一种高分辨率双极化SAR抗角反射器干扰的目标辨识方法

文档序号:29869356发布日期:2022-04-30 17:30阅读:来源:国知局

技术特征:
1.一种高分辨率双极化sar抗角反射器干扰的目标辨识方法,其特征在于,具体包括如下步骤:步骤1,对接收到的sar双极化图像进行极化增强处理,得到多个极化增强目标切片图像;步骤2,对步骤1得到的极化增强目标切片图像进行分割处理,得到对应的二值图像;对二值图像进行聚类并进行目标滤除,得到滤除后的目标切片图像;步骤3,根据步骤1得到极化增强目标切片图像和步骤2得到的滤除后的目标切片图像,进行极化比特征提取,得到极化比均值e和极化比方差θ;具体包括如下子步骤:步骤31,以步骤2生成的每个滤除后的目标切片图像为掩模,与步骤1中对应的hh极化sar图像目标切片图像、极化增强目标切片图像分别进行对应像素值相乘,得到对应的hh图像目标切片图、极化增强目标区域图像;步骤32,对步骤31得到的每个hh图像目标切片图进行直方图统计,得到直方图,再将每个直方图中取出幅值大于t的像素值取出,得到强点{hh
t (x,y)},其中,(x,y)为强点所在像素点位置;步骤33,将步骤1中对应的hv极化sar图像的目标切片图像中的像素点(x,y)取出,得到{hv
t (x,y)};步骤34,计算极化比{hh
t (x,y) / hv
t (x,y)},统计计算出该极化比数值的均值e和方差θ;步骤4,对步骤31得到的每个hh图像目标切片图进行间隙度特征提取,得到间隙度特征值;步骤5,根据步骤31生成的极化增强目标区域图像,进行目标区域均值性特征提取;步骤6,将训练集代入向量机进行训练,训练后得到分类辨识的权值参数的最优值;步骤7,将步骤6训练得到的权值参数的最优值用于svm分类器,对待测试的sar双极化图像进行步骤1-5的处理得到对应的特征数据,并将其代入svm分类器,区分出目标和角反射器阵列。2.如权利要求1所述的高分辨率双极化sar抗角反射器干扰的目标辨识方法,其特征在于,所述步骤1的具体操作如下:对接收到的sar双极化图像中的每个hh极化、hv极化sar图像的目标切片图像,分别利用如下公式进行计算,得到对应的极化增强目标切片图像y:用如下公式进行计算,得到对应的极化增强目标切片图像y:其中,y是极化增强目标切片图像;s
hh
、s
hv
分别是hh极化、hv极化sar图像的目标切片图像;为中间结果。3.如权利要求1所述的高分辨率双极化sar抗角反射器干扰的目标辨识方法,其特征在于,所述步骤2具体包括如下子步骤:步骤21,采用最大类间方差法,对步骤1得到的每个极化增强目标切片图像分别进行分
割处理,分别得到对应的二值图像;步骤22,设定最小聚类间距为3个像素,将每个二值图像中相邻的像素点“1”进行聚类,分别得到对应目标切片图像;步骤23,对于每个目标切片图像,通过设定目标的像素面积范围,保留处于面积范围内的目标,将不满足条件的目标剔除,可有效滤除包括二面角、三面角的孤立角反射器和大片的角反射阵列,从而得到对应的滤除后的目标切片图像。4.如权利要求1所述的高分辨率双极化sar抗角反射器干扰的目标辨识方法,其特征在于,所述步骤32中,t选择10%。5.如权利要求1所述的高分辨率双极化sar抗角反射器干扰的目标辨识方法,其特征在于,所述步骤5具体包括如下子步骤:步骤51,针对步骤31中生成的极化增强目标区域图像计算目标区域内的二阶中心矩和三阶中心矩;步骤52,利用下式对二阶中心矩和三阶中心矩分别求取期望值,得到目标样本切片的二阶矩均值、三阶矩均值;步骤53,根据步骤51得到的二阶中心矩和三阶中心矩,分别计算得到估计的方差。6.如权利要求1所述的高分辨率双极化sar抗角反射器干扰的目标辨识方法,其特征在于,所述步骤6中,核函数选择径向基函数;其中,所述训练集为真实数据经过步骤1-5进行处理后得到的特征数据。7.如权利要求6所述的高分辨率双极化sar抗角反射器干扰的目标辨识方法,其特征在于,所述训练集还包括仿真数据经步骤1-5进行处理后得到的特征数据。

技术总结
本发明公开了一种高分辨率双极化SAR抗角反射器干扰的目标辨识方法:步骤1,对接收到的SAR双极化图像进行极化增强处理,得到多个极化增强目标切片图像;步骤2,得到滤除后的目标切片图像;步骤3,同极化与交叉极化比特征提取,得到极化比均值和极化比方差;步骤4,得到间隙度特征值;步骤5,进行目标区域均值性特征提取;步骤6,将训练集代入向量机进行训练,训练后得到分类辨识的权值参数的最优值;步骤7,对待测试的进行步骤1-5的处理得到对应的特征数据,并代入分类器区分出目标和角反射器阵列。本发明综合目标多个维度的特征保证准确度,方便工程实现,且针对角反射器和目标可分性很强,能够有效提高精度,抗干扰能力强。抗干扰能力强。抗干扰能力强。


技术研发人员:胡昌华 许涛 杨剑 常沛 高超 竺红伟 衣彬 尤帅 黄丰生 吴涛
受保护的技术使用者:中国人民解放军火箭军工程大学
技术研发日:2022.03.30
技术公布日:2022/4/29
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1