[发明专利]基于目标特征的ISAR图像融合方法

说明书

技术领域

本发明属于雷达技术领域，特别涉及逆合成孔径雷达ISAR图像融合方法，尤其涉及一种基于目标特征的ISAR图像融合方法。

背景技术

逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像技术已被广泛应用于包括目标成像以及目标几何形态鉴定的民用和军用领域。连续相干处理时间内运动的空间目标在经过平动和复杂的多方向转动后，在较短相干处理时间的ISAR图像中目标的局部散射点和结构会发生变化，从而造成目标部分结构信息的丢失，因此需要作多个短时处理，再通过短时ISAR图像进行配准和融合，从而得到长时间多姿态角度下的ISAR图像。

在ISAR图像融合方法中，直接对所有短时处理后得到的图像进行一次融合比较困难，因此需要先对相邻的图像进行两两融合，然后通过多个阶层的融合得到最终准确的融合图像。然而，对于ISAR图像中两两之间的融合，直接通过整体图像进行的方法存在处理时间长和融合准确度低的缺点。

为了解决这个问题，一些研究人员和学者提出了直接利用图像配准的方法和基于图像目标高能量点进行融合的方法。针对利用图像进行配准从而达到融合效果的方法，CHENFulong提出了一种利用shape矩阵估计的方法，通过求取特征描述符获取平动分量，然后通过估计的旋转角度和几何不变方法进行图像的配准。然而这种基于shape矩阵的旋转角度估计方法主要利用边缘特征点，并不适用于长相干时间的ISAR图像的转角估计，并且ISAR目标在长相干时间内运行时其方位向会发生几何形变，该方法未考虑此种情况。针对这个问题，可以利用提取出高能量点和旋转代价函数进行处理。Vignaud利用RELAX算法从大量连续的高精度ISAR图像中提取出大量高能量点。然后通过建立逆旋转结构的代价函数将不同图像中目标的高能量点进行逆旋转，从而得到一系列姿态一致的目标图像。之后，再将这些高能量点进行叠加，得到最终的融合图像。然而，该方法得到的原始ISAR图像具有很高的精度，提取的高能量点较多有利于利用这类散射点进行融合。但这种方法具有两个缺点，一是通常的ISAR图像所具有的高能量点一般不会特别多；二是利用该方法得到的融合图像信息缺失严重。

以上方法都不能有效提取出足够的特征点进行旋转角度准确地估计，同时缺少ISAR目标局部结构变化和方位向尺度变化的考虑，无法对长相干时间的ISAR图像进行有效的图像融合。

发明内容

本发明的目的在于针对上述已有技术的不足，提供一种基于目标特征的ISAR图像融合方法，实现不同子图像的融合，并且保留了融合图像中目标的完备信息。

为达到上述目的，本发明采用以下技术方案予以实现。

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；