一种基于ISAR图像序列的二维散射中心自动关联方法，首先通过在序列ISAR图像间搜索、跟踪散射中心，获得散射中心在ISAR图像序列间的运动方向连续属性，即观测事件序列。然后使用包括立方体、圆柱体及椎体在内的典型目标在连续视角下进行ISAR成像，利用成像数据完成对隐马尔科夫模型参数的训练。最终使用Viterbi算法进行解码计算获得散射中心序列的关联属性。本发明专利技术方法不涉及目标的多普勒模型，因此通用性大大增强并且降低了关联计算量。同时本发明专利技术方法将ISAR图像分割成等长的帧组进行处理，能够有效避免散射中心在跟踪过程中由于局部丢失而导致关联失败的情形，因此有效提高了关联的鲁棒性。
【技术实现步骤摘要】
本专利技术涉及一种利用ISAR图像进行目标三维重构时的二维散射中心关联方法。
技术介绍
散射中心关联是三位重构的前提与基础，非合作目标三维重构结果的可靠性与重构精度都依赖于目标散射中心的正确关联。目前国内外大部分研究非合作目标三维重构的文献都是假定散射中心已正确关联，在2003年“Proceedings of the InternationalRadar Conference，，发表的题为 “Scatterer labeling estimation fbr 3D modelreconstruction from an ISAR image sequence”的文章中在对舰船目标进行三维重构的过程中提出基于散射中心多普勒误差最小化的散射点标记(关联)方法，其实质是根据舰船这类目标的运动特点(通常其俯仰、偏航角不大于3度)建立散射中心的多普勒预测模型，通过散射中心测量多普勒与预测多普勒的误差最小化实现散射中心的标记(关联)。但该方法是专门针对舰船目标的运动特点实现散射中心的关联，因此并不适合空间非合作目 标的散射中心关联。2006年在“信号处理”期刊上发表的题为“基于聚类分析和神经网络的雷达目标三维散射中心提取”的文献中提出使用统计直方图及聚类分析实现多观测视角下一维散射中心的关联方法，该方法通过考察以任意三个不同雷达视线为法线并通过其上任意一个散射中心的三个平面相交的情形，发现只有真实散射中心周围形成的空间点簇具有紧密性。这样将散射中心关联问题转化为搜索空间点簇问题，但该方法运算量偏大且存在关联可靠性不高的问题。2008年发表的国防科技大学博士学位论文中题为“光学区雷达目标三维散射中心重构理论与技术”的文献研究了基于一维高分辨距离像(HRRP)的非合作目标散射中心空间位置重构的理论和方法,并推导了重构模型的极限性能(Cram6r-Rao Bound, CRB)，但该文献中并未深入探讨三维重构的关键问题，即散射中心的关联问题。
技术实现思路
本专利技术的技术解决问题是克服现有技术的不足，提供了一种基于ISAR图像序列的二维散射中心自动关联方法，可以应用于基于ISAR成像的目标三维重构，计算量小，通用性强，有效提高目标识别的可靠性。本专利技术的技术解决方案是一种基于ISAR图像序列的二维散射中心自动关联方法，步骤如下(I)对包括立方体、圆柱体及椎体在内的典型目标在连续视角下进行ISAR成像，利用成像数据完成对隐马尔科夫模型参数的训练，得到初始概率分布矩阵、状态转移概率矩阵及状态对应观测事件概率矩阵；所述的状态包含三种，分别是SI :关联散射点，S2 :未确定是否关联散射点，S3 :非关联散射点，所述的观测事件包括七种，分别是01 :在搜索阈值范围内搜索到满足强度条件的一个散射点，且与前一帧图像中的散射点运动方向在同一象限；02 :在搜索阈值范围内搜索到满足强度条件的一个散射点，且与前一帧图像中的散射点运动方向在相邻象限；03 :在搜索阈值范围内搜索到满足强度条件的一个散射点，且与前一帧图像中的散射点运动方向在相异象限；04 :在搜索阈值范围内搜索到满足强度条件的多个散射点，且与前一帧图像中的散射点运动方向在相同象限；05 :在搜索阈值范围内搜索到满足强度条件的多个散射点，且与前一帧图像中的散射点运动方向在相邻象限；06:在搜索阈值范围内搜索到满足强度条件的多个散射点，且与前一帧图像中的散射点运动方向在相异象限；07 :在搜索阈值范围内没有搜索到满足强度条件的散射点； (2)将目标ISAR成像序列分割成长度相同的帧组，对于每一个帧组，在帧组中第一帧图像中提取散射中心，在帧组的后续帧中完成散射中心的搜索和追踪，由此得到散射中心轨迹方向连续性的观测事件序列；(3)利用步骤(I)中获得的初始概率分布矩阵、状态转移概率矩阵及状态对应观测事件概率矩阵，对步骤(2)中各散射中心的观测事件序列进行解码及状态回溯，计算获得各散射中心序列隐藏的关联状态序列；(4)对步骤(3)得到的关联状态序列进行判别，若关联状态序列连续输出至少三个SI状态，则确定该序列为关联散射中心序列，否则该序列为非关联序列。所述步骤(3)中对各散射中心的观测事件序列进行解码时采用Viterbi算法。所述步骤(I)中对隐马尔科夫模型参数进行训练时采用基于GMM概率密度函数的训练方法。本专利技术与现有技术相比的优点在于(I)本专利技术方法采用在序列ISAR图像中对散射中心进行搜索、跟踪获得散射中心序列的运动方向连续性观测数据，采用基于GMM的训练方法获得隐马尔科夫模型参数，通过对观测序列的解码运算恢复出散射中心序列的关联属性。该方法成功地将散射中心关联问题转化为理论更加成熟的基于机器学习模型的模式识别问题，由于在关联过程中并未涉及到目标散射中心的多普勒模型问题，因此该方法具有很强的通用性，广泛适用于各类目标的散射中心关联；(2)本专利技术方法在散射中心的搜索、跟踪过程中将序列ISAR图像分割成相同长度的帧组进行处理，在首帧图像中提取散射中心而在后续帧中对散射中心进行搜索、跟踪，这样不但减少了搜索过程的计算量，而且能够有效避免散射中心序列在跟踪过程中由于目标运动造成局部帧中散射中心丢失从而导致散射中心序列关联失败，能够有效降低关联方法的计算量并提高关联的鲁棒性。附图说明图I为本专利技术方法的流程框图；图2为本专利技术方法中散射中心搜索示意图；图3为Viterbi算法的解码过程示意图；图4为本专利技术实施例中仿真的空间目标结构示意图；图5为本专利技术实施例中单位球面上的视角分布示意图。具体实施例方式本专利技术方法根据空间非合作目标ISAR成像特点，提出在连续观测视角下，通过在序列图像间搜索、跟踪散射中心的运动轨迹，从散射中心运动连续性中抽取散射中心的关联属性。根据抽取到的这些关联属性通过基于GMM的参数训练方法，最终使用隐马尔科夫模型实现散射中心在序列ISAR图像间的鲁棒关联。隐马尔科夫模型(hidden Markov model, HMM)作为一种重要的统计信号数学模型，是描述非平稳随机过程的有力数学工具，具体到散射中心关联问题，散射中心在序列ISAR图像间的运动连续性表现为在局部时间平稳而在全局非平稳，因此隐马尔科夫模型十分适合散射中心关联问题的应用背景。基于机器学习模型的散射中心关联的一个重要问题是参数训练，只有获得可靠、真实的模型参数才能实现散射中心的正确关联。本专利技术方法利用多个典型目标在连续视角下的ISAR成像数据作为模型的参数训练样本实现模型参数的训练，样本数据的完备性大大提闻，更易于实现散射中心的鲁棒关联。 如图I所示，本专利技术方法的主要步骤如下I、通过对立方体、圆柱体及椎体等典型目标在连续视角下进行ISAR成像获得的训练样本数据完成对隐马尔科夫模型参数的训练；2、将目标ISAR成像序列分割成“帧组”并在“帧组”中第一帧图像中提取散射中心，散射中心的搜索、追踪在“帧组”中的后续帧中完成。这是为了避免由于散射中心在跟踪过程中丢失而造成该序列关联失败；3、根据对ISAR图像序列中各散射中心的跟踪轨迹获得散射中心轨迹方向连续性的观测事件序列；根据定义的观测事件集合，如果在搜索阈值范围内搜索到满足强度条件的一个散射点，且散射中心的运动方向在连续两帧图像中均落入如图2的相同象限则观测事件为本文档来自技高网...
【技术保护点】
一种基于ISAR图像序列的二维散射中心自动关联方法，其特征在于步骤如下：(1)对包括立方体、圆柱体及椎体在内的典型目标在连续视角下进行ISAR成像，利用成像数据完成对隐马尔科夫模型参数的训练，得到初始概率分布矩阵、状态转移概率矩阵及状态对应观测事件概率矩阵；所述的状态包含三种，分别是S1：关联散射点，S2：未确定是否关联散射点，S3：非关联散射点，所述的观测事件包括七种，分别是O1：在搜索阈值范围内搜索到满足强度条件的一个散射点，且与前一帧图像中的散射点运动方向在同一象限；O2：在搜索阈值范围内搜索到满足强度条件的一个散射点，且与前一帧图像中的散射点运动方向在相邻象限；O3：在搜索阈值范围内搜索到满足强度条件的一个散射点，且与前一帧图像中的散射点运动方向在相异象限；O4：在搜索阈值范围内搜索到满足强度条件的多个散射点，且与前一帧图像中的散射点运动方向在相同象限；O5：在搜索阈值范围内搜索到满足强度条件的多个散射点，且与前一帧图像中的散射点运动方向在相邻象限；O6：在搜索阈值范围内搜索到满足强度条件的多个散射点，且与前一帧图像中的散射点运动方向在相异象限；O7：在搜索阈值范围内没有搜索到满足强度条件的散射点；(2)将目标ISAR成像序列分割成长度相同的帧组，对于每一个帧组，在帧组中第一帧图像中提取散射中心，在帧组的后续帧中完成散射中心的搜索和追踪，由此得到散射中心轨迹方向连续性的观测事件序列；(3)利用步骤(1)中获得的初始概率分布矩阵、状态转移概率矩阵及状态对应观测事件概率矩阵，对步骤(2)中各散射中心的观测事件序列进行解码及状态回溯，计算获得各散射中心序列隐藏的关联状态序列；(4)对步骤(3)得到的关联状态序列进行判别，若关联状态序列连续输出至少三个S1状态，则确定该序列为关联散射中心序列，否则该序列为非关联序列。...
【技术特征摘要】
【专利技术属性】
技术研发人员：孙静，尚社，宋大伟，李栋，
申请(专利权)人：西安空间无线电技术研究所，
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。