一种机动平台对海面船只精细化雷达成像方法

1.本发明涉及合成孔径雷达成像技术领域，主要是机动平台对海面舰船目标雷达成像领域，涉及一种机动平台对海面船只精细化雷达成像方法。


背景技术：

2.海上舰船目标雷达成像技术是一种重要的对海监视和侦察手段，可以全天时、全天候地获取海洋目标的轮廓信息，为海洋监视执法、军事侦察等活动提供了重要的支撑，弥补了光学、红外等其他监视侦察手段的不足。sar成像具有远距离、高分辨的特点，可以对重点区域进行全天时、全天候实时观测成像。现有对海面舰船成像sar系统常见安装于机载平台，完成重点区域监视任务。然而，现有机载对海面舰船成像sar系统仅适用于平稳飞行的载机，未考虑平台的三维加速度影响，无法适用于机动平台。另外，sar成像的对象一般是静止场景，而海上舰船目标是非合作运动目标，无法准确得知目标航向、航速和目标姿态等运动参数，直接利用sar成像方法处理会存在残留空变距离徙动，难以得到两维高分辨舰船目标图像。
3.isar成像技术可以应用于运动舰船目标成像，距离多普勒（rd）方法由于其操作简单、运算量小的优势，在实际工程应用中被广泛应用。然而，isar成像系统常见安装于岸防雷达，平台处于静止状态。另外，isar成像方法一般只能对单个目标进行处理，对于机动平台成像雷达而言，由于平台的体积限制和任务需求，其雷达波束宽度一般较大，覆盖区域较广。因此大多数情况下，其波束覆盖范围中存在多个舰船目标，难以直接应用isar技术完成对舰船目标的成像。


技术实现要素：

4.针对现有技术存在的不足，本发明的目的在于，提出一种机动平台对海面船只精细化雷达成像方法。本发明为了得到高分辨率的舰船目标图像，首先根据机动平台的特性完成舰船目标粗聚焦，接着从sar图像中通过基于混合视觉注意机制的舰船检测提取属于单个舰船目标的回波数据，然后再对单个舰船目标进行残留距离徙动校正，完成舰船目标精聚焦成像，通过由粗到精的成像处理，完成机动平台对海面舰船目标的精细化成像。
5.为了实现上述目的，本发明采用如下技术方案予以解决：一种机动平台对海面船只精细化雷达成像方法，包括如下步骤：步骤1，机动平台采集海面舰船回波信号，进行解调得到基带回波信号；步骤2，对基带回波信号进行距离脉压、走动校正、多普勒中心补偿预处理，得到补偿后的信号；步骤3，将补偿后的信号乘以加速度补偿参考函数，得到加速度补偿后的信号；步骤4，对加速度补偿后的信号进行方位脉压处理，得到舰船目标粗聚焦sar图像i；步骤5，构造基于分块图像域与频域相结合的视觉注意机制，由舰船目标粗聚焦
sar图像i得到显著图s，并对显著图s采用均值二分法进行检测得到候选舰船目标；步骤6，在舰船目标粗聚焦sar图像i上根据候选舰船目标的位置提取每个舰船目标粗聚焦数据，对每个舰船目标的粗聚焦数据沿方位向进行ifft处理，分别得到距离时域-方位时域的信号s5，并对每个信号s5沿距离向进行fft处理，得到s6；对s6采用方位时间变量进行处理变换，得到信号s
7_walk
；步骤7，将信号s
7_walk
乘以解耦函数得到解耦后的信号s8；对信号s8沿距离向作ifft处理，得到两维时域图像s9；对s9中的每个距离单元提取对应的目标方位向信号s
10
；步骤8，对每个距离单元对应的目标方位向信号s
10
进行pga补偿后得到信号为s
11
；步骤9，对每个距离单元对应的信号s
11
采用dechirp-clean方法进行处理，得到所有方位向的处理数据，从而得到机动平台对海面舰船目标精细化图像。
6.进一步的，所述步骤2包括如下子步骤：步骤21，对基带回波信号s0进行距离向的傅里叶变换，得到信号s1；步骤22，将s1与距离脉压函数h
1 (fr)相乘，得到距离脉压补偿后的信号s2；所述的距离脉压参考函数h
1 (fr)为：其中，fr为距离频域， kr为距离向调频率，j为虚数单位；步骤23，将距离脉压补偿后的信号s2与走动校正及多普勒中心补偿函数h
2 (fr;tm)相乘，得到补偿后的信号s3；所述的走动校正及多普勒中心补偿函数为：其中，，fc表示雷达载频，h为平台高度；机动平台初始速度v=(v
x
, vy,vz)，v
x
=0；tm为方位时间；θ、rs分别为方位时间t
m =0时雷达的前斜角、景中心斜距；c为光速；j为虚数单位。
7.进一步的，所述步骤3中，所述的加速度补偿参考函数为：其中，，a为机动平台加速度，a=(a
x
, ay,az)；fc为雷达载频，fr为距离频域；h为平台高度；tm为方位时间；θ、rs分别为方位时间tm=0时雷达的前斜角、景中心斜距；c为光速；j为虚数单位。
8.进一步的，所述步骤4的具体操作为：对加速度补偿后的信号沿距离向进行逆傅里叶变换，方位向进行fft，得到舰船目
标粗聚焦sar图像i。
9.进一步的，所述步骤5具体包括如下子步骤：步骤51，根据sar图像i得到图像域显著图si，其在像素点(x, y)处的图像域显著值s
i (x, y)为：其中，为取范数操作，i (x, y)是舰船目标粗聚焦sar图像i中的像素点(x, y)处图像幅度值，i
μ
(x, y)为对应网格块像素幅度均值：其中，wb和hb分别是网格块的宽度和高度；步骤52，对舰船目标粗聚焦sar图像i进行傅里叶变换，得到频域显著图sf：其中，g为标准差为8的高斯滤波器；光谱残差；所述傅里叶变换为：所述傅里叶变换为：所述傅里叶变换为：其中，和分别表示傅里叶变换和傅里叶逆变换，表示对复数取模，表示取复数相位，a表示振幅，p表示相位；其中，hn( f )是一个n*n的矩阵：；步骤53，由图像域显著图si与频域显著图sf结合得到显著图s：s=k * s
i (1-k) sf其中，k为加权系数，；s为显著图，si为图像域显著图，sf为频域显著图；步骤54，采用均值二分法对显著图s进行检测，得到候选舰船目标。
10.进一步的，所述步骤54具体包括如下步骤：步骤541，设定迭代总次数为l，令迭代次数为0，初始化分割阈值；步骤542，采用当前分割阈值对当前检测区域显著图s进行分割，得到当前舰船目标像素和背景杂波像素；步骤543，迭代次数加1，判断当前迭代次数是否大于l，若是，则结束迭代，步骤542中的分割阈值即为检测阈值，将超过检测阈值的认为是舰船目标像素；否则，转入步骤544；
步骤544，更新当前背景杂波的所有像素值为分割阈值，计算更新后图像的所有像素值的平均值，将其作为当前分割阈值；返回步骤542。
11.进一步的，所述步骤542的具体操作如下：根据显著图s得到目标像素集合u和背景杂波像素集合n：根据显著图s得到目标像素集合u和背景杂波像素集合n：根据显著图s得到目标像素集合u和背景杂波像素集合n：其中，u
i (x, y)为目标像素集合中的第i个像素，n
i (x, y)为背景像素集合中的第i个像素，m、n分别为集合u与n的元素个数，为图像像素均值，其作为分隔阈值；s(x,y)指显著图s中像素(x, y)处的显著值：。
12.进一步的，所述步骤6中，所述方位时间变量为：其中，fr表示距离频域；fc是雷达载频；tm为方位时间。
13.进一步的，所述步骤7中，所述的解耦函数为：其中，m为耦合因子；j为虚数单位；prf为脉冲重复频率；ta为方位时间变量；fr为距离频域；fc是雷达载频。
14.进一步的，所述步骤9具体包括如下步骤：步骤91，将s
11
作为当前处理信号，执行步骤92；步骤92：对于一定调频率范围内的所有调频率ka，对第i个调频率k
ai
构造补偿函数；其中，j为虚数单位，k
ai
为第i个线性调频信号的调频率，ta为方位时间变量；步骤93：将每个调频率的补偿函数h
dc
(ta)与当前处理信号相乘，并进行方位fft处理，得到每个调频率对应的处理信号，取其中值最大的处理信号作为当前的s
12
；步骤94：构造窄带带阻滤波器，滤除当前的s
12
中的尖峰，并且将该尖峰存储在最终精聚焦图像i2上，同时得到滤除尖峰后的剩余信号；步骤95：对剩余信号进行方位ifft处理，并乘以补偿函数，得到处理后的剩余信号，完成了第i个分量的处理；
步骤96：将处理后的剩余信号作为当前处理信号，返回执行步骤93~步骤95，直到完成所有分量的处理，得到了所有的尖峰。
15.相较于现有技术，本发明带来的有益效果如下：本发明的方法得到了两维高分辨的舰船目标图像。通过加速度补偿，消除了平台机动特性对成像质量的影响。基于分块图像域与频域相结合的混合视觉注意机制，提高了舰船目标检测的性能。通过残留空变距离走动校正和耦合因子估计，校正了目标运动引入的额外距离徙动，最后结合dechirp-clean处理完成了舰船目标的精细化成像。
附图说明
16.图1为本发明的机动平台对海面船只目标成像的几何模型；图2为舰船sar粗聚焦图像；图3为舰船检测结果图像；图4为目标1 sar粗聚焦图像；图5为目标1 isar精聚焦图像。
17.以下结合附图和具体实施方式对本发明进一步解释说明。
具体实施方式
18.本发明的机动平台对海面船只精细化雷达成像方法的具体设计如下：（1）机动平台对海面舰船目标粗聚焦现有机载对海面舰船成像方法只考虑载机平稳直线飞行的情况，未考虑平台机动性对成像的影响，难以满足机动平台对海面舰船目标高分辨成像任务需求。机动sar平台有三维的初速度和三维加速度，飞行轨迹为曲线，机动平台对海面舰船目标成像几何模型如图1所示。
19.假设在回波录取时间内，雷达p从点a经过点b运动到点c，建立平台坐标系oxyz，机动sar平台初始速度v=( v
x
, vy,vz)，其中v
x
=0，加速度a=(a
x
, ay,az)。方位时间t
m =0时，雷达的坐标为(0,0,h)，前斜角为θ，景中心斜距为rs，波束中心线与观测平面xoy相交于点。点q为方位零时刻舰船目标的中心，相对于点s的坐标为(xq, yq,0)，舰船目标以速度v
t =( v
tx
, v
ty
,0)航行。以点q为原点，建立舰船坐标系，点d为舰船目标上的任意一点，相对于点q的坐标为(x0, y0,0)。在高级海情下，舰船目标除了自身的运动外，还会受到海浪的影响，存在三维摇摆。假设舰船目标分别绕、和轴的摇摆角度为θ
p
、θr和θy，具体表达式如下式：
（1-1）其中，表示双倍摇幅，表示转动周期，表示转动初始相位。
20.对于任意的方位时间tm，雷达p(x
p
, y
p
, z
p
)在平台坐标系oxyz的坐标可表示为：（1-2）点q(xq, yq, zq)的坐标可表示为：（1-3）点d(x,y,z)的坐标可表示为：（1-4）其中，h
rpy
为旋转矩阵，表达式为：（1-5）根据几何关系，可得雷达p与点d的瞬时斜距：（1-6）由于舰船目标属于非合作运动目标，无法直接获取其运动参数，导致难以准确分析r
pd
。另一方面，由于平台具有高速高机动的特性，平台速度远大于目标的运动速度，所以影响瞬时斜距变化的主要因素是机动平台。为了完成对舰船目标的聚焦，可以先利用sar对静止区域成像的相关参数完成sar粗聚焦。
21.对于成像场景中与点s相距yn的静止目标点
，可得雷达p与点的瞬时斜距：(1-7)由上式可以看出，瞬时斜距r(t
m ; yn)与方位位置yn和方位时间tm有关，把瞬时斜距在t
m =0处进行四阶泰勒展开，可得：(1-8)其中的泰勒系数：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1-9)将上式在yn处进行泰勒展开到一阶，得到kn(yn)关于yn的无关项和线性相关项：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1-10)其中的泰勒系数：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1-11)将瞬时斜距r(t
m ; yn)代入sar的二维信号模型中可得解调后的基带回波信号s0(tr, t
m ; yn)的表达式：(1-12)其中，tr为快时间，c为光速，是距离窗函数，是方位窗函数，fc为雷达载频，kr为距离向调频率。
22.对上式进行距离向的傅里叶变换（fft），可得到信号s1(fr, t
m ; yn)的表达式：
(1-13)其中，w
r (fr)是距离窗函数的频域形式，fr表示距离频域；构造距离脉压参考函数：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1-14)将s1(fr, t
m ; yn)与距离脉压函数h
1 (fr)相乘后，即可消除距离频域调制项，得到距离脉压后的信号s2(fr, t
m ; yn)解析式：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1-15)由于机动平台在执行任务中处于大前斜成像模式，距离向和方位向存在严重耦合，导致信号在二维频域近似表现为平行四边形（而不是矩形），具有斜拉特性，所以首先要进行距离方位的解耦，使得频谱恢复为近似矩形。同时大前斜成像会导致多普勒中心偏离零频，二维频谱有可能发生折叠导致方位频谱模糊造成鬼影目标。构造走动校正及多普勒中心补偿函数：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1-16)其中，；h为平台高度；fc表示雷达载频；fr表示距离频域；机动平台初始速度v=(v
x
, vy,vz)，v
x
=0；tm为方位时间；θ、rs分别为方位时间tm=0时雷达的前斜角、景中心斜距；c为光速；j为虚数单位。
23.将s2(fr, t
m ; yn)与h
2 (fr;tm)相乘后可得到距离走动和多普勒中心补偿后的信号s3(fr, t
m ; yn)解析式：(1-17)此时，二维频域中的信号近似变为矩形，同时把多普勒中心搬移到多普勒零频位置。
24.由于机动sar平台存在三维的加速度，在方位向产生了额外的调频率，对方位谱宽造成伸缩的影响，严重影响后续舰船目标的聚焦性能。而方位时间的二次项系数k
2 (yn)直接反映方位调频率，因此需要对k
2 (yn)中的加速度进行补偿。本发明取k
2 (yn)中与yn无关的零次项k
20
，将其中与加速度直接相关的项，构造加速度补偿参考函数：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1-18)其中，。
25.将s3(fr, t
m ; yn)与h
3 (fr;tm)相乘后可得到加速度补偿后的信号s4(fr, t
m ; yn)解析式：(1-19)加速度补偿后，平台的机动特性对舰船成像的影响得到有效的消除。将s4(fr, t
m ; yn)沿距离向进行逆傅里叶变换（ifft），方位向进行fft完成方位脉压处理，得到舰船目标粗聚焦sar图像i。
26.（2）基于混合视觉注意机制的舰船目标检测完成对舰船目标粗聚焦后，传统cfar舰船检测需要繁琐的划窗估计，造成了大量的冗余计算。同时，cfar检测容易使得杂波像素泄露进入目标窗，难以完整提取目标船只。此外，多尺度cfar检测方法使用的大尺度检测器在复杂杂波背景下会提供过多的候选目标，检测概率较低。考虑到舰船目标在海面背景的显著性，本发明构造基于分块图像域与频域相结合的视觉注意机制，采用该视觉注意机制对sar图像进行自适应舰船目标区域提取，得到检测区域显著图。
27.具体地，本发明采用的基于分块图像域的视觉注意机制为：根据sar图像i，得到图像域显著图si，其在像素点(x, y)处的图像域显著值s
i (x, y)为：（1-20）其中，为取范数操作，i (x, y)是像素点(x, y)处图像幅度值，i
μ
(x, y)为对应网格块像素幅度均值，由下式计算得到：（1-21）其中，wb和hb分别是网格块的宽度和高度（本实施例中为128*128）。
28.本发明采用的基于频域的视觉注意机制为：对sar图像i进行傅里叶变换：（1-22）（1-23）
（1-24）其中，和分别表示傅里叶变换和傅里叶逆变换，在表示对复数取模，表示取复数相位，a表示振幅，p表示相位。则光谱残差r( f )为：（1-25）其中，hn( f )是一个n*n的矩阵；示例性地，本发明仿真实验n设置为3。
29.（1-26）则频域显著图sf为：（1-27）其中，g为标准差为8的高斯滤波器。
30.最终的显著图s由图像域显著图si与频域显著图sf相结合得到：s=k * s
i (1-k) sf（1-28）其中，k为加权系数，。k取值越接近1，图像域显著性权值越大，图像细节越清晰。反之，显著性图越接近频域结果，显示的目标整体特性越强。将图像域与频域显著性方法进行结合后，检测到的目标更加完整，并且在运行速度上有所提升。
31.在此基础上，使用均值二分法对检测区域显著图s进行检测，得到候选舰船目标，即舰船目标检测结果。
32.具体来说，基于显著性的检测方法，通常依赖于一个预先定义的阈值，完成从显著图映射到二值检测结果的转换，该阈值的非鲁棒性会限制模型在不同场景中的应用，亟需设计一种不受人工干预的自动检测方法。
33.本发明采用均值二分法完成基于显著图s的目标检测，以迭代的方式得到检测阈值。
34.step 1，设定迭代总次数为l，令迭代次数为0，初始化分割阈值；step 2，采用当前分割阈值对当前检测区域显著图s进行分割，得到当前舰船目标像素和背景杂波像素；step 3，迭代次数加1，判断当前迭代次数是否大于l，若是，则结束迭代，step 2中的分割阈值即为检测阈值，将超过检测阈值的认为是舰船目标像素；否则，转入step 4；step 4，更新当前背景杂波的所有像素值为分割阈值，计算更新后图像的所有像素值的平均值，将其作为当前分割阈值；返回step 2；上述技术方案中，在每次迭代中以区域均值（即步骤4的输出结果）作为分割阈值，将图像分为舰船目标像素和背景杂波像素。下一次迭代中将背景杂波像素赋值为上一轮中的分割阈值，以此方式自适应的逼近舰船目标真实阈值。
35.假设输入显著图s，可得到目标像素集合u和背景杂波像素集合n：
（1-29）（1-30）（1-31）其中，u
i (x, y)为目标像素集合中的第i个像素，n
i (x, y)为背景像素集合中的第i个像素，m、n分别为集合u与n的元素个数，为图像像素均值，其作为分隔阈值。s(x,y)指显著图s中像素(x, y)处的显著值；具体的，step 2依据下式进行分割：（1-32）通过迭代的方式逼近图像中高亮度目标，从迭代规则可以看出，随着迭代次数的增加，检测阈值的更新幅度逐渐降低，可以有效提高检测概率。在实际应用中一般将迭代次数设置为15，最终迭代得到的均值作为检测阈值，从而在粗聚焦sar图像上完成舰船目标的检测，得到各个舰船目标的位置。
36.（3）机动平台对海面舰船目标精聚焦在粗聚焦sar图像i上根据候选舰船目标的位置，分别提取单个舰船目标的数据，然后依次进行isar精聚焦。假设提取出来第i个舰船对应的粗聚焦数据为ii，沿方位向进行ifft，得到距离时域-方位时域的信号s5(tr, tm)。由于在粗聚焦过程中，构造补偿函数时使用的是静止区域对应的成像参数，并没有考虑舰船目标的运动，所以未能实现舰船目标的精确聚焦，反映在包络上是存在由于目标运动引起的残留距离徙动，主要表现为残留距离走动，并且对于舰船目标上不同位置的散射点具有不同的走动量，即残留距离走动量空变，所以难以对其统一补偿。将s5(tr, tm)沿距离向进行fft，得到s6(fr, tm)，其中残留距离走动量可以表示为s
6_walk
(fr, tm)：（1-33）其中，frtm的耦合项反映了残留距离走动，fd为目标的多普勒频率。由于目标的运动特性，会导致多普勒发生偏移，当系统prf较低时，容易出现多普勒模糊现象，这时目标多普勒可以表示为：（1-34）其中，f
d0
为不发生模糊的多普勒频率，m为耦合因子，prf为脉冲重复频率。将上式代入s
6_walk
(fr, tm) 得到：
（1-35）其中，最后一个指数项相位为2π的整数倍，因此可以将其省去，即：（1-36）针对残留空变距离走动，本发明构造新的方位时间变量ta：（1-37）将其代入s
6_walk
(fr, tm)得到s
7_walk
(fr, ta)：（1-38）当发生多普勒模糊时，上述变换会引入额外的frta项，造成额外的距离方位耦合。根据最小熵准则估计耦合因子m，构造解耦函数，将s
7_walk
(fr, ta)与h4( fr, t
a )相乘后，得到解耦后的信号s
8 (fr, ta)：（1-39）对信号s
8 (fr, ta)沿距离向作ifft处理，即得到两维时域图像s
9 (tr, ta)。可以发现，经过正确估计耦合因子m后，trta耦合项得到了有效的消除，残留空变距离走动得到了有效的校正，目标包络被拉直。此时，舰船目标方位向信号s
10 (ta)可近似表示为：（1-40）其中，表示统一的高阶项，可采用传统pga技术完成补偿。表示空变的二次项，本发明采用dechirp-clean技术完成空变二次相位补偿。
37.对每个距离单元对应的目标方位向信号s
10 (ta)进行pga补偿后得到信号为s
11 (ta)，可表示为多个线性调频（lfm）信号相加：（1-41）
其中，num表示该距离单元目标散射点的个数，k
ai
表示第i个lfm信号的调频率，f
0i
表示第i个lfm信号的中心频率。
38.对每个距离单元对应的信号s
11 (ta)采用dechirp-clean方法进行处理，步骤如下：step 1：将s
11
(ta)作为当前处理信号，执行step2；step2：对于一定调频率范围内的所有调频率ka，对第i个调频率k
ai
构造补偿函数；其中，j为虚数单位，k
ai
为第i个线性调频（lfm）信号的调频率，ta为方位时间变量；本实施例中，调频率范围为[-20,20]，以步长为1提取调频率，得到41个调频率的值。
[0039]
step 3：将每个调频率对应的补偿函数h
dc
(ta)与当前处理信号相乘，并进行方位fft处理，得到每个调频率对应的处理信号，取其中最大的处理信号作为当前的s
12 (fa)。此时，当前的s
12 (fa)对应的调频率所在的lfm信号的二次相位得到补偿，会形成尖峰，而其他lfm分量由于仍然存在对应二次项的影响，未能有效形成尖峰；step 4：构造窄带带阻滤波器，滤除当前的s
12 (fa)中的尖峰，并且将该尖峰存储在最终精聚焦图像i2上，同时得到滤除尖峰后的剩余信号；step 5：对剩余信号进行方位ifft处理，并且乘以补偿函数，得到处理后的剩余信号，完成了第i个分量的处理；step 6：将处理后的剩余信号作为当前处理信号，返回执行step 3-5，直到完成所有分量的处理，得到了所有的尖峰。
[0040]
经过dechirp-clean处理后，实现了机动平台对海面舰船目标精聚焦，得到舰船目标精细化图像i2。
[0041]
经过上述研究设计，本发明的技术方案具体分为以下步骤：步骤1，构建机动平台对海面舰船目标成像的几何模型，对所录取的目标回波数据经过解调后得到基带回波信号。
[0042]
步骤2，对基带回波信号进行距离脉压、走动校正、多普勒中心补偿预处理。
[0043]
步骤3，对预处理后的信号进行加速度补偿，消除平台机动特性对成像的影响。
[0044]
步骤4，对加速度补偿后的信号进行方位脉压处理，得到舰船目标粗聚焦sar图像i。
[0045]
步骤5，构造基于分块图像域与频域相结合的视觉注意机制，得到显著图s，对显著图s采用均值二分法完成舰船目标检测。
[0046]
步骤6，提取单个舰船目标数据，进行残留空变距离走动校正。
[0047]
步骤7，根据最小熵准则估计耦合因子，完成距离方位解耦，目标包络得到拉直。
[0048]
步骤8，通过pga技术完成方位高阶项统一补偿。
[0049]
步骤9，通过dechirp-clean处理完成方位向的压缩聚焦，最终得到机动平台对海面舰船目标精细化图像。
[0050]
为了证明本发明的方法的可行性和有效性，本发明进行了机动平台对海面舰船目
标精细化成像仿真实验，成像场景内布置3个运动舰船目标。应用本发明所提方法，sar粗聚焦结果如图2所示。对粗聚焦图像进行舰船检测，检测结果如图3所示，场景内所有舰船目标均得到有效检测。以目标1为例，图4为目标1粗聚焦结果图像，对其进行isar精聚焦，最终结果如图5所示，舰船目标轮廓分明，完成了机动平台对海面舰船目标的精细化成像。仿真数据处理结果验证了本发明的有效性。