System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于数据处理,尤其涉及一种通过目标sar图像反演目标rcs的方法及系统。
技术介绍
1、对目标点频rcs的测量,通常采用雷达发射点频连续波,从某个入射角度对目标进行rcs测量,一次只能测量一个点频或一个角度的数据,存在的问题是目标点频rcs的测量效率低。
技术实现思路
1、本专利技术解决的技术问题是:克服现有技术的不足,提供了一种通过目标sar图像反演目标rcs的方法及系统,提高了测量效率。
2、本专利技术目的通过以下技术方案予以实现:一种通过目标sar图像反演目标rcs的方法,包括:根据预设的sar文件得到sar图像和sar复数据;对sar图像中的目标进行分割得到sar图像中目标的像素空间;根据sar复数据和sar图像中目标的像素空间得到目标散射数据;根据目标散射数据得到目标点频rcs数据。
3、上述通过目标sar图像反演目标rcs的方法中,采用预训练的基于深度学习的场景分割网络模型,对sar图像中的目标进行分割得到sar图像中目标的像素空间。
4、上述通过目标sar图像反演目标rcs的方法中,根据sar复数据和sar图像中目标的像素空间采用二维傅里叶变换算法得到目标散射数据。
5、上述通过目标sar图像反演目标rcs的方法中,目标散射数据通过如下公式得到:
6、
7、其中,为目标散射数据,为sar复数据,fx为空间波束频率域x轴频率,fy为空间波束频率域y轴频率,d2为目标像素空间,x为目标x轴坐
8、上述通过目标sar图像反演目标rcs的方法中,目标点频rcs数据σ(x,y)通过如下公式得到:
9、
10、
11、其中,σ(x,y)为目标点频rcs数据,为目标散射数据,wf(fx,fy)为空间频率域平面kf区域内部为1何外部为0的函数,fx为空间波束频率域x轴频率,fy为空间波束频率域y轴频率,kf为空间波束频率域,af为该窗函数的积分,该窗函数为wf(fx,fy)。
12、一种通过目标sar图像反演目标rcs的系统,包括:sar数据解析模块,用于根据预设的sar文件得到sar图像和sar复数据;sar图像目标分割模块,用于对sar图像中的目标进行分割得到sar图像中目标的像素空间;点频rcs计算模块,用于根据sar复数据和sar图像中目标的像素空间得到目标散射数据,根据目标散射数据得到目标点频rcs数据。
13、上述通过目标sar图像反演目标rcs的系统中,采用预训练的基于深度学习的场景分割网络模型,对sar图像中的目标进行分割得到sar图像中目标的像素空间。
14、上述通过目标sar图像反演目标rcs的系统中,根据sar复数据和sar图像中目标的像素空间采用二维傅里叶变换算法得到目标散射数据。
15、上述通过目标sar图像反演目标rcs的系统中,目标散射数据通过如下公式得到:
16、
17、其中,为目标散射数据,为sar复数据,fx为空间波束频率域x轴频率,fy为空间波束频率域y轴频率,d2为目标像素空间,x为目标x轴坐标,y为目标y轴坐标,v为速度,ν=xsinθ+ycosθ,θ为扫描角度,f为频率,c为光速。
18、上述通过目标sar图像反演目标rcs的系统中,目标点频rcs数据σ(x,y)通过如下公式得到:
19、
20、
21、其中,σ(x,y)为目标点频rcs数据,为目标散射数据,wf(fx,fy)为空间频率域平面kf区域内部为1何外部为0的函数,fx为空间波束频率域x轴频率,fy为空间波束频率域y轴频率,kf为空间波束频率域,af为该窗函数的积分。
22、本专利技术与现有技术相比具有如下有益效果:
23、(1)本专利技术在sar图像中精确地分离了的目标和背景,进而提高了目标点频rcs计算精度;
24、(2)本专利技术解决了目标点频rcs测量时工作量大的问题,从一幅sar图像中可得出目标多个点频、角度的rcs。
本文档来自技高网...【技术保护点】
1.一种通过目标SAR图像反演目标RCS的方法,其特征在于包括:
2.根据权利要求1所述的通过目标SAR图像反演目标RCS的方法,其特征在于:采用预训练的基于深度学习的场景分割网络模型,对SAR图像中的目标进行分割得到SAR图像中目标的像素空间。
3.根据权利要求1所述的通过目标SAR图像反演目标RCS的方法,其特征在于:根据SAR复数据和SAR图像中目标的像素空间采用二维傅里叶变换算法得到目标散射数据。
4.根据权利要求1所述的通过目标SAR图像反演目标RCS的方法,其特征在于:目标散射数据通过如下公式得到:
5.根据权利要求1所述的通过目标SAR图像反演目标RCS的方法,其特征在于:目标点频RCS数据σ(x,y)通过如下公式得到:
6.一种通过目标SAR图像反演目标RCS的系统,其特征在于包括:
7.根据权利要求6所述的通过目标SAR图像反演目标RCS的系统,其特征在于:采用预训练的基于深度学习的场景分割网络模型,对SAR图像中的目标进行分割得到SAR图像中目标的像素空间。
8.根据权利要求6
9.根据权利要求6所述的通过目标SAR图像反演目标RCS的系统,其特征在于:目标散射数据通过如下公式得到:
10.根据权利要求6所述的通过目标SAR图像反演目标RCS的系统,其特征在于:目标点频RCS数据σ(x,y)通过如下公式得到:
...【技术特征摘要】
1.一种通过目标sar图像反演目标rcs的方法,其特征在于包括:
2.根据权利要求1所述的通过目标sar图像反演目标rcs的方法,其特征在于:采用预训练的基于深度学习的场景分割网络模型,对sar图像中的目标进行分割得到sar图像中目标的像素空间。
3.根据权利要求1所述的通过目标sar图像反演目标rcs的方法,其特征在于:根据sar复数据和sar图像中目标的像素空间采用二维傅里叶变换算法得到目标散射数据。
4.根据权利要求1所述的通过目标sar图像反演目标rcs的方法,其特征在于:目标散射数据通过如下公式得到:
5.根据权利要求1所述的通过目标sar图像反演目标rcs的方法,其特征在于:目标点频rcs数据σ(x,y)通过如下公式得到:
...【专利技术属性】
技术研发人员:闫威,王硕,郑智辉,郭宸瑞,董昊天,唐波,
申请(专利权)人:北京航天自动控制研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。