結(jié)合圖像分割與子空間匹配追蹤的目標(biāo)散射中心提取方法
【專利摘要】本發(fā)明公開一種結(jié)合圖像分割與子空間匹配追蹤的目標(biāo)散射中心提取方法，主要解決現(xiàn)有屬性散射中心方法散射中心類別判別錯誤以及散射中心之間耦合度大導(dǎo)致參數(shù)估計不準(zhǔn)確的問題。其實現(xiàn)過程是：1.基于屬性散射中心模型，構(gòu)建屬性散射中心的冗余字典；2.基于目標(biāo)的頻域觀測數(shù)據(jù)，結(jié)合閾值分割的圖像分割方法和子空間匹配追蹤法，求解目標(biāo)在頻域觀測的稀疏表示；3.根據(jù)屬性散射中心的冗余字典和目標(biāo)在頻域觀測的稀疏表示，提取目標(biāo)屬性散射中心參數(shù)。本發(fā)明能有效提取目標(biāo)屬性散射中心，精確估計目標(biāo)及其重要部件幾何尺寸，可用于雷達(dá)目標(biāo)分類識別。
【專利說明】結(jié)合圖像分割與子空間匹配追蹤的目標(biāo)散射中心提取方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于雷達(dá)【技術(shù)領(lǐng)域】，涉及一種目標(biāo)散射中心提取方法，可用于估計目標(biāo)及其重要部件的幾何尺寸，為目標(biāo)分類識別提供重要的特征信息。

【背景技術(shù)】
[0002]合成孔徑雷達(dá)SAR是一種主動式的微波成像傳感器，分別利用距離向的脈沖壓縮技術(shù)和方位向的綜合技術(shù)來實現(xiàn)較高的空間分辨率。SAR具有全天時、全天候進(jìn)行偵察的特點，并且提供光學(xué)傳感器所不能提供的信息。憑借其獨特的優(yōu)勢，SAR已成為一種不可或缺的軍事偵察和民事遙感手段。
[0003]當(dāng)雷達(dá)工作在高頻區(qū)時，目標(biāo)的總電磁散射可以近似等效為多個局部散射源的電磁散射之和，這些局部散射源就稱為散射中心。目前用于提取目標(biāo)散射中心的模型主要分為三種:理想點散射中心模型，衰減指數(shù)模型，以及屬性散射中心模型。其中屬性散射中心模型最符合SAR目標(biāo)的散射特性，它描述的屬性散射中心具有豐富的幾何意義和物理意義。
[0004]屬性散射中心模型是1999年Michael J.Gerry和Lee C.Potter基于幾何繞射理論和物理光學(xué)理論提出的一個適用于高分辨SAR圖像數(shù)據(jù)的參數(shù)化模型。見[M.J.Gerry, L.C.Potter, 1.J.Gupta, and A.van der Merwe, A parametric model forsynthetic aperture radar measurements[J].1EEE Transact1ns on Antennas and Propagat1n, 1999，Vol.47，N0.7，pp.1179-1188]。該模型不僅描述了散射中心的位置信息和強度信息，還描述了散射中心的幾何尺寸，以及散射中心對頻率和方位的依賴性,并可以由此反演出目標(biāo)的幾何結(jié)構(gòu)。屬性散射中心模型相比于點散射模型和衰減指數(shù)模型，包含更豐富的可用于目標(biāo)分類識別的特征。
[0005]屬性散射中心特征提取實質(zhì)上是一個從目標(biāo)回波數(shù)據(jù)中估計各個散射中心參數(shù)的過程。由于屬性散射中心模型包含的散射中心信息較多，導(dǎo)致模型結(jié)構(gòu)復(fù)雜以及參數(shù)維數(shù)較高，增加了模型參數(shù)估計的復(fù)雜性?，F(xiàn)有方法主要分為兩種，分別是基于圖像域的散射中心提取和基于頻域數(shù)據(jù)的散射中心提取?；趫D像域的散射中心提取方法具有降低散射中心之間耦合度的特點，但是存在模型階數(shù)選擇和散射中心結(jié)構(gòu)類別判別的問題?；陬l域數(shù)據(jù)的散射中心提取方法避免了模型失配和散射中心類別判別的問題，但是對于相鄰散射中心之間的強耦合性卻無能為力。


【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的在于提出一種結(jié)合圖像分割與子空間匹配追蹤的目標(biāo)散射中心提取方法，以解決現(xiàn)有方法中模型失配、散射中心類別判別錯誤以及散射中心間耦合度大導(dǎo)致參數(shù)估計不準(zhǔn)確的問題。
[0007]本發(fā)明的技術(shù)方案是這樣實現(xiàn)的:
[0008]一.技術(shù)思路
[0009]在高頻區(qū)的雷達(dá)回波中，將目標(biāo)散射回波近似看成由少量強散射中心的后向散射回波疊加產(chǎn)生，通過求解目標(biāo)在頻率域的稀疏表示，提取目標(biāo)的散射中心特征?？紤]屬性散射中心參數(shù)空間維數(shù)較高，散射中心提取過程計算復(fù)雜度大，采用基于子空間匹配追蹤獲取目標(biāo)屬性散射中心參數(shù)的初步估計集合；針對散射中心之間耦合度大導(dǎo)致參數(shù)估計不準(zhǔn)確的問題，通過利用圖像分割的方法降低散射中心之間的耦合度。
[0010]二.技術(shù)方案
[0011]根據(jù)上述思路本發(fā)明的實現(xiàn)步驟包括如下:
[0012](I)提取原始圖像Itl中的局部極大值區(qū)域，得到目標(biāo)圖像I1 ;對目標(biāo)圖像I1進(jìn)行分割，得到目標(biāo)的輪廓區(qū)域R，用輪廓區(qū)域R對原始圖像Itl進(jìn)行掩膜處理，得到目標(biāo)連通支撐域圖像I2，對連通支撐域圖像I2通過二維傅里葉變換得到目標(biāo)的頻域觀測信號S ；
[0013](2)確定散射中心的位置集合Q1和散射中心的屬性集合Θ2 ；
[0014]2a)根據(jù)輪廓區(qū)域R中的非零元素位置得到散射中心距離維坐標(biāo)參數(shù)X的取值范圍X和散射中心方位維坐標(biāo)參數(shù)y的取值范圍Y，確定散射中心的位置集合=Q1 =
{(X，y) IX e X, y e Y}；
[0015]2b)由散射中心方位維坐標(biāo)參數(shù)I的取值范圍確定散射中心長度參數(shù)L的取值范圍L ;由雷達(dá)回波數(shù)據(jù)錄取的方位角域確定散射中心方位角歹取值范圍Φ ;由雷達(dá)回波數(shù)據(jù)錄取的中心頻率確定散射中心方位依賴因子Y取值范圍Γ ;設(shè)定散射中心的頻率依賴因子α取值范圍為Λ = {-1,-0.5,0,0.5,1};最終確定散射中心的屬性集合O2:
Θ2 = ^(Σ,φ,α,γ) IL eL, ^ e?,c?eA,yer| ；
[0016](3)根據(jù)所述的位置集合O1和屬性集合?2，利用屬性散射中心模型分別構(gòu)建位置信息字典D1Uy I O1)和屬性信息字典02(1，$,?7|02);
[0017](4)由上述位置集合O1、屬性集合?2、位置信息字典D1Uy I Θ 和屬性信息字典02(1，1?,灼02)，利用子空間匹配追蹤法得到目標(biāo)屬性散射中心參數(shù)的初步估計集合
0O ；
[0018](5)對初步估計集合Otl進(jìn)行優(yōu)化，得到目標(biāo)屬性散射中心的特征集合O’:
[0019]5.1)令迭代集合Θ等于初步估計集合θ。，記Θ = { θ 1；..., θ j,..., θ ρ}，其中θ i是O中的第i組參數(shù)，I ^ i ^ ρ,P為迭代集合?中參數(shù)總組數(shù)，令緩存集合O3等于初步估計集合?ο，子迭代次數(shù)q = 1，令分割因子ξ = 0.1 ；
[0020]5.2)從迭代集合θ中去掉第q組參數(shù)，得到子迭代集合O ’，為:
[0021]Θ\= (O1,..., θ^, Θ q+1,..., θρ}；
[0022]5.3)根據(jù)子迭代集合O’，，利用屬性散射中心模型構(gòu)建子迭代字典D’q;
[0023]5.4)由子迭代字典D’，，得到殘量頻域向量火為:
[0024]dr= (1-((D'q)H)s
[0025]其中(.Γ1表示對矩陣求逆，(.)Η表示對矩陣進(jìn)行共軛轉(zhuǎn)置，I是單位矩陣；
[0026]5.5)利用以上參數(shù)計算余量相關(guān)矩陣C’:
[0027]C ^D1 (x,^diagidr).02(I,^,a,f |Θ2)
[0028]其中diag(.)表示對角化操作；
[0029]5.6)根據(jù)余量相關(guān)矩陣C’中模值最大元素對應(yīng)的行數(shù)η’和列數(shù)m’，得到局部字典Dtl ;DQ = D1 (n ' ).*D2(m ;),其中，.*是點乘符號，表示矩陣對應(yīng)位置相乘，D1Oi')表示位置信息字典D1Uy I 0:)中的第η’個字典原子，D2(m')表示屬性信息字典02認(rèn),1?,灼02)中的第m’個字典原子；
[0030]5.7)由局部字典Dtl和殘量頻域向量4，通過二維逆傅里葉變換分別得到局部成像矩陣Id和殘量成像矩陣Ir:
[0031]Id = ifft2 (reshape (D0, fn, Φη))，
[0032]Ir = ifft2 (reshape (dr, fn, Φη)),
[0033]其中，ifft2(.)表示二維逆傅里葉變換,reshape (.)是矩陣維度變換算子，fn是雷達(dá)圖像的距離維采樣點數(shù)，0?是雷達(dá)圖像的方位維采樣點數(shù)；
[0034]5.8)由局部成像矩陣Id中元素的最大模值和分割因子ξ，確定分割門限Μξ:Μξ=I.max (Id)，其中max (.)表示取最大模值；
[0035]5.9)將局部成像矩陣Id中強度大于等于分割門限Μξ的元素置1，小于分割門限Μξ的元素置0，得到門限矩陣If ;
[0036]5.10)由門限矩陣If和殘量成像矩陣Ir，通過二維傅里葉變換得到分割信號Fs =Fs=vec (fft2 (Ip.*Ir)),其中fft2表示二維傅里葉變換，vec表示列向量化操作；
[0037]5.11)由以上參數(shù)計算分割相關(guān)矩陣C":
[0038]C" =■ D1 (x, VIΘ,)H*diag(Vs)?D2{?,φ,α,γ\ Θ2)
[0039]5.12)找出分割相關(guān)矩陣C"模值最大元素對應(yīng)的行數(shù)η"和列數(shù)m"，得到一組分割參數(shù)=,其中Θι(η")表示位置集合θ:中第η"組參數(shù)，O2Gn")表示屬性集合O2中第m"組參數(shù)；
[0040]5.13)用分割參數(shù)丄孓ΓΛ;/)更新迭代集合O中第q組參數(shù)，即Oq =ΘΙ{χ,\\1^)Μ,γ);
[0041]5.14)判斷q < ρ是否成立,若成立,貝U令q = q+l,返回步驟5.2);若不成立,貝!J設(shè)q = I，執(zhí)行步驟5.15)；
[0042]5.15)判斷θ 3 = Θ是否成立,若不成立,則令Θ 3 = Θ，返回步驟5.2);若成立，則此時的迭代集合?就是目標(biāo)屬性散射中心的特征集合?’，即?’ = ?。
[0043]本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點:
[0044]1.避免了模型失配和類別錯判:
[0045]本發(fā)明基于屬性散射中心模型構(gòu)建冗余字典，從目標(biāo)的頻域觀測數(shù)據(jù)出發(fā)，通過求解目標(biāo)在頻域觀測的稀疏表示，提取目標(biāo)的屬性散射中心參數(shù)，解決了散射中心提取過程中的模型失配和類別判別問題。
[0046]2.提高了提取屬性散射中心參數(shù)的準(zhǔn)確度:
[0047]本發(fā)明利用了目標(biāo)的圖像域信息，結(jié)合圖像分割方法和子空間匹配追蹤方法提取目標(biāo)屬性散射中心參數(shù)，解決了因散射中心之間耦合度大導(dǎo)致參數(shù)提取不正確的問題，提高了屬性散射中心參數(shù)的估計準(zhǔn)確度。
[0048]3.能得到目標(biāo)及其重要部件的精確幾何尺寸特征:
[0049]由于本發(fā)明方法能夠有效提取目標(biāo)屬性散射中心參數(shù)，所以本發(fā)明根據(jù)提取的屬性散射中心參數(shù)集合，可以得到目標(biāo)及其重要部件的精確幾何尺寸特征。

【專利附圖】

【附圖說明】
[0050]圖1是本發(fā)明的實現(xiàn)流程圖；
[0051]圖2是MSTAR數(shù)據(jù)庫中T72坦克的原始雷達(dá)圖像。

【具體實施方式】
[0052]一、技術(shù)原理
[0053]高分辨率SAR圖像是目標(biāo)的二維散射圖像，可近似看成由少量強散射中心的后向散射回波之和產(chǎn)生的。目前提取目標(biāo)散射中心的模型主要分為三種:理想點散射中心模型，衰減指數(shù)模型，以及屬性散射中心模型。其中屬性散射中心模型最符合SAR目標(biāo)的散射特性，不僅描述了散射中心的位置信息和強度信息，還描述了散射中心的幾何尺寸，以及散射中心對頻率和方位的依賴性，并可以由此反演出目標(biāo)的幾何結(jié)構(gòu)。屬性散射中心模型相比于點散射模型和衰減指數(shù)模型，包含更豐富的可用于目標(biāo)分類識別的特征。它描述的屬性散射中心具有豐富的幾何意義和物理意義。
[0054]根據(jù)屬性散射中心模型可知，目標(biāo)中第i個散射中心頻率-方位二維回波信號為:
(f Y' (— f、
五,(/,#;6) = 4.1-f exP -(XiCOS沴 + 力sin沴).
[0055]^C
sine I', Li sinοχρ[-2πZyj sin φ)
V cJ
[0056]其中，i表示散射中心序號，f為雷達(dá)發(fā)射信號頻率，Φ為雷達(dá)方位角，exp(.)為自然指數(shù)函數(shù)，sin c(.)為辛克函數(shù)，c為光速，Θ j表示第i個散射中心的參數(shù)向量,包含Λ Λ4，《, ^Yi ]，Ai為散射中心的散射強度，Xi為距離維坐標(biāo)，Yi為方位維坐標(biāo)，Li
為分布式散射中心方位維的長度，φ?為分布式散射中心的方位角，α i為頻率依賴因子，一般a i e {-1, -0.5，O, 0.5，1}，Yi為局部式散射中心的方位依賴因子。
[0057]由各個散射中心的回波信號之和，即可構(gòu)成目標(biāo)頻率-方位二維回波信號:
[0058]E(/,0:0) = fjEi (/,φ.θ;), ΘΓ = [^r,.θ

卜I
[0059]其中i表不散射中心序號，Ei (f, Φ ； θ ^為第i個散射中心的回波信號,M為散射中心個數(shù)，Θ表示M個散射中心參數(shù)矩陣，(.)τ表示轉(zhuǎn)置操作；
[0060]將目標(biāo)回波信號用矩陣形式表達(dá)，其表達(dá)式為:
[0061]s = D(0)o+n
[0062]其中s為目標(biāo)回波信號E (f, Φ ； Θ )的列向量化，D(O)為散射中心參數(shù)矩陣θ對應(yīng)的字典，0為散射系數(shù)向量，η表不噪聲。
[0063]在雷達(dá)回波中，由于目標(biāo)散射場的絕大部分能量僅由少量強散射中心貢獻(xiàn)，故說明雷達(dá)回波在屬性散射中心的參數(shù)空間具有很強的稀疏性。根據(jù)雷達(dá)回波在屬性散射中心的參數(shù)空間的稀疏性，通過求解觀測數(shù)據(jù)S的稀疏表示，以及散射中心參數(shù)估計集合，通過散射中心參數(shù)集合可以估計目標(biāo)及其重要部件的幾何尺寸特征。
[0064]二、實現(xiàn)步驟
[0065]參照圖1，本發(fā)明的實現(xiàn)步驟如下:
[0066]步驟1，獲取目標(biāo)的頻域觀測信號S。
[0067]從MSTAR數(shù)據(jù)庫中提取T72坦克原始圖像I。，如圖2所示；提取原始圖像I。中的局部極大值區(qū)域，得到目標(biāo)圖像I1 ;對目標(biāo)圖像^進(jìn)行分割，得到目標(biāo)的輪廓區(qū)域R，用輪廓區(qū)域R對原始圖像Itl進(jìn)行掩膜處理，得到目標(biāo)連通支撐域圖像I2，對連通支撐域圖像12通過二維傅里葉變換得到目標(biāo)的頻域觀測信號s。
[0068]步驟2，確定目標(biāo)散射中心的位置集合Q1和散射中心的屬性集合02。
[0069]2a)根據(jù)輪廓區(qū)域R中的非零元素位置得到散射中心距離維坐標(biāo)參數(shù)X的取值范圍X和散射中心方位維坐標(biāo)參數(shù)y的取值范圍Y，確定散射中心的位置集合=Q1 =
{(x, y) |x e X, y e Y},
[0070]例如，當(dāng)雷達(dá)圖像數(shù)據(jù)為公開MSTAR實測數(shù)據(jù)時，根據(jù)輪廓區(qū)域R中的非零元素位置可以得到散射中心距離維坐標(biāo)參數(shù)X的取值范圍X = {x|-2.0700 ^ X ^ 1.2937}，散射中心方位維坐標(biāo)參數(shù)y的取值范圍Y = {y 1-6.5000 ^ y ^ 3.1200}，所以散射中心的位置集合 OI = {U，y) IX e X，y e Y};
[0071]2b)由散射中心方位維坐標(biāo)參數(shù)I的取值范圍確定散射中心長度參數(shù)L的取值范圍L ;由雷達(dá)回波數(shù)據(jù)錄取的方位角域確定散射中心方位角歹取值范圍Φ ;由雷達(dá)回波數(shù)據(jù)錄取的中心頻率確定散射中心方位依賴因子Y取值范圍Γ ;設(shè)定散射中心的頻率依賴因子α取值范圍為Λ = {-1,-0.5,0,0.5, 1};最終確定散射中心的屬性集合O2:
Θ2 =I Z eL,^ e Φ,α e e rj.，
[0072]例如，當(dāng)雷達(dá)圖像數(shù)據(jù)為公開MSTAR實測數(shù)據(jù)時，散射中心長度參數(shù)L的取值范圍L = {LI O彡L彡9.88}，散射中心方位角歹取值范圍Φ =丨歹1-99.23° <φ< 80.77°},
散射中心方位依賴因子Y取值范圍Γ = {y |0 ^ Y ^ 1.0417e-9}，頻率依賴因子α取值范圍為A = {-1, -0.5，O, 0.5，1}，所以散射中心的屬性集合
Θ2 =I Z e L,^ ^Φ,α e Α,χ 。
[0073]步驟3，根據(jù)所述的位置集合Q1和屬性集合O2，利用屬性散射中心模型分別構(gòu)建位置信息字典Djx’y I 0j)和屬性信息字典02(1,石,0；,/|02}。
[0074]3a)輸入位置集合Q1和屬性集合Θ2 ；
[0075]3b)由位置集合Q1和屬性集合θ2，分別產(chǎn)生位置原子dw(f, Φ)和屬性原子d'^f, Φ)；
? ? - ；4ττ f^
[0076]?κ{/,φ) = vec exp -(xH,cos^+ vH.sin^) , W =
Ivc))
f/ r\a'Z2 f_ \、
?,(/,φ) = vec j—.sine ~—Ε,?η?φ-φ^.exp (~2π f γ, sin φ、 ,
[0077]IvV /r J V cJ^



I = \,.,.,N0
[0078]其中，vec(.)表示列向量化操作，N1表示位置集合Q1的參數(shù)總組數(shù)，N2表示屬性集合O2的參數(shù)總組數(shù)，exp (.)為自然指數(shù)函數(shù)，sin c(.)為辛克函數(shù)，(xw, yw)為位置集合Q1的第w組參數(shù)，(A,元《,#)為屬性集合O2的第I組參數(shù)，f為雷達(dá)發(fā)射信號頻率，fc為雷達(dá)發(fā)射信號中心頻率，Φ為雷達(dá)波束方位角，c為光速；
[0079]3c)由位置原子dw(f, Φ )和屬性原子(T1 (f, Φ),得到歸一化的位置原子和歸
^ AJJ ,φ)?,(/,φ)
一化的屬性原,為:dw = ||d1:(/,^ ’d, = ||d;(/々|| ’其中，Il.112為2范數(shù)算子；
[0080]3d)由歸一化的位置原子I和歸一化的屬性原子表，分別構(gòu)建位置信息字典D1 (x, y O1)和屬性信息字典02(1,石,《，/|€>2)為:
[0081]D1(X5Jiei)=





O
[0082]?2(Σ,φ,α,χ\?2) = [di
[0083]步驟4，由上述位置集合O1、屬性集合? 2、位置信息字典D1Uy I Θ 和屬性信息字典D2(L，&tt,/|02)，利用子空間匹配追蹤法得到目標(biāo)屬性散射中心參數(shù)的初步估計集合?0。
[0084]4a)假設(shè)目標(biāo)屬性散射中心的稀疏度為N，將信號余量r初始化為頻域觀測信號S，將冗余集合? ’ ο和臨時集合? " ^初始化為空，將臨時字典D" (Θ " 0)初始化為空，設(shè)重構(gòu)能量誤差約束因子為ε，ε由目標(biāo)連通支撐域圖像I2的信噪比確定；
[0085]4b)利用以上參數(shù)計算相關(guān)系數(shù)矩陣:
[0086]C = D1 (..V, y \ Q1)11 *ii/c/g(r)*D2(L, φ, α, γ j Θ2)，
[0087]其中diag(.)表示對角化操作，(.)H表示對矩陣進(jìn)行共軛轉(zhuǎn)置；
[0088]4c)找出相關(guān)系數(shù)矩陣C中模值最大的K個元素對應(yīng)冗余行數(shù)集合η和冗余列數(shù)集合 m,其中 K = 2XN, n = In1,..., nu,——，nj , m = Im1,..., mu,——，mj , nu 和 mu 分別是相關(guān)系數(shù)矩陣C中元素按模值從大到小排列后第u個元素的行數(shù)和列數(shù)；
[0089]4d)由冗余行數(shù)向量η、冗余列數(shù)向量m、臨時集合O " ^和臨時字典D" (Θ;/ 0),得到冗余集合?’(|和冗余字典0’ (Θ'0):
[0090]O，ο = {(?! (nu)，Θ 2 (mu)) I nu e n, mu e m} U Θ " 0，
[0091 ] D' (Θ ' 0) = (D1 (nu).*D2 (mu) nu e n, mu e m} UD" (Θ " 0)，
[0092]其中，U表示取并集，?i(nu)表示位置集合Q1中第nu組參數(shù)，?2(mu)表示屬性集合O 2中第mu組參數(shù)，D1 (nu)表示位置信息字典D1 (x, y | Θ 中第nu個字典原子，D2 (mu)
表示屬性信息字典D2(i,f,?，r|02)中第mu個字典原子；
[0093]4e)由冗余字典計算冗余系數(shù)向量:σ = pinv (D’( Θ ’ Q)).s,找出冗余系數(shù)向量σ中模值最大的N個元素對應(yīng)臨時行數(shù)集合:η '=In'..., n/ v,——,n/ J，其中Pinv (.)表示偽逆，n' v是系數(shù)向量σ中元素按模值從大到小排列后的第V個元素的行數(shù)；
[0094]4f)由臨時行數(shù)集合n'，得到臨時集合O"。和臨時字典D" (Θ " 0):
[0095]? " ο = {?，0(nv) |nv e n' }，
[0096]D" (O " ο) = {D, (nv) |nv e n' }，
[0097]其中0’Q(nv)表示冗余集合0’。中第~組參數(shù)，D' (nv)表示冗余字典D’(O’。)中第nv個字典原子；
[0098]4g)由臨時字典D" (O"。)，得到重構(gòu)信號§(Θ|；)為:
[0099]_;) = D"(0:>/)/./n’(D〃(0:;)Vs ；
[0100]4h)由重構(gòu)信號蚊Θ〖)更新信號余量r為:r = s-S(0::);
[0101]4i)判斷I |r| |2彡ε是否成立，若不成立，返回步驟4b);若成立，則此時的臨時集合? " ^就是初步估計集合Qtl，即Θ。= Θ "。。
[0102]步驟5，對初步估計集合Otl進(jìn)行優(yōu)化，得到目標(biāo)屬性散射中心的特征集合O’。
[0103]5.1)令迭代集合Θ等于初步估計集合θ。，記Θ = { θ 1；..., θ j,..., θ ρ}，其中θ i是O中的第i組參數(shù)，I ^ i ^ ρ,ρ為迭代集合?中參數(shù)總組數(shù)，令緩存集合O3等于初步估計集合?ο，子迭代次數(shù)q = 1，令分割因子ξ = 0.1 ；
[0104]5.2)從迭代集合θ中去掉第q組參數(shù)，得到子迭代集合O ’，為:
[0105]?' q = { θ 1；.., θ ^1, θ q+1,...，θ ρ}；
[0106]5.3)根據(jù)子迭代集合O’，，利用屬性散射中心模型構(gòu)建子迭代字典D’q;
[0107]5.3.1)輸入子迭代集合O’q ;
[0108]5.3.2)由子迭代集合O’，，產(chǎn)生子迭代原子<(/肩；
if fY' ? - ?4π fΛ
At (/, φ) = vec j— *exp ————{xt cos φ + y, sin φ).Γ ηV fc J V cJ
[0109]^
sinrf^^ L1 %\η[φ-φ^ *exp(-27f/'y sin^) ,
VcJJ
[0110]其中On為子迭代集合?’ 的第t組參數(shù)，I彡t彡N3,N3是子迭代集合? ’ q的參數(shù)總組數(shù)；
[0111]5.3.3)由子迭代原子<(/,釣，得到歸一化的子迭代原子⑴為:
[0112]
[0113]5.3.4)由歸一化的子迭代原子紀(jì)，構(gòu)建子迭代字典D’，為:
[0114]D? =；
[0115]5.4)由子迭代字典D’，，得到殘量頻域向量火為:
[0116]dr= (1-((D'q)H)s,
[0117]其中(.Γ1表示對矩陣求逆，(.)Η表示對矩陣進(jìn)行共軛轉(zhuǎn)置，I是單位矩陣；
[0118]5.5)利用以上參數(shù)計算余量相關(guān)矩陣C’:
[0119]C' = DiC-V, VIΘ, f,diugi0ry[)2iL3.,aj | Θ2)
[0120]其中diag(.)表示對角化操作；
[0121]5.6)根據(jù)余量相關(guān)矩陣C’中模值最大元素對應(yīng)的行數(shù)η’和列數(shù)m’，得到局部字典Dtl ;DQ = D1 (n ' ).*D2(m ;),其中，.*是點乘符號，表示矩陣對應(yīng)位置相乘，D1Oi')表示位置信息字典D1Uy I 0:)中的第η’個字典原子，D2(m')表示屬性信息字典0:(乙$,&^02)中的第m’個字典原子；
[0122]5.7)由局部字典Dtl和殘量頻域向量4，通過二維逆傅里葉變換分別得到局部成像矩陣Id和殘量成像矩陣Ir:
[0123]Id = ifft2 (reshape (D0, fn, Φη))，
[0124]Ir = ifft2 (reshape (dr, fn, Φη)),
[0125]其中，丨€;^2(.)表示二維逆傅里葉變換,reshape (.)是矩陣維度變換算子，fn是雷達(dá)圖像的距離維采樣點數(shù)，0?是雷達(dá)圖像的方位維采樣點數(shù)；
[0126]5.8)由局部成像矩陣Id中元素的最大模值和分割因子ξ，確定分割門限Μξ:Μξ=I.max (Id)，其中max (.)表示取最大模值；
[0127]5.9)將局部成像矩陣Id中強度大于等于分割門限Μξ的元素置1，小于分割門限Μξ的元素置0，得到門限矩陣If ;
[0128]5.10)由門限矩陣IjP殘量成像矩陣Ir，通過二維傅里葉變換得到分割信號Fs =Fs=vec (fft2 (Ip.*Ir)),其中fft2表示二維傅里葉變換，vec表示列向量化操作；
[0129]5.11)由以上參數(shù)計算分割相關(guān)矩陣C":
[0130]C" = Dl(χ, V !Θ,)■"-diagiFi).02(?.:φ,α,ν\&2)；
[0131]5.12)找出分割相關(guān)矩陣C"模值最大元素對應(yīng)的行數(shù)η"和列數(shù)m"，得到一組分割參數(shù)=其中Θ^η")表示位置集合O1中第η"組參數(shù)，?2(m")表示屬性集合O2中第m"組參數(shù)；
[0132]5.13)用分割參數(shù)更新迭代集合Θ中第q組參數(shù)，gp
[0133]5.14)判斷q < ρ是否成立,若成立,貝U令q = q+1,返回步驟5.2);若不成立,貝丨J設(shè)q = I，執(zhí)行步驟5.15)；
[0134]5.15)判斷Θ3= θ是否成立，若不成立，貝1』令Θ3 = Θ，返回步驟5.2);若成立，則此時的迭代集合?就是目標(biāo)屬性散射中心的特征集合?’，即?’ = ?。
[0135]本發(fā)明的效果通過以下實測數(shù)據(jù)的實驗進(jìn)一步說明:
[0136]I)實驗場景:
[0137]實驗所用的實測數(shù)據(jù)為公開的MSTAR數(shù)據(jù)集中方位角為80.774185°俯仰角為15°的T72坦克的合成孔徑雷達(dá)SAR數(shù)據(jù)，雷達(dá)的中心頻率f。= 9.599GHz，帶寬B =59IMHzο T72坦克真實幾何尺寸為:車體長6.41m，車寬3.52m，炮筒長6.155米，炮筒向前時車身總長9.445米。
[0138]2)實驗內(nèi)容:
[0139]對于方位角為80.774185°俯仰角為15°的T72坦克MSTAR數(shù)據(jù)，利用本發(fā)明提取目標(biāo)屬性散射中心的參數(shù)集合，如表1和表2所不。
[0140]表1本發(fā)明方法處理T72炮筒散射中心參數(shù)
[0141]

【權(quán)利要求】
1.一種結(jié)合圖像分割與子空間匹配追蹤的目標(biāo)散射中心提取方法，包括如下步驟: (1)提取原始圖像Itl中的局部極大值區(qū)域，得到目標(biāo)圖像I1;對目標(biāo)圖像I1進(jìn)行分割，得到目標(biāo)的輪廓區(qū)域R，用輪廓區(qū)域R對原始圖像Itl進(jìn)行掩膜處理，得到目標(biāo)連通支撐域圖像I2，對連通支撐域圖像I2通過二維傅里葉變換得到目標(biāo)的頻域觀測信號s ； (2)確定散射中心的位置集合Q1和散射中心的屬性集合Θ2； 2a)根據(jù)輪廓區(qū)域R中的非零元素位置得到散射中心距離維坐標(biāo)參數(shù)X的取值范圍X和散射中心方位維坐標(biāo)參數(shù)y的取值范圍Y，確定散射中心的位置集合A1 ={(X，y) IX e X, Y e Y}； 2b)由散射中心方位維坐標(biāo)參數(shù)y的取值范圍確定散射中心長度參數(shù)L的取值范圍L ；由雷達(dá)回波數(shù)據(jù)錄取的方位角域確定散射中心方位角f取值范圍Φ ;由雷達(dá)回波數(shù)據(jù)錄取的中心頻率確定散射中心方位依賴因子Y取值范圍Γ ;設(shè)定散射中心的頻率依賴因子α取值范圍為Λ = {-1, -0.5，O, 0.5，1};最終確定散射中心的屬性集合O2: Θ2|ZeL,^ θΦ,α erj ； (3)根據(jù)所述的位置集合O1和屬性集合?2，利用屬性散射中心模型分別構(gòu)建位置信息字典D1Uy I O1)和屬性信息字典02(1,^",?,灼02); (4)由上述位置集合O1、屬性集合?2、位置信息字典D1UyIQ1)和屬性信息字典D2(Z，利用子空間匹配追蹤法得到目標(biāo)屬性散射中心參數(shù)的初步估計集合?ο ； (5)對初步估計集合Otl進(jìn)行優(yōu)化，得到目標(biāo)屬性散射中心的特征集合O’: 5.1)令迭代集合?等于初步估計集合Otl,記O = P1,..., θρ...，θρ}，其中Qi是?中的第i組參數(shù)，I ^ i ^ P, P為迭代集合?中參數(shù)總組數(shù)，令緩存集合O3等于初步估計集合?O，子迭代次數(shù)q = 1，令分割因子I =0.1； 5.2)從迭代集合Θ中去掉第q組參數(shù)，得到子迭代集合O’，為:
?' q = { 0 I,..., 0 q-1，0 q+l,...，θ J ; 5.3)根據(jù)子迭代集合O’，，利用屬性散射中心模型構(gòu)建子迭代字典D’ q ； 5.4)由子迭代字典D’，，得到殘量頻域向量4為: dr= (1-((Dj1^DH)H)s 其中(.Γ1表示對矩陣求逆，(.)H表示對矩陣進(jìn)行共軛轉(zhuǎn)置，I是單位矩陣； 5.5)利用以上參數(shù)計算余量相關(guān)矩陣C’:
C = D1 (,V, VIΘ丨)〃。i//<7g(d,>D2(L,《,a，;/1Θ2) 其中diag(.)表示對角化操作； 5.6)根據(jù)余量相關(guān)矩陣C’中模值最大元素對應(yīng)的行數(shù)η’和列數(shù)m’，得到局部字典Dtl ；Dtl = D1Oi' ) ?*D2(m/ ),其中，.*是點乘符號,表示矩陣對應(yīng)位置相乘,D1Oi')表示位置信息字典01(1，7| 0:)中的第η’個字典原子，D2On')表示屬性信息字典D2(lJ,?,rIΘ2)中的第m’個字典原子； 5.7)由局部字典Dtl和殘量頻域向量4，通過二維逆傅里葉變換分別得到局部成像矩陣Id和殘量成像矩陣Ir:
Id= ifft2 (reshape (D0, fn, Φη))，
Ir= ifft2 (reshape (dr, fn, Φη)), 其中，ifft2(.)表示二維逆傅里葉變換，reshape (.)是矩陣維度變換算子，fn是雷達(dá)圖像的距離維采樣點數(shù)，小?是雷達(dá)圖像的方位維采樣點數(shù)； 5.8)由局部成像矩陣Id中元素的最大模值和分割因子ξ，確定分割門限Μξ:Μξ =I.max (Id)，其中max (.)表示取最大模值； 5.9)將局部成像矩陣Id中強度大于等于分割門限Μξ的元素置1，小于分割門限Μξ的元素置O，得到門限矩陣If; 5.10)由門限矩陣IjP殘量成像矩陣Ir，通過二維傅里葉變換得到分割信號Fs =Fs =vec(fft2(IF.，其中fft2表示二維傅里葉變換，vec表示列向量化操作； 5.11)由以上參數(shù)計算分割相關(guān)矩陣C":
C" = D,(a., V I Θ,)'1 HliagiFsyO2(Lj,a,r I Θ2) 5.12)找出分割相關(guān)矩陣C"模值最大元素對應(yīng)的行數(shù)η"和列數(shù)m"，得到一組分割)表示位置集合O1中第η"組參數(shù)，?2(m")表示屬性集合O2中第m"組參數(shù)； 5.13)用分割參數(shù)θ^--α,γ)更新迭代集合Θ中第q組參數(shù)，即θ,, ； 5.14)判斷q < P是否成立，若成立，貝Ij令q = q+l，返回步驟5.2);若不成立,則設(shè)q =I，執(zhí)行步驟5.15)； 5.15)判斷θ 3 = Θ是否成立,若不成立,則令Θ 3 = Θ，返回步驟5.2);若成立,則此時的迭代集合?就是目標(biāo)屬性散射中心的特征集合?’，即?’ = ?。
2.根據(jù)權(quán)利要求1所述的方法，其中步驟(3)所述的根據(jù)位置集合Q1和屬性集合?2，利用屬性散射中心模型分別構(gòu)建位置信息字典D1UyI 0:)和屬性信息字典D2(Zj,tt，H02)，按如下步驟進(jìn)行: 3a)輸入位置集合Q1和屬性集合Θ2 ； 3b)由位置集合O1和屬性集合O2，分別產(chǎn)生位置原子dw(f，Φ)和屬性原子d'^f, Φ)；
' f.A ~f.=vec I exp ————(xlr cos^+ v?.sin^) L w ~ !,...,N1
K K cJJ(VfY, (2 f - Λ、 dX/,i^) = vec j— ?sincl ?,?η?φ-φλ \^χρ(-2π/γ,?ηφ)Iv fJjJJ


I — I,.,,,N2 其中，vec(.)表示列向量化操作，N1表示位置集合?工的參數(shù)總組數(shù)，N2表示屬性集合O2的參數(shù)總組數(shù)，exp (.)為自然指數(shù)函數(shù)，sin c(.)為辛克函數(shù)，(xw, yw)為位置集合?i的第W組參數(shù)，(I,,務(wù),Ar,)為屬性集合θ2的第I組參數(shù)，f為雷達(dá)發(fā)射信號頻率，f。為雷達(dá)發(fā)射信號中心頻率，φ為雷達(dá)波束方位角，C為光速；3c)由位置原子dw(f，Φ)和屬性原子Cf1 (f，Φ)，得到歸一化的位置原子I和歸一化
~ ?κ{/,φ) ^ d；(/,^)白勺屬性原子5;為.d其中，I I.I I2為2范數(shù)算子； 3d)由歸一化的位置原子I和歸一化的屬性原子$ ,分別構(gòu)建位置信息字典D1 (x, y Q1)和屬性信息字典02(1,7,?,/|02)為: D1(X5VlO1)^ ?ρ...式_ο
?2{Σ,φ,α,γ |Θ2) =
3.根據(jù)權(quán)利要求1所述的方法，其中步驟(4)所述的由上述位置集合O1、屬性集合θ2、位置信息字典D1Uy I O1)和屬性信息字典02(4$41|?2)，利用子空間匹配追蹤法得到目標(biāo)屬性散射中心參數(shù)的初步估計集合?O，按如下步驟進(jìn)行: 4a)假設(shè)目標(biāo)屬性散射中心的稀疏度為N，將信號余量r初始化為頻域觀測信號S，將冗余集合? ’ ο和臨時集合? " ^初始化為空，將臨時字典D" (Θ " 0)初始化為空，設(shè)重構(gòu)能量誤差約束因子為ε，ε由目標(biāo)連通支撐域圖像I2的信噪比確定； 4b)利用以上參數(shù)計算相關(guān)系數(shù)矩陣:C = DlCv, V I Θ,)/; *diag(ryO2(L^,α,γ | Θ,)； 4c)找出相關(guān)系數(shù)矩陣C中模值最大的K個元素對應(yīng)冗余行數(shù)集合η和冗余列數(shù)集合m,其中 K = 2XN,n = In1,..., nu,——，nj，m = Im1,..., mu,——，mj，nu 和 mu 分別是相關(guān)系數(shù)矩陣C中元素按模值從大到小排列后第u個元素的行數(shù)和列數(shù)； 4d)由冗余行數(shù)向量η、冗余列數(shù)向量m、臨時集合Θ"。和臨時字典D" (Θ" J，得到冗余集合?’(|和冗余字典0’ (Θ'0):
O，ο = {(?!(nu)，Θ2(mu)) Inu e n, mu e m} U Θ " 0，
D，(θ，o) = (D1 (nu).*D2 (mu) nu e n, mu e m} UD" (Θ " 0)，其中，U表不取并集，Q1(Iiu)表不位置集合Q1中第nu組參數(shù)，θ 2 (mu)表不屬性集合? 2中第mu組參數(shù)，D1 (nu)表示位置信息字典D1 (x, y | Θ J中第nu個字典原子，D2 (mu)表示屬性信息字典I Θ2)中第mu個字典原子； 4e)由冗余字典D’(Θ’。)計算冗余系數(shù)向量:σ = pinv(D’(Θ ’ Q)).s,找出冗余系數(shù)向量σ中模值最大的N個元素對應(yīng)臨時行數(shù)集合:n' ={VN}，其中pinv(.)表示偽逆,n' γ是系數(shù)向量σ中元素按模值從大到小排列后的第v個元素的行數(shù)； 4f)由臨時行數(shù)集合n'，得到臨時集合O"。和臨時字典D" (Θ" 0):
θ " O = {θ，O(nv) nv e Π/ }, D" (Θ " 0) = {D' (ην) Iην e η' }, 其中θ’ο(ην)表示冗余集合θ、中第~組參數(shù)，D' (nv)表示冗余字典D’ (Θ'0)中第ην個字典原子； 4g)由臨時字典 D" (O"。)，得到重構(gòu)信號 §(Θ；；)為:§(W) = D"(?；>_v(D"(0；:)>s; 4h)由重構(gòu)信號§(W)更新信號余量r為:r = s-§(€>；:); 4i)判斷I Ir I |2彡ε是否成立，若不成立，返回步驟4b);若成立，則此時的臨時集合? "。就是初步估計集合Θ。，即Θ。= Θ "。。
4.根據(jù)權(quán)利要求1所述的方法，其中步驟5.3)所述的根據(jù)子迭代集合O’，，利用屬性散射中心模型構(gòu)建子迭代字典D’ q,按如下步驟進(jìn)行: . 5.3.1)輸入子迭代集合O’，； . 5.3.2)由子迭代集合O’，，產(chǎn)生子迭代原子<(/，釣；
((f Yi f — ?4π fΛ
K U'A) = vec j^-r.exp ~^(3 cos 沴+ _>，, sin《).fc) V cJ
sin cl InL1 sin [φ-φ,) *cxp(-2^ /y, sin φ) , VcJJ 其中A)為子迭代集合O’，的第t組參數(shù)，I彡t<N3，N3是子迭代集合?' q的參數(shù)總組數(shù)；



Kif,Φ) . 5.3.3)由子迭代原子n 得到歸一化的子迭代原子，力:士 =\^(f ?Λ ; . 5.3.4)由歸一化的子迭代原子#構(gòu)建子迭代字典D，j祀，…<]。
【文檔編號】G06K9/34GK104182753SQ201410399616
【公開日】2014年12月3日 申請日期:2014年7月31日 優(yōu)先權(quán)日:2014年7月31日
【發(fā)明者】劉宏偉, 王鵬輝, 劉俊, 杜蘭, 王英華, 糾博 申請人:西安電子科技大學(xué)