Nothing Special   »   [go: up one dir, main page]

CN109544574B - 基于全固态vts雷达的目标提取方法 - Google Patents

基于全固态vts雷达的目标提取方法 Download PDF

Info

Publication number
CN109544574B
CN109544574B CN201811285732.4A CN201811285732A CN109544574B CN 109544574 B CN109544574 B CN 109544574B CN 201811285732 A CN201811285732 A CN 201811285732A CN 109544574 B CN109544574 B CN 109544574B
Authority
CN
China
Prior art keywords
video data
target
data information
pixel
detected
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.)
Active
Application number
CN201811285732.4A
Other languages
English (en)
Other versions
CN109544574A (zh
Inventor
杨琳
黄涛
朱国辉
陶少杰
王千骐
陈龙
柯庆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Sun Create Electronic Co Ltd
Original Assignee
Anhui Sun Create Electronic Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Sun Create Electronic Co Ltd filed Critical Anhui Sun Create Electronic Co Ltd
Priority to CN201811285732.4A priority Critical patent/CN109544574B/zh
Publication of CN109544574A publication Critical patent/CN109544574A/zh
Application granted granted Critical
Publication of CN109544574B publication Critical patent/CN109544574B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • 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
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
    • 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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
    • G01S7/2927—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by deriving and controlling a threshold value
    • 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
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/354—Extracting wanted echo-signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于全固态VTS雷达的目标提取方法，包括：对所述视频数据信息进行双阈值判断；对双阈值判断后的目标的视频数据信息进行模糊化处理，并根据模糊化处理后的目标的视频数据信息构成二维图像；对所述二维图像进行目标边缘提取，得到属于同一目标的视频数据信息；对属于同一目标的视频数据信息进行最小包络处理，得到属于同一目标的最小覆盖包络；对属于同一目标的最小覆盖包络内的视频数据信息进行平滑处理，得到平滑处理后的属于同一目标的视频数据信息。本发明提高了目标的提取精度，提高了目标提取的完整性，降低了同一个目标在进行目标提取时分裂为多个目标的风险，为后续的航迹处理提供了可靠的基础。

Description

基于全固态VTS雷达的目标提取方法
技术领域
本发明涉及雷达的目标提取技术领域，尤其是基于全固态VTS雷达的目标提取方法。
背景技术
VTS雷达是船舶交通管理服务的信息感知设备，VTS雷达的基本任务包括：1、感知船舶目标的位置和运动数据；2、感知浮标、灯塔或其他固定目标的位置数据；3、感知预先船舶SART信号。
目标提取方法为提取属于同一目标轮廓以及轮廓内的信息，并根据此信息估计目标参数，以达到提高点迹凝聚精度和提高航迹跟踪质量的目的。因此，选择最优的目标提取方法，对精确的估计目标参数至关重要。
传统的利用图形学的目标提取方法，直接进行图像边缘提取，没有对背景杂波进行滤除，降低了目标提取的精度；传统的利用图形学的目标提取方法，没有考虑雷达探测目标不连续的特性，降低了目标提取的完整性，导致同一个目标在进行目标提取时分裂为多个目标；传统的利用图形学的目标提取方法，还没有考虑对属于同一目标轮廓以及轮廓内的视频数据信息进行平滑处理，导致后续点迹凝聚处理目标参数的估计偏差。
发明内容
为了克服上述现有技术中的缺陷，本发明提供基于全固态VTS雷达的目标提取方法，提高了目标的提取精度，提高了目标提取的完整性，降低了同一个目标在进行目标提取时分裂为多个目标的风险，为后续的航迹处理提供了可靠的基础。
为实现上述目的，本发明采用以下技术方案，包括：
基于全固态VTS雷达的目标提取方法，包括以下步骤：
S1，获取雷达前端处理后的视频数据信息；
S2，对所述视频数据信息进行双阈值判断，得到双阈值判断后的目标的视频数据信息；
S3，对双阈值判断后的目标的视频数据信息进行模糊化处理，得到模糊化处理后的目标的视频数据信息，并根据模糊化处理后的目标的视频数据信息构成二维图像；
S4，对所述二维图像进行目标边缘提取，得到属于同一目标的视频数据信息；
S5，对属于同一目标的视频数据信息进行最小包络处理，得到属于同一目标的最小覆盖包络；
S6，对属于同一目标的最小覆盖包络内的视频数据信息进行平滑处理，得到平滑处理后的属于同一目标的视频数据信息。
步骤S1中，所述视频数据信息包括：视频数据的时间戳、视频数据的方位、视频数据的距离库、视频数据的幅度值。
步骤S1中，所述雷达前端处理后的视频数据信息为用户设定的要地区域内的视频数据信息；所述雷达前端处理包括：从雷达接收的所有的视频数据信息中筛选出用户设定的要地区域内的视频数据信息。
步骤S2中，将每个方位每个距离库上的视频数据信息均作为待检测单元，所述待检测单元的位置用(i,j)表示，对每个待检测单元的幅度值Ampi,j均进行双阈值判断，得到双阈值判断后的目标的视频数据信息；
其中，i表示距离库，j表示方位；Amp表示视频数据的幅度值即待检测单元的幅度值；Ampi,j表示距离库为i、方位为j即待检测单元(i,j)上的视频数据的幅度值；
所述双阈值判断具体包括以下步骤：
S21，将待检测单元(i,j)在同一方位上的左右邻近的共α个距离库作为参考单元，16≤α≤32，对该待检测单元(i,j)的所有参考单元的幅度值即此α个参考单元的幅度值求平均值
Figure BDA0001848991820000021
该平均值
Figure BDA0001848991820000022
即为该待检测单元(i,j)的参考幅度值；
S22，利用设定的相对门限阈值TAmp和人工门限阈值Tabs，以及利用待检测单元(i,j)的参考幅度值
Figure BDA0001848991820000031
对待检测单元(i,j)上的视频数据信息进行判断，判断该视频数据信息是否为目标的视频数据信息，具体方式如下所示：
Figure BDA0001848991820000032
ΔAmpi,j为中间值；
若ΔAmpi,j大于0db且大于人工门限阈值Tabs，即ΔAmpi,j＞0且ΔAmpi,j＞Tabs，则该待检测单元(i,j)上的该视频数据信息为目标的视频数据信息；否则，该待检测单元(i,j)上的该视频数据信息为背景杂波，并对待检测单元(i,j)上的该视频数据信息的幅度值进行更新即重新赋值，赋值为0db。
步骤S21中，选取与待检测单元(i,j)在同一方位上的左右邻近的共32个距离库作为参考单元，即与待检测单元(i,j)在同一方位上的左邻近和右邻近的各16个距离库作为参考单元；且若待检测单元(i,j)的左邻近距离库或右邻近距离库不足16个距离库时，则按照邻近距离库的实际数量选取参考单元。
步骤S3中，
所述模糊化处理，具体方式如下所示：若某个待检测单元(i,j)上的幅度值大于0db，且与该待检测单元(i,j)在同一方位上左右相邻的两个距离库中存在幅度值为0db的距离库，则对该幅度值为0db的距离库上的幅度值进行重新赋值，赋值为2db；
依次类推，对每个待检测单元均进行模糊化处理；且当待检测单元没有左相邻距离库，则仅对右相邻距离库的幅度值进行处理；且当待检测单元没有右相邻距离库，则仅对左相邻距离库的幅度值进行处理；
将距离库作为二维图像的y轴，将方位作为二维图像的x轴，构成所述二维图像；所述二维图像上的像素点即对应为距离库和方位，故用(i,j)表示二维图像上的像素点的位置，并将每个方位上的每个距离库上的视频数据的幅度值作为该方位该距离库所对应的像素点的像素值。
步骤S4中，根据所述二维图像进行目标边缘提取，所述目标边缘提取，包括以下步骤：
S41，对所述二维图像上像素点的像素值进行二值化处理得到二值图像；所述二值化处理的具体方法如下：判断每个像素点的像素值是否大于等于1db，若某个像素点的像素值大于或等于1db时，则将该像素点的像素值直接置为1db；若某个像素点的像素值小于1db时，则将该像素点的像素值直接置为0db；
S42，通过滑窗检测的方式并利用Sobel边缘检测算子对所述二值图像进行边缘检测，得到边缘像素点；
所述边缘检测的具体方法如下：计算待检测像素点Z5的边缘估算值g，g＝|f*Gx|+|f*Gy|，若g大于或等于设定的阈值，则待检测像素点Z5为边缘像素点；
其中，f矩阵为由待检测像素点Z5的像素值和待检测像素点Z5的8个邻域像素点的像素值构成的矩阵；
Gx和Gy分别为Sobel边缘检测算子的两组3×3矩阵；
Figure BDA0001848991820000041
S43，所述边缘像素点上的视频数据信息即为目标的边缘信息；并根据所述目标的边缘像素点得到属于同一目标的像素点，且根据属于同一目标的每个像素点上的视频数据信息得到属于同一目标的视频数据信息；其中，属于同一目标的像素点包括该目标轮廓上的像素点即边缘像素点，以及轮廓内的像素点；即属于同一目标的目标视频数据包括该目标轮廓上以及轮廓内的视频数据信息。
若待检测像素点没有8个邻域像素点，即不构成矩阵f时，则不对没有8个邻域像素点的待检测像素点进行边缘检测，且对与该待检测像素点相邻或连续的像素点进行边缘检测，若该待检测像素点没有相邻或连续的像素点，即该待检测像素点为孤立的像素点，则该待检测像素点不为目标的像素点。
步骤S5中，所述最小包络处理，具体方式如下所示：
对属于同一目标的所有像素点的位置进行比较，找出属于同一目标的所有像素点的位置中距离库的最大值imax和最小值imin，以及找出属于同一目标的所有像素点的位置中的方位的最大值jmax和最小值jmin；得到属于该同一目标的最小覆盖包络的四个顶点的坐标，分别为(imax,jmax)、(imin,jmax)、(imax,jmin)、(imin,jmin)，并根据此四个顶点坐标得到属于该同一目标的最小覆盖包络。
步骤S6中，所述平滑处理为利用某个像素点的周围像素值的平均值代替该像素点的原有像素值，且所述平滑处理仅对属于同一目标的最小覆盖包络中的像素值不为0db的像素点进行处理，具体方式如下所示：
对像素点周围邻近的8个邻近像素点的像素值求平均值
Figure BDA0001848991820000051
且该8个邻近像素点均属于该同一目标的最小覆盖包络中，并对该像素点的像素值Ampi,j进行重新赋值，赋值为
Figure BDA0001848991820000052
即
Figure BDA0001848991820000053
所述像素点的像素值Ampi,j即为该像素点所对应的方位上的距离库上的视频数据信息的幅度值；
若该像素点在该最小覆盖包络中的周围不足8个邻近像素点时，则按照该像素点在该最小覆盖包络中周围的邻近像素点的实际数量求平均值
Figure BDA0001848991820000054
即若该像素点为该最小覆盖包络中的四个顶点时，则对该像素点周围邻近的3个邻近像素点求平均值
Figure BDA0001848991820000055
若该像素点为该最小覆盖包络中的四条边上的点时，则对该像素点周围邻近的5个邻近像素点求平均值
Figure BDA0001848991820000056
依次类推，对每个同一目标的最小覆盖包络中的视频数据信息的幅度值即像素点的幅度值进行平滑处理，得到平滑处理后的属于同一目标的视频数据信息。
本发明的优点在于：
(1)本发明通过设定要地区域，并对要地区域内的视频数据信息进行目标提取，提高存储空间的利用率，提高了目标提取速度。
(2)本发明对视频数据信息进行双阈值判断，有效的滤除了背景杂波，提高了要地区域内的目标提取精度，降低了有效数据的数据量。
(3)本发明通过模糊化处理，有效地降低了同一个目标在进行目标提取时分裂为多个目标的风险，提高了目标提取的完整性。
(4)本发明的二值化处理提高了提取效率，减少了由于目标边缘错检而导致的目标分裂，有效地提高了目标的提取能力。
(5)本发明的平滑处理减少目标边缘的毛刺现象，使目标边缘即目标轮廓更加平滑，同时，也使属于同一目标轮廓内的所有像素点的像素值更加平滑。
附图说明
图1为本发明的基于全固态VTS雷达的目标提取方法的方法流程图。
图2为雷达前端处理后的视频数据信息。
图3为利用本发明的基于全固态VTS雷达的目标提取方法的提取结果图。
图4为利用传统的目标提取方法的提取结果图。
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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例中，所述全固态VTS雷达的方位覆盖范围为0°～360°，距离覆盖范围为0km～35km，且以0.35°为方位采样间隔，以3.75m为距离采样间隔，距离上量化为9333个距离库；即该雷达从0°开始，接收该0°方位上的从第1个距离库起始到第9333个距离库结束的视频数据信息，按照0.35°的方位采样间隔，依次接收下一个方位上的从第1个距离库起始到第9333个距离库结束的视频数据信息。
由图1所示，基于全固态VTS雷达的目标提取方法，包括以下步骤：
S1，获取雷达前端处理后的视频数据信息；
S2，对所述视频数据信息进行双阈值判断，得到双阈值判断后的目标的视频数据信息；
S3，对双阈值判断后的目标的视频数据信息进行模糊化处理，得到模糊化处理后的目标的视频数据信息，并根据模糊化处理后的目标的视频数据信息构成二维图像；
S4，对所述二维图像进行目标边缘提取，得到属于同一目标的视频数据信息；
S5，对属于同一目标的视频数据信息进行最小包络处理，得到属于同一目标的最小覆盖包络；
S6，对属于同一目标的最小覆盖包络内的视频数据信息进行平滑处理，得到平滑处理后的属于同一目标的视频数据信息。
步骤S1中，所述视频数据信息包括：视频数据的时间戳、视频数据的方位、视频数据的距离库、视频数据的幅度值。
所述视频数据信息为用户设定的要地区域内的视频数据信息，所述要地区域为用户设定的重点关注的区域。本实施例中，以正北为0°，用户设定的要地区域的方位覆盖范围为270°～90°，且是跨正北方位的覆盖，即覆盖范围为270°～360°，0°～90°，故用户设定的要地区域的在方位上覆盖512个方位采样；用户设定的要地区域的距离覆盖范围为375m～4125m，故用户设定的要地区域的在距离库上的覆盖范围为从第101个距离库开始至第1124个距离库结束。
所述雷达前端处理为雷达信号处理，且所述雷达前端处理还包括根据用户设定的要地区域，将属于要地区域的视频数据信息从雷达所接收的全部视频数据信息筛选处理，所述属于要地区域的视频数据信息为。
步骤S2中，将每个方位每个距离库上的视频数据信息均作为待检测单元，所述待检测单元的位置用(i,j)表示，对每个待检测单元的幅度值Ampi,j均进行双阈值判断，得到双阈值判断后的目标的视频数据信息；
其中，i表示距离库，j表示方位；Amp表示视频数据的幅度值即待检测单元的幅度值；Ampi,j表示距离库为i、方位为j即待检测单元(i,j)上的视频数据的幅度值；
所述双阈值判断具体包括以下步骤：
S21，将待检测单元(i,j)在同一方位上的左右邻近的共α个距离库作为参考单元，16≤α≤32，对该待检测单元(i,j)的所有参考单元的幅度值即此α个参考单元的幅度值求平均值
Figure BDA0001848991820000071
该平均值
Figure BDA0001848991820000072
即为该待检测单元(i,j)的参考幅度值；
S22，利用设定的相对门限阈值TAmp和人工门限阈值Tabs，以及利用待检测单元(i,j)的参考幅度值
Figure BDA0001848991820000081
对待检测单元(i,j)上的视频数据信息进行判断，判断该视频数据信息是否为目标的视频数据信息，具体方式如下所示：
Figure BDA0001848991820000082
ΔAmpi,j为中间值；
若ΔAmpi,j大于0db且大于人工门限阈值Tabs，即ΔAmpi,j＞0且ΔAmpi,j＞Tabs，则该待检测单元(i,j)上的该视频数据信息为目标的视频数据信息；否则，该待检测单元(i,j)上的该视频数据信息为背景杂波，并对待检测单元(i,j)上的该视频数据信息的幅度值进行更新即重新赋值，赋值为0db。
步骤S21中，选取与待检测单元(i,j)在同一方位上的左右邻近的共32个距离库作为参考单元，即与待检测单元(i,j)在同一方位上的左邻近和右邻近的各16个距离库作为参考单元；且若待检测单元为第101个距离库至第116个距离库或第1109个距离库至第1124个距离库中的任意一个距离库时，即若待检测单元(i,j)的左邻近距离库或右邻近距离库不足16个距离库时，则按照邻近距离库的实际数量选取参考单元；所述按照邻近距离库的实际数量选取距离参考单元：当左邻近的距离库或右邻近的距离库不足10个距离库时，则减少距离参考单元的选取数量。
本实施例中，相对门限阈值TAmp取值为1.5db；人工门限阈值Tabs取值为30db。
本发明对要地区域内的视频数据信息进行双阈值判断，有效的滤除了背景杂波，提高了要地区域内的目标提取精度，降低了有效数据的数据量。
步骤S3中，所述模糊化处理，具体方式如下所示：若某个待检测单元(i,j)上的幅度值大于0db，且与该待检测单元(i,j)在同一方位上左右相邻的两个距离库中存在幅度值为0db的距离库，则对该幅度值为0db的距离库上的幅度值进行重新赋值，赋值为2db；
依次类推，对每个待检测单元均进行模糊化处理；且当待检测单元没有左相邻距离库，则仅对右相邻距离库的幅度值进行处理；且当待检测单元没有右相邻距离库，则仅对左相邻距离库的幅度值进行处理；
将1024距离库作为二维图像的y轴，将512方位作为二维图像的x轴，构成1024行×512列的二维图像；所述二维图像上的像素点即对应为距离库和方位，故用(i,j)表示二维图像上的像素点的位置，并将每个方位上的每个距离库上的视频数据的幅度值作为该方位该距离库所对应的像素点的像素值。
本发明通过模糊化处理，有效地降低了同一个目标在进行目标提取时分裂为多个目标的风险，提高了目标提取的完整性。
步骤S4中，根据所述二维图像进行目标边缘提取，所述目标边缘提取，包括以下步骤：
S41，对所述1024行×512列的二维图像上像素点的像素值进行二值化处理得到二值图像；所述二值化处理的具体方法如下：判断每个像素点的像素值是否大于等于1db，若某个像素点的像素值大于或等于1db时，则将该像素点的像素值直接置为1db；若某个像素点的像素值小于1db时，则将该像素点的像素值直接置为0db；
S42，通过滑窗检测的方式并利用Sobel边缘检测算子对所述二值图像进行边缘检测，得到边缘像素点；
所述边缘检测的具体方法如下：计算待检测像素点Z5的边缘估算值g，g＝|f*Gx|+|f*Gy|，若g大于或等于设定的阈值，则待检测像素点Z5为边缘像素点；本实施例中，设定的阈值为1db；
其中，f矩阵为由待检测像素点Z5的像素值和待检测像素点Z5的8个邻域像素点的像素值构成的矩阵；
Gx和Gy分别为Sobel边缘检测算子的两组3×3矩阵；
Figure BDA0001848991820000091
S43，所述边缘像素点上的视频数据信息即为目标的边缘信息；并根据所述目标的边缘像素点得到属于同一目标的像素点，且根据属于同一目标的每个像素点上的视频数据信息得到属于同一目标的视频数据信息；其中，属于同一目标的像素点包括该目标轮廓上的像素点即边缘像素点，以及轮廓内的像素点；即属于同一目标的目标视频数据包括该目标轮廓上以及轮廓内的视频数据信息。
根据雷达探测目标的特性，目标和杂波的区别在于，目标在距离上占据一定的连续的距离库数量；目标在多普勒速度频道上占据有有一定的连续的多普勒速度频道数量，而非孤立的单点存在。因此，若待检测像素点没有8个邻域像素点，即不构成矩阵f时，则不对没有8个邻域像素点的待检测像素点进行边缘检测，且对与该待检测像素点相邻且连续的像素点进行边缘检测，若该待检测像素点没有相邻且连续的像素点，则该待检测像素点即为孤立的像素点，且该待检测像素点不为目标的像素点。
本发明的二值化处理提高了提取效率，减少了由于目标边缘错检而导致的目标分裂，有效地提高了目标的提取效率，减少了运算量，降低了由于目标像素点的像素值不均匀导致虚假边缘或双边缘的现象。
步骤S5中，所述最小包络处理，具体方式如下所示：
对属于同一目标的所有像素点的位置进行比较，找出属于同一目标的所有像素点的位置中距离库的最大值imax和最小值imin，以及找出属于同一目标的所有像素点的位置中的方位的最大值jmax和最小值jmin；得到属于该同一目标的最小覆盖包络的四个顶点的坐标，分别为(imax,jmax)、(imin,jmax)、(imax,jmin)、(imin,jmin)，并根据此四个顶点坐标得到属于该同一目标的最小覆盖包络。
步骤S6中，所述平滑处理为利用某个像素点的周围像素值的平均值代替该像素点的原有像素值，且所述平滑处理仅对属于同一目标的最小覆盖包络中的像素值不为0db的像素点进行处理，具体方式如下所示：
对像素点周围邻近的8个邻近像素点的像素值求平均值
Figure BDA0001848991820000101
且该8个邻近像素点均属于该同一目标的最小覆盖包络中，并对该像素点的像素值Ampi,j进行重新赋值，赋值为
Figure BDA0001848991820000102
即
Figure BDA0001848991820000103
所述像素点的像素值Ampi,j即为该像素点所对应的方位上的距离库上的视频数据信息的幅度值；
若该像素点在该最小覆盖包络中的周围不足8个邻近像素点时，则按照该像素点在该最小覆盖包络中周围的邻近像素点的实际数量求平均值
Figure BDA0001848991820000104
即若该像素点为该最小覆盖包络中的四个顶点时，则对该像素点周围邻近的3个邻近像素点求平均值
Figure BDA0001848991820000111
若该像素点为该最小覆盖包络中的四条边上的点时，则对该像素点周围邻近的5个邻近像素点求平均值
Figure BDA0001848991820000112
依次类推，对每个同一目标的最小覆盖包络中的视频数据信息的幅度值即像素点的幅度值进行平滑处理，得到平滑处理后的属于同一目标的视频数据信息。
本发明的平滑处理，对属于同一目标中的突兀像素点的像素值给与提高或降低，减少目标边缘的毛刺现象，使目标边缘更加平滑，同时，使属于同一目标轮廓内的所有像素点的像素值更加平滑，
如图2～图4所示，试验数据为从全固态VTS雷达实时探测的视频数据信息中筛选出的部分数据片段即用户设定的要地区域上的视频数据信息，其中，坐标轴x轴表示512个方位，坐标轴y轴表示从1024个距离库。
由图3和图4所示，本发明的基于全固态VTS雷达的目标提取方法相较于传统的目标提取方法，提高了目标的提取精度，提高了目标提取的完整性，降低了同一个目标在进行目标提取时分裂为多个目标的风险，减少了目标边缘的毛刺现象，使得属于同一目标的所有像素点的像素值更加平滑，为后续的航迹处理提供了可靠的基础。
以上仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明创造的保护范围之内。

Claims (6)

1.基于全固态VTS雷达的目标提取方法，其特征在于，包括以下步骤：
S1，获取雷达前端处理后的视频数据信息；
S2，对所述视频数据信息进行双阈值判断，得到双阈值判断后的目标的视频数据信息；
S3，对双阈值判断后的目标的视频数据信息进行模糊化处理，得到模糊化处理后的目标的视频数据信息，并根据模糊化处理后的目标的视频数据信息构成二维图像；
S4，对所述二维图像进行目标边缘提取，得到属于同一目标的视频数据信息；
S5，对属于同一目标的视频数据信息进行最小包络处理，得到属于同一目标的最小覆盖包络；
S6，对属于同一目标的最小覆盖包络内的视频数据信息进行平滑处理，得到平滑处理后的属于同一目标的视频数据信息；
步骤S1中，所述视频数据信息包括：视频数据的时间戳、视频数据的方位、视频数据的距离库、视频数据的幅度值；
步骤S1中，所述雷达前端处理后的视频数据信息为用户设定的要地区域内的视频数据信息；所述雷达前端处理包括：从雷达接收的所有的视频数据信息中筛选出用户设定的要地区域内的视频数据信息；
步骤S2中，将每个方位每个距离库上的视频数据信息均作为待检测单元，所述待检测单元的位置用(i,j)表示，对每个待检测单元的幅度值Ampi,j均进行双阈值判断，得到双阈值判断后的目标的视频数据信息；
其中，i表示距离库，j表示方位；Amp表示视频数据的幅度值即待检测单元的幅度值；Ampi,j表示距离库为i、方位为j即待检测单元(i,j)上的视频数据的幅度值；
所述双阈值判断具体包括以下步骤：
S21，将待检测单元(i,j)在同一方位上的左右邻近的共α个距离库作为参考单元，16≤α≤32，对该待检测单元(i,j)的所有参考单元的幅度值即此α个参考单元的幅度值求平均值
Figure FDA0002419385620000021
该平均值
Figure FDA0002419385620000022
即为该待检测单元(i,j)的参考幅度值；
S22，利用设定的相对门限阈值TAmp和人工门限阈值Tabs，以及利用待检测单元(i,j)的参考幅度值
Figure FDA0002419385620000023
对待检测单元(i,j)上的视频数据信息进行判断，判断该视频数据信息是否为目标的视频数据信息，具体方式如下所示：
Figure FDA0002419385620000024
ΔAmpi,j为中间值；
若ΔAmpi,j大于0db且大于人工门限阈值Tabs，即ΔAmpi,j＞0且ΔAmpi,j＞Tabs，则该待检测单元(i,j)上的该视频数据信息为目标的视频数据信息；否则，该待检测单元(i,j)上的该视频数据信息为背景杂波，并对待检测单元(i,j)上的该视频数据信息的幅度值进行更新即重新赋值，赋值为0db。
2.根据权利要求1所述的基于全固态VTS雷达的目标提取方法，其特征在于，步骤S21中，选取与待检测单元(i,j)在同一方位上的左右邻近的共32个距离库作为参考单元，即与待检测单元(i,j)在同一方位上的左邻近和右邻近的各16个距离库作为参考单元；且若待检测单元(i,j)的左邻近距离库或右邻近距离库不足16个距离库时，则按照邻近距离库的实际数量选取参考单元。
3.根据权利要求1所述的基于全固态VTS雷达的目标提取方法，其特征在于，步骤S3中，
所述模糊化处理，具体方式如下所示：若某个待检测单元(i,j)上的幅度值大于0db，且与该待检测单元(i,j)在同一方位上左右相邻的两个距离库中存在幅度值为0db的距离库，则对该幅度值为0db的距离库上的幅度值进行重新赋值，赋值为2db；
依次类推，对每个待检测单元均进行模糊化处理；且当待检测单元没有左相邻距离库，则仅对右相邻距离库的幅度值进行处理；且当待检测单元没有右相邻距离库，则仅对左相邻距离库的幅度值进行处理；
将距离库作为二维图像的y轴，将方位作为二维图像的x轴，构成所述二维图像；所述二维图像上的像素点即对应为距离库和方位，故用(i,j)表示二维图像上的像素点的位置，并将每个方位上的每个距离库上的视频数据的幅度值作为该方位该距离库所对应的像素点的像素值。
4.根据权利要求3所述的基于全固态VTS雷达的目标提取方法，其特征在于，步骤S4中，根据所述二维图像进行目标边缘提取，所述目标边缘提取，包括以下步骤：
S41，对所述二维图像上像素点的像素值进行二值化处理得到二值图像；所述二值化处理的具体方法如下：判断每个像素点的像素值是否大于等于1db，若某个像素点的像素值大于或等于1db时，则将该像素点的像素值直接置为1db；若某个像素点的像素值小于1db时，则将该像素点的像素值直接置为0db；
S42，通过滑窗检测的方式并利用Sobel边缘检测算子对所述二值图像进行边缘检测，得到边缘像素点；
所述边缘检测的具体方法如下：计算待检测像素点Z5的边缘估算值g，g＝|f*Gx|+|f*Gy|，若g大于或等于设定的阈值，则待检测像素点Z5为边缘像素点；
其中，f矩阵为由待检测像素点Z5的像素值和待检测像素点Z5的8个邻域像素点的像素值构成的矩阵；
Gx和Gy分别为Sobel边缘检测算子的两组3×3矩阵；
Figure FDA0002419385620000031
S43，所述边缘像素点上的视频数据信息即为目标的边缘信息；并根据所述目标的边缘像素点得到属于同一目标的像素点，且根据属于同一目标的每个像素点上的视频数据信息得到属于同一目标的视频数据信息；其中，属于同一目标的像素点包括该目标轮廓上的像素点即边缘像素点，以及轮廓内的像素点；即属于同一目标的目标视频数据包括该目标轮廓上以及轮廓内的视频数据信息；
若待检测像素点没有8个邻域像素点，即不构成矩阵f时，则不对没有8个邻域像素点的待检测像素点进行边缘检测，且对与该待检测像素点相邻或连续的像素点进行边缘检测，若该待检测像素点没有相邻或连续的像素点，即该待检测像素点为孤立的像素点，则该待检测像素点不为目标的像素点。
5.根据权利要求4所述的基于全固态VTS雷达的目标提取方法，其特征在于，步骤S5中，所述最小包络处理，具体方式如下所示：
对属于同一目标的所有像素点的位置进行比较，找出属于同一目标的所有像素点的位置中距离库的最大值imax和最小值imin，以及找出属于同一目标的所有像素点的位置中的方位的最大值jmax和最小值jmin；得到属于该同一目标的最小覆盖包络的四个顶点的坐标，分别为(imax,jmax)、(imin,jmax)、(imax,jmin)、(imin,jmin)，并根据此四个顶点坐标得到属于该同一目标的最小覆盖包络。
6.根据权利要求5所述的基于全固态VTS雷达的目标提取方法，其特征在于，步骤S6中，所述平滑处理为利用某个像素点的周围像素值的平均值代替该像素点的原有像素值，且所述平滑处理仅对属于同一目标的最小覆盖包络中的像素值不为0db的像素点进行处理，具体方式如下所示：
对像素点周围邻近的8个邻近像素点的像素值求平均值
Figure FDA0002419385620000041
且该8个邻近像素点均属于该同一目标的最小覆盖包络中，并对该像素点的像素值Ampi,j进行重新赋值，赋值为
Figure FDA0002419385620000042
即
Figure FDA0002419385620000043
所述像素点的像素值Ampi,j即为该像素点所对应的方位上的距离库上的视频数据信息的幅度值；
若该像素点在该最小覆盖包络中的周围不足8个邻近像素点时，则按照该像素点在该最小覆盖包络中周围的邻近像素点的实际数量求平均值
Figure FDA0002419385620000044
即若该像素点为该最小覆盖包络中的四个顶点时，则对该像素点周围邻近的3个邻近像素点求平均值
Figure FDA0002419385620000045
若该像素点为该最小覆盖包络中的四条边上的点时，则对该像素点周围邻近的5个邻近像素点求平均值
Figure FDA0002419385620000046
依次类推，对每个同一目标的最小覆盖包络中的视频数据信息的幅度值即像素点的幅度值进行平滑处理，得到平滑处理后的属于同一目标的视频数据信息。
CN201811285732.4A 2018-10-31 2018-10-31 基于全固态vts雷达的目标提取方法 Active CN109544574B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811285732.4A CN109544574B (zh) 2018-10-31 2018-10-31 基于全固态vts雷达的目标提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811285732.4A CN109544574B (zh) 2018-10-31 2018-10-31 基于全固态vts雷达的目标提取方法

Publications (2)

Publication Number Publication Date
CN109544574A CN109544574A (zh) 2019-03-29
CN109544574B true CN109544574B (zh) 2020-08-28

Family

ID=65845623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811285732.4A Active CN109544574B (zh) 2018-10-31 2018-10-31 基于全固态vts雷达的目标提取方法

Country Status (1)

Country Link
CN (1) CN109544574B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110187319B (zh) * 2019-04-29 2020-12-01 安徽四创电子股份有限公司 一种用于vts雷达的目标分辨方法
CN114415123B (zh) * 2022-04-01 2022-07-19 北京海兰信数据科技股份有限公司 一种基于非相参邻域加权脉冲积累处理方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102200575A (zh) * 2010-12-02 2011-09-28 南京大学 一种基于恒虚警率的影像舰船检测方法
CN102915650A (zh) * 2012-09-21 2013-02-06 交通运输部科学研究院 基于交会摄影的桥梁水域船舶通航安全预警设备
CN103197302A (zh) * 2013-04-02 2013-07-10 电子科技大学 一种适用于穿墙雷达成像的目标位置提取方法
CN104143185A (zh) * 2014-06-25 2014-11-12 东软集团股份有限公司 一种污点区域检测方法
CN104834893A (zh) * 2015-03-13 2015-08-12 燕山大学 一种正面视角的行人步态周期检测方法
CN106210484A (zh) * 2016-08-31 2016-12-07 上海鹰觉科技有限公司 水域监视多元联合感知装置及其感知方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6753107B2 (ja) * 2016-03-29 2020-09-09 富士通株式会社 距離測定装置、距離測定方法及びプログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102200575A (zh) * 2010-12-02 2011-09-28 南京大学 一种基于恒虚警率的影像舰船检测方法
CN102915650A (zh) * 2012-09-21 2013-02-06 交通运输部科学研究院 基于交会摄影的桥梁水域船舶通航安全预警设备
CN103197302A (zh) * 2013-04-02 2013-07-10 电子科技大学 一种适用于穿墙雷达成像的目标位置提取方法
CN104143185A (zh) * 2014-06-25 2014-11-12 东软集团股份有限公司 一种污点区域检测方法
CN104834893A (zh) * 2015-03-13 2015-08-12 燕山大学 一种正面视角的行人步态周期检测方法
CN106210484A (zh) * 2016-08-31 2016-12-07 上海鹰觉科技有限公司 水域监视多元联合感知装置及其感知方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
VTS在边防辖区及口岸防控的应用研究;陈永斌;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20180315;全文 *

Also Published As

Publication number Publication date
CN109544574A (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
CN110415208B (zh) 一种自适应目标检测方法及其装置、设备、存储介质
CN109375177B (zh) 一种用于机场场面监视雷达系统的运动目标检测方法
CN105427342B (zh) 一种水下小目标声呐图像目标检测跟踪方法和系统
CN109188430B (zh) 一种基于地面监视雷达系统的目标提取方法
CN104680538B (zh) 基于超像素的sar图像cfar目标检测方法
CN107942329B (zh) 机动平台单通道sar对海面舰船目标检测方法
CN110490904B (zh) 一种弱小目标检测与跟踪方法
CN111311644B (zh) 一种基于视频sar的运动目标检测方法
CN112731307B (zh) 基于距离-角度联合估计的ratm-cfar检测器及检测方法
CN109100697B (zh) 一种基于地面监视雷达系统的目标凝聚方法
CN111369570A (zh) 一种视频图像的多目标检测跟踪方法
CN109254271B (zh) 一种用于地面监视雷达系统的静止目标抑制方法
CN109544574B (zh) 基于全固态vts雷达的目标提取方法
CN111161308A (zh) 一种基于关键点匹配的双波段融合目标提取方法
CN108983194B (zh) 一种基于地面监视雷达系统的目标提取及凝聚方法
CN104391294A (zh) 一种基于连通域特征和模板匹配的雷达点迹关联方法
Wang et al. DBSCAN clustering algorithm of millimeter wave radar based on multi frame joint
CN113283326B (zh) 基于仿真目标亮线特征的视频sar目标智能检测方法
CN111767856B (zh) 基于灰度值统计分布模型的红外小目标检测算法
CN108828549B (zh) 一种基于机场场面监视雷达系统的目标提取方法
CN110687548A (zh) 一种基于无人船的雷达数据处理系统
CN113555737B (zh) 一种sar图像检测方法及系统
CN109358324B (zh) 基于地面监视雷达谱数据的目标检测方法
CN109061593B (zh) 一种基于地面监视雷达谱数据的目标提取方法
CN113406625A (zh) 一种sar图像超像素滑窗cfar检测方法

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
GR01 Patent grant
GR01 Patent grant