于等于预设交叉比阈值，则将后一帧图像中重叠像素的类别置空，以此类推，得到具有与目标信号一一对应的多种类别的跟踪图像序列。
[0192]
在一些实施例中，特征提取模块607，还执行：
[0193]
基于特征提取函数提取跟踪图像序列中各类别的每一帧图像的特征值，根据跟踪图像序列中各类别的特征值计算得到各类别每一帧图像的端点坐标值；
[0194]
根据跟踪图像序列中各类别每一帧图像的端点坐标值计算得到每一帧图像的特征角；
[0195]
将跟踪图像序列中各类别的第一帧图像的特征角和最后一帧图像的特征角求差，得到跟踪图像序列中各类别的累积旋转角。
[0196]
在一些实施例中，目标判别模块609，具体还执行：
[0197]
将跟踪图像序列中各类别的累积旋转角分别与预设旋转角进行比较；
[0198]
当累积旋转角大于预设旋转角，则确定累积旋转角对应的类别为高度起伏目标信号，将类别从跟踪图像序列中删除；
[0199]
若累积旋转角小于等于预设旋转角，则确定累积旋转角对应的类别为动目标信号，不做任何处理。
[0200]
在一些实施例中，该装置，还执行：
[0201]
根据每一帧图像的端点坐标值，得到跟踪图像序列中各类别的中心点坐标值；
[0202]
根据各类别的每一帧图像的端点坐标值和对应的中心点坐标值，得到跟踪图像序列中各类别的标准差；
[0203]
根据跟踪图像序列中各类别的标准差确定动目标信号和高度起伏目标信号，且将高度起伏目标信号对应的类别从跟踪图像序列中删除。
[0204]
在一些实施例中，该装置，具体还执行：
[0205]
将跟踪图像序列中各类别的标准差分别和预设标准差进行比较；
[0206]
当标准差小于预设标准差，且标准差对应的类别的累积旋转角大于预设旋转角时，则确定标准差对应的类别为高度起伏目标信号，将类别从跟踪图像序列中删除；
[0207]
当标准差大于等于预设标准差，且标准差对应的类别的累积旋转角小于等于预设旋转角时，则确定标准差对应的类别为动目标信号，不做任何处理。
[0208]
上述各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是
与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0209]
需要说明的是，本技术实施例中可能会涉及到对用户数据的使用，在实际应用中，可以在符合所在国的适用法律法规要求的情况下(例如用户明确同意，对用户切实通知，用户明确授权等)，在适用法律法规允许的范围内在本文描述的方案中使用用户特定的个人数据。
[0210]
根据本技术的实施例，本技术还提供了一种计算机设备、一种计算机可读存储介质。
[0211]
如图13所示，是根据本技术实施例的计算机设备的框图。计算机设备旨在表示各种形式的数字计算机或移动装置。其中数字计算机可以包括台式计算机、便携式计算机、工作台、个人数字助理、服务器、大型计算机和其它适合的计算机。移动装置可以包括平板电脑、智能电话、可穿戴式设备等。
[0212]
如图13所示，设备700包括计算单元701、rom 702、ram 703、总线704 以及输入/输出(i/o)接口705，计算单元701、rom 702以及ram 703通过总线 y04彼此相连。输入/输出(i/o)接口705也连接至总线704。
[0213]
计算单元701可以根据存储在只读存储器(rom)702中的计算机指令或者从存储单元708加载到随机访问存储器(ram)703中的计算机指令，来执行本技术方法实施例中的各种处理。计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701可以包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。在一些实施例中，本技术实施例提供的方法可被实现为计算机软件程序，其被有形地包含于计算机可读存储介质，例如存储单元708。
[0214]
ram 703还可存储设备700操作所需的各种程序和数据。计算机程序的部分或者全部可以经由rom 702和/或通信单元709而被载入和/或安装到设备700上。
[0215]
设备700中的输入单元706、输出单元707、存储单元708和通信单元709可以连接至i/o接口705。其中，输入单元706可以是诸如键盘、鼠标、触摸屏、麦克风等；输出单元707可以是诸如显示器、扬声器、指示灯等。设备700能够通过通信单元709 与其他设备进行信息、数据等的交换。
[0216]
需要说明的是，该设备还可以包括实现正常运行所必需的其他组件。也可以仅包含实现本技术方案所必需的组件，而不必包含图中所示的全部组件。
[0217]
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件和 /或它们的组合中实现。
[0218]
用于实施本技术的方法的计算机指令可以采用一个或多个编程语言的任何组合来编写。这些计算机指令可以提供给计算单元701，使得计算机指令当由诸如处理器等计算单元701执行时使执行本技术方法实施例中涉及的各步骤。
[0219]
本技术提供的计算机可读存储介质可以是有形的介质，其可以包含或存储计算机指令，用以执行本技术方法实施例中涉及的各步骤。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的等形式的存储介质。
[0220]
上述具体实施方式，并不构成对本技术保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本技术的精神和原则之内所作的修改、等同替换和改进等，均应包含在本技术保护范围之内。