專利名稱：一種基于廣義Hough變換的航天器分類識別方法
技術領域：
本發明屬于航天測量與控制領域，涉及ー種利用RCS序列的航天器分類識別方法。
背景技術：
目前我國現役雷達大多采用窄帶雷達體制，因此探索和研究在窄帶雷達體制下的空間目標識別問題具有重要的現實意義和廣泛的實用價值。目標RCS包含了豐富的目標信息，是窄帶雷達能夠獲取的目標雷達特性的主要數據，因此利用RCS測量數據的目標分類識別是空間目標雷達識別的ー個重要方面。由于雷達在不同觀測弧段對航天器的觀測角度不同，而RCS對姿態角的變化又比較敏感，使得每個航天器不同觀測弧段的RCS序列統計特征及其變換特征不穩定。常用RCS序列的統計量包括描述目標RCS序列的平均位置與特定位置的均值、極大值、極小值、中位數等位置特征參數和表示RCS序列在整個實數軸上分散程度的極差、標準差、標準均差、變異系數等散布特征參數。金勝、高梅國等人根據7個目標10個觀測弧段的雷達測量數據，采用最近鄰法，利用上述統計特征進行了識別，結果表明該方法只能對形體區別較大的航天器進行初歩分類識別，而且識別率低，大致為70%。在變換特征中，傳統的傅里葉變換是ー種全局變換，無法表達RCS序列的時頻局域性質，短時傅里葉變換雖然有所改進，但本質上講仍是ー種單一分辨率的信號分析方法，在對呈現非平穩信號特性RCS序列的應用上，仍然存在局限性，時頻分析方法相對于上述方法具有較大的優勢，但在實際應用中，對目標的識別性能并不好，基本處于理論探索階段，實際中主要用于對目標姿態穩定性的判決。

發明內容
為了克服現有技術的不足，本發明提供ー種基于廣義Hough變換的航天器分類識別方法，能夠實現自動目標識別，并提高識別率。本發明解決其技術問題所采用的技術方案包括以下步驟(I)針對某雷達觀測弧段的RCS序列，以時間為橫軸，RCS幅度為縱軸繪制ニ值圖像，得到RCS序列圖像。(2)計算RCS序列圖像的像素的緊湊度，進行初分類，如果該緊湊度與模板庫中某幅模板圖像的緊湊度差值的絕對值小于0. 05，則該模板圖像可以參與后續的匹配運算；如果模板庫中沒有一幅模板圖像的緊湊度滿足上述要求，則認為該目標無法識別，為未知目標。(3)使用鄰域平均法的均值濾波器對RCS序列圖像進行濾波，在濾波的同時提取RCS序列圖像的輪廓生成輪廓圖。對輪廓圖進行孔洞填充，并進行外輪廓特征提取，然后對外輪廓特征進行等間隔抽取，減小信息的冗余，獲得離散外輪廓圖。抽取的原則是不影響圖像特征的分辨識別，也就是要滿足圖像匹配運算的精度要求，控制在誤差容許的范圍內，由于使用的模板圖像大小為200X200像素，輪廓匹配容許誤差為10個像素，因此進行8倍等間隔抽取是可行的。最后使用廣義Hough變換對離散外輪廓圖對應的RCS序列圖像中與模板圖像最可能匹配的區域進行投票，票數最高的區域即為粗定位區域圖像。(4)利用數學形態學方法提取粗定位區域圖像的骨架特征，運用Hausdorff距離將粗定位區域圖像的骨架特征與模板圖像的骨架特征進行細匹配，如果得到的Hausdorff距離小于20個像素，則認為兩者相匹配，粗定位區域圖像即為匹配區域圖像，否則認為匹配失敗，待識別目標為未知目標。(5)分別畫出匹配區域圖像與模板圖像的像素緊湊程度分布圖。計算兩像素緊湊程度分布圖之間的Hausdorff距離，如果Hausdorff距離小于20個像素，則認為匹配區域 圖像與模板圖像的像素緊湊程度分布大致相同，通過上述步驟得到的識別結果準確，待識別目標即為模板圖像所代表的目標，否則認為待識別目標為未知目標。本發明的有益效果是由于雷達測得的RCS序列對姿態角的變化比較敏感，使得航天器在不同觀測弧段的RCS序列統計特征及其變換特征不穩定，致使利用RCS序列的統計特征及變換特征識別空間目標的效果不理想。而某些特殊工作平臺的航天器，由于衛星特征部件(如航天器上的拋物面天線)或衛星工作方式(如氣象衛星)的影響，不同弧段的RCS序列有相似特征出現，且與其他工作平臺航天器的RCS明顯不同，因此利用這些特征可以完成對目標的識別。本發明提出將每個觀測弧段的RCS序列視為ニ值圖像，提取其中的邊緣、骨架和緊湊度特征，運用廣義Hough變換將模板圖像與待識別的RCS序列圖像進行粗定位，然后使用一種基于Hausdorff距離的圖像匹配方法進行RCS序列圖像的細匹配，實現自動目標識別的方法。


圖I是本發明的方法流程圖；圖2是ー個觀測弧段的空間目標RCS序列；圖3是待匹配目標的輪廓特征8倍抽取圖；圖4是模板輪廓特征8倍抽取圖，其中圖4(a)、圖4(b)、圖4(c)分別是A類航天器模板、B類航天器模板、C類航天器模板；圖5是對待匹配圖像進行廣義Hough變換的投票結果圖；圖6是待匹配圖像的骨架特征圖；圖7是航天器模板圖像的骨架圖，其中圖7 (a)、圖7 (b)、圖7 (c)分別是A類航天器模板、B類航天器模板、C類航天器模板；圖8是航天器模板的緊湊程度分布圖，其中圖8 (a)、圖8 (b)、圖8 (c)分別是A類航天器模板、B類航天器模板、C類航天器模板；圖9是待識別目標RCS序列圖像與模板圖像相匹配部分的緊湊程度分布圖。具體實施方法下面以具體實例說明，以某雷達探測圈次接收的RCS序列為例，對其所屬航天器進行分類識別，包括以下步驟I.將RCS序列轉換成RCS序列圖像提取某圈次的RCS序列，以時間為橫軸，RCS幅度為縱軸繪制ニ值圖像，得到的ニ值圖像如圖2所示。
2.基于像素緊湊度的初分類計算待匹配圖像的緊湊度，緊湊度的計算公式為J = AJA-(I)式⑴中，Aarea是該目標物體的面積，Amee表示目標最小外接矩形的面積。根據公式⑴得到待匹配圖像的緊湊度為0.2119，而模板庫中A、B、C、D類目標RCS序列圖像的緊湊度如表I所示，由于待匹配圖像與A、B、C三類目標RCS序列圖像的緊湊度差的絕對值小于0. 05，因此選定A類、B類、C類三類模板圖像參與后續的匹配，D類模板相差較遠，可以排除。表I四類空間目標RCS序列緊湊程度結果
權利要求
1.ー種基于廣義Hough變換的航天器分類識別方法，其特征在于包括下述步驟 (1)針對某雷達觀測弧段的RCS序列，以時間為橫軸，RCS幅度為縱軸繪制ニ值圖像，得到RCS序列圖像； (2)計算RCS序列圖像的像素的緊湊度，進行初分類，如果該緊湊度與模板庫中某幅模板圖像的緊湊度差值的絕對值小于0. 05，則該模板圖像可以參與后續的匹配運算；如果模板庫中沒有一幅模板圖像的緊湊度滿足上述要求，則認為該目標無法識別，為未知目標； (3)使用鄰域平均法的均值濾波器對RCS序列圖像進行濾波，在濾波的同時提取RCS序列圖像的輪廓生成輪廓圖；對輪廓圖進行孔洞填充，并進行外輪廓特征提取，然后對外輪廓特征進行等間隔抽取，最后使用廣義Hough變換對離散外輪廓圖對應的RCS序列圖像中與模板圖像最可能匹配的區域進行投票，票數最高的區域即為粗定位區域圖像； (4)利用數學形態學方法提取粗定位區域圖像的骨架特征，運用Hausdorff距離將粗定位區域圖像的骨架特征與模板圖像的骨架特征進行細匹配，如果得到的Hausdorff距離小于20個像素，則認為兩者相匹配，粗定位區域圖像即為匹配區域圖像，否則認為匹配失敗，待識別目標為未知目標； (5)分別畫出匹配區域圖像與模板圖像的像素緊湊程度分布圖，計算兩像素緊湊程度分布圖之間的Hausdorff距離，如果Hausdorff距離小于20個像素,貝U認為匹配區域圖像與模板圖像的像素緊湊程度分布大致相同，通過上述步驟得到的識別結果準確，待識別目標即為模板圖像所代表的目標，否則認為待識別目標為未知目標。
2.根據權利要求I所述的基于廣義Hough變換的航天器分類識別方法，其特征在于所述的等間隔抽取為8倍等間隔抽取。
全文摘要
本發明公開了一種基于廣義Hough變換的航天器分類識別方法，針對某雷達觀測弧段的RCS序列繪制RCS序列圖像，計算RCS序列圖像的像素的緊湊度，進行初分類，對RCS序列圖像進行濾波并生成輪廓圖，使用廣義Hough變換確定粗定位區域圖像；提取粗定位區域圖像的骨架特征，與模板圖像的骨架特征進行細匹配；最終進行基于像素緊湊程度的匹配驗證。本發明能夠實現自動目標識別，并提高識別率。
文檔編號G06K9/62GK102663437SQ20121013478
公開日2012年9月12日 申請日期2012年5月3日 優先權日2012年5月3日
發明者寇鵬, 牛威, 蘇威 申請人:中國西安衛星測控中心