[发明专利]一种基于方向直线筛选的SAR图像目标方位角估计方法

说明书

技术领域

本发明属于图像处理技术领域中，涉及图像模式识别方法，具体涉及一种基于方向直线筛选的合成孔径雷达(SyntheticApertureRadar，SAR)图像目标方位角的估计方法。

背景技术

合成孔径雷达具有全天时、全天侯和强穿透能力等优点，已经成为一种重要的军事侦查手段。近年来，利用高分辨率的SAR图像进行自动目标识别(AutomaticTargetRecognition，ATR)的研究不断涌现。

SAR目标图像对雷达成像的方位非常敏感，同一目标在不同方位所得到的图像差别很大。在传统SARATR系统中存储了大量不同方位的SAR模板图像，通过将待识别目标与模板进行匹配来实现目标的识别。因此，预先估计出目标的方位角，可以有效地减少搜索图像的数量，提高ATR系统的识别效率和准确率。

SAR目标方位角的估计过程通常包括目标提取和角度估计两个环节。目标提取是将SAR目标从图像中尽可能准确地提取出来；角度估计则是对提取出来目标进行分析，估计出目标的方位角。目前，主要的SAR目标方位角估计方法有：主轴法、外接矩形法和主导边界法。

主轴法是通过目标散射中心的主轴来估计方位角的。由于涉及的数学模型简单，计算复杂小，且对于一定程度的目标遮挡、隐蔽以及铰接具有稳健性。但这类方法的一个基本假设是SAR目标是关于主轴对称的。而在实际情况下，由于受成像场景或目标结构的影响，对称性假设不一定成立，导致方位角估计不准确。外接矩形法利用最小外接矩形拟合目标，根据外接矩形的走向来确定目标方位角，该方法对目标的形状有较高的要求，即需要提取出的目标具有较规则的形状，不规则的形状可能产生较大的角度估计偏差；另外，该方法涉及到一系列矩形旋转，计算量较大。主导边界法则是通过检测目标的主导边界来估计方位角。该方法的估计精度较前两种方法高，且主导边界的获取不需要复杂的矩阵旋转，速度较快，其主要缺点在于当目标的短主导边界与雷达波束垂直时，在垂直和水平方位的估计上产生混淆，这个问题一直未能得到很好的解决，影响了算法的广泛使用；而且，该方法在长、短主导边界长度差别较小时，容易产生较大的估计偏差。

发明内容

本发明的目的在于克服现有技术的不足，提供一种快速且估计精度更高的基于方向直线筛选的SAR图像目标方位角估计方法。

本发明的目的是通过以下技术方案来实现的：一种基于方向直线筛选的SAR图像目标方位角估计方法，包括以下步骤：

S1、提取目标，用图像分割方法将输入图像中的SAR目标提取出来，表示为一个二值的目标矩阵，该矩阵的行数和列数分别等于图像的宽度和长度，矩阵的每一个点对应图像的一个像素点，其值为1表示该像素点为目标点，为0表示该像素点为非目标点；

S2、提取边界，对目标矩阵内的每一个点，统计其周围区域内目标点的个数，若目标点个数小于预设的邻域阈值，则判定该点为边界点，否则为非边界点；将目标边界信息表示为一个二值边界矩阵，该矩阵的行数和列数分别等于图像的宽度和长度，矩阵的每一个点对应图像的一个像素点，其值为1表示该像素点为边界点，为0表示该像素点为非边界点；

S3、确定各方向直线，包括以下子步骤：

S31、在目标图像平面作一组宽度为两个像素点的直线{L_θ,d}，其中θ为直线与垂直方向的夹角，0°＜θ≤180°，θ的采样间隔为Δ_θ，0＜Δ_θ≤1；d为图像的左上角顶点到直线的距离，其中p、q分别为边界矩阵的行数和列数，d的采样间隔为Δ_d，0＜Δ_d≤1；

S32、统计每条直线L_θ,d与目标边界的交点个数；

S33、对每个θ，求夹角为θ的所有直线中与边界交点个数最多的直线，定义该直线为θ的方向直线l_θ，记l_θ与边界的交点个数为z_θ；

S4、筛选最佳方向直线，包括以下子步骤：

S41、求z_θ的最大值，记为z_max，即