一种ISAR图像散射中心超像素分割方法

摘要: 本发明涉及逆合成孔径雷达图像处理,具体涉及一种isar图像散射中心超像素分割方法。背景技术:1、逆合成孔径雷达(inversesyntheticaperture...
一种ISAR图像散射中心超像素分割方法

本发明涉及逆合成孔径雷达图像处理,具体涉及一种isar图像散射中心超像素分割方法。

背景技术:

1、逆合成孔径雷达(inverse synthetic aperture radar,isar)图像散射中心的变化分析是评估目标隐身性能的一项重要技术手段。近年来,随着现代隐身技术的快速迭代,目标整体的雷达散射截面积被大幅削减。为分析基于超材料与智能涂层的雷达目标隐身性能,能够精准捕捉目标局部微观特征的散射中心变化分析技术展现出了不可替代的工程价值。

2、在实测过程中isar数据中普遍存在着较强的背景杂波与相干斑噪声,部分背景杂波与目标散射中心在像素表现上高度相似,仅依靠单个像素及其邻域局部信息的像素级的变化分析方法,容易在幅值波动剧烈的区域产生误判,导致散射中心变化分析精度不佳。

3、相对于像素级变化分析方法,对象级变化分析能够避免上述像素级变化分析的不足。在现有的对象级变化分析研究中,简单线性迭代聚类(simple linear iterativeclustering,slic)算法常被用于对差异图进行超像素分割以构建基本的分析单元。slic算法是基于规则的网格初始化,并且假设局部区域内的特征均匀。

4、然而,isar图像中的散射中心表现为具有较高梯度的离散点,这使得slic的网格划分的方法与目标散射中心实际分布并不匹配,导致算法极易将一个完整的散射中心错误地分割到多个相邻的超像素中。其次,真实的散射中心通常呈现出中心对称的分布特性,slic算法的聚类过程中仅考虑幅值与空间的距离度量,并未考虑散射中心的对称物理特性。这使得分割生成的超像素往往包含其他的背景杂波,不能准确获得散射中心的真实边界。

技术实现思路

1、针对上述现有技术的不足,本发明所要解决的技术问题是:如何提供一种isar图像散射中心超像素分割方法,能够基于二维高斯散射中心模型提取具有物理参数的散射中心作为结构锚点,结合散射中心锚定初始化与六边形规则网格形成混合初始聚类中心,并在简单线性迭代聚类迭代过程中融合局部对称性约束与锚点漂移约束来实现超像素分割,从而提高超像素分割结果的边界贴合度和结构一致性。

2、为了解决上述技术问题,本发明采用了如下的技术方案:

3、一种isar图像散射中心超像素分割方法,包括:

4、s1:获取同一目标的两个不同时刻或不同观测角度下的两幅逆合成孔径雷达图像,对两幅逆合成孔径雷达图像进行幅度变换和对数比值运算,并对所得结果取绝对值,生成反映目标散射特性变化的差异图;

5、s2:对差异图进行局部峰值筛选得到候选散射中心集合,并通过基于二次曲面拟合的海森矩阵分析法对候选散射中心集合进行峰值精定位与有效性判别处理,生成有效散射中心集合;

6、s3:通过基于六边形网格的规则中心生成处理对差异图的图像尺寸进行计算,生成六边形规则网格中心集合;

7、s4:通过基于散射中心锚定的匹配替换处理对有效散射中心集合和六边形规则网格中心集合进行融合初始化,生成混合初始聚类中心集合;

8、s5:基于混合初始聚类中心集合,通过融合对称性惩罚项和锚点漂移约束的迭代聚类处理对差异图进行超像素分割,并生成由若干超像素区域构成的超像素分割结果图作为超像素分割结果。

9、优选的,步骤s2中,生成有效散射中心集合的处理步骤包括:

10、s201:通过基于二维高斯模型的散射中心候选检测处理对差异图进行平滑得到平滑后差异图后,再进行局部峰值筛选,生成候选散射中心集合;

11、s202:对候选散射中心集合中的每个候选散射中心执行局部邻域截取、背景扣除与对数变换处理,得到每个候选散射中心的局部对数响应;

12、具体的,以候选散射中心集合中的每个候选散射中心的坐标为中心,截取半径个像素的局部邻域窗口,局部邻域窗口的大小为个像素;在局部邻域窗口内估计局部背景值,从局部邻域窗口内每个像素的响应中扣除该背景值,并对背景扣除后的响应取自然对数,得到每个像素的局部对数响应;

13、局部对数响应的计算公式为:

14、;

15、式中:表示平滑后差异图的像素在局部邻域窗口内的响应,为防止零值和负值的预设小常数;

16、其中,采用带局部背景和噪声项的各向异性二维高斯模型描述局部散射峰,即平滑后差异图中的像素的响应计算公式为:

17、;

18、;

19、式中:表示散射中心的峰值幅度,为噪声项,、表示以散射峰中心为原点、沿两个主轴方向建立的旋转坐标,和分别表示散射峰在两个主轴方向上的展宽,为散射峰主轴相对于平滑后差异图轴正方向的夹角,为散射峰中心的坐标;

20、s203:对每个候选散射中心的局部对数响应执行二次抛物面拟合与海森矩阵负定判别处理,生成有效候选散射中心集合;

21、s204:对有效候选散射中心集合中的每个有效候选散射中心执行散射中心估计与质量控制处理,生成有效散射中心集合。

22、优选的,步骤s201中,生成候选散射中心集合的处理步骤包括:

23、s2011:对差异图进行高斯平滑处理,得到平滑后差异图;

24、s2012:在平滑后差异图上执行八连通区域极大值检测,得到区域极大值掩膜;对区域极大值掩膜进行连通域分析,并在每个连通极大值区域内选取平滑响应最大的像素作为该区域的代表局部极大值点,将所有代表局部极大值点汇总形成初始局部极大值点集合;

25、s2013:计算平滑后差异图中全部像素的灰度均值和灰度标准差,并将全部像素的灰度值按从小到大排序,取排在第90%位置处的灰度值作为第90百分位数,基于灰度均值、灰度标准差以及第90百分位数计算筛选阈值;

26、筛选阈值的计算公式为:

27、;

28、式中:为预设系数;

29、s2014:获取初始局部极大值点集合中每个代表局部极大值点在平滑后差异图中的灰度强度,并将灰度强度与筛选阈值进行比较;剔除灰度强度低于筛选阈值的代表局部极大值点,保留灰度强度大于或等于筛选阈值的代表局部极大值点,并将所有保留的代表局部极大值点汇总形成候选散射中心集合。

30、优选的,步骤s203中,生成有效候选散射中心集合的处理步骤包括:

31、s2031:对于候选散射中心各像素的局部对数响应,在局部坐标偏移和下拟合为一个二次曲面;

32、局部坐标偏移和的计算公式为:

33、;

34、;

35、二次曲面的计算公式为:

36、;

37、式中:表示常数项,表示两个坐标方向的一阶梯度项,表示二阶曲率项;

38、s2032:基于二次曲面的二阶曲率项拟合海森矩阵;

39、海森矩阵的计算公式为:

40、;

41、s2033:计算海森矩阵的特征值和:若,即海森矩阵为负定矩阵,则判定对应的候选散射中心为有效局部峰值并予以保留,否则予以剔除;

42、特征值和的计算公式为:

43、;

44、;

45、式中:、和分别对应;

46、s2034:将所有保留下来的候选散射中心构成有效候选散射中心集合。

47、优选的,步骤s204中,生成有效散射中心集合的处理步骤包括:

48、s2041:对有效候选散射中心集合中的每个有效候选散射中心,根据梯度向量和海森矩阵计算亚像素级位置偏移量,并计算得到精估计后的散射中心位置;

49、梯度向量的计算公式为:

50、;

51、亚像素级位置偏移量的计算公式为:

52、;

53、散射中心位置的计算公式为:

54、;

55、s2042:设置最大偏移比例为,配合窗口半径得到允许的最大坐标偏移量为个像素,若亚像素级位置偏移量超出该最大坐标偏移量,则剔除该有效候选散射中心,将保留的有效候选散射中心作为有效散射中心;

56、s2043:根据极值点处的对数响应恢复有效散射中心的峰值幅度;

57、s2044:利用海森矩阵的特征值和估计有效散射中心在两个主轴方向上的宽度和;

58、计算公式为:

59、;

60、s2045:利用海森矩阵特征向量估计有效散射中心的主轴方向角;

61、计算公式为:

62、;

63、;

64、式中:为与主轴宽度对应的hessian单位特征向量,和分别表示该特征向量沿图像x轴和y轴的分量;

65、s2046:基于有效散射中心的空间坐标、散射中心峰值幅度、在两个主轴方向上的宽度以及主轴方向角生成有效散射中心;其中第个有效散射中心,分别表示第个有效散射中心的空间坐标、散射中心峰值幅度、在两个主轴方向上的宽度和主轴方向角;

66、s2047:将所有散射中心汇总生成有效散射中心集合。

67、优选的,步骤s3中,生成六边形规则网格中心集合的处理步骤包括:

68、s301:获取差异图的图像高度和图像宽度并结合预设的超像素数量,计算六边形网格的水平中心间距和垂直行间距;

69、水平中心间距的计算公式为:

70、;

71、垂直行间距的计算公式为:

72、;

73、s302:根据水平中心间距和垂直行间距,在差异图的二维平面上生成覆盖全图的六边形网格点阵,得到六边形规则网格中心集合;

74、具体的,以距图像边界半个相应网格间距的位置作为首行或首列网格中心起点,在水平方向上以水平中心间距为间隔生成各网格列,在垂直方向上以垂直行间距为间隔生成各网格行,并且相邻网格行之间在水平方向上交错半个水平中心间距/2的偏移量,使网格点阵在二维平面上形成六边形中心排布;遍历全部行列位置,生成覆盖差异图整个二维平面的六边形网格点阵;将六边形网格点阵中所有网格点的空间位置坐标汇总为六边形规则网格中心集合,该六边形规则网格中心集合中每个网格中心的位置坐标表示为。

75、优选的,步骤s4中,生成混合初始聚类中心集合的处理步骤包括:

76、s401:对有效散射中心集合中所有的有效散射中心按照峰值幅度从大到小进行优先级排序处理,得到排序后散射中心序列;其中排位越靠前的散射中心具有越高的匹配优先级;

77、s402:获取六边形规则网格中心集合中的全部规则网格中心,将初始状态全部标记为未被占用;将当前所有状态为未被占用的规则网格中心汇总为可用规则网格中心集合,该集合用于在后续匹配过程中为散射中心提供可选的匹配对象,并在每次成功匹配后将被匹配的规则网格中心从该集合中移除并标记为已占用;

78、s403:按照排序后散射中心序列的优先级顺序,依次为每个有效散射中心匹配空间距离最近的可用规则网格中心,生成匹配替换映射关系;

79、s404:基于匹配替换映射关系,使用有效散射中心的空间坐标替换对应规则网格中心的空间坐标,并建立散射中心锚点索引集合,得到混合初始聚类中心集合;

80、具体的,根据匹配替换映射关系,对于每个成功匹配的规则网格中心,基于第个有效散射中心与第个规则网格中心成功匹配的情况,使用第个有效散射中心的空间坐标,替换第个规则网格中心原有的空间坐标,并将该中心标记为散射中心锚点;对于所有未被匹配的规则网格中心,保持其原有空间坐标不变且不标记为散射中心锚点;将各散射中心锚点作为初始聚类中心,并在差异图中为每个初始聚类中心所在位置提取亮度分量以及色彩分量和,结合该初始聚类中心的空间坐标,构建五维特征向量作为初始聚类中心;将所有初始聚类中心的五维特征向量汇总为混合初始聚类中心集合。

81、优选的,步骤s403中,生成匹配替换映射关系的处理步骤包括:

82、s4031:按照排序后散射中心序列从高优先级到低优先级的顺序,依次取出每个有效散射中心的空间坐标;

83、s4032:在当前的可用规则网格中心集合中,通过匹配规则当前有效散射中心寻找空间距离最近的可用规则网格中心;

84、匹配规则的计算公式为:

85、;

86、式中:表示与第个散射中心匹配的规则种子索引;表示当前仍未被占用的规则种子集合;为第个散射中心的空间坐标;为第个的可用规则网格中心;

87、s4033:建立该有效散射中心与其匹配的可用规则网格中心之间的匹配替换映射关系,并将被匹配的规则网格中心从可用规则网格中心集合中移除,标记为已占用;

88、s4034:按照优先级顺序遍历所有有效散射中心,直至所有有效散射中心均完成匹配或可用规则网格中心集合为空,得到完整的匹配替换映射关系。

89、优选的,步骤s5中,生成最终的超像素分割结果的处理步骤包括:

90、s501:初始化像素距离图和标签图,依次在每个聚类中心周围的局部搜索窗口内计算像素与该中心的综合距离,当所计算综合距离小于该像素当前记录距离时,更新该像素的最小距离及对应中心标签;遍历全部聚类中心后得到标签分配结果;

91、s502:基于所有像素的标签分配结果,对每个超像素区域计算空间质心,生成所有超像素区域的候选空间质心;

92、具体的,根据标签分配结果,将具有相同标签的像素划分为同一个超像素区域;对于每个超像素区域,统计该区域内所有像素的个数,计算该超像素区域内所有像素空间坐标的均值,将该均值作为该超像素区域的候选空间质心;遍历全部超像素区域,得到所有超像素区域的候选空间质心;

93、候选空间质心的计算公式为:

94、;

95、式中:表示第个超像素区域包含的像素数;表示第个超像素区域内像素的二维空间坐标;为根据当前标签分配结果计算得到的候选空间质心;

96、s503:基于候选空间质心和散射中心锚点的固定参考位置,对所有聚类中心执行带锚点漂移约束的空间坐标更新与外观特征更新处理,得到更新后的聚类中心集合;

97、具体的,判断每个超像素区域是否包含散射中心锚点:若包含,则获取该散射中心锚点的固定参考位置,更新聚类中心的空间坐标,若不包含,则直接使用候选空间质心作为聚类中心更新后的空间坐标;对于所有超像素区域,根据该超像素区域内所有像素的亮度分量以及色彩分量和的均值,更新该聚类中心的外观特征(,,);遍历全部聚类中心,得到更新后的聚类中心集合;

98、更新聚类中心的空间坐标的计算公式为:

99、;

100、式中:为更新后聚类中心的空间坐标;为第个散射中心锚点的固定参考位置;为允许的最大空间漂移半径;

101、s504:判断当前迭代次数是否达到预设最大迭代次数,若满足终止条件,则基于差异图中每一个像素的标签分配结果生成由若干超像素区域构成的超像素分割结果图作为超像素分割结果;否则,返回步骤s501进行下一次迭代;

102、具体的,判断当前迭代次数已达到预设最大迭代次数,若满足上述条件,则终止迭代,基于差异图中每一个像素的标签分配结果生成由若干超像素区域构成的超像素分割结果图作为超像素分割结果;若不满足,则将更新后的聚类中心集合作为当前聚类中心集合,迭代次数加一,返回步骤s501进行下一次迭代。

103、优选的,步骤s501中,生成所有像素的标签分配结果的处理步骤包括:

104、s5011:对于每个聚类中心,以其空间坐标为中心建立大小为2×2个像素的局部搜索窗口;在该窗口内计算各像素与当前聚类中心的综合距离,并根据最小距离原则更新像素标签;

105、s5012:对差异图中的每个像素,计算其与各聚类中心的外观差异距离和空间距离,并进一步计算基础距离;其中为像素的坐标,为像素的亮度分量,和为像素的色彩分量;

106、外观距离的计算公式为:

107、;

108、空间距离的计算公式为:

109、;

110、基础距离的计算公式为:

111、;

112、式中:为像素与聚类中心的基础slic距离,表示像素与聚类中心的外观差异距离,表示像素与聚类中心的空间距离,为初始超像素步长,为紧凑性参数;

113、s5013:以聚类中心的空间坐标为对称中心,计算像素的几何对称点和亮度分量上的局部对称性差异,并进一步计算综合距离;

114、几何对称点的计算公式为:

115、;

116、局部对称性差异的计算公式为:

117、;

118、综合距离的计算公式为:

119、;

120、式中:为像素与聚类中心的综合距离,为当前像素的空间坐标;为第个聚类中心的空间坐标;为关于的几何对称点,实际访问离散图像时取最近整数像素;分别为像素与对称点的lab亮度分量;为对称性惩罚权重;

121、s5014:将像素分配至综合距离最小的聚类中心及其对应超像素区域的标签;

122、s5015:遍历差异图中的全部像素,得到所有像素的标签分配结果。

123、本发明中isar图像散射中心超像素分割方法与现有技术相比,具有如下有益效果:

124、(1)提升散射中心定位的物理可信度:针对isar图像中目标响应以局部强散射峰形式出现的特点,本发明方法采用高斯模型结合海森矩阵和二次曲面拟合提取散射中心,不再仅依赖固定阈值和局部极大值检测。本发明方法能够利用散射峰的局部曲率、幅度、尺度和方向信息对散射中心进行筛选与精定位,使有效散射中心的提取结果更符合isar图像的散射机理。

125、(2)增强超像素对关键散射结构的保持能力:原始简单线性聚类(slic)采用规则网格初始化,聚类中心与isar目标的物理散射结构无直接关联。本发明方法将提取到的散射中心引入slic初始化过程,使聚类中心优先分布在强散射响应区域附近,并通过锚点漂移约束限制含散射中心超像素的中心过度偏移,从而减少关键散射区域被背景或弱响应区域吞并的情况。

126、(3)提升超像素对目标结构的保持能力:本发明方法引入散射中心锚定和局部对称性约束,使超像素分割更加关注isar图像中的关键散射区域和目标边界。实验结果表明,相比原始简单线性聚类(slic),本发明方法提高了解释方差和边界召回率,降低了类内方差和欠分割误差,说明生成的超像素内部一致性更好、边界贴合更准确,并能减少跨目标边界合并现象。