[發明專利]一種基于連通域特征和模板匹配的雷達點跡關聯方法

在審

• 申請號: 201410707302.2
• 申請日: 2014-11-27
• 公開（公告）號: CN104391294A
• 公開（公告）日: 2015-03-04
• 發明（設計）人: 孟凡;邢永昌
• 申請（專利權）人: 中國船舶重工集團公司第七二四研究所
• 主分類號: G01S13/66
• 分類號: G01S13/66
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于雷達數據處理中的目標數據關聯技術，涉及一種基于連通域特征和模板匹配的雷達點跡關聯方法，可以實現復雜環境下雷達目標點跡的關聯。

背景技術

數據關聯算法一直是目標跟蹤領域的一項關鍵技術。數據關聯的準確與否直接影響到航跡融合的精度。隨著目標自身的機動性能的不斷提高和新式干擾措施的提出，都對數據關聯算法提出了新的挑戰。

數據關聯問題的核心在于如何將原始的目標回波判定為可能的目標航跡。目前，這方面的方法很多，在理論上較完善的算法是聯合概率數據關聯法，但該方法在密集多目標環境下其聯合關聯假設數目急劇增加,計算量出現“組合爆炸”現象,并且當目標處于強雜波背景下時，目標測量的不確定性也隨之增加，這種情況將會導致較多的錯、漏相關；同時，當目標出現機動時，采用多模型自適應跟蹤方法，由于雜波干擾，真實目標回波新息將增大，關聯概率減小，最終導致關聯失敗。

本發明結合連通域特征和模板匹配理論，設計出一種基于連通域特征的目標檢測方法，通過設計一種以當前目標為中心的3×3網格式關聯域，并把原始雷達視頻數據的幅度量級按照0～255的灰度級別進行投影，轉化成圖像數據，在關聯域內，采用圖像處理的相關算法，檢測連通域，提取出目標的特征參數；同時提出一種基于模板匹配的目標點跡關聯方法，根據已經獲取到的目標特征參數，采用相似性度量函數，對檢測出的連通區域進行模板匹配，從而關聯到重點關注目標。

發明內容

本發明的目的在于提出一種基于連通域特征和模板匹配的雷達點跡關聯方法，該發明能夠自適應的實現目標點跡關聯。

實現本發明的技術解決方案為：針對重點關注目標，借助模板的方法，以目標的連通域為中心形成一個類似3×3模板的網格式關聯域，以關聯域為處理單元，從而大大減少數據量，保證了實時性，且提高了重點關注目標的關聯精度。

在本方法中，針對當前重點關注目標建立關聯區域，如圖2所示，A為目標當前的位置，其他八個區域為下一個周期的可能的預測位置。由于目標在兩點建航后，就基本確定了航向，所以只需把虛線框內的關聯區域作為備選處理單元，即對所關注目標處理的同時保存其備選單元的數據，作為下一個天線周期所關注目標的檢測背景。

然后，根據保存的檢測背景的數據，在下一個天線周期進行幀差法處理，從而有效去除大量的雜波以及地物干擾。但是由于回波的起伏，還會有一些殘留，會影響目標檢測的精度。因此采用直方圖規定化處理，有效的區分出背景和目標。直方圖是圖像的一種統計表達。對一幅灰度圖像而言，灰度統計直方圖反映了該圖中不同灰度級出現的統計情況。其中，橫軸表示不同的灰度級（0～255），縱軸表示圖像中各個灰度級像素的個數。

圖3和圖4是根據真實數據模擬的目標投影以及其直方圖的效果。圖3（a）、（b）、（c）分別為強目標，弱小目標和雜波背景的圖像，從（a）中可以看出，由于目標回波較強，反映到圖像中就是該區域圖像的像素灰度值動態范圍比較寬，灰度級分布大約從0到120，其中灰度級100～120之間的尖峰對應圖3（a）中間最亮的（目標幅度最強）的區域，而灰度級50～80之間的尖峰則對應最亮區域的邊緣部分，而灰度級20到50之間也呈現出了像素灰度值的變化，它對應目標上下兩側灰度稍暗的區域；而圖3（b）中由于目標回波較弱，故像素灰度值動態范圍相對較窄，大約從0到40左右，而目標的尖峰出現在20到30之間；圖4（c）為雜波背景圖像，故像素灰度值都集中在大約20以內。

根據直方圖可以把雷達回波圖像中的雜波背景和目標區分開來，只需要有選擇的增強某個灰度值范圍內的對比度或使圖像灰度值的分布滿足特定的要求，具體步驟如下。

（1）、分別得到原始圖像和規定直方圖的累積直方圖????????????????????????????????????????????????和，式中為圖像的第級灰度值，是圖像里像素的總個數，和分別為原始圖像和規定圖像中的灰度級數，且。通過對圖像里像素的總個數進行歸一化，直方圖各列表達了各灰度值像素在圖像中所占的比例。

???????????????（1）

???????????????（2）

??????????????（3）

（2）、根據式（2）和（3），計算中每一個值在中的距離最小的位置。

（3）、求原圖像每個像素通過index映射到的新像素的值。

采用直方圖規定化處理后，可以基本去除雜波干擾，但是所關注目標進入到關聯區域的同時也可能混入其他的機動目標，這就需要提取出所有目標的特征參數，以備后續的匹配關聯。