本發(fā)明屬于雷達(dá)信號(hào)處理領(lǐng)域，具體涉及一種對(duì)抗干擾場(chǎng)景下的單圖像海面目標(biāo)特征增強(qiáng)方法，適用于抑制合成孔徑雷達(dá)單視復(fù)數(shù)影像(single?look?complex，slc)圖像中海面上的窄帶和復(fù)雜調(diào)制寬帶干擾。

背景技術(shù)：

1、合成孔徑雷達(dá)(synthetic?aperture?radar,sar)以其在軍事成像偵察場(chǎng)景中提供的全天候、高分辨率等特性，扮演著不可或缺的角色。一方面，隨著現(xiàn)代無線電技術(shù)的廣泛應(yīng)用，電磁頻譜資源變得越來越有限，這可能會(huì)導(dǎo)致射頻干擾的發(fā)生概率增加；射頻干擾主要源于同頻段運(yùn)行的地面雷達(dá)、氣象探測(cè)系統(tǒng)、通信設(shè)備等。另一方面，在戰(zhàn)場(chǎng)環(huán)境下，電子對(duì)抗過程產(chǎn)生的干擾具有能量強(qiáng)、與信號(hào)具有一定相參性、在時(shí)頻空域與目標(biāo)信號(hào)高度交織的特點(diǎn)，一旦sar系統(tǒng)受到干擾污染，它將影響信號(hào)的脈沖響應(yīng)，從而降低sar圖像的質(zhì)量，進(jìn)而影響sar偵察衛(wèi)星對(duì)海面艦船目標(biāo)檢測(cè)效果。

2、目前主要的干擾抑制方法主要分為參數(shù)方法、半?yún)?shù)方法和非參數(shù)方法。參數(shù)方法通過建立一個(gè)干擾參數(shù)化模型來估計(jì)干擾參數(shù)，進(jìn)而抑制回波數(shù)據(jù)中的干擾，但對(duì)抗場(chǎng)景下干擾信號(hào)的數(shù)學(xué)建模比較復(fù)雜，而且模型參數(shù)估計(jì)誤差會(huì)導(dǎo)致寬帶干擾重構(gòu)不準(zhǔn)確。非參數(shù)方法利用干擾與真實(shí)回波之間的幅度特征差異在變換域中有效抑制干擾，計(jì)算量相對(duì)較小。但在對(duì)抗場(chǎng)景下受大時(shí)寬帶寬干擾影響的sar圖像中不容易獲得能夠有效區(qū)分干擾與回波信號(hào)合適映射變換。半?yún)?shù)方法將干擾抑制問題轉(zhuǎn)化為超參數(shù)優(yōu)化問題，例如利用低秩稀疏特征建立干擾抑制的優(yōu)化模型，與參數(shù)方法相比，半?yún)?shù)方法的優(yōu)點(diǎn)是不需要準(zhǔn)確的干擾信號(hào)先驗(yàn)知識(shí)，并且可以通過相對(duì)簡單的模型實(shí)現(xiàn)良好的干擾抑制性能。然而，半?yún)?shù)方法的性能高度依賴較嚴(yán)格的假設(shè)，往往需要利用多張圖像構(gòu)成假設(shè)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種對(duì)抗干擾場(chǎng)景下的單圖像海面目標(biāo)特征增強(qiáng)方法，以克服現(xiàn)有技術(shù)所存在的問題。

2、為了實(shí)現(xiàn)上述任務(wù)，本發(fā)明采用以下技術(shù)方案：

3、一種單圖像海面目標(biāo)特征增強(qiáng)抗干擾方法，包括：

4、將背景為海陸交界或純海面場(chǎng)景、且海面上存在目標(biāo)的合成孔徑雷達(dá)slc圖像進(jìn)行切片；

5、對(duì)切片的圖像矩陣沿距離維進(jìn)行傅里葉變換，得到距離頻域-方位時(shí)域表征矩陣；通過計(jì)算表征矩陣的統(tǒng)計(jì)量，對(duì)表征矩陣進(jìn)行干擾掩膜的預(yù)測(cè)；

6、利用所述干擾掩膜，確定表征矩陣中的干擾頻譜，對(duì)干擾頻譜進(jìn)行逆傅里葉變換得到純干擾矩陣；當(dāng)純干擾矩陣滿足純干擾矩陣低秩性時(shí)，將其作為初始化低秩矩陣；否則將所述圖像矩陣作為初始化低秩矩陣；

7、將圖像矩陣建模為未知量目標(biāo)信號(hào)矩陣和未知量干擾矩陣的疊加，對(duì)圖像矩陣進(jìn)行低秩稀疏分解，構(gòu)建優(yōu)化模型；其中所述初始化低秩矩陣為未知量干擾矩陣的初始化值；

8、求解所述優(yōu)化模型，得到圖像矩陣去除后干擾的結(jié)果；所有切片的圖像矩陣去除干擾后進(jìn)行拼合操作，得到去除干擾后的slc圖像。

9、進(jìn)一步地，所述計(jì)算表征矩陣的統(tǒng)計(jì)量，表示為：

10、

11、其中xfr(i,j)為xfr中的第i行、第j列元素，zscore(i,j)為對(duì)應(yīng)的統(tǒng)計(jì)量；mean(·)為求二維矩陣均值，std(·)為計(jì)算2維矩陣標(biāo)準(zhǔn)差操作；xfr為圖像矩陣進(jìn)行傅里葉變換后得到的距離頻域-方位時(shí)域表征矩陣。

12、進(jìn)一步地，所述對(duì)表征矩陣進(jìn)行干擾掩膜的預(yù)測(cè)，包括：

13、干擾掩膜maskm中的元素可表示為：

14、

15、其中，normcdf(·)為標(biāo)準(zhǔn)正態(tài)分布累積，|·|為絕對(duì)值操作，α為置信水平。

16、進(jìn)一步地，利用所述干擾掩膜，確定表征矩陣中的干擾頻譜，對(duì)干擾頻譜進(jìn)行逆傅里葉變換得到純干擾矩陣，包括：

17、對(duì)表征矩陣xfr中對(duì)應(yīng)maskm所有為0的元素置0，矩陣xfr剩余的部分為干擾頻譜，對(duì)其作逆傅里葉變換得到純干擾矩陣im。

18、進(jìn)一步地，所述低秩性的判斷準(zhǔn)則是：

19、當(dāng)矩陣的秩百分比小于15％時(shí)，認(rèn)為滿足低秩性；當(dāng)秩百分比大于15％時(shí)，認(rèn)為不滿足低秩性；秩百分比計(jì)算公式：

20、r＝rank(im)/nr

21、其中rank(·)為對(duì)矩陣求秩，nr表示圖像矩陣快時(shí)間離散采樣點(diǎn)總點(diǎn)數(shù)。

22、進(jìn)一步地，所述將圖像矩陣建模為未知量目標(biāo)信號(hào)矩陣和未知量干擾矩陣的疊加，對(duì)圖像矩陣進(jìn)行低秩稀疏分解，構(gòu)建優(yōu)化模型，表示為：

23、

24、其中，x表示圖像矩陣，s表示未知量目標(biāo)信號(hào)矩陣，l表示未知量干擾矩陣，其中||·||*為核范數(shù)，||·||1為1范數(shù)，λ為超參數(shù)，l0為初始化低秩矩陣，也即l的初始化值；s的初始化值設(shè)置為0，im為純干擾矩陣。

25、進(jìn)一步地，求解所述優(yōu)化模型，得到圖像矩陣去除后干擾的結(jié)果，包括：

26、將優(yōu)化模型分解為以下子優(yōu)化模型，得到s和l第k代優(yōu)化結(jié)果：

27、步驟4.1，利用下面子優(yōu)化模型求解當(dāng)前第k代最優(yōu)稀疏矩陣sk:

28、

29、其中yk矩陣為第k代拉格朗日乘子，μ為拉格朗日懲罰系數(shù)，||·||f為f范數(shù)，lk-1為第k-1代求解的低秩矩陣；

30、步驟4.2，利用下面子優(yōu)化模型求解當(dāng)前第k代最優(yōu)低秩矩陣lk:

31、

32、步驟4.3，更新拉格朗日乘子:

33、yk＝y(tǒng)k-1+(x-sk-1-lk-1)

34、步驟4.4，根據(jù)是否滿足迭代終止條件判斷是否停止迭代或繼續(xù)執(zhí)行4.1；終止條件設(shè)定為重構(gòu)誤差小于設(shè)定值err：

35、x-sk-lk＜err

36、若停止迭代可得到s和l的最優(yōu)解和為切片的圖像矩陣去除后干擾的結(jié)果，為最終輸出恢復(fù)質(zhì)量的圖像，為只有干擾的切片。

37、進(jìn)一步地，所述子優(yōu)化模型利用經(jīng)典的軟閾值算子方法求解。

38、一種終端設(shè)備，包括處理器、存儲(chǔ)器以及存儲(chǔ)在所述存儲(chǔ)器中的計(jì)算機(jī)程序；處理器被計(jì)算機(jī)執(zhí)行時(shí)，實(shí)現(xiàn)所述單圖像海面目標(biāo)特征增強(qiáng)抗干擾方法。

39、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序；計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)所述單圖像海面目標(biāo)特征增強(qiáng)抗干擾方法。

40、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下技術(shù)特點(diǎn)：

41、本發(fā)明根據(jù)干擾在圖像域中的紋理特征及艦船目標(biāo)在局部稀疏的特點(diǎn)，提出一種對(duì)抗干擾場(chǎng)景下的單圖像海面目標(biāo)特征增強(qiáng)方法，該方法不僅能去除目標(biāo)上方的窄帶、寬帶干擾，還能有效抑制艦船目標(biāo)的散焦現(xiàn)象，提高區(qū)域內(nèi)信噪比，提高目標(biāo)與背景的特征區(qū)分度以提升后續(xù)目標(biāo)檢測(cè)性能。除此之外，在傳統(tǒng)稀疏分解的算法基礎(chǔ)上，還可進(jìn)一步提升目標(biāo)信息恢復(fù)的完整度。

技術(shù)特征：

1.一種單圖像海面目標(biāo)特征增強(qiáng)抗干擾方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的單圖像海面目標(biāo)特征增強(qiáng)抗干擾方法，其特征在于，所述計(jì)算表征矩陣的統(tǒng)計(jì)量，表示為：

3.根據(jù)權(quán)利要求1所述的單圖像海面目標(biāo)特征增強(qiáng)抗干擾方法，其特征在于，所述對(duì)表征矩陣進(jìn)行干擾掩膜的預(yù)測(cè)，包括：

4.根據(jù)權(quán)利要求1所述的單圖像海面目標(biāo)特征增強(qiáng)抗干擾方法，其特征在于，利用所述干擾掩膜，確定表征矩陣中的干擾頻譜，對(duì)干擾頻譜進(jìn)行逆傅里葉變換得到純干擾矩陣，包括：

5.根據(jù)權(quán)利要求1所述的單圖像海面目標(biāo)特征增強(qiáng)抗干擾方法，其特征在于，所述低秩性的判斷準(zhǔn)則是：

6.根據(jù)權(quán)利要求1所述的單圖像海面目標(biāo)特征增強(qiáng)抗干擾方法，其特征在于，所述將圖像矩陣建模為未知量目標(biāo)信號(hào)矩陣和未知量干擾矩陣的疊加，對(duì)圖像矩陣進(jìn)行低秩稀疏分解，構(gòu)建優(yōu)化模型，表示為：

7.根據(jù)權(quán)利要求1所述的單圖像海面目標(biāo)特征增強(qiáng)抗干擾方法，其特征在于，求解所述優(yōu)化模型，得到圖像矩陣去除后干擾的結(jié)果，包括：

8.根據(jù)權(quán)利要求7所述的單圖像海面目標(biāo)特征增強(qiáng)抗干擾方法，其特征在于，所述子優(yōu)化模型利用經(jīng)典的軟閾值算子方法求解。

9.一種終端設(shè)備，包括處理器、存儲(chǔ)器以及存儲(chǔ)在所述存儲(chǔ)器中的計(jì)算機(jī)程序；其特征在于，處理器被計(jì)算機(jī)執(zhí)行時(shí)，實(shí)現(xiàn)根據(jù)權(quán)利要求1-8中任一項(xiàng)所述單圖像海面目標(biāo)特征增強(qiáng)抗干擾方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序；其特征在于，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)根據(jù)權(quán)利要求1-8中任一項(xiàng)所述單圖像海面目標(biāo)特征增強(qiáng)抗干擾方法。

技術(shù)總結(jié)
本發(fā)明公開了一種單圖像海面目標(biāo)特征增強(qiáng)抗干擾方法，包括：將背景為海陸交界或純海面場(chǎng)景、且海面上存在目標(biāo)的SLC圖像進(jìn)行切片；對(duì)切片的圖像矩陣沿距離維進(jìn)行傅里葉變換，得到距離頻域?方位時(shí)域表征矩陣，行干擾掩膜的預(yù)測(cè)，確定表征矩陣中的干擾頻譜，得到純干擾矩陣；當(dāng)純干擾矩陣滿足純干擾矩陣低秩性時(shí)，將其作為初始化低秩矩陣；否則將所述圖像矩陣作為初始化低秩矩陣；將圖像矩陣建模為未知量目標(biāo)信號(hào)矩陣和未知量干擾矩陣的疊加，對(duì)圖像矩陣進(jìn)行低秩稀疏分解，構(gòu)建優(yōu)化模型；求解所述優(yōu)化模型，得到圖像矩陣去除后干擾的結(jié)果；所有切片的圖像矩陣去除干擾后進(jìn)行拼合操作，得到去除干擾后的SLC圖像。

技術(shù)研發(fā)人員：陶明亮,劉一霏,粟嘉,王伶,范一飛
受保護(hù)的技術(shù)使用者：西北工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2