【摘要】：針對當前多基地雷達系統(tǒng)中傳統(tǒng)算法無法利用各自孤立的信息進行目標有效重建的現(xiàn)狀,提出了一種利用互信息(Mutual Information)進行目標干涉配準及融合的研究方法。首先,對干涉In ISAR回波模型及特點進行了分析。其次,提出了利用三維目標的二維投影進行仿射變換尋求最優(yōu)互信息匹配參數(shù),當兩幅圖像配準時,互信息達到最大。最后,將各個投影平面內(nèi)融合好的二維圖像重構(gòu)目標的三維空間分布。仿真結(jié)果明確表明,融合后的三維分布比單獨In ISAR系統(tǒng)可以更好的展現(xiàn)飛機原始模型的分布,目標更多的特征得以表現(xiàn)。與傳統(tǒng)方法進行對比,其成像圖像質(zhì)量有了明顯提升,驗證了算法的有效性。
【圖文】：

锏玫降丯SAR圖像為參考圖像(ReferenceImage)和浮動圖像(FloatImage)圖像，然后用來確定仿射變換矩陣(AffineTransformationMatrix)形式[12]。以兩幅圖像的互信息達到最大的原則進行其矩陣參數(shù)的搜索，在搜素到最優(yōu)參數(shù)的基礎(chǔ)上進行浮動圖像的放射變換，最終和參考圖像進行融合。本文中提出的算法獲得浮動圖像與同時刻的參考圖像相比，其方位分辨率和"視角"不同，因而從浮動圖像可以得到目標的另外一些信息。最后我們通過仿真結(jié)果驗證了本中的融合方法的有效性。。2InISAR信號模型InISAR雷達與目標的幾何模型，如圖1所示圖1多InISAR系統(tǒng)幾何模型Fig.1GeometricmodelofmultiInISARsystemInISAR系統(tǒng)1的坐標系為(x,y,z)，其中，天線O,1A和2A的位置分別為(0,0,0),(D,0,0)和(0,0,D)。天線O為發(fā)射/接收，1A和2A分別接收目標反射天線O的回波。InISAR系統(tǒng)2的坐標系為(x,y,z),其中天線O、1A和2A在(x,y,z)坐標系的坐標分別為(a,a,a),(aD,a,a)和(a,a,aD)，(x,y,z)坐標系原點在(x,y,z)中為(a,a,a)。InISAR系統(tǒng)與InISAR系統(tǒng)1工作模式類似，天線O為發(fā)射/接收，1A和2A分別接收目標反射天線O的回波。設(shè)目標上一坐標為(x,y,z)的散射點q位于雷達的同一側(cè)，設(shè)雷達發(fā)射線性調(diào)頻信號12exp22statjfttrcm(1)式中，cf為載頻，為調(diào)頻率t，c為光速，mt為慢時間，分別為mt時刻目標上的第k個散射點分別到雷達A和雷達B的距離，()rat為雷達線性調(diào)頻信號的窗函數(shù)和方位窗函數(shù)。kA為第k個點的散射強度，總共由k個散射點。O,1A和1A接收q的信號經(jīng)距離向匹配濾波后，11112(),sinc4exp()mqmmrcmRtsttftcfjRtc(2)

后歸一化的FI與RI的邊緣圖像概率分布和聯(lián)合圖像概率分布，即,(,)FRPfr,,(,)(,)(,)FRfrhfrpfrhfr(31),,()(,)FFRrpfpfr(32),,()(,)FFRfpfpfr(33)最優(yōu)仿射變換參數(shù)估計應由下式?jīng)Q定argmax()optimalI(34)這里用Powell進行搜索，其中的一維搜索用Brent法實現(xiàn)[14]。配準前兩幅ISAR圖像進行變標，之后用搜索到最優(yōu)仿射參數(shù)，對FI進行仿射變換，進行PV插值后得到其配準后的圖像，這樣可以與RI進行融合[15]。綜上所述，其配準融合流程，如圖2所示。圖2二維圖像配準流程Figure2twodimensionalimageregistrationprocess

【相似文獻】

相關(guān)期刊論文 前7條

1 劉斌,彭嘉雄;圖像配準的小波分解方法[J];計算機輔助設(shè)計與圖形學學報;2003年09期

2 上官晉太;郭慧;楊汝良;祁海明;;圖像配準的統(tǒng)計數(shù)值分析[J];測試技術(shù)學報;2007年06期

3 王衛(wèi)東,盧衛(wèi)國,包尚聯(lián),俎棟林,尤江生;圖像配準和融合及其在醫(yī)學影像中的應用[J];CT理論與應用研究;1997年02期

4 牛力丕;毛士藝;陳煒;;一種適應較大比例變化的多傳感器圖像配準方法[J];航空學報;2006年03期

5 馬文婷;楊健;高偉;周廣益;;面向極化SAR圖像配準的極化特征[J];清華大學學報(自然科學版);2014年02期

6 云日升,彭海良,王彥平;干涉合成孔徑雷達復圖像配準精度分析和方法[J];測試技術(shù)學報;2003年01期

7 李岳陽,王士同;基于結(jié)構(gòu)風險最小化的圖像配準之改進方法[J];江南大學學報;2004年03期

相關(guān)博士學位論文 前1條

1 趙偉;SAR圖像配準的穩(wěn)健核譜方法[D];西北工業(yè)大學;2016年

相關(guān)碩士學位論文 前10條

1 楊小麗;基于輪廓的SAR圖像配準方法研究[D];天津理工大學;2015年

2 曹成;基于多尺度分析的SAR圖像配準融合[D];南京航空航天大學;2014年

3 張迪;基于相關(guān)匹配的SAR圖像配準和目標識別[D];西安電子科技大學;2014年

4 王海明;基于稀疏結(jié)構(gòu)和SIFT特征的SAR圖像配準研究[D];西安電子科技大學;2014年

5 劉孝先;基于區(qū)域信息及改進綜合學習粒子群優(yōu)化的SAR圖像配準方法[D];西安電子科技大學;2014年

6 任現(xiàn)威;SAR圖像配準軟件系統(tǒng)設(shè)計[D];西安電子科技大學;2015年

7 賈小茹;差分進化算法的改進和基于邊緣點的SAR圖像配準方法[D];西安電子科技大學;2015年

8 唐光龍;運動平臺大視角SAR圖像配準與慢速編隊目標跟蹤研究[D];西安電子科技大學;2015年

9 丁明;基于相位一致性圖像配準下的SWT圖像融合[D];西安電子科技大學;2015年

10 王竹筠;SAR圖像配準技術(shù)及應用研究[D];沈陽航空航天大學;2016年

，

本文編號：2580622