CN116051426B - 一种合成孔径雷达图像处理方法 - Google Patents

Abstract

本发明公开了一种合成孔径雷达图像处理方法，涉及雷达图像处理的技术领域，包括对原始图像进行预处理，选取目标区域T；计算目标区域T内的目标像素的灰度区间H和灰度均值J；利用贝叶斯联合密度函数建立目标像素与散射信息的映射关系；基于所述映射关系，对所述雷达图像进行降噪处理。通过贝叶斯联合密度函数建立的映射关系，可以确定目标区域A对应的散射信息x，然后根据散射信息x对应的灰度区间H和灰度均值J对目标区域A内的像素点进行进一步识别，进行二次去噪处理，并重构雷达图像，通过将SAR图像与散射信息之间的映射关系，可以避免一些图像信息当做噪声被过滤掉，导致图像不完整，有利于对根据雷达图像对目标物辨别。

Description

一种合成孔径雷达图像处理方法

技术领域

本发明涉及雷达图像处理的技术领域，尤其涉及一种合成孔径雷达图像处理方法。

背景技术

合成孔径雷达主要用于航空测量、航空遥感、卫星海洋观测、航天侦察、图像匹配制导等。它能发现隐蔽和伪装的目标，如识别伪装的导弹地下发射井、识别云雾笼罩地区的地面目标等。在导弹图像匹配制导中，采用合成孔径雷达摄图，能使导弹击中隐蔽和伪装的目标。合成孔径雷达还用于深空探测，例如用合成孔径雷达探测月球、金星的地质结构。

SAR图像中相干斑噪声严重影响了其进一步应用，目前申请号为CN201711498074.2的中国专利公开了一种合成孔径雷达图像去噪方法，通过对待处理的SAR原始图像先用两种去噪算法进行去噪，得到融合后的去噪图像，但是由于而雷达的不同运动状态和探测角度，就算是同一个目标也会造成SAR图像细节上的区别，现有的去噪方法虽然可以保存图像的局部结构，但是没有将SAR图像与散射信息建立联系，容易在去噪处理的过程中将一些图像信息当做噪声被过滤掉，存在局限性。

发明内容

本发明解决的技术问题是：现有的方法中没有将SAR图像与散射信息建立联系，容易在去噪处理的过程中将一些图像信息当做噪声被过滤掉，存在局限性。

为解决上述技术问题，本发明提供如下技术方案： 一种合成孔径雷达图像处理方法，包括：对原始图像进行预处理，选取目标区域T；计算目标区域T内的目标像素的灰度区间H和灰度均值J；利用贝叶斯联合密度函数建立目标像素与散射信息的映射关系；基于所述映射关系，对所述雷达图像进行降噪处理。

作为本发明所述的合成孔径雷达图像处理方法的一种优选方案，其中：对原始图像进行预处理包括：使用合成孔径雷达设备获取原始图像；将所述原始图像转化为第一灰度图像。

作为本发明所述的合成孔径雷达图像处理方法的一种优选方案，其中：

选取目标区域T包括:将目标物在第一灰度图像上的区域定义为目标区域T，所述目标区域T的像素点的集合表示为T=(a_1,1,a_1,2,a_2,1,...,a_m,n)，其计算表达式为:

其中，

为所述目标区域T中的一个元素。

作为本发明所述的合成孔径雷达图像处理方法的一种优选方案，其中：计算目标区域T内的所有像素点的灰度区间H和灰度均值J包括：选取目标区域T内的所有像素点，灰度值最大和最小的数值，作为灰度区间H；将目标区域T内的所有像素点的灰度值的平均值，作为灰度均值J。

作为本发明所述的合成孔径雷达图像处理方法的一种优选方案，其中：将所述目标区域T中位于灰度区间H的像素点，作为目标像素。

作为本发明所述的合成孔径雷达图像处理方法的一种优选方案，其中：利用贝叶斯联合密度函数建立目标像素与散射信息的映射关系包括：贝叶斯联合密度函数的数学表达式为：

P(θ/(x₁,x₂,...,x_n)）=P((x₁,x₂,...,x_n)/θ)P(θ)/P(x₁,x₂,...,x_n)

其中，P表示目标像素的灰度值，θ表示目标像素，(x₁,x₂,...，x_n)表示散射信息；以此计算所述目标区域T内所有像素点对应的散射信息x的概率分布；根据所述目标区域T内所有像素点对应的散射信息x的概率分布确定雷达目标。

作为本发明所述的合成孔径雷达图像处理方法的一种优选方案，其中：对所述雷达图像进行降噪处理包括：采集雷达图像，并将所述雷达图像转化为第二灰度图像；基于所述灰度区间H对所述第二灰度图像中的像素点进行筛选，获取目标像素集；基于目标像素集所包括的像素点的横坐标值和纵坐标值，扫描所述像素点周围的像素点；将像素值位于灰度区间内，并且相邻的的像素点作为第二目标区域A；并对第二目标区域A外的像素点进行过滤。

作为本发明所述的合成孔径雷达图像处理方法的一种优选方案，其中：基于所述映射关系，确定第二目标区域A对应的散射信息x；根据散射信息x对应的灰度区间H和灰度均值J对第二目标区域A内的像素点进行识别。

作为本发明所述的合成孔径雷达图像处理方法的一种优选方案，其中：筛选所述第二目标区域A内符合灰度区间H和灰度均值J的像素点，重构雷达图像。

本发明的有益效果：通过贝叶斯联合密度函数建立的映射关系，可以确定第二目标区域A对应的散射信息x，然后根据散射信息x对应的灰度区间H和灰度均值J对第二目标区域A内的像素点进行进一步识别，进行二次去噪处理，并重构雷达图像，通过将SAR图像与散射信息之间的映射关系，可以避免一些图像信息当做噪声被过滤掉，导致图像不完整，有利于对根据雷达图像对目标物辨别。

附图说明

图1为本发明一个实施例提供的一种合成孔径雷达图像处理方法的基本流程示意图。

图2为本发明一个实施例提供的一种合成孔径雷达图像处理方法机摘合成孔径雷达扫描示意图。

实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。

实施例

参照图1，为本发明的一个实施例，提供了一种合成孔径雷达图像处理方法，包括：

S1:对原始图像进行预处理，选取目标区域T。包括：

对原始图像进行预处理包括：

使用合成孔径雷达设备获取原始图像。采集合成孔径雷达图像数据，将采集到的数据存储在存储介质中，可以通过对特定频率的微波脉冲从不同角度、方向和距离上对目标物进行扫描，获取目标物的原始图像，将其作为样本。

利用目标与合成孔径雷达的相对运动，通过单阵元来完成空间采样，以单阵元在不同相对空间位置上所接收到的回波时间采样序列去取代由阵列天线所获取的波前空间采样集合。只要目标被发射能量波瓣照射到或位于波束宽度之内，此目标就会被采样并被成像生成SAR图像。

将所述原始图像转化为第一灰度图像。

将彩色的雷达图像中的每个像素都转成灰度像素，就可以将整个图像转化成灰度图，其表达式为：

GRAY[Y]←BGR[A]=0.299*R+0.587*G+0.155*B

其中，RGB分别代表颜色。

选取目标区域T包括:

将目标物在第一灰度图像上的区域定义为目标区域T，所述目标区域T的像素点的集合表示为T=(a_1,1,a_1,2,a_2,1,...,a_m,n)，其计算表达式为:

其中，a_m,n为所述目标区域T中的一个元素，a_m,n在所述第一灰度图像中的坐标表示为(m,n)，m表示像素点a_m,n的横坐标值，n表示像素点a_m,n的纵坐标值，a_m,n的灰度值为0至255范围内的整数，数值越大表示颜色越白，灰度值为0则为黑色。

将原始图像转化成第一灰度图像后，可以将第一灰度图像中表示目标物的区域定义为目标区域T，对目标区域T进行提取。

S2:计算目标区域T内的目标像素的灰度区间H和灰度均值J。

选取目标区域T内的所有像素点，灰度值最大和最小的数值，作为灰度区间H；

将目标区域T内的所有像素点的灰度值的平均值，作为灰度均值J。

将所述目标区域T中位于灰度区间H的像素点，作为目标像素。

S3:利用贝叶斯联合密度函数建立目标像素与散射信息的映射关系。包括：

贝叶斯联合密度函数的数学表达式为：

P(θ/(x₁,x₂,...,x_n)）=P((x₁,x₂,...,x_n)/θ)P(θ)/P(x₁,x₂,...,x_n)

其中，P表示目标像素的灰度值，θ表示目标像素，(x₁,x₂,...，x_n)表示散射信息；

以此计算所述目标区域T内所有像素点对应的散射信息x的概率分布；

根据所述目标区域T内所有像素点对应的散射信息x的概率分布确定雷达目标。

不同的目标，具有不同的介电常数和表面粗糙度，对微波的频率、透射角和极化方式呈现出的散射特性和穿透力也不相同，通过散射特性和穿透力也不相同，对应的其表现在目标区域T的像素点的灰度值也不同，在第一灰度图像中，一个像素点的灰度值可能会对应多个散射信息x，因此在合成孔径雷达采集原始图像的时候对其需要重点侦查的目标，如战斗机、装置车辆或人员进行多次扫描，采集其原始图像作为样本，此时散射信息x和目标像素的灰度值都为已知目标参数，优化目标区域中目标像素与散射信息的映射关系的模型，提高其准确度。

S4:基于所述映射关系，对所述雷达图像进行降噪处理。

对所述雷达图像进行降噪处理包括：

采集雷达图像，并将所述雷达图像转化为第二灰度图像；

基于所述灰度区间H对所述第二灰度图像中的像素点进行筛选，获取目标像素集；防止漏掉目标特征反映在第二灰度图像中的像素点，造成特征缺失。

基于目标像素集所包括的像素点的横坐标值和纵坐标值，扫描所述像素点周围的像素点；

将像素值位于灰度区间内，并且相邻的的像素点作为第二目标区域A；

并对第二目标区域A外的像素点进行过滤。能够根据反映在雷达图像上的雷达截面来对相干斑进行去噪。由于合成孔径雷达能够对物体的材质进行识别，还具有移动的穿透力，因而根据不同的目标，具有不同的介电常数和表面粗糙度，对微波的频率、透射角和极化方式呈现出的的散射特性和穿透力也不相同，通过散射特性和穿透力也不相同，对应的其表现在目标区域T的像素点的灰度值也不同，就可以对目标上的一些伪装物体所产生的像素点进行去噪，如插在坦克上的伪装树枝，树枝与坦克产生的散射信息不同，相对应像素点也不同，利用本方法可以达到对树枝在雷达图像上产生的干扰像素，进行去噪。

可以对第二目标区域A进行提取，对第二目标区域A以外的背景进行过滤，进行去噪，可以减少运算量。

基于所述映射关系，确定第二目标区域A对应的散射信息x；

根据散射信息x对应的灰度区间H和灰度均值J对第二目标区域A内的像素点进行进一步识别。

筛选所述第二目标区域A内符合灰度区间H和灰度均值J的像素点，重构雷达图像。

实际工作中的合成孔径雷达扫描所生成的SAR图像，其灰度区间H中的像素点的灰度值为已知目标参数，通过贝叶斯联合密度函数建立的映射关系，可以确定第二目标区域A对应的散射信息x，然后根据散射信息x对应的灰度区间H和灰度均值J对第二目标区域A内的像素点进行进一步识别，进行二次去噪处理，并重构雷达图像，通过将SAR图像与散射信息之间的映射关系，可以避免一些图像信息当做噪声被过滤掉，导致图像不完整，有利于对根据雷达图像对目标物辨别。

实施例

参照图2，为本发明另一个实施例，该实施例不同于第一个实施例的是，提供了一种合成孔径雷达图像处理方法的实验验证，为对本方法中采用的技术效果加以验证说明，本实施例采用传统技术方案与本方法进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。

实验采用1个模型飞机，4个干扰模型分别为A1（气球同款同型号飞机）、A2（塑料同款同型号飞机）、A3（木制同款同型号飞机）和A4（同款不同型号的飞机），将其分别固定在地面上，再用100千米外的无人机搭载合成孔径雷达对齐进行扫描，采用本方法和传统方法分别用对雷达图像进行去噪识别。

表1：实验记录表。

	A1	A2	A3	A4
						传统技术手段	是	是	是	否	是否过滤
本方法	是	是	是	是	是否过滤

由表1可以看出，合成孔径雷达可以有效对不同的材质进行识别，并作为噪声进行过滤，而相对同款不同型号飞机，由于在降噪过程中，存在对反映在雷达图像上的特征点无法完全进行精确识别，而利用本方法可以更精确地提取出反映在雷达图像上目标的特征点，不同的目标具有不同的介电常数和表面粗糙度，对微波的频率、透射角和极化方式呈现出的散射特性和穿透力也不相同，通过散射特性和穿透力也不相同，对应的其表现在目标区域的像素点的灰度值也不同，采用本方法有利于建立雷达图像单与回波信号的反向联系，准确地从噪声和目标混合的回波信号中，提取出目标回波信号，进行二次去噪处理，并重构雷达图像，通过将SAR图像与散射信息之间的映射关系，可以避免一些图像信息当做噪声被过滤掉，导致图像不完整，有利于对根据雷达图像对目标物辨别。

应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种合成孔径雷达图像处理方法，其特征在于，包括：

对原始图像进行预处理，选取目标区域T；

计算目标区域T内的目标像素的灰度区间H和灰度均值J；

利用贝叶斯联合密度函数建立目标像素与散射信息的映射关系；

基于所述映射关系，对所述雷达图像进行降噪处理；

贝叶斯联合密度函数的数学表达式为：

P(θ/(x₁,x₂,...,x_n)）=P((x₁,x₂,...,x_n)/θ)P(θ)/P(x₁,x₂,...,x_n)

其中，P表示目标像素的灰度值，θ表示目标像素，(x₁,x₂,...，x_n)表示散射信息；

以此计算所述目标区域T内所有像素点对应的散射信息x的概率分布；

根据所述目标区域T内所有像素点对应的散射信息x的概率分布确定雷达目标；

对所述雷达图像进行降噪处理包括：

采集雷达图像，并将所述雷达图像转化为第二灰度图像；

基于所述灰度区间H对所述第二灰度图像中的像素点进行筛选，获取目标像素集；

基于目标像素集所包括的像素点的横坐标值和纵坐标值，扫描所述像素点周围的像素点；

将像素值位于灰度区间内，并且相邻的像素点作为第二目标区域A；

并对第二目标区域A外的像素点进行过滤；

基于所述映射关系，确定第二目标区域A对应的散射信息x；

根据散射信息x对应的灰度区间H和灰度均值J对第二目标区域A内的像素点进行识别；

筛选所述第二目标区域A内符合灰度区间H和灰度均值J的像素点，重构雷达图像。

2.如权利要求1所述的合成孔径雷达图像处理方法，其特征在于：

对原始图像进行预处理包括：

使用合成孔径雷达设备获取原始图像；

将所述原始图像转化为第一灰度图像。

3.如权利要求2所述的合成孔径雷达图像处理方法，其特征在于：选取目标区域T包括:

将目标物在第一灰度图像上的区域定义为目标区域T，所述目标区域T的像素点的集合表示为T=(a_1,1,a_1,2,a_2,1,...,a_m,n)，其计算表达式为:

其中，/>

为所述目标区域T中的一个元素。

4.如权利要求3所述的合成孔径雷达图像处理方法，其特征在于：计算目标区域T内的所有像素点的灰度区间H和灰度均值J包括：

选取目标区域T内的所有像素点，灰度值最大和最小的数值，作为灰度区间H；

将目标区域T内的所有像素点的灰度值的平均值，作为灰度均值J。

5.如权利要求4所述的合成孔径雷达图像处理方法，其特征在于：

将所述目标区域T中位于灰度区间H的像素点，作为目标像素。

Images