[发明专利]基于目标特征的ISAR图像融合方法

摘要

本发明公开了一种基于目标特征的ISAR图像融合方法，涉及逆合成孔径雷达ISAR图像的融合，其步骤为首先，对全孔径数据分段，并获取子图像；提取子图像的空域特征点和空域特征描述符向量，并进行空域特征点的匹配；之后，选择优化的空域特征点；利用方位向尺度因子搜索方法，进行方位向尺度变换和去中心；计算子图像之间的旋转角度，并旋转变换图像，获取幅度均值图像的熵值；利用最小熵值确定融合子图像；最后，通过非负矩阵分解方法，得到融合图像的基向量，从而确定最终的融合图像。本发明保留了融合图像中目标的完备信息，可用于不同子图像的融合和实时处理。

主权项

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矩阵D1的行数，[·]T表示矩阵转置；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表示矩阵转置，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矩阵D1的第i行数据和变换空域特征描述符矩阵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矩阵D1的第i行数据的A2个欧氏距离从参考空域特征描述符矩阵D1的第i行数据的A2个欧氏距离中选择最小值Oi，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Oi，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σm，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θm；利用旋转角度θm，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I1，2，并计算幅度均值图像I1，2的熵值λm；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，...，λm，...，λM；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，...，λm，...，λM中选择最小熵值λe，确定最小熵值λe对应的旋转后变换图像1≤e≤M；将最小熵值λe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Tc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Zc；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Zc，…，第X融合子图像ZX，其中第c融合子图像Zc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。