CN112285711A - 一种基于深度置信网络的三维sar图像目标识别方法 - Google Patents
一种基于深度置信网络的三维sar图像目标识别方法 Download PDFInfo
- Publication number
- CN112285711A CN112285711A CN202011039087.5A CN202011039087A CN112285711A CN 112285711 A CN112285711 A CN 112285711A CN 202011039087 A CN202011039087 A CN 202011039087A CN 112285711 A CN112285711 A CN 112285711A
- Authority
- CN
- China
- Prior art keywords
- radar
- dimensional
- axis
- coordinates
- beam irradiation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000003384 imaging method Methods 0.000 claims abstract description 27
- 238000002790 cross-validation Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于深度置信网络的三维SAR图像目标识别方法,包括如下过程:S1、建立初始化二维***坐标:雷达波束照射区域为平面,且该平面水平方向为X,竖直方向为Y,且以雷达波束照射区域内一点为原点形成二维***参数原点;S2、识别二维***参数坐标。本发明结构设计合理,通过雷达形成的波束照射区域实现对成像场景外侧实现特征点的识别,接着通过雷达的移动实现雷达沿着Z轴对成像场景外侧的识别,则由此可实现三维的准确识别;其次,可通过设置的多个雷达实现对成像场景外侧对比后准确的识别;最后,当雷达偏移Z轴运动时,可通过Z轴变化量的增加保证雷达偏移Z轴运动后在Z轴上坐标的准确性。
Description
技术领域
本发明涉及识别方法技术领域,尤其涉及一种基于深度置信网络的三维SAR图像目标识别方法。
背景技术
成孔径雷达是一种工作在微波波段的相干成像雷达,以其高分辨和全天候、全天时、大面积的成像探测能力,成为世界各国普遍重视的对地观测手段,具有良好的应用前景。SAR目标识别是SAR图像解译的一个重要方面,目的是实现对图像中感兴趣目标的自动分类识别。SAR目标识别过程通常包括对特征提取和特征分类两个环节,然而现有技术中雷达在整体特征点上的获取存在不全面和不充分的情况,为此,我们设计了一种基于深度置信网络的三维SAR图像目标识别方法。
发明内容
本发明的目的是为了解决现有技术中存在的问题,而提出的一种基于深度置信网络的三维SAR图像目标识别方法。
为了实现上述目的,本发明采用了如下技术方案:
一种基于深度置信网络的三维SAR图像目标识别方法,包括如下过程:
S1、建立初始化二维***坐标:雷达波束照射区域为平面,且该平面水平方向为X,竖直方向为Y,且以雷达波束照射区域内一点为原点形成二维***参数原点;
S2、识别二维***参数坐标:通过雷达波束照射区域对成像场景实现外侧识别,基于S1中建立的坐标实现对成像场景外侧的特征点识别后,成立多个f(xn,yn)的特征点坐标;
S3、识别Z轴的参数坐标:雷达以等速的速度向前运行,且雷达的运动方向垂直于S1中建立的二维坐标***,则雷达在等速的移动过程中,雷达的速度为V,运行时间为T,则雷达在Z轴上行进的坐标函数为Z(Vn,Tn);
S4、建立三维坐标:在雷达移动过程中,识别特征点三维坐标,并建立三维特征点坐标,即在雷达沿Z轴移动中,Z轴点不动,即Z(Vn,Tn)不动,对S1中建立的坐标实现对成像场景外侧的特征点识别,形成三维特征点坐标,即形成W[Vn,Tn,Z(Vn,Tn)]特征点坐标;
S5、采用三维BP算法成像:采用标准的三维BP算法并依据S4中形成的特征点坐标成像;
S6、设置待优化深度置信网络参数的初始值:确定深度置信网络需要进行优化设置的参数,并给出每个参数在迭代过程中的最小值、最大值和迭代的步进大小;
S7、参数调优:采用交叉验证方法对参数进行自适应调优,并利用深度置信网络进行识别。
优选地,在S1中,雷达的数量大于两个,且多个雷达波束照射区域位于同一水平面上,同时成像场景位于多个雷达内。
优选地,在S3中,Z轴与S1中雷达波束照射区域呈不同倾角R设置,则雷达在Z轴上行进的坐标函数为Zn+1=Zn+AZn+1,其中AZn+1表示Z的变化量,且AZn+1=SinZ(Vn+1,Tn+1)。
本发明与现有技术相比,其有益效果为:
本发明,通过雷达形成的波束照射区域实现对成像场景外侧实现特征点的识别,接着通过雷达的移动实现雷达沿着Z轴对成像场景外侧的识别,则由此可实现三维的准确识别;其次,可通过设置的多个雷达实现对成像场景外侧对比后准确的识别;最后,当雷达偏移Z轴运动时,可通过Z轴变化量的增加保证雷达偏移Z轴运动后在Z轴上坐标的准确性。
附图说明
图1为本发明提出的一种基于深度置信网络的三维SAR图像目标识别方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
参照图1,一种基于深度置信网络的三维SAR图像目标识别方法,包括如下过程:
S1、建立初始化二维***坐标:雷达波束照射区域为平面,且该平面水平方向为X,竖直方向为Y,且以雷达波束照射区域内一点为原点形成二维***参数原点,其中雷达波束照射区域为平面可对成像场景的外侧壁实现识别过程,识别后可建立特征点的在该平面内的坐标;
进一步的,在S1中,雷达的数量大于两个,且多个雷达波束照射区域位于同一水平面上,同时成像场景位于多个雷达内,通过多个雷达的设置保证雷达对成像场景的外侧壁实现多角度识别,保证识别更加准确,进而保证选取的特征点坐标更加准确。
S2、识别二维***参数坐标:通过雷达波束照射区域对成像场景实现外侧识别,基于S1中建立的坐标实现对成像场景外侧的特征点识别后,成立多个f(xn,yn)的特征点坐标;
S3、识别Z轴的参数坐标:雷达以等速的速度向前运行,且雷达的运动方向垂直于S1中建立的二维坐标***,则雷达在等速的移动过程中,雷达的速度为V,运行时间为T,则雷达在Z轴上行进的坐标函数为Z(Vn,Tn);
进一步的,在S3中,Z轴与S1中雷达波束照射区域呈不同倾角R设置,则雷达在Z轴上行进的坐标函数为Zn+1=Zn+AZn+1,其中AZn+1表示Z的变化量,且AZn+1=SinZ(Vn+1,Tn+1),如此设置当雷达在运动过程中位置发生偏移时,保证雷达运动过程中成像场景外侧在Z轴上的坐标准确,即保证成像场景外侧上特征点在形成的三维坐标系中坐标更加准确。
S4、建立三维坐标:在雷达移动过程中,识别特征点三维坐标,并建立三维特征点坐标,即在雷达沿Z轴移动中,Z轴点不动,即Z(Vn,Tn)不动,对S1中建立的坐标实现对成像场景外侧的特征点识别,形成三维特征点坐标,即形成W[Vn,Tn,Z(Vn,Tn)]特征点坐标;
如此设置,雷达不动可对位于雷达波束照射区域内的场景外侧特征点进行识别,即对场景外侧的二维平面进行特征点的识别,当雷达移动时可实现在雷达的移动过程中对成像场景外侧的特征点实现三维识别,从而通过之后的三维BP算法成像,形成SAR图像目标的识别。
S5、采用三维BP算法成像:该过程为现有技术,采用标准的三维BP算法并依据S4中形成的特征点坐标成像;
S6、设置待优化深度置信网络参数的初始值:该过程为现有技术,确定深度置信网络需要进行优化设置的参数,并给出每个参数在迭代过程中的最小值、最大值和迭代的步进大小;
S7、参数调优:该过程为现有技术,采用交叉验证方法对参数进行自适应调优,并利用深度置信网络进行识别。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种基于深度置信网络的三维SAR图像目标识别方法,其特征在于,包括如下过程:
S1、建立初始化二维***坐标:雷达波束照射区域为平面,且该平面水平方向为X,竖直方向为Y,且以雷达波束照射区域内一点为原点形成二维***参数原点;
S2、识别二维***参数坐标:通过雷达波束照射区域对成像场景实现外侧识别,基于S1中建立的坐标实现对成像场景外侧的特征点识别后,成立多个f(xn,yn)的特征点坐标;
S3、识别Z轴的参数坐标:雷达以等速的速度向前运行,且雷达的运动方向垂直于S1中建立的二维坐标***,则雷达在等速的移动过程中,雷达的速度为V,运行时间为T,则雷达在Z轴上行进的坐标函数为Z(Vn,Tn);
S4、建立三维坐标:在雷达移动过程中,识别特征点三维坐标,并建立三维特征点坐标,即在雷达沿Z轴移动中,Z轴点不动,即Z(Vn,Tn)不动,对S1中建立的坐标实现对成像场景外侧的特征点识别,形成三维特征点坐标,即形成W[Vn,Tn,Z(Vn,Tn)]特征点坐标;
S5、采用三维BP算法成像:采用标准的三维BP算法并依据S4中形成的特征点坐标成像;
S6、设置待优化深度置信网络参数的初始值:确定深度置信网络需要进行优化设置的参数,并给出每个参数在迭代过程中的最小值、最大值和迭代的步进大小;
S7、参数调优:采用交叉验证方法对参数进行自适应调优,并利用深度置信网络进行识别。
2.根据权利要求1所述的一种基于深度置信网络的三维SAR图像目标识别方法,其特征在于,在S1中,雷达的数量大于两个,且多个雷达波束照射区域位于同一水平面上,同时成像场景位于多个雷达内。
3.根据权利要求1所述的一种基于深度置信网络的三维SAR图像目标识别方法,其特征在于,在S3中,Z轴与S1中雷达波束照射区域呈不同倾角R设置,则雷达在Z轴上行进的坐标函数为Zn+1=Zn+AZn+1,其中AZn+1表示Z的变化量,且AZn+1=SinZ(Vn+1,Tn+1)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011039087.5A CN112285711A (zh) | 2020-09-28 | 2020-09-28 | 一种基于深度置信网络的三维sar图像目标识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011039087.5A CN112285711A (zh) | 2020-09-28 | 2020-09-28 | 一种基于深度置信网络的三维sar图像目标识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112285711A true CN112285711A (zh) | 2021-01-29 |
Family
ID=74421590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011039087.5A Pending CN112285711A (zh) | 2020-09-28 | 2020-09-28 | 一种基于深度置信网络的三维sar图像目标识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112285711A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359197A (zh) * | 2021-06-03 | 2021-09-07 | 河北省地震局 | 一种适于浅层高精度的曲地表叠加成像方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050716A (zh) * | 2014-06-25 | 2014-09-17 | 北京航空航天大学 | 一种海上多目标sar图像可视化建模方法 |
CN104155635A (zh) * | 2014-08-23 | 2014-11-19 | 中国科学院成都生物研究所 | 一种探地雷达单道电磁波谱三维定位方法 |
CN106355151A (zh) * | 2016-08-30 | 2017-01-25 | 电子科技大学 | 一种基于深度置信网络的三维sar图像目标识别方法 |
CN109143239A (zh) * | 2018-10-12 | 2019-01-04 | 黑龙江八农垦大学 | 一种基于一维距离像的圆周合成孔径雷达的成像方法 |
CN109765593A (zh) * | 2019-03-14 | 2019-05-17 | 苏州理工雷科传感技术有限公司 | 一种目标对象位置信息的获取方法及装置 |
CN110412571A (zh) * | 2019-07-19 | 2019-11-05 | 西安电子科技大学 | 基于电磁涡旋波的合成孔径雷达三维成像方法 |
CN113239773A (zh) * | 2021-05-08 | 2021-08-10 | 重庆邮电大学 | 一种基于向外环扫阵列csar三维成像的人体姿态非接触感知方法 |
-
2020
- 2020-09-28 CN CN202011039087.5A patent/CN112285711A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050716A (zh) * | 2014-06-25 | 2014-09-17 | 北京航空航天大学 | 一种海上多目标sar图像可视化建模方法 |
CN104155635A (zh) * | 2014-08-23 | 2014-11-19 | 中国科学院成都生物研究所 | 一种探地雷达单道电磁波谱三维定位方法 |
CN106355151A (zh) * | 2016-08-30 | 2017-01-25 | 电子科技大学 | 一种基于深度置信网络的三维sar图像目标识别方法 |
CN109143239A (zh) * | 2018-10-12 | 2019-01-04 | 黑龙江八农垦大学 | 一种基于一维距离像的圆周合成孔径雷达的成像方法 |
CN109765593A (zh) * | 2019-03-14 | 2019-05-17 | 苏州理工雷科传感技术有限公司 | 一种目标对象位置信息的获取方法及装置 |
CN110412571A (zh) * | 2019-07-19 | 2019-11-05 | 西安电子科技大学 | 基于电磁涡旋波的合成孔径雷达三维成像方法 |
CN113239773A (zh) * | 2021-05-08 | 2021-08-10 | 重庆邮电大学 | 一种基于向外环扫阵列csar三维成像的人体姿态非接触感知方法 |
Non-Patent Citations (2)
Title |
---|
王萍: ""天气雷达反射率因子图像中三体散射自动识别"", 《天津大学学报》 * |
范小天: ""MIMO-SAR阵列设计及三维图像识别方法研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359197A (zh) * | 2021-06-03 | 2021-09-07 | 河北省地震局 | 一种适于浅层高精度的曲地表叠加成像方法 |
CN113359197B (zh) * | 2021-06-03 | 2024-01-23 | 河北省地震局 | 一种适于浅层高精度的曲地表叠加成像方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021223368A1 (zh) | 基于视觉、激光雷达和毫米波雷达的目标检测方法 | |
CN112464812B (zh) | 一种基于车辆的凹陷类障碍物检测方法 | |
CN106338989B (zh) | 一种田间机器人双目视觉导航方法及*** | |
CN107632308B (zh) | 一种基于递归叠加算法的车辆前方障碍物轮廓检测方法 | |
CN104851097B (zh) | 基于目标形状与阴影辅助的多通道sar‑gmti方法 | |
CN105547244B (zh) | 一种结合立体像对的激光高度计高程控制点生成方法 | |
CN109448023B (zh) | 一种卫星视频小目标实时跟踪方法 | |
CN107923758A (zh) | 车辆位置推定装置、车辆位置推定方法 | |
CN102778680A (zh) | 基于参数化的匀加速运动刚体群目标成像方法 | |
CN116342718B (zh) | 一种线激光3d相机的标定方法、装置、存储介质及设备 | |
CN112285711A (zh) | 一种基于深度置信网络的三维sar图像目标识别方法 | |
CN112669458A (zh) | 基于激光点云进行地面滤波的方法、设备和程序载体 | |
CN106125075B (zh) | 一种双基地前视合成孔径雷达的运动误差估计方法 | |
CN114740493A (zh) | 一种基于多线激光雷达的路沿检测方法 | |
CN113283326B (zh) | 基于仿真目标亮线特征的视频sar目标智能检测方法 | |
CN107783111B (zh) | 一种基于最大熵准则的雷达前视超分辨成像方法 | |
CN114137562A (zh) | 一种基于改进全局最邻近的多目标跟踪方法 | |
CN111127334B (zh) | 基于rd平面像素映射的sar图像实时几何校正方法及*** | |
CN116563354A (zh) | 一种结合特征提取和聚类算法的激光点云配准方法 | |
CN104569970B (zh) | 一种用于机载雷达前视单脉冲成像的自聚焦方法 | |
CN111127542A (zh) | 一种基于图像的非合作目标对接环提取方法 | |
CN115166764A (zh) | 一种毫米波雷达辅助的激光雷达运动目标实时去除方法 | |
CN105551013B (zh) | 基于运动平台参数的sar图像序列配准方法 | |
CN111239761B (zh) | 一种用于室内实时建立二维地图的方法 | |
CN114994676A (zh) | 一种一站固定式双站低频超宽带sar运动目标成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210129 |
|
WD01 | Invention patent application deemed withdrawn after publication |