[发明专利]密集多目标参数提取的方法、装置及终端设备

说明书

本发明适用于雷达技术领域，提供了一种密集多目标参数提取的方法、装置及终端设备，该方法包括：读取任一距离门内的经过预处理后的待测图像；计算待测图像中的灰度梯度最大值，确定待测图像中多个目标的边缘，对确定多个目标的边缘的待测图像进行二值化处理，确定待测图像对应的二值图像矩阵；根据二值图像矩阵，确定每个目标区域对应的最小外接矩形数据；计算每个最小外接矩形数据中幅值最大的像素点，并将幅值最大的像素点作为每个目标对应的质点；根据每个质点确定目标的时间、速度以及幅度数据。从而可以有效提取各个目标的时间、速度和幅度，实现数字信号向物理参量的转化。

技术领域

本发明属于雷达技术领域，尤其涉及一种密集多目标参数提取的方法、装置及终端设备。

背景技术

目标参数提取是从回波信号数据文件到目标参数文件的处理过程，是从数字信号到物理参数的关键步骤。从降噪的回波数据中准确提取弹丸质点的时间、频率、幅度信息是整个测速雷达系统的关键处理步骤。经恒虚警处理后，弹丸回波信号的信噪比得到很大的提高，由于在每个距离门中都存在大量的目标，常规的单目标参数提取方法，通常是在时域或频域一个维度进行，是根据回波幅度超过特定门限判定目标的存在，再根据回波峰值的位置确定参数信息，因此无法把目标回波信号数据集变换为目标参数数据集，无法有效获得数据处理所需的时间等参数信息，导致无法继续进行下一步的数据处理。

发明内容

有鉴于此，本发明实施例提供了一种密集多目标参数提取的方法、装置及终端设备，旨在解决现有技术中无法有效获得数据处理所需的时间等参数信息的问题。

为实现上述目的，本发明实施例的第一方面提供了一种密集多目标参数提取的方法，包括：

读取任一距离门内的经过预处理后的待测图像，所述待测图像中包括密集排列的多个目标，所述待测图像为二维时频图；

计算所述待测图像中的灰度梯度最大值，确定所述待测图像中所述多个目标的边缘，并对确定所述多个目标的边缘的待测图像进行二值化处理，确定所述待测图像对应的二值图像矩阵；

根据所述二值图像矩阵，确定每个目标区域对应的最小外接矩形数据；

计算每个所述最小外接矩形数据中幅值最大的像素点，并将幅值最大的像素点作为每个目标对应的质点；

根据每个质点确定目标的时间、速度以及幅度数据。

作为本申请另一实施例，所述计算所述待测图像中的灰度梯度最大值，确定所述待测图像中所述多个目标的边缘，包括：

采用预设横向卷积因子和预设纵向卷积因子分别对所述待测图像进行平面卷积运算，获得横向边缘检测的梯度值和纵向边缘检测到的梯度值；

计算所述横向边缘检测的梯度值的平方和所述纵向边缘检测到的梯度值的平方的和，得到当前像素点的梯度幅值平方和；

当所述梯度幅值平方和大于或等于预设阈值的平方时，确定所述当前像素点为边缘点；

根据上述确定当前像素点为边缘点的方法，计算所述待测图像中所述像素点，确定多个目标的边缘。

作为本申请另一实施例，还包括：

当所述梯度幅值平方和不大于预设阈值的平方时，确定所述当前像素点为非边缘点。

作为本申请另一实施例，预设阈值的计算方法包括：

计算所述待测图像中所有像素点的平均像素值；

将所述平均像素值乘以预设加权因子，得到所述预设阈值。

作为本申请另一实施例，所述根据所述二值图像矩阵，确定每个目标区域对应的最小外接矩形数据，包括：