CN111190156A

CN111190156A - 基于雷达和光电的低慢小目标与海面小目标识别方法

Info

Publication number: CN111190156A
Application number: CN202010018394.9A
Authority: CN
Inventors: 杨学岭; 管志强
Original assignee: 724th Research Institute of CSIC
Current assignee: 724 Research Institute Of China Shipbuilding Corp
Priority date: 2020-01-08
Filing date: 2020-01-08
Publication date: 2020-05-22
Anticipated expiration: 2040-01-08
Also published as: CN111190156B

Abstract

本发明涉及一种基于雷达和光电的低慢小目标与海面小目标识别方法，主要适用于预警探测***下低慢小目标与海面小目标分类识别。其主要流程是：首先雷达对光电进行目标指引，雷达与光电对目标进行复合跟踪；待雷达与光电对目标进行稳定跟踪后，调用雷达对目标进行高重频探测，同时调用光电对目标进行红外成像；然后分别提取目标的微多普勒调制特征和红外特征；利用目标微多普勒调制特征、红外特征结合目标运动特征和运动特征构造目标特征矩阵，最后结合线性二分类器进行低慢小目标与海面小目标分类识别。本发明所提供的方法可以充分发挥预警探测***中雷达和光电设备的优势，弥补各自低慢小目标与海面小目标分类识别能力的不足，综合提高识别能力。

Description

基于雷达和光电的低慢小目标与海面小目标识别方法

技术领域

本发明涉及一种目标识别方法。

背景技术

低慢小目标(直升机、无人机、飞艇等)、海面小目标(小型渔船等)等非传统海空目标逐渐成为警戒探测设备的重要关注对象。这些非传统威胁目标，大都RCS较小，常与各类民用目标混杂在一起，可隐藏在大型船舶之间，甚至淹没在海杂波内。单独依靠雷达或者光电对于上述目标难以有效发现、跟踪、分类识别。

雷达作用距离远，具有全天候、全天时、远距离的目标检测、定位和跟踪能力，具有多批目标的连续跟踪和航迹处理能力。光电具有对电子干扰免疫的能力，且在低空、超低空环境下无多径效应、海浪也仅作为热辐射背景存在，具有探测精度高、角分辨率高、低空和超低空目标探测能力强的特点。

雷达和光电两者又各有其局限性。雷达与光电相比较，雷达角精度差、分辨率低，且容易受杂波、电磁干扰，且低空、超低空目标仰角精度差；而光电作用距离近，测距能力差，视场范围小，搜索和多目标探测能力弱，且探测距离受天气影响大。

雷达和光电的优势互补特征明显，可以充分发挥各自探测设备的优势，弥补不足，综合提高低慢小目标与海面小目标分类识别能力。

发明内容

本发明的目的在于提供一种解决预警探测***中低慢小目标与海面小目标分类识别方法。实现本发明的技术解决方案为：

首先雷达对光电进行目标指引，雷达和光电对目标进行复合跟踪；待雷达和光电对目标进行稳定跟踪后，调用雷达对目标进行高重频探测，同时调用光电对目标进行红外成像；根据雷达目标航迹和目标姿态检测目标在高重频探测中的位置，利用离群偏度法提取目标的微多普勒调制特征；利用图像的变异力场转换方法进行目标红外图像粗大边缘检测，提取目标红外图像结构特征；结合目标雷达运动特征、目标光电运动特征、目标微多普勒调制特征、目标红外图像结构特征，构造目标特征矩阵；结合Sigmoid函数进行线性二分类器设计；最后进行低慢小目标与海面小目标分类识别。

本发明的提出和工程实现在低慢小目标与海面小目标分类识别领域具有很高的推广应用价值，能够在预警探测***中实现对低慢小目标与海面小目标的有效分类，提高目标海空属性识别的正确率。采用离群偏度法提取目标的微多普勒调制特征的方法，能够准确、有效地判断目标是否存在微多普勒调制特征，该方法具有自适应性好，提取概率高的特点。采用变异力场转换方法进行目标红外图像粗大边缘检测，减小了外界环境和目标自身运动对目标红外图像结构特征提取的影响。

下面结合附图对本发明作进一步详细描述。

四附图说明

图1是本发明的数据处理流程图。

图2是本发明的低慢小目标高重频探测回波示意图。

图3是本发明的低慢小目标微多普勒调制特征示意图。

图4是本发明的海面小目标高重频探测回波示意图。

图5是本发明的海面小目标微多普勒调制特征示意图。

图6是本发明的目标红外图像结构特征提取示意图。

五具体实施方式

本发明基于雷达和光电的低慢小目标与海面小目标识别方法具体实施步骤为，参见附图1。

(1)雷达对光电进行目标指引。

雷达将探测到的待识别目标的航迹信息，包括目标批号、方位、距离、仰角、航向、航速信息发送给光电，指引光电对待识别目标进行快速捕获。

(2)雷达和光电对目标进行复合跟踪。

光电对待识别目标完成快速捕获后，对待识别进行跟踪，形成光电目标航迹，将光电目标航迹，包括方位、仰角、航向、航速信息发送给雷达，由雷达对目标雷达航迹和光电航迹进行航迹融合。

(3)调用雷达对目标进行高重频探测。

a)雷达目标姿态解算

其中θ是雷达目标姿态角，α是雷达目标航向，β是雷达目标方位；

b)根据解算的目标姿态和目标运动速度，解算目标径向运动速度；

c)根据目标径向运动速度和目标距离，选取高重频探测参数对目标进行高重频探测，避免目标落入探测的盲距和盲速中。

(4)调用光电对目标进行红外成像。

a)光电捕获目标图像，计算该目标图像的清晰度评价指标，采用4邻域灰度差绝对值之和作为图像清晰度的评价指标，对于一幅N×N个像素的图像，f(x,y)表示图像中某点的像素值，此时图像的清晰度评价指标为P1：

b)将焦距向一个方向进行调节，然后计算这一时刻的清晰度指标P2，如果P1＞P2，反方向调节焦距直到清晰度变差，此时前一时刻的状态目标图像最清晰；如果P1＜P2，继续向该方向调节焦距直到清晰度变差，此时前一时刻的状态目标图像最清晰；

c)捕获清晰的目标图像，对该图像进行阈值变换，对图像进行阈值变换得到目标的二值图像；通过设定阈值对图像进行二值化，对于灰度值小于阈值的像素直接设置灰度值为0；灰度值大于阈值的像素直接设置为255。阈值选择规则如下：

用f(i,j){0≤i<M,0≤j<N}表示一个M×N图像对应位置的相应像素值，整幅图像所有像素和的平均值为：

设K为

的像素个数，阈值R为：

(5)离群偏度法提取目标微动多普勒特征，方法如下：

a)以目标航迹距离为中心，向左取2^m-1个距离单元，向右取2^m个距离单元，共2^2m个距离单元作为数据样本M；

b)对2^2m个距离单元分别做FFT处理，并求模；

c)对求模后的2^2m个距离单元分别做积累，查找积累最大值对应的距离单元L，将其作为目标对应的距离单元；

d)在数据样本M中取出距离单元L对应的数据进行FFT处理，并求模，将求模后的结果作为目标的频谱K；

e)解算频谱K中最大值对应的位置，将该位置左右各3个单元作为目标本身多普勒频谱，将其剔除，得到目标频谱K‘；

f)取距离单元L左右各5个距离单元，分别对左右5个距离单元对应的数据进行FFT处理并求模，得到背景频谱集合{H_i},i＝L+1,L-1,L+2,L-2,L+3,L-3,L+4,L-4,l+5,L-5；

g)分别计算目标频谱K‘的偏度O‘和背景频谱集合{H_i}的偏度集合{O_i}

其中O(X)是样本数据偏度，X是目标区域样本数据，μ是样本均值，σ是样本标准方差，E(X-μ)³是样本数据的3阶中心距。

h)计算离群偏度O‘-max{O_i}，若O‘-max{O_i}>0则目标频谱中存在微多普勒调制特征，否则目标频谱中未检测到微多普勒调制特征。

(6)变异力场转换法提取目标红外图像结构特征。

a)计算图像中像素点受到的变异合力的大小和方向，图像中位置为r_i的像素点受到位置为r_j的像素点的变异引力作用F_i(r_j)，变异引力的大小与r_i点的灰度值成正比，与点r_j和点r_i间的距离的平方成反比，变异引力的方向即两点间的连线方向，矢量表示如下：

其中I(r_i)表示位置为像素点r_i的灰度值，

为目标姿态角，r_i-r_j的连线方向表示F_i(r_j)的矢量方向，|r_i-r_j|表示两像素点之间的距离。像素点r_j受到所有像素点的变异合力可表示为

其中N表示r_i某邻域中像素的个数，F_i(r_j)的方向为F_i(r_j)的合力方向，像素点受到的变异合力的大小和方向计算方法如下：

i.计算该点受到邻域中另外一点的变异引力，并根据变异引力的方向将变异引力分别沿水平和垂直轴作分解；

ii.将该点受到的全部其它变异引力在水平和垂直轴上分量求和；

iii.将水平和垂直轴上得到的分量做矢量合成，得到该点最终受到的变异合力的大小和方向；

b)根据图像中所有像素点所受变异合力的大小归一化计算每个像素点所受变异合力的大小；

c)对归一化后的图像进行二值化处理，获得边缘像素点及其邻域所在的区域图像；

d)根据变异合力的方向和大小获得最终的粗大边缘点，提取目标的红外结构特征；

e)通过模板匹配法对提取的目标红外结构特征进行库比对，获取目标红外结构特征比对结果。

(7)构造目标特征矩阵。

结合目标雷达运动特征、目标光电运动特征、目标微多普勒调制特征、目标红外图像结构特征，构造目标特征矩阵F∈R^4×1

x1表示目标姿态，x2表示根据雷达航迹和光电航迹解算的目标高度，x3表示目标微多普勒调制特征，x4表示目标红外结构特征比对结果。

(8)结合Sigmoid函数进行线性二分类器设计。

本发明采用线性二分类器作为分类器进行雷达多目标属性判别，线性二分类器由输入层、激励函数和输出节点组成。输入层由4个节点构成，分别对应目标一维距离像能量聚集区特征矩阵的4个特征，使用Sigmoid函数作为激励函数，输出节点y为

其中F∈R^4×1为目标一维距离像能量聚集区特征矩阵，W∈R^4×1为输入层的权值矩阵

(9)低慢小目标与海面小目标分类识别。

根据(8)中输出接点y的取值进行低慢小目标与海面小目标分类识别

Claims

1.基于雷达和光电的低慢小目标与海面小目标识别方法，其特征在于：

(1)通过向光电共享目标航迹信息，雷达引导光电对待识别目标完成快速捕获；

(2)然后对目标的雷达航迹和光电航迹进行航迹融合；

(3)根据目标雷达航迹解算目标姿态，利用解算的目标姿态和目标运动速度解算目标的径向运动速度，根据目标径向运动速度和目标距离，选取高重频探测参数对目标进行高重频探测；

(4)调用光电对目标进行红外成像，计算目标图像的清晰度评价指标，其中图像清晰度采用4邻域灰度差绝对值之和作为评价指标，利用目标图像的清晰度评价指标进行焦距调节，捕获清晰的目标图像，对图像进行阈值变换得到目标的二值图像；

(5)结合目标雷达航迹，利用离群偏度法检测目标频谱中的微多普勒调制特征；

(6)利用变异力场转换方法计算图像中像素点所受的变异合力，根据图像中所有像素点所受变异合力的大小归一化计算每个像素点所受变异合力的大小，根据变异合力的方向和大小获得最终的粗大边缘点，提取目标的红外结构特征，通过模板匹配法对提取的目标红外结构特征进行库比对，获取目标红外结构特征比对结果；

(7)结合目标雷达运动特征、目标光电运动特征、目标微多普勒调制特征、目标红外图像结构特征，构造目标特征矩阵F∈R^4×1；

(8)利用Sigmoid函数进行线性二分类器设计；

(9)通过二分类器输出结果进行低慢小目标与海面小目标分类识别。

2.根据权利要求1所述的基于雷达和光电的低慢小目标与海面小目标识别方法，其特征在于：利用离群偏度法检测目标频谱的微多普勒调制特征，以目标航迹距离为中心，向左取2^m-1个距离单元，向右取2^m个距离单元，共2^2m个距离单元作为数据样本M，分别对2^2m个距离单元做FFT和求模处理，对求模后的2^2m个距离单元分别做积累，查找积累最大值对应的距离单元L，将其作为目标对应的距离单元，求取目标对应距离单元的频谱K，解算频谱K中最大值对应的位置，将该位置左右各3个单元作为目标本身多普勒频谱，将目标本身多普勒频谱剔除，得到目标频谱K‘，取距离单元L左右各5个距离单元，分别对左右5个距离单元对应的数据进行FFT处理并求模，得到背景频谱集合{H_i},其中i＝L+1,L-1,L+2,L-2,L+3,L-3,L+4,L-4,l+5,L-5，通过计算目标频谱K‘的偏度O‘和背景频谱集合{H_i}的偏度集合{O_i}，利用离群偏度O‘-max{O_i}检测目标频谱中的微多普勒调制特征。

3.根据权利要求1或权利要求2所述的基于雷达和光电的低慢小目标与海面小目标识别方法，其特征在于：利用变异力场转换方法计算图像中像素点所受的变异合力，计算图像中位置为r_i的像素点受到位置为r_j的像素点的变异引力作用F_i(r_j)，其中

I(r_i)表示位置为像素点r_i的灰度值，

为目标姿态角，r_i-r_j的连线方向表示F_i(r_j)的矢量方向，|r_i-r_j|表示两像素点之间的距离，并根据变异引力的方向将变异引力分别沿水平和垂直轴作分解，将该点受到的全部其它变异引力在水平和垂直轴上分量求和，得到该点最终受到的变异合力的大小和方向。