[发明专利]基于序贯融合因式分解的序列ISAR三维成像方法

权利要求书

1.一种基于序贯融合因式分解的序列ISAR三维成像方法，其特征在于，该方法包括以下步骤：

S1：ISAR图像序列二维尺寸标定

假定通过成像处理得到的ISAR图像序列数目为Num，根据雷达发射信号的带宽B和成像累积转角Θ对ISAR图像进行二维尺寸标定处理，即距离向分辨率为方位向分辨率为其中c为光速，λ为发射信号波长；

S2：ISAR图像特征点提取与匹配关联

具体包括以下步骤：

S2.1利用SIFT算法对相邻图像的特征点进行提取和匹配，假设所提取到的特征点集分别为Q₁,Q₂，匹配到的特征点对为O₁,O₂，相邻图像中未匹配到的特征点集为P₁,P₂；

S2.2使用随机采样一致性算法根据S2.1匹配好的特征点对O₁,O₂，计算得到图像间的变换矩阵H；

S2.3利用变换矩阵H对SIFT算法未匹配上的特征点做进一步的匹配，具体如下：

S2.3.1对于相邻图像中未匹配到的特征点集P₁，将其乘上S2.2求得的变换矩阵H，得到新的坐标R₁＝HP₁；

S2.3.2以相邻图像中未匹配到的特征点集P₂作为待匹配点，在P₂中计算与R₁中点集特征向量之间的距离，当距离的值小于设定阈值时，将其作为匹配点，从而更新最终匹配的特征点点对；

S2.3.3假设相邻的三幅图像分别为序列中的第n-1，n，n+1幅图像，n＝2,3,…,Num-1，将第n-1和第n幅图像进行匹配得到的点对分别记为F_n-1，将第n和第n+1幅图像进行匹配得到的点对分别记为F_n+1；

S3：相邻图像三维重构

基于因式分解法，分别从相邻两幅ISAR图像的匹配点对F_n-1，以及F_n+1进行三维重构，得到重构结果S_n-1和S_n，具体如下：

S3.1针对相邻两幅ISAR图像，经过步骤S2的特征点提取与匹配，最后匹配到P组特征点，将这P组特征点的二维坐标写入观测矩阵W：

其中(r_f,p,d_f,p),f＝1,2；p＝1,...,P表示第f幅ISAR图像中提取和匹配上的特征点；

S3.2通过因式分解法，从相邻两幅ISAR图像的观测矩阵W中恢复出目标的三维信息S_n-1和S_n；

S4：统一序贯融合参考系

根据S3中恢复的目标的三维信息S_n-1和S_n开始重构，然后不断加入新的图像，最后完成整个图像序列的重构；在将每次重构的结果融合在一起时，需要将序贯融合得到的三维数据都统一到同一个参考系下，具体如下：

S4.1取和的交集为假设F_n-1中与相匹配的点为F_n+1中与相匹配的点为再分别利用点对以及通过步骤S3的因式分解法进行三维重构，得到重构结果

S4.2由S4.1得到的三维重构结果和是第n幅图像中的点在不同参考坐标下的三维信息，其中这样，就可以得到一个从到的转换矩阵T_n-1→n，使得两者之间的距离最小，三维空间的转换矩阵T_n-1→n由下列参数组成：

对矩阵T_n-1→n进行分块，其中左上角3×3的矩阵a对应三维线性变换部分，可用3个旋转参数来表示；右上角3×1的矩阵p表示三维平移变换部分，可用3个平移参数来表示；左下角1×3的矩阵t表示三维透视变换部分；右下角1×1的矩阵s表示整体比例因子；

针对序列ISAR图像，只需要用到其中的旋转变换、平移变换、整体比例因子这三部分；

S4.3利用最小二乘法来进行求解得到变换矩阵T_n-1→n；

S5：序贯融合三维重构

利用转换矩阵T_n-1→n，将相邻图像的重构结果S_n转换到同一个参考坐标系，完成整个图像序列的序贯融合，得到融合后的结果S：

其中，表示经过融合参考系转换后的结果，其表达式如下：

。