[發(fā)明專利]一種智能SAR雷達(dá)空中飛行目標(biāo)識別系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201810457998.6
• 申請日: 2018-05-14
• 公開（公告）號: CN108596156A
• 公開（公告）日: 2018-09-28
• 發(fā)明（設(shè)計(jì)）人: 劉興高;吳俊;孫元萌
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06T7/60;G06T7/62
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 邱啟旺

本發(fā)明公開了一種智能SAR雷達(dá)空中飛行目標(biāo)識別系統(tǒng)，包括SAR雷達(dá)、數(shù)據(jù)庫以及上位機(jī)；SAR雷達(dá)、數(shù)據(jù)庫、上位機(jī)依次相連，所述SAR雷達(dá)對空中進(jìn)行實(shí)時(shí)監(jiān)測，并將SAR雷達(dá)獲得的圖像數(shù)據(jù)存儲到所述的數(shù)據(jù)庫中，所述的上位機(jī)包括圖像預(yù)處理模塊、特征提取模塊、特征選擇模塊、分類器訓(xùn)練模塊、智能尋優(yōu)模塊以及結(jié)果顯示模塊。本發(fā)明提供一種實(shí)現(xiàn)在線識別、精度高的空中飛行目標(biāo)識別系統(tǒng)。

技術(shù)領(lǐng)域

本發(fā)明涉及雷達(dá)數(shù)據(jù)處理領(lǐng)域，特別地，涉及一種智能SAR雷達(dá)空中飛行目標(biāo)識別系統(tǒng)。

背景技術(shù)

現(xiàn)代雷達(dá)的作用是通過探測獲取目標(biāo)位置及運(yùn)動方面的數(shù)據(jù)，而目標(biāo)的形狀、尺寸等物理特征數(shù)據(jù)，只有通過特征識別、成像識別或者分類識別才可以得到。無源雷達(dá)可以獲得目標(biāo)的電磁輻射信號用來實(shí)現(xiàn)對目標(biāo)位置的確定，跟蹤和識別，可以彌補(bǔ)常規(guī)雷達(dá)識別機(jī)型和飛機(jī)架數(shù)中出現(xiàn)的錯(cuò)誤。國外在目標(biāo)識別方面的研究已經(jīng)形成了一套成熟的理論，包括理論和軟硬件多方面的研究，并產(chǎn)生了一批非常經(jīng)典的識別體系。目前各國主要的研究對象是無源雷達(dá)識別、雷達(dá)識別、紅外識別、反偵察識別系統(tǒng)、偵察識別和綜合識別系統(tǒng)。另外，國外正在研究電子接收機(jī)、紅外、激光傳感器、視頻攝像等光電設(shè)備，主要對目標(biāo)成像進(jìn)行識別。美國在一次戰(zhàn)爭中使用一種近紅外裝置，配合地面作戰(zhàn)運(yùn)載工具，因此較好地獲得了制空權(quán)，正確地得到了目標(biāo)的屬性。其中基于SAR圖像的飛行目標(biāo)檢測已經(jīng)有了廣泛的研究，而飛行目標(biāo)分類識別由于SAR圖像分辨率的限制才剛剛起步，已有的一些研究成果也由于研究不夠透徹，模型的效果并不是很好。因此，積極開展基于高分辨率SAR圖像的飛行目標(biāo)分類識別研究具有極其重大的意義。

發(fā)明內(nèi)容

為了克服目前基于SAR圖像的空中飛行目標(biāo)識別準(zhǔn)確率不高的不足，本發(fā)明的目的在于提供一種實(shí)現(xiàn)實(shí)時(shí)分析的SAR雷達(dá)空中飛行目標(biāo)識別系統(tǒng)。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種智能SAR雷達(dá)空中飛行目標(biāo)識別系統(tǒng)，包括SAR雷達(dá)、數(shù)據(jù)庫以及上位機(jī)，SAR雷達(dá)、數(shù)據(jù)庫和上位機(jī)依次相連，所述SAR雷達(dá)對空中進(jìn)行實(shí)時(shí)監(jiān)測，并將SAR雷達(dá)獲得的圖像數(shù)據(jù)存儲到所述的數(shù)據(jù)庫中，所述的上位機(jī)包括：

圖像預(yù)處理模塊，用以進(jìn)行SAR雷達(dá)圖像數(shù)據(jù)預(yù)處理，采用如下過程完成：

1)從數(shù)據(jù)庫中傳來的SAR圖像灰度級為L,f(x₀,y₀)為像素點(diǎn)(x₀,y₀)處的灰度值，g(x₀,y₀)為像素點(diǎn)(x₀,y₀)的N×N鄰域內(nèi)像素的平均值，其中x₀,y₀分別表示像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)；

2)通過計(jì)算滿足f＝m和g＝n的像素?cái)?shù)目h(m,n)，得到二維聯(lián)合概率密度p_mn：

p_mn＝p(m,n)＝h(m,n)/M

其中，M表示圖像像素的總數(shù)目；

3)計(jì)算二維直方圖的均值向量μ：

4)分別計(jì)算圖像中目標(biāo)和背景出現(xiàn)的概率P_0,1和均值向量μ_0,1：

其中，t、s、下標(biāo)0、下標(biāo)1分別表示f分割閾值、g分割閾值、目標(biāo)區(qū)域、背景區(qū)域；

5)計(jì)算類間方差BCV：