一种用于太赫兹雷达高分辨成像的自适应处理方法技术

本发明专利技术公开了一种用于太赫兹雷达高分辨成像的自适应处理方法。针对现有太赫兹雷达高分辨成像方法存在需要人工调整的参数，以及批量处理时不合格图像需要人工判断的问题。本方法对各角度采用其附近回波能量的变异系数来自适应识别该角度能否作为子孔径边界，代替原有的能量门限。本方法依次使用不同的门限来分割背景与目标，采用统计目标图像中闭运算之后不会与其他连通区域融合的孤立连通区域数目的方法，来自适应得到最佳分割门限。本方法使用寻找最佳分割目标图像中值为8邻域中最大值的像素的方式，将成像结果分解为散射点组。并采用根据散射点位置关系来识别目标图像中是否存在孤立的一字排列散射点的方法来自适应挑选出不合格的图像。

【技术实现步骤摘要】
一种用于太赫兹雷达高分辨成像的自适应处理方法
本专利技术属于雷达信号处理
，涉及一种用于太赫兹雷达高分辨成像的自适应处理方法。
技术介绍
太赫兹雷达高分辨成像的通常成像方法是使用CSAR模式采集数据，再对CSAR成像的圆周孔径进行自适应子孔径划分，并对子孔径分别成像，最后融合子图像。与微波雷达高分辨成像不同的是，太赫兹雷达高分辨成像不需要提升子图像的分辨率。然而由于太赫兹频段更加强烈的散射能量各向异性，太赫兹雷达高分辨成像需要一个特别的子孔径划分方法来解决其特有的严重旁瓣散焦和细节丢失问题。各太赫兹雷达高分辨成像方法的主要不同之处也在于自适应子孔径划分方法。2018年，电子科技大学的刘通提出了一种采用基于子孔径能量的自适应子孔径划分方法。使用该方法的太赫兹雷达高分辨成像初步解决了基于子孔径划分方法的太赫兹雷达成像方法非常容易将同一个散射点的回波划分在两个不同的子孔径内，进而产生严重旁瓣散焦和细节丢失的问题。2020年，电子科技大学的曾梧桐提出了一种采用基于子孔径相邻互相关系数的自适应子孔径划分方法，并且在子孔径划分方法中采用了子孔径重叠的子孔径划分方式。使用该方法的太赫兹雷达高分辨成像进一步解决了太赫兹雷达在对散射能量各向异性强烈目标成像时仍然存在旁瓣散焦和细节丢失的问题。然而目前的成像方法解决的主要是成像质量的问题，二者均需要操作人员手动调试一些参数，自动化程度低。其中刘通的成像方法需要一个强散射能量门限和一个子孔径宽度门限；曾梧桐的成像方法必需一个强散射能量门限，一个弱散射能量门限和一个子孔径宽度门限，此外还有两个可以通过简单改进备选子孔径边界点获取算法省去的参数。其中子孔径宽度门限只与所使用的雷达有关，对同一个雷达只需要调试一次。但是，散射能量门限是与雷达探测目标有关的，需要针对每个目标分别调试，并且十分影响成像结果。并且，从成像结果中绘制图像时需要一个门限用于分割背景与目标，该门限也是与雷达探测目标有关的，需要针对每个目标分别调试，同样十分影响成像结果。此外，一方面太赫兹雷达高分辨成像的进一步发展需要根据现有算法的不足来改进。随着算法的进步旧算法出现不合格成像结果的比例越来越低，需要从大量成像结果中挑选出不合格图像。另一方面太赫兹雷达高分辨成像要进入实用也将产生大量成像结果。因此需要一个方法来有效率地识别出不合格的图像。然而目前识别成像结果是否不合格主要依靠人眼观察，效率低。
技术实现思路
本专利技术的目的是针对现有技术的不足，提供一种太赫兹雷达高分辨成像的自适应处理方法。本专利技术的目的是通过以下技术方案来实现的：本方法对各角度采用其附近回波能量的变异系数来自适应识别该角度能否作为子孔径边界，代替原有的能量门限。本方法依次使用不同的门限来分割背景与目标，采用统计目标图像中闭运算之后不会与其他连通区域融合的孤立连通区域数目的方法，来自适应得到最佳分割门限。本方法使用寻找最佳分割目标图像中值为8邻域中最大值的像素的方式，将成像结果分解为散射点组。并采用根据散射点位置关系来识别目标图像中是否存在孤立的一字排列散射点组的方法来自适应挑选出不合格的图像，具包括如下步骤：S1、太赫兹雷达获得目标回波信号后，通过成像方法获得备选子孔径边界点，从子孔径边界点中自适应识别并去除其中受强散射能量影响的边界点，具体包括：S11、设通过成像方法获得的备选子孔径边界点为θi，i＝1,2,…,L，其中L为子孔径边界点数量；S12、计算目标散射能量与角度的函数，令I(θ,n)和Q(θ,n)分别表示回波信号的实部与虚部，θ表示慢时间方位角度，n表示快时间采样，对于成像场景中仅存在唯一目标的实测数据，目标散射能量与角度的函数表示为N为S13、为每个子孔径边界生成附近的回波能量函数：PH(θ)i＝PH(σ)，σ∈(θi-2,θi+2)S14、计算每个回波能量函数的变异系数：COV(i)＝STD[PH(θ)i]/MEAN[PH(θ)i]其中STD[·]表示求标准差，MEAN[·]表示求平均值；S15、从子孔径边界点组中去除对应变异系数COV(i)>0.5的子孔径边界点，获得去除受强散射能量影响的边界点后的子孔径边界点组；S2、采用去除受强散射能量影响的边界点后的子孔径边界点组，通过成像方法获得成像结果，根据成像结果自适应得到背景分割门限，并绘制图像，具体包括：S21、设获得的成像结果矩阵为Image(x,y)，其中，Image(x,y)的值为对应位置的归一化雷达散射截面的对数，设置初始门限值Threshold为mage(x,y)的最大值减小1DB；S22、通过门限值Threshold，提取出Image(x,y)中值大于门限的点Image2(x,y)：其中Threshold为当前门限值；S23、对Image2(x,y)做闭运算，闭运算的算子为一个奇数边长的，边长为Image2(x,y)边长1/64的正方形矩阵：Image3(x,y)＝imclose[Image2(x,y),se]其中imclose[·]表示闭操作，se表示闭运算算子；S24、统计Image3(x,y)与Image2(x,y)中中心点位置和面积都相差在10以内的连通区域数量：Num＝countnearbyregion{label[Image3(x,y)],label[Image2(x,y)]}其中countnearbyregion{·}表示统计中心点位置和面积都相差在10以内的连通区域数量，label[·]表示求矩阵的连通区域；S25、如果Num≤15，将现有门限减小1DB，并回到步骤S22，否则，将现有门限增大1DB作为背景分割门限BestThreshold，并绘制图像：Imagesc(Image4)其中Image(·)表示根据RCS矩阵Image4(x,y)绘制图像；S3、从绘制好的图像中自适应识别是否存在严重的旁瓣散焦，具体包括：S31、从获得的RCS矩阵Image4(x,y)中寻找散射点的中心：Points(x,y)i＝Points(xm,xn),i＝1,2,…,L.Points(xx,xn)>8Neighborhood[Points(xm,xn)]其中Points(x,y)i为散射点中心，L为散射点数量，8Neighborhood[·]表示一个点的8邻域；S32、寻找每个散射点最近的6个相邻散射点编号：NearPoits(i,:)＝mindistance[Points(x,y)i]i＝1,2,…,L其中NearPoits(i,:)表示离第i个散射点最近的6个相邻散射点编号向量，mindistance[·]表示求离对应散射点最近的6个相邻散射点编号；S33、为每个散射点与6个相邻散射点的其中5个计算两两之间的角度：angles(i,j,:)＝geta本文档来自技高网...

【技术保护点】
1.一种用于太赫兹雷达高分辨成像的自适应处理方法，其特征在于，包括以下步骤：/nS1、太赫兹雷达获得目标回波信号后，通过成像方法获得备选子孔径边界点，从子孔径边界点中自适应识别并去除其中受强散射能量影响的边界点，具体包括：/nS11、设通过成像方法获得的备选子孔径边界点为θ

【技术特征摘要】
1.一种用于太赫兹雷达高分辨成像的自适应处理方法，其特征在于，包括以下步骤：
S1、太赫兹雷达获得目标回波信号后，通过成像方法获得备选子孔径边界点，从子孔径边界点中自适应识别并去除其中受强散射能量影响的边界点，具体包括：
S11、设通过成像方法获得的备选子孔径边界点为θi，i＝1，2，...，L，其中L为子孔径边界点数量；
S12、计算目标散射能量与角度的函数，令I(θ，n)和Q(θ，n)分别表示回波信号的实部与虚部，θ表示慢时间方位角度，n表示快时间采样，对于成像场景中仅存在唯一目标的实测数据，目标散射能量与角度的函数表示为



N为
S13、为每个子孔径边界生成附近的回波能量函数：
PH(θ)i＝PH(σ)，σ∈(θi-2，θi+2)
S14、计算每个回波能量函数的变异系数：
COV(i)＝STD[PH(θ)i]/MEAN[PH(θ)i]
其中STD[·]表示求标准差，MEAN[·]表示求平均值；
S15、从子孔径边界点组中去除对应变异系数COV(i)＞0.5的子孔径边界点，获得去除受强散射能量影响的边界点后的子孔径边界点组；
S2、采用去除受强散射能量影响的边界点后的子孔径边界点组，通过成像方法获得成像结果，根据成像结果自适应得到背景分割门限，并绘制图像，具体包括：
S21、设获得的成像结果矩阵为Image(x，y)，其中，Image(x，y)的值为对应位置的归一化雷达散射截面的对数，设置初始门限值Threshold为mage(x，y)的最大值减小1DB；
S22、通过门限值Threshold，提取出Image(x，y)中值大于门限的点Image2(x，y)：
Image2(x，y)＝Image(xi，yj)，Image(xi，yj)＞Threshold
S23、对Image2(x，y)做闭运算，闭运算的算子为一个奇数边长的，边长为Image2(x，y)边长1/64的正方形矩阵：
Image3(x，y)＝imclose[Image2(x，y)，se]
其中imclose[·]表示闭操作，se表示闭运算算子；
S24、统计Image3(x，y)与Image2(x，y)中中心点位置和面积都相差在10以内的连通区域数量：
Num＝countnearbyregion{label[Image3(x，y)]，label[Image2(x，y)]}
其中countnearbyregion{·}表示统计中心点位置和面积都相差在10以内的连通区域数量，...

【专利技术属性】
技术研发人员：李晋，曾梧桐，皮亦鸣，闵锐，程添，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51