[发明专利]基于目标特征的ISAR图像融合方法

权利要求书

1.一种基于目标特征的ISAR图像融合方法，其特征在于，包括以下步骤：

步骤1，获取雷达全孔径ISAR数据，雷达全孔径ISAR数据在方位向上有b个距离单元，b为正整数；对雷达全孔径ISAR数据在方位向上的b个距离单元进行等分分段，得到X段子孔径数据，X大于1并且小于等于b；

对所述X段子孔径数据进行ISAR成像，得到X幅ISAR子图像，每一幅ISAR子图像像素点的行数为N₁，列数为N₂；N₁和N₂分别为自然数；

将X幅ISAR子图像中的第一幅子图像T₁作为参考图像P，第二幅子图像T₂作为变换图像S；

步骤2，给定像素点幅值的幅值阈值，将大于幅值阈值的像素点确定为极大值像素点；

从参考图像P中确定极大值像素点的数目为A₁；

对参考图像P中的第a个极大值像素点进行空域特征提取，得到第a个极大值像素点的空域特征描述符向量1≤a≤A₁；进而得到参考图像P中的A₁个极大值像素点形成的参考空域特征描述符矩阵维数为A₁×2ⁿ，其中，A₁为参考图像P中极大值像素点的数目也就是参考空域特征描述符向量D₁的行数，[·]^T表示向量转置；

从变换图像S中确定极大值像素点的数目为A₂；

对变换图像S中的第a′个极大值像素点进行空域特征提取，得到第a′个极大值像素点的空域特征描述符向量1≤a′≤A₂；进而得到变换图像S中的A₂个极大值像素点形成的变换空域特征描述符矩阵维数为A₂×2ⁿ，[·]^T表示向量转置，其中，A₂为变换图像S中极大值像素点的数目也就是变换空域特征描述符矩阵D₂的行数，A₁、A₂和n均为正整数；

步骤3，计算参考空域特征描述符向量D₁的第i行数据和变换空域特征描述符向量D₂的每行数据之间的欧氏距离，1≤i≤A₁，得到参考空域特征描述符向量D₁的第i行数据的A₂个欧氏距离从参考空域特征描述符向量D₁的第i行数据的A₂个欧氏距离中选择最小值O_i,f和次小值1≤f≤A₂，1≤f₀≤A₂；

设定距离阈值G；如果D₁的第i行数据的A2个欧氏距离中选择的最小值O_i,f和次小值的比值小于距离阈值G，则参考图像P中的第i个极大值像素点的匹配点为变换图像S的第f个极大值像素点；

令i从1至A₁进行遍历，从参考图像P的A1个极大值像素点和变换图像S的A₂个极大值像素点中确定U对匹配的极大值像素点，1≤U≤min[A₁,A₂]；

步骤4，求取每一对匹配的极大值像素点的位置坐标之间的欧氏距离，得到U个位置坐标的欧氏距离；

设定噪声容纳阈值范围F，若第u个位置坐标的欧氏距离在噪声容纳阈值范围F之内，则保留第u个欧氏距离所对应的一对匹配的极大值像素点，否则，去除第u个位置坐标的欧氏距离所对应的一对匹配的极大值像素点，1≤u≤U，得到K对优选的极大值像素点，1≤K≤U；

在参考图像P中的K个优选极大值像素点的位置坐标分别为在变换图像S中的K个优选极大值像素点的位置坐标分别为其中1≤K≤U；

步骤5，设定变换图像S的方位向上第m个方位向尺度因子σ_m，1≤m≤M，M表示变换图像S的方位向上尺度因子的最大个数，对变换图像S中的K个优选的极大值像素点位置坐标进行方位向尺度变换，得到修正后极大值像素点位置坐标为

对参考图像P中K个优选极大值像素点位置坐标进行去中心，得到参考图像P的K个中心化优选极大值像素点位置坐标对变换图像S中K个修正后极大值像素点位置坐标进行去中心，得到变换图像S的K个中心化优选极大值像素点位置：

步骤6，利用参考图像P的K个中心化优选极大值像素点位置坐标和变换图像S的K个中心化优选极大值像素点位置坐标，计算参考图像P和变换图像S之间旋转角度θ_m；

利用旋转角度θ_m，对变换图像S进行旋转得到旋转后变换图像将旋转后变换图像与参考图像P的对应像素点幅值叠加，再求取对应像素点的幅度均值，得到幅度均值图像I^1,2，并计算幅度均值图像I^1,2的熵值λ_m；

步骤7，根据步骤5和步骤6，利用M个方位向尺度因子对变换图像S进行方位向尺度变换和旋转，得到M个熵值λ₁,…,λ_m,…,λ_M；M表示变换图像S的方位向上尺度因子的最大个数；

从M个熵值λ₁,…,λ_m,…,λ_M中选择最小熵值λ_e，确定最小熵值λ_e对应的旋转后变换图像1≤e≤M；将最小熵值λ_e对应的旋转后变换图像作为变换图像S的最优化子图像；

步骤8，将X幅ISAR子图像中的第一幅子图像T₁作为第1融合子图像Z₁；

将变换图像s的最优化子图像作为第2融合子图像Z₂；

设定整数c，3≤c≤X，将第c-1融合子图像作为参考图像P,将X幅子图像中第c幅子图像T_c作为变换图像S，根据步骤2到步骤7得到变换图像S的最优化子图像，将变换图像S的最优化子图像作为第c融合子图像Z_c；进而得到X幅融合子图像，即第1融合子图像Z₁、第2融合子图像Z₂、第c融合子图像Z_c，…，第X融合子图像Z_X，其中第c融合子图像Z_c的像素点为N₁行N₂列矩阵；

步骤9，利用非负矩阵分解方法对X幅融合子图像进行分解，得到X幅融合子图像的基向量W=[w1,w2,···,wN1N2]T,]]>维数为N₁N₂×1；

步骤10，将X幅融合子图像的基向量W的每N₂个元素排为一行，得到重排后的基图像维数为N₁×N₂，重排后的基图像为最终的融合图像。