isar舰船 matlab,一种isar图像舰船目标特征提取方法

一种isar图像舰船目标特征提取方法

【技术领域】

[0001] 本发明涉及一种ISAR图像舰船目标特征方法，属于图像处理领域。

[0002] 适用于岸基/船载ISAR雷达成像平台，对ISAR图像进行舰船目标特征提取，提取 舰船的长度、主桅高度、轮廓、中心线等重要特征参数，用于岸基/船载ISAR雷达对海面大 中型舰船目标成像与分类识别。

【背景技术】

[0003] ISAR雷达能够获得非合作运动目标(如飞机、舰船等)的精细图像，是极为重要的 一种目标探测手段。在实际应用中，ISAR雷达除了固定在地面上，也可装在飞机、舰船等运 动平台上，对空中、海面或地面的运动目标成像。ISAR雷达具有远距离探测、高分辨率二维 成像能力，能在全天时、全天候条件下工作，能获取船只目标的距离、航速、航向、位置等信 息。时效性强、探测精度高、全天候等优点，因而是海面态势感知的重要手段。基于ISAR二 维图像提取的特征量包含了较丰富、直观的目标特征信息，在获取高质量舰船ISAR图像的 基础上，可以从中提取舰船尺寸、形状、结构等特征作为舰船识别的有效特征量。

[0004] S.Musman, D. Kerr, C. Bachmann. Automatic recognition of ISAR ship images. IEEE Transaction on aerospace and electronic systems,1996, 32 (4) : 1392-1403?该文 献中提出了ISAR图像舰船目标自动识别方法，通过分割、特征提取、目标分类操作从单帧 和多帧ISAR图像中实现对舰船目标自动识别。

[0005] D. Pastina, C. Spina. Multi-feature based automatic recognition of ship targets in ISAR. IET radar sonar navig.，2009,Vol.3,ISS.4,pp.406-423?该文献中提 出了基于多特征的ISAR图像舰船目标自动识别方法，从ISAR图像中提取多特征与目标模 型适当的投影中提取多特征相匹配，实现对目标分类识别。

[0006] 以上文献提到的ISAR图像舰船目标自动识别方法，均为ISAR地面事后处理系统， 对实时性要求不高，舰船目标特征参数提取精度不高。

【发明内容】

[0007] 本发明的技术解决问题是：克服现有技术的不足，提供了一种ISAR图像舰船目标 特征提取方法，实现岸基/船载ISAR雷达对海面大中型舰船目标高分辨率成像与分类识 别。

[0008] 本发明的技术解决方案是：一种ISAR图像舰船目标特征提取方法，步骤如下：

[0009] 1)通过斑点噪声去除对ISAR图像进行图像预处理，得到去噪声后的图像；

[0010] 2)对步骤1)得到的图像进行灰度变换图像增强处理，增强目标对比度；

[0011] 3)对步骤2)得到的图像进行图像分割得到二值化图像，对得到的二值化图像进 行像素聚类处理，根据预设阈值判定是否需要迭代分割，当满足阈值判定要求时进入步骤 4)；

[0012] 4)对步骤3)中得到的像素聚类处理结果进行舰船目标特征提取。

[0013] 所述步骤2)中灰度变换图像增强处理具体通过如下步骤：

[0014] 2. 1)将步骤1)处理的结果图像灰度值归一化至0~1范围内；

[0015] 2. 2)按从左到右，从上到下顺序逐点扫描图像f(X，y)，逐点计算gi(X，y)= max(lln，min(hln,f(X，y)))，其中f(X，y)为步骤2. 1)处理结果图像，X为图像的行坐标，y 为图像的列坐标；IIn为输入参数，取值范围0_{1，hln为输入参数，取值范围0}1，且满 足IIn

[0016] 2. 3)按从左到右，从上到下顺序逐点扫描图像gi(X,y)，逐点计算g2 (X,y)= ((gi(x,y)_lln)/(hln-lln))2,g2(x,y)为中间计算结果图像；

[0017] 2. 4)按从左到右，从上到下顺序逐点扫描图像g2 (X,y)，逐点计算g3 (X,y)= g2(x,y)X(h0ut-10ut)+10ut，IOut为输入参数，取值范围0~1，hOut为输入参数，取值范 围0~1，且满足IOut

[0018] 2. 5)将g3(x，y)灰度值归一化至0~255范围内。

[0019] 所述步骤3)中对图像分割与像素聚类处理具体通过如下步骤进行：

[0020] 3. 1)将步骤2)增强处理后的结果进行图像的均值y和方差。统计，取阈值TH =y+k〇，k= 0,1，2, 3进行图像分割，得到二值图像；

[0021] 3. 2)取初始值k= 3,即阈值TH=y+3 〇进行图像分割；

[0022] 3. 3)对步骤3. 2)处理得到的二值图像进行标记，去除面积低于预设面积阈值的 区域；

[0023] 3.4)对于步骤3. 3)处理后的图像中区域断裂和区域空心的情况，采用3X3~ 7X7结构元素形态学膨胀操作，使断裂的或者空心的区域联接成一个整体；

[0024] 3. 5)计算面积最大和次大两个区域间最小距离，若该距离小于预设距离阈值，并 且最大区域面积与次大区域面积之比小于预设面积比阈值，更改k值，取k值减1，继续按阈 值TH=y+k〇进行图像分割，并重复步骤3. 3)~3.5)直至k值等于0,进入步骤4);否 贝IJ，直接进入步骤4)。

[0025] 步骤4)中目标特征提取处理具体如下步骤：

[0026] 4. 1)舰船目标中心线特征提取：对步骤3)处理结果图像的面积最大区域利用其 线性特征提取中心线，将Hough变换对线段的检测扩展至对线段组的检测，得到与舰船主 体相吻合的线段组的位置、宽度和方向，该方向上长度最大位置即为中心线位置；

[0027] 4. 2)舰船长度和主桅高度特征提取：对步骤3)处理结果图像的面积最大区域进 行外接矩形运算，其中外接矩形一个边长方向与中心线方向平行，这样与中心线方向平行 的外接矩形边长即为船长度，外接矩形另一个方向边长与中心线相交，在中心线桅杆一侧 外接矩形边长为主桅高度；

[0028] 4. 3)舰船目标轮廓提取特征提取：对步骤3)处理结果图像的面积最大区域进行 二值图像轮廓提取，获得舰船目标轮廓。

[0029] 步骤3. 3)中的面积阈值取值范围10~20。

[0030] 步骤3. 5)中的预设距离阈值取值范围5~10。

[0031] 步骤3. 5)中的预设面积比阈值取值范围1~10。

[0032]本发明与现有技术相比的有益效果是：

[0033] (1)本发明采用斑点噪声去除、灰度变换图像增强预处理和迭代图像分割与像素 聚类处理，可获得较为准确的目标二值区域，提取目标特征参数精度高。

[0034] (2)本发明方案的实时性高，算法复杂度低，是较为实用ISAR图像目标特征提取 方法，可用于岸基/船载ISAR雷达海面舰船目标实时监视系统。

[0035] (3)岸基/船载ISAR雷达对海面大中型舰船目标观测，并进行实时高分辨率ISAR 成像，通过对ISAR图像目标特征提取，能够实现对舰船目标分类识别。

【附图说明】

[0036] 图1为本发明方法流程图；

[0037] 图2为舰船目标ISAR图像；

[0038] 图3为去噪和灰度变换增强后图像；

[0039] 图4为第一次图像分割后图像；

[0040] 图5为第一次图像分割与像素聚类后图像；

[0041] 图6为第二次图像分割后图像；

[0042] 图7为第二次图像分割与像素聚类后图像；

[0043] 图8为舰船目标特征示意图。

【具体实施方式】

[0044] 一种ISAR图像舰船目标特征方法，用于岸基/船载ISAR雷达实时监测系统。如 图1所示，步骤如下：

[0045] (1)通过斑点噪声去除对ISAR图像进行图像预处理，得到去噪声后的图像；

[0046] 通过斑点噪声去除对ISAR图像进行图像预处理具体如下：

[0047] (I. 1)选定一个初始估计值T，该值介于ISAR图像灰度值最大值和最小值之间；

[0048] (1. 2)使用T对ISAR图像像素点进行分组。灰度值彡T的所有像素组成，灰度 值

[0049] (1.3)计算fJPf2范围内像素的平均灰度值mJPm2;

[0051] (1.5)重复(1.2)至(1.4)，直到连续两次计算中的T的差小于原先预定的参数 TQ(这里取0. 3~0. 5);

[0052] (1. 6)对ISAR图像中灰度值低于T的散射点灰度值置零，高于T的散射点保留下 来。

[0053] (2)对步骤(1)中得到的结果图像进行灰度变换图像增强处理；

[0054] 灰度变换图像增强处理具体通过如下步骤进行：

[0055] (2. 1)将步骤⑴处理的结果图像灰度值归一化至0~1范围内；

[0056] (2. 2)按从左到右，从上到下顺序逐点扫描图像f(X，y)，逐点计算gi(x,y)= max(lln，min(hln,f(x,y)))，其中f(x,y)为步骤(2. 1)处理结果图像，X为图像的行坐标， y