[發明專利]基于Radon變換與機器學習的視頻合成孔徑雷達動目標亮線檢測方法

有效

• 申請號: 202010869102.2
• 申請日: 2020-08-26
• 公開（公告）號: CN112130146B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 張笑博;朱岱寅
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G01S13/90
• 分類號: G01S13/90;G06T7/00
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 徐激波

本發明提供了一種基于Radon變換與機器學習的視頻合成孔徑雷達動目標亮線檢測方法，包括圖像預處理、Radon變換及標準化、判斷保留窗口幾何信息、合并重疊窗口、遍歷所有圖像、截取原圖像并訓練GoogLeNet網絡模型、采用訓練好的GoogLeNet網絡模型抑制虛警。本發明利用Radon變換進行初步檢測，然后通過GoogLeNet網絡模型抑制虛警，具有檢測精度高，簡單易實現的特點。

技術領域

本發明涉及雷達監測技術領域，主要涉及一種基于Radon變換與機器學習的視頻合成孔徑雷達動目標亮線檢測方法。

背景技術

合成孔徑雷達(Synthetic Aperture Radar，SAR)是現代軍用與民用領域常用的遙感技術，具有對目標區域全天候、全天時成像的能力。VideoSAR作為一種新的成像模式，能夠以一定幀率連續對目標場景成像，擴展時間維度的信息，以動態的方式對目標區域持續監測，并直觀地反映目標的位置和運動趨勢等參數信息。VideoSAR的成像模式最早在2003年由美國桑迪亞實驗室提出，能夠以每秒5幀以上的幀率對目標區域連續成像獲得類似電影的效果。此概念的提出在國際上引起了廣泛的關注，之后各國研究人員和科研機構都對VideoSAR展開了廣泛的研究。

通過VideoSAR獲取的圖像序列中，運動目標的散焦會在圖像的其他區域留下動目標亮線，同時在其真實位置留下陰影。目前國內已經有多家研究機構提出了關于運動目標陰影的檢測方法，但關于動目標亮線檢測的研究還并不多。

發明內容

發明目的：本發明提供了一種基于Radon變換與機器學習的視頻合成孔徑雷達動目標亮線檢測方法，解決了上述背景技術中提到的動目標亮線檢測問題。

技術方案：為實現上述目的，本發明采用的技術方案為：

一種基于Radon變換與機器學習的視頻合成孔徑雷達動目標亮線檢測方法，包括以下步驟：

步驟S1、采用中值濾波法對視頻合成孔徑雷達圖像進行預處理；

步驟S2、滑動窗口，取出子圖像，并進行Radon變換，并在Radon空間進行標準化；

步驟S3、對Radon空間進行篩選；當Radon空間的最大值大于預設閾值時，保留窗口的幾何信息；

步驟S4、判斷保留下的窗口幾何信息，將經過步驟S3處理后出現重疊的窗口合并為新的窗口；

步驟S5、重復執行上述步驟，直至滑動窗口遍歷完視頻合成孔徑雷達圖像；

步驟S6、利用步驟S5中得到的窗口信息對原圖像進行截取，獲得的子圖像作為樣本，將所述樣本輸入至GoogLeNet網絡模型并進行訓練；

步驟S7、采用步驟S6所述訓練完成的GoogLeNet網絡模型進行虛警抑制。

進一步地，所述步驟S2中子圖像Radon變換如下：

其中，D為子圖像平面，f(x,y)為圖像中像素點的灰度值，δ為狄拉克函數，ρ為原點到直線的垂直距離，θ為直線的垂線與x軸的夾角，R_f(ρ，θ)為子圖像對應的Radon空間；

在Radon空間進行標準化過程如下：

g(ρ,θ)＝(R_f(ρ,θ)-μ)/σ

其中μ為子圖像Radon空間的均值，σ為子圖像Radon空間的標準差。

進一步地，所述步驟S3中預設閾值范圍為5-7。

進一步地，所述步驟S4中合并窗口的具體方法如下：