[發明專利]一種基于ISAR圖像序列的二維散射中心自動關聯方法

有效

• 申請號: 201210208917.1
• 申請日: 2012-06-18
• 公開（公告）號: CN102800104A
• 公開（公告）日: 2012-11-28
• 發明（設計）人: 孫靜;尚社;宋大偉;李棟
• 申請（專利權）人: 西安空間無線電技術研究所
• 主分類號: G06T7/20
• 分類號: G06T7/20;G06T17/00
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 安麗

技術領域

本發明涉及一種利用ISAR圖像進行目標三維重構時的二維散射中心關聯方法。

背景技術

散射中心關聯是三位重構的前提與基礎，非合作目標三維重構結果的可靠性與重構精度都依賴于目標散射中心的正確關聯。目前國內外大部分研究非合作目標三維重構的文獻都是假定散射中心已正確關聯，在2003年“Proceedings?of?the?International?Radar?Conference”發表的題為“Scatterer?labeling?estimation?fbr?3D?model?reconstruction?from?an?ISAR?image?sequence”的文章中在對艦船目標進行三維重構的過程中提出基于散射中心多普勒誤差最小化的散射點標記(關聯)方法，其實質是根據艦船這類目標的運動特點(通常其俯仰、偏航角不大于3度)建立散射中心的多普勒預測模型，通過散射中心測量多普勒與預測多普勒的誤差最小化實現散射中心的標記(關聯)。但該方法是專門針對艦船目標的運動特點實現散射中心的關聯，因此并不適合空間非合作目標的散射中心關聯。

2006年在“信號處理”期刊上發表的題為“基于聚類分析和神經網絡的雷達目標三維散射中心提取”的文獻中提出使用統計直方圖及聚類分析實現多觀測視角下一維散射中心的關聯方法，該方法通過考察以任意三個不同雷達視線為法線并通過其上任意一個散射中心的三個平面相交的情形，發現只有真實散射中心周圍形成的空間點簇具有緊密性。這樣將散射中心關聯問題轉化為搜索空間點簇問題，但該方法運算量偏大且存在關聯可靠性不高的問題。

2008年發表的國防科技大學博士學位論文中題為“光學區雷達目標三維散射中心重構理論與技術”的文獻研究了基于一維高分辨距離像(HRRP)的非合作目標散射中心空間位置重構的理論和方法，并推導了重構模型的極限性能(Cramér-Rao?Bound，CRB)，但該文獻中并未深入探討三維重構的關鍵問題，即散射中心的關聯問題。

發明內容

本發明的技術解決問題是：克服現有技術的不足，提供了一種基于ISAR圖像序列的二維散射中心自動關聯方法，可以應用于基于ISAR成像的目標三維重構，計算量小，通用性強，有效提高目標識別的可靠性。

本發明的技術解決方案是：一種基于ISAR圖像序列的二維散射中心自動關聯方法，步驟如下：

(1)對包括立方體、圓柱體及椎體在內的典型目標在連續視角下進行ISAR成像，利用成像數據完成對隱馬爾科夫模型參數的訓練，得到初始概率分布矩陣、狀態轉移概率矩陣及狀態對應觀測事件概率矩陣；所述的狀態包含三種，分別是S1：關聯散射點，S2：未確定是否關聯散射點，S3：非關聯散射點，所述的觀測事件包括七種，分別是O1：在搜索閾值范圍內搜索到滿足強度條件的一個散射點，且與前一幀圖像中的散射點運動方向在同一象限；O2：在搜索閾值范圍內搜索到滿足強度條件的一個散射點，且與前一幀圖像中的散射點運動方向在相鄰象限；O3：在搜索閾值范圍內搜索到滿足強度條件的一個散射點，且與前一幀圖像中的散射點運動方向在相異象限；O4：在搜索閾值范圍內搜索到滿足強度條件的多個散射點，且與前一幀圖像中的散射點運動方向在相同象限；O5：在搜索閾值范圍內搜索到滿足強度條件的多個散射點，且與前一幀圖像中的散射點運動方向在相鄰象限；O6：在搜索閾值范圍內搜索到滿足強度條件的多個散射點，且與前一幀圖像中的散射點運動方向在相異象限；O7：在搜索閾值范圍內沒有搜索到滿足強度條件的散射點；

(2)將目標ISAR成像序列分割成長度相同的幀組，對于每一個幀組，在幀組中第一幀圖像中提取散射中心，在幀組的后續幀中完成散射中心的搜索和追蹤，由此得到散射中心軌跡方向連續性的觀測事件序列；

(3)利用步驟(1)中獲得的初始概率分布矩陣、狀態轉移概率矩陣及狀態對應觀測事件概率矩陣，對步驟(2)中各散射中心的觀測事件序列進行解碼及狀態回溯，計算獲得各散射中心序列隱藏的關聯狀態序列；

(4)對步驟(3)得到的關聯狀態序列進行判別，若關聯狀態序列連續輸出至少三個S1狀態，則確定該序列為關聯散射中心序列，否則該序列為非關聯序列。

所述步驟(3)中對各散射中心的觀測事件序列進行解碼時采用Viterbi算法。所述步驟(1)中對隱馬爾科夫模型參數進行訓練時采用基于GMM概率密度函數的訓練方法。

本發明與現有技術相比的優點在于：