一种新的提高雷达景象匹配可靠性的方法研究_江标初

格式：pdf
大小：129.40 KB
文档页数：3

下载文档原格式

基于知识的SAR图像机场目标提取方法

基于知识的SAR图像机场目标提取方法
江标初;陈映鹰
【期刊名称】《计算机工程》
【年(卷),期】2007(033)017
【摘要】分析了SAR图像中机场成像的特点,并根据分析得出的机场SAR成像知识,提出了一种新的SAR图像机场提取方法.该方法利用SAR图像机场目标回波弱的特性,对模糊C-均值聚类方法进行改善,并运用改善后的方法进行机场分割,利用Hough变换和区域增长对分割后的图像进行机场提取,定义了"区域对比度",利用SAR图像机场目标和其周围具有高区域对比度的知识,消除提取后的机场所附带的噪声.试验证明,这种新的方法可以得到很好的提取结果,能够满足SAR图像机场提取的要求.
【总页数】3页(P29-30,36)
【作者】江标初;陈映鹰
【作者单位】同济大学测量与国土信息工程系,上海,200092;同济大学测量与国土信息工程系,上海,200092
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于知识的SAR图像目标提取方法研究 [J], 王义敏;安锦文
2.基于SEEMD的高分辨率SAR图像目标特征提取方法 [J], 娄军;金添;周智敏
3.基于多模型融合的SAR图像目标轮廓提取方法 [J], 王沛;周鑫;王从庆;叶永强
4.基于模板搜索的高分辨率SAR图像机场提取方法 [J], 杨浩;张红;王超;张波;张立平
5.基于知识的SAR图像目标检测 [J], 赵晖;王文光;孙进平;洪文;毛士艺
因版权原因，仅展示原文概要，查看原文内容请购买。

一种提升VTS雷达分辨力的方法[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201610264668.6(22)申请日 2016.04.26(71)申请人南京鹏力系统工程研究所地址 211153 江苏省南京市中山北路346号申请人中华人民共和国江苏海事局　中国船舶重工集团公司第七二四研究所　中船重工鹏力（南京）大气海洋信息系统有限公司　中船重工鹏力（南京）智能装备系统有限公司(72)发明人宗成明　田池　邱志远　孟宪宏　柏晓锁　冯海玉　张玉敬　周晓安　朱耿成　(74)专利代理机构南京经纬专利商标代理有限公司 32200代理人石艳红(51)Int.Cl.G01S 7/41(2006.01) (54)发明名称一种提升VTS雷达分辨力的方法(57)摘要本发明公开了一种提升VTS雷达分辨力的方法，主要包括屏蔽非重点关注目标物的雷达回波步骤；两近距离雷达目标的位置寻找及记录步骤；波峰与波谷之间的幅值差计算步骤；波峰幅值放大步骤；像素点幅值重新计算与替换步骤；设置固定门限步骤等。

采用上述方法后，当两个目标的距离非常近时，本方法通过拉大目标物的波峰幅值，利用固定门限过滤粘连部分回波的方法来提升雷达分辨力，进而能突破雷本身硬件限制，提升目标物识别能力，提升监管力度。

能应用于船舶交通监管，海关缉私，海岸警戒，海洋渔业，海洋环境保护等多个领域。

而且，该方法对作战条件下判断目标的威胁等级、船舶的运动姿态等都有现实意义。

权利要求书2页说明书5页附图2页CN 105929379 A 2016.09.07C N 105929379A1.一种提升VTS雷达分辨力的方法，其特征在于：包括如下步骤：步骤1，屏蔽非重点关注目标物的雷达回波：先将雷达视频进行信号处理，后将雷达视频中非重点关注目标物的雷达回波进行屏蔽；步骤2，两近距离雷达目标的位置寻找及记录：对步骤1中屏蔽后的雷达视频，按距离向像素点和方位向像素点的方式进行幅值统计，将雷达视频中所有的两近距离雷达目标均进行位置寻找；并对每个两近距离雷达目标，均记录下两个波峰幅值、波谷幅值和对应雷达目标的起始位置和结束位置；步骤3，波峰与波谷之间的幅值差计算：对步骤2中寻找的每个两近距离雷达目标，均分别计算两个波峰与波谷之间的幅值差，并取最小值V min；步骤4，波峰幅值放大：将步骤3中计算的每个V min均与设定阈值相比较，当V min大于设定阈值时，就对该两近距离雷达目标中的两个波峰幅值进行放大，而波谷峰幅值不变；步骤5，像素点幅值重新计算与替换：对步骤4中波峰幅值进行放大处理后的每组两近距离雷达目标，重新计算其中的每个像素点幅值并替换原有幅值；步骤6，设置固定门限：对步骤5中像素点幅值重新计算与替换后的每组两近距离雷达目标，各设置一个固定门限，每组雷达目标都具有不同的固定门限；固定门限的设置原则为：每个固定门限值均大于对应波谷值，小于波峰值；对超过固定门限以上的幅度进行保留，对低于固定门限以下的幅度进行置零处理。

雷达景象匹配概率研究

中图分类号：Ｐ９Ｔ３１
雷达景象匹配概率研究
江标初，陈映Βιβλιοθήκη （同济大学测量与国土信息工程系，上海２０９）００２
擅
要：目前，景象匹配中的匹配概率研究还不够完善，传统的景象匹配概率的定量计算是通过匹配信噪比、独立像元数、图像匹配次数
来确定的，但是对于雷达景象由于其特殊的图像特性，传统的定量计算方法往往会计算出错误的景象匹配概率。该文定义了雷达景象的 “ 贡
处理领域中的一项极为基础和重要的技术。它的应用相当广
泛，包括：导弹的匹配制导，飞机导航，武器投射系统的末制导，光学和雷达图像目标跟踪，资源分析，气象预报，医疗诊断，文字读取以及景象分析中的变化检测。本文只讨论
像应该预先存储在飞行器计算机的存储器中。当飞行器飞到
ＪＡＮＧａｃ，ＩＢｉｏｈｕＣＨＥＮｎｙｎＹｉｇｉｇ
（ｐｒｍｅｔｆｕｖｙｎｎｕｔｆｒｔｎＥｇｎｅｉｇＴｎｊＵｎｖｒｉ，ｈｎｈｉ００２ＤｅａｔｎｒｅｉｇａｄＣｏｎｒＩｏｍａｉｎｉｅｒｎ，ｏｇｉｉｅｓｙＳａｇａ２０９）ｏＳｙｎｏｔ［ｓｒｃ｜Ｒｓａｃｎｔｅｍａｈｐｏａｉｔｏｔｒ．ｈａｉｏａｙｔａｕａｅｈｒｂｂｌｙｉｂａｓｆＮＲ，ｎｅｅｄｎｉｅＡｂｔａｔｅｅｒｈｏｔｒｂｂｌｙｉｎｔｕｅＴｅｒｄｔｎｌｃｌｌｔｔｅｏａｉｔｓｙｍｅｎｈｃｉｓｍａｔｉｗａｏｃｐｉｏＳｉｄｐｎｅｔｘｌｐ

一种提高雷达HRRP识别和拒判性能的新方法

２．Ｎｏ．７０１Ｆａｃｔｏｒｙ，ＰＬＡ（Ｎ），Ｂｅｉｊｉｎｇ１０００１５，Ｃｈｉｎａ）
ＡｂｓｔｒａｃｔＴｈｅｔｒａｄｉｔｉｏｎａｌｒａｄａｒＨＲＲＰａｕｔｏｍａｔｉｃｔａｒｇｅｔｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍｔｏｉｄｅｎｔｉｆｙｔｈｅｓａｍｐｌｅｒａｔｅｉｓｌｏｗ
ｃｈｉｌｄｌｉｋｅｓｐａｃｅ — ｂａｓｅｄ．Ｏｎｏｎｅｈａｎｄ，ｔｈｅｍｅｔｈｏｄｏｆｄａｔａｐｒｅｐｒｏｃｅｓｓｉｎｇｅｌｉｍｉｎａｔｅｔｈｅｅｆｆｅｃｔｏｆｎｏｉｓｅ，ｏｎｔｈｅｏｔｈｅｒ
ＷＡＮＧＪｉｎｚｈａｎｇ，ＧＯＮＧＲｕｊｉａｎｇ。，ＲＥＮＪｉｅ，ＹＡＮＧＯｕ，ＬＩＵＸｉａｎｋａｎｇ，ＷＥＩＣｕｎｗｅｉ，ＳＵＮＦｅｉ（１．ＥｑｕｉｐｍｅｎｔＤｅｐａｒｔｍｅｎｔｏｆＮａｖａｌＤｅｐｕｔａｔｉｏｎｏｆＢｅｉｊｉｎｇＲｅｇｉｏｎ，Ｂｅｉｊｉｎｇ１０００１５，Ｃｈｉｎａ；
王锦章，宫汝江，任杰，杨欧，刘先康，魏存伟，孙菲
（１．海装天津局海军驻北京地区电子设备军事代表室，北京摘要针对传统雷达ＨＲＲＰ自动目标识别算法中识别率较低和库外样本拒判效果不理想的问题，提出了新＂ｉ７．４＇１方法。该方法一方面通过对数据的预处理来消除噪声的影响，另一方面通过建立子像空间进一步提高了库内样本的识别率，并基于假设检验理论引入了拒判门限，用于对库外样本进行拒判。实验表明，该方法不仅在识别率方面优于传统识别算法，且能有效对库外样本进行拒判。

基于雷达∕电视的自标校数据融合方法

基于雷达∕电视的自标校数据融合方法雷达和电视是两种不同的传感器，它们可以用于获取不同类型的数据。

在气象、环境监测等领域，这两种数据都非常重要。

然而，雷达和电视所测得的数据差异较大，如何有效地将这两种数据集成起来是个有挑战性的问题。

本文将探讨一种基于雷达/电视的自标校数据融合方法。

首先，需要对雷达和电视的原始数据进行预处理。

对于雷达，需要进行信号处理和距离校准，以去除噪声和误差，生成可靠的反射率数据。

对于电视，需要进行图像处理和色彩校准以提高图像质量，生成可靠的亮度和色彩数据。

其次，需要将雷达和电视数据转化为相同的空间参考系。

这一步需要将雷达数据通过雷达与地面距离和反射率的函数转化为实际物体的位置和反射率信息。

对于电视数据，需要使用相机参数进行校准和畸变矫正，以将图像坐标转化为实际物体的位置和亮度和色彩信息。

随着雷达和电视数据转化为相同的空间参考系，接下来的任务是将这两种数据集成起来。

这里提出一种自标校数据融合方法，该方法可以将雷达和电视的数据进行融合，同时生成准确的二维/三维场景。

首先，对于雷达数据，可以利用机器学习模型对数据进行自动分类，以便进一步的分析处理。

利用卷积神经网络（CNN）模型将反射率数据分为不同的类别，例如地表、地面、建筑等。

这样可以使数据更加易于处理，并有助于对场景进行建模。

接下来，对于电视数据，可以通过分割和分析图像中的不同区域和特征，如边缘、文理等，以产生有关场景的额外信息。

这些信息与雷达数据一起用于数据融合算法，为生成更准确和高质量的场景提供了额外的约束。

最后，利用图像处理和机器学习算法，可以将雷达和电视数据集成到一起，产生二维或三维场景。

基于雷达数据的二维场景可以用于差分降水和目标检测等应用。

基于雷达和电视数据的三维场景可以用于计算物体高度、路面状况和建筑结构等应用。

总体而言，基于雷达/电视的自标校数据融合方法是一种有效的方法，可以产生高质量的场景。

这种方法通过对雷达和电视数据的分析处理，以及利用机器学习算法，可以充分发挥这两种传感器的优势。

雷达自动化标定校准方法、系统[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010221232.5(22)申请日 2020.03.26(71)申请人福州盛博电子有限公司地址 350015 福建省福州市马尾区江滨东大道108号福建留学人员创业园318(72)发明人黄高昂　刘建粦　陈凤　刘海滨　祖诚军　余鹏飞　江文超　卢恩生　林章兵　林光　黄海宁　钟文文　(74)专利代理机构南京苏高专利商标事务所(普通合伙) 32204代理人柏尚春(51)Int.Cl.G01S 7/40(2006.01)(54)发明名称雷达自动化标定校准方法、系统(57)摘要本发明公开了一种雷达自动化标定校准方法、系统，所述系统中：雷达标定平台，包括轨道车、雷达支架和激光测距传感器，轨道车包括伺服控制器和行动轮，伺服控制器用于控制行动轮使得雷达标定平台于测试轨道上移动；雷达支架置于所述轨道车之上，用于承载雷达；激光测距传感器用于测得与反射面板之间的激光距离；计算控制装置，接收雷达测得的与反射面板之间的距离和激光距离后，反馈至雷达进行校准。

采用上述方案，可以实现雷达标定校准自动化，无需人工进行参与；提高雷达标定校准的准确度，保证校准后的雷达达到出厂标准的产品性能。

权利要求书2页说明书7页附图4页CN 111337892 A 2020.06.26C N 111337892A1.一种雷达自动化标定校准系统，其特征在于，包括：电磁屏蔽室、测试轨道、反射面板、计算控制装置和雷达标定平台，其中：所述电磁屏蔽室，内部表面设有微波吸收材料，所述测试轨道、反射面板和雷达标定平台均设置于电磁屏蔽室内；所述测试轨道，包括至少两条的轨道和支撑轨道的支架；所述雷达标定平台，包括轨道车、雷达支架和激光测距传感器，所述轨道车包括伺服控制器和行动轮，伺服控制器用于控制行动轮使得雷达标定平台于测试轨道上移动；所述雷达支架置于所述轨道车之上，用于承载雷达；所述激光测距传感器用于测得与反射面板之间的激光距离；所述反射面板，面向所述雷达标定平台设置；所述计算控制装置，用于雷达标定平台到达指定位置时分别控制雷达和激光测距传感器测量与反射面板之间的距离，接收雷达测得的与反射面板之间的距离和激光距离后，反馈至雷达进行校准。

一种改善单脉冲雷达测角精度的新方法

一种改善单脉冲雷达测角精度的新方法
姜义成;喻春曦
【期刊名称】《雷达科学与技术》
【年(卷),期】2009(7)5
【摘要】提出了一种基于最大平均改善因子的自适应动目标显示(AMTI)和APES 算法提高测角精度的新方法.在单脉冲雷达系统中,雨杂波降低了多普勒频率检测精度,从而降低了雷达的跟踪能力.传统的动目标显示(MTI)和快速傅里叶变换(FFT)不能满足精密跟踪的要求.为了抑制雨杂波,选择了基于最大平均改善因子的自适应MTI方法.此外,还选用了APES方法来提高频率估计精度.相对于传统的MTI和FFT 方法,新的方法具有更好的多普勒频率估计精度,从而可提高比幅法测角精度.最后通过仿真证明了该方法的有效性.
【总页数】5页(P380-383,388)
【作者】姜义成;喻春曦
【作者单位】哈尔滨工业大学电子与信息工程学院,黑龙江哈尔滨,150001;哈尔滨工业大学电子与信息工程学院,黑龙江哈尔滨,150001
【正文语种】中文
【中图分类】TN958.4
【相关文献】
1.提高相位干涉仪测角精度新方法 [J], 王克让;李娟慧;朱晓丹;张广宇;朱伟强
2.光电经纬仪外场测角精度校准新方法 [J], 叶剑锋
3.一种改善雷达测距测角精度的窄带补偿方法 [J], 于长军;张健;王金荣
4.小波分析在单脉冲雷达测角精度的应用 [J], 姜来春
5.提高导引头测角精度的一种新方法 [J], 林志远;赵兴录;戴国宪
因版权原因，仅展示原文概要，查看原文内容请购买。

一种新的提高雷达景象匹配可靠性的方法研究

ｓｅｅｍａｃｉｇｏｄｇ．ｃｎｔｈｎｆｒａｉｅａｒｍａＫｅｒｓｒｄ；ｃｎｔｈｎ；ｏｔａｔｒａｉｍａｅｙｗｏｄ：ａａｓｅｅｍａｃｉｇｃｎｒ；ｅｔｒｓｌｍｅｉｇ
对目标的位置数据。但是，在景象匹配过程中往往因为在获取的两个匹配图像的时间差异、位置差异、天气差异、季节变化、传感器类型、光线强弱、地物变异、匹配算法的适应性等导致匹配失败，进而造成导航失败Ｊ。所以提高匹配可靠性对于一次成功的导航、规避匹配失败具有重要的意义。提高雷达景象匹配
过对比度来增强匹配可靠性是一种行之有效的方法。
关键词：雷达；景象匹配；对比度；实时图
中圈分类号：Ｐ０Ｔ３１
文献标识码：Ａ
文章编号：００—８２（０７００７０１０８９２０）２— ０６— ２
ＲｅｅｒｈｏｗｅｈｄｏｍｐｏｉｇＲａａｃｎａｃｉｇＲｅｉｂｌｙｓａｃｎＮｅＭｔｏｆＩｒｖｎｄｒＳｅｅＭｔｈｎｌｉｔａｉ
１２对比度增强．
飞行器组合导航中有着广泛的应用…。景象匹配这种辅助导航技术利用成像传感器（如可见光、红外、微波雷达பைடு நூலகம்成像传感
器）在飞行器飞行过程中收集预定区域的（景象匹配区）景物图
低对比度图像可以由照明不足、成像传感器动态范围太小等因素引起。可以通过增加图像某两个灰度间的动态范围来增

景象匹配算法SURF和SIFT匹配性能研究

文献标识码：Ａ
０引言
目前，ＳＩＮＳ／ＧＰｓ组合导航已成为常用的导航模式，实现了惯导的自主性与ＧＰＳ的高精度相结合的优势互补，大大提高了导航系统的精度和稳定性。然而，现代武器对于对地攻击的定位精度要求很高，通常在５Ｏｍ以内，甚至只有几ｍ，ＳＩＮｓ／ＧＰＳ组合导航系统仍不能满足要求。这种情况下，景象匹配（ＳＭ）由于其自主性强、定位精度高和不易受干扰等优点，用来对组合导航系统进行辅助修正可以说是
ＤＵＪｉａｎｇ，ＹＡＮＧＪｉａｎ—ｈｌＩａ，ＳＨＩＪｉｎｇ，ＸＵＸｉａｏ—ｆａｎ２
（１．ＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｙｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，ｘｉ ’ ａｎ７１０１２９，Ｃｈｉｎａ；２．Ｎｏ．９３９９５ＰＬＡＵｎｉｔ，Ｘｉ ’ ａｎ７１０３０６，Ｃｈｉｎａ）
文章编号：１００１ —２２５７（２０１４）０３— ００１０— ０４
Ａｂｓｔｒａｃｔ：Ｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙａｎｄｔｈｅｒｅｌｉ —
ａｂｉｌｉｔｙｏｆＳＩＮＳ／ＧＰＳｉｎｔｅｇｒａｔｅｄｎａｖｉｇａｔｉｏｎａｉｄｅｄｂｙ

雷达机动目标相参聚焦方法及其应用

雷达机动目标相参聚焦方法及其应用下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。

文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢！本店铺为大家提供各种类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，想了解不同资料格式和写法，敬请关注！Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!引言随着雷达技术的不断发展，对机动目标的探测与跟踪需求日益增加。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

g22( i, j)h 1
(6)
i =0 j =0
i =0 j =0
n-1 n-1
n- 1 n- 1
∑ ∑ ∑ ∑ =
g 1(i, j)g2( i, j) -
g22 (i, j)
i =0 j =0
i =0 j =0
对两影像均作重心化处理 , 则有
n- 1 n- 1
n-1 n-1
∑ ∑ ∑ ∑ g1(i, j) = 0
(1 5) (1 6)
ρ=
1-
n- 1
v1
n- 1
-
n- 1
v2
n- 1
∑ ∑ ∑ ∑ g21(i, j)
g21( i, j)
i =0 j =0
i =0 j =0
由式 (14)、(16)、(17) 可得
(1 7)
ρ=
1-
n-1
v1
n-1
∑ -
P ( I0 l =1 1 - C
n- 1 n- 1
- IB0)2
收稿日期 :2006 - 03 - 23 作者简介 :江标初 (1978— ), 男 , 福建龙岩人 , 博士研究生 , 主要研究方向为数字图像处理、遥感、地理信息系统 ;陈映鹰 (1941— ), 男 , 湖北人 , 教授 , 博士生导师 , 主要研究方向为数字图像处理、遥感、地理信息系统。
Research on New M ethod of Improving Radar Scene M atching R eliab ility
JIANG B iao-chu牞CHEN Y ing-y ing
牗D ep artm en t of Su rvey ing and G eo-In form atics牞Tongji U n iversity 200092牞Ch ina牘
g1( i, j)g2 (i, j)
∑ ∑ =
( i =0 j =0
n -1 n -1
g 2( i, j) - g1( i, j))2
i =0 j =0
∑ ∑g
2 2
(
i,
j)
i =0 j =0
n- 1 n- 1
∑ ∑ g1( i, j)g2 (i, j) n- 1 n- 1
=( i =0 j =0
1 图像对比度
1. 1 对比度定义
C =(IB - IO ) /IB
∑ ∑ IB
=
1 P
P k =1
Ik ,
IO
=
1 Q
Q
Il
l =1
(1) (2)
其中 , Ik 和 Il 为像元的灰度值 ;P 为图像背景的像元总数 ;Q 为图像目标的像元总数。 1. 2 对比度增强
低对比度图像可以由照明不足、成像传感器动态范围太小等因素引起。可以通过增加图像某两个灰度间的动态范围来增
(1 2)
n -1 n -1
∑ ∑ 噪声
vv 由两部分组成 , 一部分来源于实时图像的
i =0 j =0
目标 , 一部分来源于实时图像的背景 , 即
n- 1 n- 1
P
Q
∑ ∑vv = ∑ vv + ∑vv
i =0 j =0
k =1
l =1
把式 (13)代入式 (12), 经变换可以得
∑ ∑ g21 (i, j)
∑ ∑ g21( i, j)
i =0 j =0
i =0 j =0
(1 8)
在进行景象匹配中 , 最具代表意义的参数就是相关系数 , 相关系数越大 , 表明匹配的可靠性越高 , 相关系数的大小直接影响
到景象匹配结果。由公式 (18)可知 , 相关系数与实时图的对比度 C 与目标的灰度差异 v1 有关。在雷达图像中 , 用于匹配的目标图像 (如机场等 )一般表现为暗色调 , 当进行对比度增强处理时 , 即 C 增加时 , 根据公式 (3)和雷达图像特性可知 , 目标的灰度差异 v1 减小 , 此时背景灰度差异也在很小的范围内变化 , 由公式 (18)可知相关系数增大了 , 匹配的可靠性增加。当对比度的增大到一定程度时 , 如果继续增大对比度 , 显然会使图像目标
其中 , P +Q =n ×n
由式 (1)可得
IB = I0 /(1 - C)
设 IB0为原始图像的背景均值 , 由式 (13)、 (15)可得
∑ ∑ ∑ P vv
k =1
P
= (IB
k =1
-
IB0 )2
P
=
(
I0
k=1 1 - C
-
IB0 )2
Q
P
令
v1
=∑ vv, l =1
v2
=∑ vv, 由式 (14) 得 l =1
(4)
式中 , g1 为基准图灰度值 , 其包含的随机噪声为 n1;g2 为实时图
灰度值 , 其包含的随机噪声为 n2 ;h0 , h1 是辐射畸变参数 , 则误
差方程为
v =h0 +h1 g2 - (g1 - g2 )
(5)
为了消除辐射畸变 , 设影像窗口大小为 n ×n, 按最小二乘的原
scene ma tch ing of radar im age. K ey word s牶radar牷scene m atching牷con trast牷rea l tim e im ag e
景象匹配 ( scene m atching)是一种高精度的辅助导航技术 , 由于其具有与航程无关、末制导精度极高、自主性强等优势 , 在飞行器组合导航中有着广泛的应用 [ 1] 。景象匹配这种辅助导航技术利用成像传感器 (如可见光、红外、微波雷达等成像传感器 )在飞行器飞行过程中收集预定区域的 (景象匹配区 )景物图像 , 实时地将收集的图像数据 (实时图 )与预存在飞行器上的图像数据 (基准图 )进行比较 , 以获取飞行器当前的绝对位置或相对目标的位置数据。但是 , 在景象匹配过程中往往因为在获取的两个匹配图像的时间差异、位置差异、天气差异、季节变化、传感器类型、光线强弱、地物变异、匹配算法的适应性等导致匹配失败 , 进而造成导航失败 [ 2] 。所以提高匹配可靠性对于一次成功的导航、规避匹配失败具有重要的意义。提高雷达景象匹配可靠性的常用方法是算法优选 , 但是 , 由于图像本身很复杂 , 希望找出一种统一的、标准的匹配方法 , 来满足各种情况下的匹配 , 目前还存在很多困难 [ 3 ～ 5] 。本研究从图像特性的角度 , 研究了匹配实时图的对比度变化对景象匹配可靠性的影响。
强图像的对比度 , 即灰度级线性变换 , 其变换公式为
c a
f(x, y) 0 ≤
f(x, y) ≤ a
g(x, y) = d - cf(x, y) +c a < f(x, y) < b (3) b-a L - d f(x, y) +d b ≤ f(x, y) ≤ L L -b
其中 L 是图像的最大灰度值 , 即灰度级数。这一变换可以用图 1的曲线表示。由图 1 可知 , 通过对图像的灰度级分段线性变换 , 原图中灰度值在 0到 a 和 b到 L间的动态范围减小 , 而原图中灰度值在 a 到 b间的动态范围增加 , 从而使 a 到 b 间图像灰度的对比度增强。实际应用中 , a、b、c、d 可取不同值进行组合 , 从而得到不同的增强效果。
n- 1 n- 1
n- 1 n-1
∑ ∑ ∑ ∑ g21 (i, j)
g22 (i, j)
i =0 j =0
i =0 j =0
(1 1)
将式 (11)代入式 (10), 可以得到
n- 1 n- 1
∑ ∑vv =
i =0 j =0
n-1 n-1
∑ ∑ g21 (i, j) ×(1 - ρ2)
i =0 j =0
i =0 j =0
(10)
在匹配过程中匹配点位的选取是根据基准图和实时图之间的归一化积相关算法 (即相关系数 )确定的 , 对作中心化处理的两影像其相关系数的数学表达为
n -1 n -1
ρ2 =
C2 g 1g2
∑ ∑ (
g1 (i, j) ×g2 (i, j))2
= i=0 j=0
Cg1g1Cg2g2
g2 (i, j) = 0
i =0 j =0
i =0 j =0
于是 , 由解方程 (6)得
h0 =0
n- 1 n- 1
∑ ∑ g1( i, j)g2( i, j)
h = i=0 j=0
1
n- 1 n- 1
-1
∑ ∑ g22( i, j)
i =0 j =0
(7) (8)
由式 (5)可知 , 消除了辐射变形后的余差可以表示为
理 , 化式 (5)得方程
∑ ∑ ∑ ∑ ∑ ∑ n- 1 n- 1
n- 1 n- 1
n- 1 n- 1
n2h0 +(
g2( i, j))h1 =
g1(i, j) -
g2 (i, j)
i =0 j =0
i =0 j =0
i =0 j =0
∑ ∑ ∑ ∑ n -1 n -1
n- 1 n- 1
(
g2 (i, j))h 0 +(
76
《测控技术》2007年第 26卷第 2期