[发明专利]基于电磁强散射点的SAR图像地面目标检测与定位方法

说明书

本发明公开了一种基于电磁强散射点的SAR图像地面目标检测与定位方法，包括：对获得的极化SAR图像进行预处理；运用阈值分割定位出目标潜在区域并通过形态学处理和聚类得到感兴趣目标区域ROI；提取强散射点特征；根据目标类型库建立得到目标的三维模型；建立目标在不同方位角下的强散射点模型；根据建立的强散射点模型进行回波数据仿真，得到目标在不同方位角下的一维距离像；由一维距离像提取强散射点特征，对特征进行选择并归一化；对归一化的强散射点特征训练SVM分类器并与从ROI中提取出的强散射点特征进行特征匹配，最终得到识别结果。本发明可用于地面目标检测与分类识别，可有效定位目标位置并进行后续的目标跟踪。

技术领域

本发明涉及SAR图像处理技术领域，具体涉及一种基于电磁强散射点的SAR图像地面目标检测与定位方法。

背景技术

SAR图像目标检测的本质是根据目标和杂波所表现出来的特征差异实现对目标的检测，其中心步骤在于特征的提取。目前国内外在SAR图像特征提取方面展开了大量的研究，主要分为几何特征提取、灰度分布特征提取和散射特征提取。

几何特征包括目标的方向角、主轴、长宽、轮廓等，可以反映目标在不同方位角下的尺寸类信息，具有稳定性和不变性。这类特征提取简单，但只是对目标的一种直观描述，不能准确反映出目标的本质属性，且SAR图像中存在的旁瓣也会严重影响目标长宽的提取结果。灰度分布特征包括目标的纹理、强度等，是地物性状的直观反映，但是由于地物特性的复杂性，单纯的灰度分布特征对于SAR图像目标识别是远远不够的，而且这类方法对图像质量要求较高且受方位角影响较大，容易造成大量虚警和定位中心点位置偏移等问题。散射特征包括峰值特征、散射中心特征等，可以反映目标精细的物理结构，在目标识别领域得到了越来越广泛的应用，但现有的这类方法主要基于图像分割，当目标某些部分散射强度较弱时，通过图像分割难以正确检测，这就造成了目标重要特征的丢失，在特征点匹配时会存在模型失配的问题，导致最终检测定位的精度较低，不满足精确定位的应用需求。

现有的比较常用的目标识别方法主要是基于模板的特征匹配。该方法原理简单，只要建立一个完备的模板库就可以方便快捷的匹配出相应的目标，且在目标分类中能够得到比较好的识别效果。但是建立完备的模板库，需要得到雷达入射波在不同俯仰角下对各类目标样本在不同方位角的对应图像，此外，不同的地貌特征和背景复杂度均会对模板库的建立带来极大的困难。因此，该方法不适合实际工程实时高效的应用需求。

发明内容

本发明的目的在于提供一种基于电磁强散射点的SAR图像地面目标检测与定位方法，在充分考虑SAR成像原理及坦克等地面装甲目标的散射特性基础之上，提出采用建立目标强散射点模型以提取强散射点特征的方法实现地面目标检测与定位，不仅免去了采集大量样本SAR图像的实际操作困难，还避免了提取样本散射特征时出现的误差或者特征丢失等问题，从而更适用于实际工程中复杂环境下的目标检测。

实现本发明目的的技术方案为：一种基于电磁强散射点的SAR图像地面目标检测与定位方法，包括如下过程：

步骤1，对获取的极化SAR图像进行预处理；

步骤2，运用阈值分割技术定位出目标潜在区域，经过形态学处理滤除边缘点，并通过聚类实现感兴趣目标区域ROI的检测；

步骤3，提取感兴趣目标区域ROI的强散射点特征；

步骤4，由目标类型库建立得到目标的三维模型，并根据散射点理论建立不同方位角下的强散射点模型；

步骤5，根据建立的强散射点模型进行回波数据仿真，得到目标在不同方位角下的一维高分辨率距离像；

步骤6，提取目标模型的强散射点特征，对特征进行选择并归一化，对归一化的强散射点特征进行训练，得到所需的SVM分类器；

步骤7，对从ROI中提取出的强散射点特征进行特征匹配，得到最终的识别结果。