一种基于多目标跟踪的高精度动目标成像及识别方法技术

本发明专利技术公开了一种基于目标跟踪的高精度动目标成像及识别方法，包括以下部分：工作在聚束模式下的SAR平台获取SARSAR视频；利用Probability Hypothesis Density多目标跟踪方法进行跟踪，估计动目标的运动参数；利用所获取的动目标运动参数对多普勒成像系数进行校正，获取去散焦和位移后精确成像的SAR图像；在所获取的精确SAR图像中进行动目标的检测识别。本发明专利技术的技术效果在于，利用视频中多目标跟踪方法获取SAR视频中动目标的运动参数，依据所获取的动目标运动参数，通过对多普勒成像系数进行校正，对图像中散焦和偏移问题进行校正，获取高精度图像，为高精度识别提供支撑。

【技术实现步骤摘要】
一种基于多目标跟踪的高精度动目标成像及识别方法
本专利技术属于合成孔径雷达目标识别领域，尤其涉及一种基于多目标跟踪的高精度动目标成像及识别方法。
技术介绍
现阶段SAR(SyntheticApertureRadar；合成孔径雷达)目标识别技术主要依赖两方面的技术：SAR图像的成像质量和SAR图像中的目标识别算法。随着机器学习包括深度学习算法的快速发展，SAR目标识别算法日趋成熟，如基于传统机器学习的目标识别方法，通过对SAR目标特征的提取，训练诸如SVM等分类器，从而通过目标不同特征对目标进行识别；近年来随着计算能力的逐步提升，使利用深度学习的方法对目标进行检测和识别成为可能，常见的基于深度学习的SAR目标检测识别方法主要有FasterRCNN、SSD、YOLO等。然而由于SAR成像机理与光学图像不同，不同质量的成像结果对目标的识别精度的影响较大，尤其是对于动目标而言，在成像过程中由于多普勒频移容易产生动目标的散焦和位置的偏移，从而给目标特征的提取带来困难。由于SAR目标特征的不显著和易受环境影响等因素，在散焦的影响下，给动目标的识别带来极大挑战。对散焦问题处理的方法关键在于对成像系数的调整，通过对目标运动参数的估计，对成像过程的多普勒系数进行调整。目前常用的动目标运动参数估计的方法主要利用多通道SAR平台对指定区域连续照射，通过对多次成像结果目标的位置进行比对，从而获取动目标的运动参数。传统的目标识别识别主要在所获取的SAR图像直接进行检测和识别，主要分为如下四个步骤：步骤1：对SAR回波信号进行成像处理，并对成像后的图像进行几何校正和辐射校正与处理；步骤2：利用目标检测如恒虚警率等算法对SAR图像中的目标进行检测，确定目标的位置并将目标切片；步骤3：对目标的特征进行提取，如目标的几何尺寸、散射点位置、梯度等信息；步骤4：通过对分类器的训练，利用分类器对目标进行分类。由于SAR成像体制与光学图像不同，在对动目标成像过程中易受多普勒频移的干扰，在成像结果中存在散焦和偏移的问题。通过对动目标运动参数的估计，可对成像系数中的多普勒参数进行校正，从而获取清晰的图像。传统获取动目标运动参数的方法包括利用多通道SAR平台对同一目标区域分别进行成像，通过对多次成像的结果对目标运动参数进行估计，但由于多通道SAR平台易受工作条件限制，通常不能满足系统获取动目标运动参数的需求。不能满足进行精确识别的需求。
技术实现思路
专利技术所要解决的课题本专利技术针对现有技术的不足，利用工作在聚束模式下的SAR平台可获取SAR视频的特点，公开了一种利用工作在聚束模式下的SAR平台所获得的SAR视频中多目标跟踪的方法，使得SAR成像过程中散焦减小，为目标的识别提供保证。解决课题的手段为解决上述技术问题，本专利技术采用以下技术方案。一种基于目标跟踪的高精度动目标成像及识别方法，包括如下步骤：步骤1：工作在聚束模式下的SAR平台对指定区域进行连续照射并结合地理信息、SAR平台飞行参数进行成像，获取SAR图像序列，进而得到SAR视频；步骤2：利用基于粒子滤波的PHD(ProbabilityHypothesisDensity；概率假设密度)滤波算法对SAR视频中的目标进行跟踪，获取运动目标的运动参数；步骤3：利用所估计的目标运动参数对SAR成像过程中的多普勒参数进行校正，获取去散焦的SAR图像；步骤4：利用恒虚警的方法对SAR图像中进行目标检测，提取疑似目标的切片，利用SVM(SupportVectorMachine；支持向量机)分类器和前期训练的样本数据库进行分类，提取舰船目标；利用卷积神经网络对目标特征进行提取，进行精细识别，获取舰船具体分类信息。作为本专利技术的基于多目标跟踪的高精度动目标成像及识别方法的进一步优选方案，所述步骤2具体包含如下步骤：步骤2.1，利用CFAR(ConstantFalse-AlarmRate；恒虚警)方法对视频中第一帧图像中舰船目标进行检索：以SAR某一像素点为中心做滑窗时，能把该舰船包括时该像素点的横纵坐标，对检测出来的疑似目标区域进行切片，提取疑似区域；步骤2.2，利用人工提取的方法对疑似区域的几何、轮廓、梯度；步骤2.3，从k＝2时刻起，利用基于粒子滤波的PHD滤波器中概率预测模型对目标当前时刻的状态概率模型进行预测，其公式为：其中，D为当前时刻(k)整体目标概率密度状态，X为目标状态量的集合，Z为目标观测量的结合，为k时刻预测的第i个粒子的状态量，代表状态传递方程，代表前时刻的存在的目标传递方程，代表前时刻被遮挡的目标传递方程，γk(Xk)代表当前时刻新出现的目标分布状态；步骤2.4，利用PHD滤波器中概率观测模型对目标当前时刻所估计的状态概率模型进行校正，其公式为：其中，代表漏检率，kk代表该时刻的噪声参数，其中，粒子的相似度概率为利用单类支持向量机结合前期训练所得的舰船目标样本特征库计算所得；步骤2.5，对粒子的权重进行重采样。作为本专利技术的基于多目标跟踪的高精度动目标成像及识别方法的进一步优选方案，步骤3利用步骤2中所获得的目标的运动参数结合步骤1中所获得的SAR回波信息，对成像系数进行校正，从而在二次成像过程中获得去散焦的图像；其中，距离徙动量可表示为：其中，VxVx为运动目标的径向速度，径向加速度为axax，R0R0为方位0时刻最近斜距，VaVa为SAR平台的方位向速度，fafa为多普勒中心频率，λλ为载波波长。在距离多普勒域中依据上式进行距离插值运算，可对图像完成距离徙动校正；对距离徙动校正后的回波信号进行方位向匹配滤波即可实现方位向聚焦，匹配滤波器为：由于目标运动的存在，式中多普勒频率fa的中心为多普勒调频率Ka为作为本专利技术的基于多目标跟踪的高精度动目标成像及识别方法的进一步优选方案，步骤4具体步骤如下：步骤4.1，利用恒虚警方法对图像中舰船目标进行检索：依据舰船尺寸等先验知识，选择一定尺寸的滑窗寻找舰船目标，即当以SAR某一像素点为中心做滑窗时，能把该舰船包括时该像素点的横纵坐标。对检测出来的疑似目标区域进行切片，提取疑似区域，完成指定海域的舰船检测；步骤4.2，对获取的精细成像后的SAR图像中海面舰船目标进行分层识别：提取疑似目标的几何、轮廓和梯度特征，利用SVM分类器对目标进行识别，为降低运算量，剔除虚警信息，其中虚警信息包含海岛、养鱼场、海岸、钻井平台和噪声；步骤4.3，对舰船目标进行精细识别：利用基于深度学习的卷积神经网络对疑似目标的特征进行自动提取，获取舰船目标的特征，利用SVM和先验样本库中利用卷积神经网络提取的特征对舰船目标切片进行精细识别，区分不同类型舰船的舰船型号。专利技术效果为：本专利技术涉及利用视频中多目标跟踪的方法进行SAR重聚焦成像的方法，该方法利用工作在聚束模式下的SAR平台对指定区域进行连续照射，从而获取SAR视频，通过对视频中动目标的跟踪对目标的运动参数进行估计，利用所估计出的目标参数对成像过程中的多普勒参数进行校正，可有效解决成像过程中由多普勒频移造成的动目标的散焦和偏移问题，为船舶目标的精确识别提供了可行的技术路线；利用视频中多目标跟踪方法获取SAR视频中动目标的运动参数，依据所获取的动目标运动参数，通过对多普勒成像系数进行校正，对图像中散焦和偏移问题进行校正，获取本文档来自技高网...

【技术保护点】
1.一种基于目标跟踪的高精度动目标成像及识别方法，其特征在于，包括如下步骤：步骤1：工作在聚束模式下的SAR平台对指定区域进行连续照射并结合地理信息、SAR平台飞行参数进行成像，获取SAR图像序列，进而得到SAR视频；步骤2：利用基于粒子滤波的PHD滤波算法对SAR视频中的目标进行跟踪，获取运动目标的运动参数；步骤3：利用所估计的目标运动参数对SAR成像过程中的多普勒参数进行校正，获取去散焦的SAR图像；步骤4：利用恒虚警的方法对SAR图像中进行目标检测，提取疑似目标的切片，利用SVM分类器和前期训练的样本数据库进行分类，提取舰船目标；利用卷积神经网络对目标特征进行提取，进行精细识别，获取舰船具体分类信息。

【技术特征摘要】
1.一种基于目标跟踪的高精度动目标成像及识别方法，其特征在于，包括如下步骤：步骤1：工作在聚束模式下的SAR平台对指定区域进行连续照射并结合地理信息、SAR平台飞行参数进行成像，获取SAR图像序列，进而得到SAR视频；步骤2：利用基于粒子滤波的PHD滤波算法对SAR视频中的目标进行跟踪，获取运动目标的运动参数；步骤3：利用所估计的目标运动参数对SAR成像过程中的多普勒参数进行校正，获取去散焦的SAR图像；步骤4：利用恒虚警的方法对SAR图像中进行目标检测，提取疑似目标的切片，利用SVM分类器和前期训练的样本数据库进行分类，提取舰船目标；利用卷积神经网络对目标特征进行提取，进行精细识别，获取舰船具体分类信息。2.根据权利要求1所述的基于多目标跟踪的高精度动目标成像及识别方法，其特征在于，所述步骤2具体包含如下步骤：步骤2.1，利用CFAR方法对视频中第一帧图像中舰船目标进行检索：以SAR某一像素点为中心做滑窗时，能把该舰船包括时该像素点的横纵坐标，对检测出来的疑似目标区域进行切片，提取疑似区域；步骤2.2，利用人工提取的方法对疑似区域的几何、轮廓、梯度；步骤2.3，从k＝2时刻起，利用基于粒子滤波的PHD滤波器中概率预测模型对目标当前时刻的状态概率模型进行预测，其公式为：其中，D为当前时刻(k)整体目标概率密度状态，X为目标状态量的集合，Z为目标观测量的结合，为k时刻预测的第i个粒子的状态量，代表状态传递方程，代表前时刻的存在的目标传递方程，代表前时刻被遮挡的目标传递方程，γk(Xk)代表当前时刻新出现的目标分布状态；步骤2.4，利用PHD滤波器中概率观测模型对目标当前时刻所估计的状态概率模型进行校正，其公式为：其中，代表漏检率，kk代表该时刻的噪声参数，其中，粒子的相似度概率为利...

【专利技术属性】
技术研发人员：冯鹏铭，赵志龙，贺广均，李科，王进，刘敦歌，郭宇华，夏正欢，
申请(专利权)人：航天恒星科技有限公司，
类型：发明
国别省市：北京,11