太阳城集团

  • / 20
  • 下载费用:30 金币  

合成孔径雷达的目标识别方法和系统.pdf

摘要
申请专利号:

太阳城集团CN201310549826.9

申请日:

2013.11.07

公开号:

CN103630885A

公开日:

2014.03.12

当前法律状态:

授权

有效性:

有权

法律详情: 授权|||实质审查的生效IPC(主分类):G01S 7/41申请日:20131107|||公开
IPC分类号: G01S7/41 主分类号: G01S7/41
申请人: 北京环境特性研究所
发明人: 胡利平; 李胜
地址: 100854 北京市海淀区永定路50号
优先权:
专利代理机构: 北京市京大律师事务所 11321 代理人: 张璐;方晓明
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

CN201310549826.9

授权太阳城集团号:

||||||

法律状态太阳城集团日:

2016.06.15|||2014.04.09|||2014.03.12

法律状态类型:

授权|||实质审查的生效|||公开

摘要

太阳城集团本发明公开了一种合成孔径雷达的目标识别方法和系统,方法包括:对被测SAR图像的复图像数据进行SCM提高目标杂波比处理;将处理后的图像数据进行阈值分割后确定出被测SAR图像的目标轮廓图像;根据对目标轮廓图像提取其傅里叶描述子特征后得到被测SAR图像的特征向量,与各训练SAR图像的特征向量,计算被测SAR图像与各训练SAR图像之间的相似度;将与被测SAR图像的相似度最大的训练SAR图像的目标类别识别为被测SAR图像的目标类别。本发明的技术方案通过提高图像数据的质量,提高了目标识别率;还提高了识别速度,从而提高目标识别性能。

权利要求书

权利要求书
1.  一种合成孔径雷达的目标识别方法,其特征在于,包括:
对被测SAR图像的复图像数据进行SCM提高目标杂波比处理;
将所述处理后的图像数据进行阈值分割后确定出所述被测SAR图像的目标轮廓图像;
对所述目标轮廓图像提取其傅里叶描述子特征后得到所述被测SAR图像的特征向量;
根据所述被测SAR图像与各训练SAR图像的特征向量,计算所述被测SAR图像与各训练SAR图像之间的相似度;
将与所述被测SAR图像的相似度最大的训练SAR图像的目标类别识别为所述被测SAR图像的目标类别。

2.  如权利要求1所述的方法,其特征在于,所述训练SAR图像的特征向量根据如下方法得到:
对所述训练SAR图像的复图像数据进行SCM提高目标杂波比处理后进行自适应阈值分割,确定出所述训练SAR图像的目标轮廓图像;
对所述训练SAR图像的目标轮廓图像提取其傅里叶描述子特征后得到所述训练SAR图像的特征向量。

3.  如权利要求1或2所述的方法,其特征在于,所述对被测SAR图像的复图像数据进行SCM提高目标杂波比处理,具体包括:
对被测SAR图像的复图像数据S进行二维傅里叶变换后得到所述被测SAR图像的傅里叶频谱;
将所述被测SAR图像的傅里叶频谱的零频分量移到谱中心,取出全部的方位向带宽的80%后,提取两个方位向子带;
对每个提取的方位向子带,将该方位向子带沿距离向和方位向分别补零,使其大小与S相等;
对两个方位向子带分别作二维逆傅里叶变换后,再作哈米特内积,得到复数据ρ;
对复数据ρ作二维傅里叶变换后,得到复数据ρ的傅里叶频谱;对所述复数据ρ的傅里叶频谱沿距离向和方位向作基于海宁窗的低通滤波后,对其作二维逆傅里叶变换,得到频谱滤波后的复数据;对所述频谱滤波后的复数据 作基于3×3邻域的平均滤波后,将得到的复数据取其幅度太阳城集团作为所述处理后的图像数据。

4.  如权利要求1或2所述的方法,其特征在于,所述将所述处理后的图像数据进行阈值分割后得到所述被测SAR图像的目标轮廓图像,具体包括:
将所述处理后的图像数据进行自适应阈值分割:
对所述处理后的图像数据根据如下公式3作对数变换;
G(x,y)=10lg[F(x,y)+0.001]+30    (公式3);
公式3中,F(x,y)为所述处理后的图像的第(x,y)个坐标点的数据,G(x,y)为经过对数变换后的所述被测SAR图像的第(x,y)个坐标点的数据;
估计经过对数变换后的所述被测SAR图像的图像数据的均值μ和方差σ;
根据如下公式4确定出所述被测SAR图像中的目标区域T:
G(x,y)-μσ>c]]>    (公式4)
公式4中,c为对所述各训练SAR图像的数据分布进行统计得到的常数。

5.  如权利要求4所述的方法,其特征在于,所述将所述处理后的图像数据进行阈值分割后确定出所述被测SAR图像的目标轮廓图像,还包括:
对所述目标区域T进行形态学滤波后,进行几何聚类处理后确定出所述被测SAR图像的目标轮廓图像。

6.  如权利要求5所述的方法,其特征在于,所述进行几何聚类处理后确定出所述被测SAR图像的目标轮廓图像,具体包括:
对经过形态学滤波后的目标区域T,检测出其中所有独立的连通区域;
针对每个连通区域,统计该连通区域中的像素点个数;
将像素点个数最多的连通区域确定为所述被测SAR图像的目标轮廓图像。

7.  如权利要求1或2所述的方法,其特征在于,所述对所述目标轮廓图像提取其傅里叶描述子特征后得到所述被测SAR图像的特征向量,具体包括:
将所述目标轮廓图像的边界点的坐标以复数的形式表示为坐标序列 [s(0),...,s(k),...,s(K-1)]记为S(k);其中,K为所述目标轮廓图像的边界点的总数,s(k)为第k个边界点的坐标的复数据;
对坐标序列S(k)作傅里叶变换,得到作为所述被测SAR图像的特征向量的坐标序列S(k)的傅里叶描述子特征。

8.  如权利要求1或2所述的方法,其特征在于,所述计算所述被测SAR图像与各训练SAR图像之间的相似度,具体包括:
对于每个训练SAR图像,计算所述被测SAR图像的特征向量与该训练SAR图像的特征向量之间的余弦夹角,作为所述被测SAR图像与该训练SAR图像之间的相似度。

9.  一种合成孔径雷达的目标识别系统,其特征在于,包括:
SCM处理模块,用于对被测SAR图像的复图像数据进行SCM提高目标杂波比处理;
轮廓图像确定模块,用于将所述SCM处理模块处理后的图像数据进行阈值分割后确定出所述被测SAR图像的目标轮廓图像;
特征向量确定模块,用于对所述轮廓图像确定模块得到的目标轮廓图像提取其傅里叶描述子特征后得到所述被测SAR图像的特征向量;
相似度计算模块,用于计算所述被测SAR图像与各训练SAR图像之间的相似度;并将与所述被测SAR图像的相似度最大的训练SAR图像的目标类别识别为所述被测SAR图像的目标类别。

10.  如权利要求9所述的系统,其特征在于,还包括:
训练模块,用于对每个已知目标类别的训练SAR图像,对该训练SAR图像的复图像数据进行SCM提高目标杂波比处理后进行阈值分割,确定出该训练SAR图像的目标轮廓图像;对该训练SAR图像的目标轮廓图像提取其傅里叶描述子特征后得到该训练SAR图像的特征向量后进行存储。

关 键 词:
合成孔径雷达 目标 识别 方法 系统
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
太阳城集团本文
本文标题:合成孔径雷达的目标识别方法和系统.pdf
链接地址:http://zh228.com/p-6220712.html
太阳城集团我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

copyright@ 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
葡京赌场|welcome document.write ('');