[发明专利]基于幅度与径向速度联合的SAR图像动目标聚类方法

摘要

本发明公开了一种基于目标幅度与径向速度联合的SAR图像动目标聚类方法。其技术方案是：1.对自适应杂波抑制后的SAR图像数据进行单元恒虚警率检测；2.估计SAR图像数据中过单元恒虚警率检测门限的所有像素点径向速度，将每个像素点在SAR图像上的坐标位置信息和该像素点的径向速度估计信息共同张成一组特征向量；3.对各个像素点张成的特征矢量运用均值偏移算法实现目标径向速度一致性检测，根据检测结果对像素点进行模态合并与类间合并；4.分类输出聚类后的目标像素群。本发明降低了在低擦地角情况下，地面扩展运动目标周围的噪点，提高了目标聚类精度，可用于在远程监视模式下对地面扩展运动目标的识别与检测。

主权项

1.一种基于幅度与径向速度联合的SAR图像动目标聚类方法，包括：(1)利用SAR图像数据中每个像素点的幅度信息，对杂波抑制后的SAR图像数据进行幅度恒虚警率CFAR检测，并将过检测门限的像素点用1表示，不过检测门限的像素点用0表示，得到一幅与SAR图像各个像素点位置一一对应的0、1二值图像；(2)估计SAR图像中过CFAR检测门限的像素点径向速度，并对过CFAR检测门限的像素点径向速度进行取指数变换，得到新速度矢量(vri,vmi)；(3)根据SAR图像分辨率，计算过CFAR检测门限的像素点在步骤(1)中二值图像上的位置信息(xi,yi)，并用新速度矢量(vri,vmi)和该位置信息(xi,yi)共同张成一组特征矢量Vi＝(xi,yi,vri,vmi),每个过CFAR检测门限的像素点分别对应一个特征矢量，其中i＝1,2,3…N，N表示过CFAR检测门限的像素点个数；(4)对N个特征矢量进行筛选,并计算特征矢量收敛值；(4a)根据目标经验尺寸，在N个特征矢量Vτ中筛选出满足目标要求的K个特征矢量，τ＝1,2,…N，K≤N；(4b)对K个特征矢量运用均值漂移meanshift算法进行目标径向速度一致性检测,得到K个特征矢量收敛值，K个特征矢量收敛值各自与K个像素点对应；(5)对K个像素点实现模态合并与类间合并；(5a)对K个像素点求干涉相位均方误差并对取指数变为：其中，exp()表示指数运算，表示的实部，表示的虚部，j表示复数虚部标示符，有j²＝‑1成立；(5b)根据定义为：其中，c₁，c₂表示两个可调系数，有c₁＞0,c₂＞0，分别表示高斯核函数的径向速度信息实部带宽和径向速度信息虚部带宽；(5c)定义高斯核函数在方位向、距离向的带宽分别为根据先验信息估计待检测目标的尺寸并求取待检测目标在SAR图像中所占据的像素个数，将分别设置为待检测目标在方位向、距离向所占据的像素个数；(5d)把作为模态合并门限，在K个像素点中，对任意两个像素点的特征矢量收敛值进行相似性判断，并将过模态合并门限的两个像素点合并为一类，得到H个像素类，记作C₁,C₂…C_H；(5e)对H个像素类进行类间合并，得到合并后的Q个目标像素群并分别输出，即得到各个潜在目标，其中Q≤H。