一种雷达RD图像目标检测方法及系统与流程

摘要: 本技术涉及一种雷达rd图像目标检测方法及系统,属于智能传感系统与雷达图像检测。背景技术:1、随着雷达技术的发展,距离多普勒(rd)图像目标检测在车载、机载及岸基...
一种雷达RD图像目标检测方法及系统与流程

本技术涉及一种雷达rd图像目标检测方法及系统,属于智能传感系统与雷达图像检测。

背景技术:

1、随着雷达技术的发展,距离多普勒(rd)图像目标检测在车载、机载及岸基雷达系统中得到广泛应用,在上述应用场景中,雷达rd图像目标检测通常作为智能传感系统中的图像检测环节,用于向后续感知融合、目标跟踪和决策控制模块提供目标位置及运动状态信息。在实际应用中,为实现对弱小目标的可靠检测,传统方法通常采用恒虚警率检测或基于局部背景估计的门限判决策略。然而在低信噪比条件下,目标能量与背景能量处于同量级,检测性能对背景统计模型与门限设定的依赖显著增强,使得虚警与漏警难以同时受控。

2、现有授权公告号为cn108508413b的中国专利公开了一种基于概率统计的低信噪比条件下目标检测方法,方法包括:以观测时间内的单个脉冲为处理对象,采用同时多波束方法覆盖感兴趣观测区域,通过对观测区域内的所有脉冲回波经脉冲压缩之后获取目标回波包络,然后对回波包络做恒虚警检测后统计记录不同方位单元和距离单元的回波包络检测频度,最后绘制概率直方图根据不同方位单元和距离单元的过门限的频度分布进行检测判决从而完成目标检测过程。

3、然而,在真实应用场景中,rd图像背景往往呈现强烈的非平稳性,海杂波、地杂波随环境快速变化,射频干扰引入条带状能量与离散尖峰,接收机增益控制改变噪声底尺度,导致不同距离多普勒区域的统计分布差异显著。现有技术聚焦于单一门限策略或全局背景模型,未考虑背景空间非平稳性对门限设定的影响,当局部窗口内包含结构化干扰或强杂波边缘时,背景估计会被污染,使门限异常抬升导致漏检或异常降低导致虚警爆发。现有技术输出的置信度隐含背景分布假设成立的前提,一旦统计失配,置信度将失去可校准性,出现高置信虚警或低置信真目标现象,难以为后续跟踪与资源调度建立稳定决策依据。

技术实现思路

1、本技术的目的在于为了解决上述问题而提供一种雷达rd图像目标检测方法及系统,通过对rd图像进行对数域变换与分块背景稳健估计,结合标准化残差与尾部分布拟合计算像素级超越概率,并利用多重检验校正自适应确定检测门限,再经连通域聚类与物理一致性筛选得到候选目标,最终对目标置信度进行统一校准,从而在低信噪比、强杂波环境下提升目标检测精度与鲁棒性,降低虚警率,实现对弱小目标的可靠检测,因此,本技术能够作为智能传感系统中的雷达图像检测方法,对低信噪比rd图像中的弱小目标进行自适应检测,为多传感器融合感知和智能决策提供稳定的检测输入。

2、本技术提供了一种雷达rd图像目标检测方法,包括以下步骤:

3、获取当前帧rd图像及历史背景缓存,对当前帧rd图像进行对数域变换得到对数域rd图像,将所述对数域rd图像划分为若干个背景块,基于历史背景缓存估计背景块的背景中心和背景尺度;

4、基于所述对数域rd图像生成目标得分图,并基于所述背景中心和背景尺度计算标准化残差图;

5、基于所述标准化残差图对每个背景块进行尾部分布拟合,计算像素级超越概率值;

6、基于所述像素级超越概率值采用多重检验校正方法确定全图自适应超越概率值门限,并基于所述全图自适应超越概率值门限确定候选目标像素集合,对所述候选目标像素集合进行连通域聚类和物理一致性筛选得到候选目标集合;

7、基于所述候选目标集合、像素级超越概率值和目标得分图,对每个候选目标进行置信度统一校准,输出统一置信度。

8、进一步地,将所述对数域rd图像划分为若干个背景块并估计背景块的背景中心和背景尺度包括:

9、历史背景缓存包括过去若干帧的rd图像;

10、将对数域rd图像按预设网格划分为若干个背景块,并建立像素与背景块的归属索引;

11、基于历史背景缓存,采用稳健统计方法估计每个背景块的背景中心和背景尺度,并通过背景漂移门机制进行自适应更新。

12、进一步地,估计背景中心和背景尺度的方法包括:

13、背景中心采用中位数进行估计;

14、背景尺度采用中位数绝对偏差乘以预设一致性修正系数进行估计,中位数绝对偏差为绝对偏差值的中位数,绝对偏差值为历史样本集合中每个样本与历史样本集合中位数之差的绝对值。

15、进一步地,进行自适应更新的方法包括:

16、计算当前帧在每个背景块内的背景块内背景中心和背景块内背景尺度;

17、基于背景块内背景中心、背景块内背景尺度和背景块内总像素计算高亮像素占比;

18、判断当前帧在所述背景块内的高亮像素占比是否大于预设高亮像素占比阈值;若高亮像素占比大于预设高亮像素占比阈值,则保持历史估计值不变;

19、否则基于背景块内背景中心和背景块内背景尺度,采用指数滑动更新方式更新背景中心和背景尺度。

20、进一步地,计算标准化残差图的方法包括:

21、将每个像素在对数域rd图像中的值减去所述像素所属背景块的背景中心,再除以所述像素所属背景块的背景尺度与预设数值稳定小常数之和,得到所述像素的标准化残差;

22、计算所有像素的标准化残差,得到标准化残差图。

23、进一步地,计算像素级超越概率值的方法包括:

24、对于每个背景块,基于目标得分图和历史背景缓存筛选出所述背景块内的背景像素集合;

25、基于所述背景像素集合中对应的标准化残差,对每个背景块进行拟合,得到所述背景块的生存函数;

26、将每个像素的标准化残差代入所述像素所属背景块的生存函数,得到所述像素的像素级超越概率值。

27、进一步地,得到所述背景块的生存函数的方法包括:

28、对每个背景块的背景像素的标准化残差按升序排列,取位于预设尾部高分位数位置的残差值作为尾部阈值;

29、对于大于或等于尾部阈值的标准化残差,将标准化残差减去尾部阈值后除以尺度参数,再乘以形状参数并加上1,得到尾部项;

30、尾部项以负的形状参数倒数为指数的幂,得到所述背景块的生存函数。

31、进一步地,得到候选目标集合的方法包括:

32、基于像素级超越概率值确定全图自适应超越概率值门限;

33、将所有像素级超越概率值小于或等于全图自适应超越概率值门限的像素判定为候选目标像素,将判定为候选目标像素的所有像素构成候选目标像素集合;

34、对候选目标像素集合执行连通域聚类操作,将在rd图像平面上空间相邻的候选目标像素归入同一连通域,得到候选目标;

35、对每个候选目标,利用雷达物理约束进行物理一致性筛选,所述物理一致性筛选的筛选准则包括距离多普勒尺寸约束、能量集中度约束和速度连续性约束中的至少一种;

36、将通过物理一致性筛选的候选目标确定为候选目标集合。

37、进一步地,确定全图自适应超越概率值门限的方法包括:

38、将全图参与检验的所有像素的像素级超越概率值按照升序排列,寻找满足以下条件的最大序号:排序后第i位的像素级超越概率值小于或等于阈值项,阈值项为第i位序号除以参与检验的像素总数,再乘以预设目标错误发现率水平所得的值;

39、所述最大序号所对应的像素级超越概率值即为全图自适应超越概率值门限。

40、进一步地,输出统一置信度的方法包括:

41、计算每个候选目标的统计显著性指标,所述统计显著性指标采用候选目标内所有像素级超越概率值的最小值或算术平均值;

42、聚合每个候选目标的模型得分,所述模型得分为所述候选目标内所有像素在目标得分图上的值的算术平均值;

43、基于所述统计显著性指标和模型得分,输出每个候选目标的统一置信度。

44、本技术提供了一种雷达rd图像目标检测系统,所述系统包括:

45、背景估计模块,获取当前帧rd图像及历史背景缓存,对当前帧rd图像进行对数域变换得到对数域rd图像,将所述对数域rd图像划分为若干个背景块,基于历史背景缓存估计背景块的背景中心和背景尺度;

46、特征提取模块,基于所述对数域rd图像生成目标得分图,并基于所述背景中心和背景尺度计算标准化残差图;

47、概率计算模块,基于所述标准化残差图对每个背景块进行尾部分布拟合,计算像素级超越概率值;

48、目标检测模块,基于所述像素级超越概率值采用多重检验校正方法确定全图自适应超越概率值门限,并基于所述全图自适应超越概率值门限确定候选目标像素集合,对所述候选目标像素集合进行连通域聚类和物理一致性筛选得到候选目标集合;

49、置信融合模块,基于所述候选目标集合、像素级超越概率值和目标得分图,对每个候选目标进行置信度统一校准,输出统一置信度。

50、本技术的有益效果在于:

51、本技术通过采用对数域变换结合分块背景估计策略,将rd平面划分为若干背景块并独立估计各背景块的背景中心和背景尺度。通过中位数和中位数绝对偏差等稳健统计方法进行参数估计,有效抵抗目标信号对背景估计的污染。同时引入背景漂移门机制,根据高亮像素占比自适应判断是否更新背景参数,避免强目标或突发干扰导致的背景模型失效。分块自适应机制使得不同距离多普勒区域的背景统计特性得到独立表征,显著提升了对海杂波、地杂波及射频干扰等非平稳背景的建模能力。

52、通过对每个背景块的标准化残差进行尾部分布拟合,采用广义帕累托分布建立生存函数,将各像素的标准化残差映射为像素级超越概率值,在数值意义上具有跨背景块的可比性,为后续全图统一门限判决奠定了基础。通过采用bh多重检验校正方法确定全图自适应超越概率值门限,在给定错误发现率水平下实现虚警率的统计控制。将不同背景块的统计特性统一到概率域,避免了传统固定门限在非平稳背景下的失配问题,使得检测门限能够随背景变化自适应调整,在低信噪比条件下兼顾了检测灵敏度与虚警可控性。

53、本技术通过融合统计显著性指标与轻量模型得分,构造统一置信度输出。统一置信度综合了数据驱动的目标特征识别能力与统计检验的背景偏离度量,并通过短时背景缓存进行权重自校准,使得输出统一置信度在不同背景条件下保持可解释性与可比性。