确定散射体数量的方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种确定散射体数量的方法、装置、电子设备及存储介质。该方法包括：获取SAR图像；对SAR图像进行配准，得到配准参数；基于所述配准参数得到成像参数；基于所述成像参数且利用高斯随机信号检测方法来确定散射体的数量。本发明专利技术基于BF算法的成像质量结果确定层析SAR成像参数，再利用高斯随机信号检测方法初步检测出散射体个数，然后利用贪婪算法的正则化思想，再次确定散射体个数。该方法简化了广义极大似然方法，将参数估计和散射体估计过程分开进行，实现层析SAR成像参数和散射体数量的精确估计。

【技术实现步骤摘要】
确定散射体数量的方法、装置、电子设备及存储介质
本专利技术涉及三维成像领域，尤其涉及一种确定散射体数量的方法、装置、电子设备及存储介质。
技术介绍
层析SAR成像技术已经被成功用于城市建筑或基础设施的三维成像。层析SAR成像的方法有很多种，主流技术是压缩感知法。而压缩感知方法又可以分为好多种，比如L1范数法，贪婪算法等。L1范数法：要获得精确的层析SAR成像结果，L1范数法首先需要估计出落入同一距离-方位分辨单元内的散射体数量，也就是需要提前明确信号的稀疏度。贪婪算法：贪婪算法虽然不需要知道稀疏度，但本质上是利用傅里叶基重建时域信号，因此，重建的时域信号将会出现时域混叠和高旁瓣现象。许多文献转而开展了多散射体数量检测方法的研究。但是上述方法要么只专注层析成像方法的研究，要么只专注多散射体数量检测方法的研究。采用广义似然比测试法进行散射体数目的估计是一种方法。广义似然比测试法能够进行层析成像参数的估计而实现层析成像和多散射体数量决策，但是需要采用迭代的方法进行，每一次迭代决策过程中，都要先估计参数，再计算广义极大似本文档来自技高网...

【技术保护点】
1.一种确定散射体数量的方法，其特征在于，包括：/n获取SAR图像；/n对SAR图像进行配准，得到配准参数；/n基于所述配准参数得到成像参数；/n基于所述成像参数且利用高斯随机信号检测方法来确定散射体的数量。/n

【技术特征摘要】
1.一种确定散射体数量的方法，其特征在于，包括：
获取SAR图像；
对SAR图像进行配准，得到配准参数；
基于所述配准参数得到成像参数；
基于所述成像参数且利用高斯随机信号检测方法来确定散射体的数量。


2.根据权利要求1所述的确定散射体数量的方法，其特征在于，所述基于所述成像参数且利用高斯随机信号检测方法来确定散射体的数量包括：
将所获取的SAR图像乘以所述成像参数的共轭转置矩阵，得到高斯随机信号；
利用高斯随机信号检测方法从所述高斯随机信号中检测出幅值最大的K个目标数据，其中，所得到的K值为初步确定的散射体的数量。


3.根据权利要求2所述的确定散射体数量的方法，其特征在于，所述基于所述成像参数且利用高斯随机信号检测方法来确定散射体的数量还包括：
利用正则化选择方法，进一步确定散射体的数量。


4.根据权利要求3所述的确定散射体数量的方法，其特征在于，所述利用高斯随机信号检测方法从所述高斯随机信号中检测出幅值最大的K个目标数据包括：
统计所述高斯随机信号，得到与所述高斯随机信号相对应的概率幅值函数；
基于所述概率幅值函数确定幅度分割阈值；
基于所述幅度分割阈值分割出幅值大于或等于所述幅值分割阈值的数据。


5.根据权利要求4所述的确定散射体数量的方法，其特征在于，所述利用高斯随机信号检测方法从所述高斯随机信号中检测出幅值最大的K个目标数据还包括：
利用聚类方法，将幅值大于或等于所述幅度分割阈值的数据进行聚类，通过聚类而形成至少一个群，所形成的群的数量为初步确定的散射体的数量，
其中，所述群中包括幅值信息和散射体在斜距垂向的位置信息。


6.根据权利要求5所述的确定散射体数量的方法，其特征在于，所述聚类方法包括DBSCAN方法或差分方法。


7.根据权利要求5所述...

【专利技术属性】
技术研发人员：刘慧，庞蕾，孙卫红，黎芳，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：北京;11