一种VideoSAR电磁散射关键帧提取方法

技术领域

本发明属于雷达智能探测技术，具体涉及一种VideoSAR电磁散射关键帧提取方法。

背景技术

随着合成孔径雷达(SAR)系统的硬件突破与信号处理速度的大幅度提升，感兴趣区域探测方法正从传统静态影像向动态视频侦察过渡，视频合成孔径雷达(VideoSAR)作为目前SAR成像方法的自然拓展，预期能够逐步成为空天平台成像与探测的重要模式。鉴之高帧率与高分辨成像特点，VideoSAR系统能够借助成像通道与孔径流形所得模式对动态感兴趣区域进行持续照射与数据积累，并获取几十帧乃至百千帧地物影像序列，连续播放时可媲美于光学视频的动态显示效果，进而多方位精细地刻画出地表及附着物的变化动态。VideoSAR侦察主要依据目标视频成像特性与视觉信息，从而进行有效的内容检索、查询与跟踪。面对此类情况，以往雷达操作员需要浏览海量VideoSAR观测数据，人工筛选视频某一/部分帧的重点关注内容，进而查找地面待跟踪目标。类似光学监控以人工筛选海量视频数据存在多种弊端，例如耗时费力，长时间反复浏览易产生视觉疲劳，高帧率模式关键信息的转瞬即逝易导致搜索、检测效率较低和目标漏检等。不论是高帧频亦或非高帧频方式，VideoSAR观测数据的冗余帧信息给侦查与探测任务带来了极大困扰，视频区域的整体动态信息的快速浏览与摘要亟待解决。

VideoSAR视频摘要采用关键帧或片段提取方法，用于将超长相位历史数据高度压缩为若干静态帧或精炼视频，从而提供一种高效存储、检索与管理VideoSAR海量数据的形式。在遥感界各类应用实例中，如视频实时监控、交互式浏览、上下文语义理解、感兴趣目标搜索系统、视频分类与审核等，视频摘要与关键帧综合都能够发挥巨大潜力。随着科技的日新月异，正值4G向5G时代过渡的黄金时期，极高传输速率与雷达视频摘要方法有望相互交融与渗透，预期显著提高海量VideoSAR观测数据的综合理解与分析能力。类似于光学或红外监控视频的关键帧提取与摘要方法，具有代表性的散射关键帧信息一旦采用了结构化形式，即可最大限度进行VideoSAR浓缩与系统存储空间缩减，促进其浏览的便捷性。同时，该方法仍可回溯到原始帧序列进行标记与描述，并显著缩减了相关部门采取应急响应的时间，从而使得雷达操作员无需专门训练便可快速浏览、筛选、解译VideoSAR海量数据。

发明内容

本发明提出了一种VideoSAR电磁散射关键帧提取方法，能够自动捕捉散射消失-瞬态持续-消失-瞬态持续-消失的关键帧变化全过程，用于提取VideoSAR散射关键帧信息并用于视频摘要，为区域散射状态与关键帧指示提供了一种机器视觉类的解决途径，且适用于任何子孔径能量梯度-低秩与稀疏分解相结合的方法，具备显著的通用性和普适性。

实现本发明的技术解决方案为：一种VideoSAR电磁散射关键帧提取方法，包括以下步骤：

步骤1、通过VideoSAR雷达系统获取回波数据，转入步骤2。

步骤2、对回波数据进行成像处理，得到视频图像序列，同时转入步骤3、步骤4和步骤6。

步骤3、对视频图像序列中的四个关键帧位置参数进行初始化，转入步骤8。

步骤4、对视频图像序列中的每个子帧分别进行能量计算，得到子帧能量序列，转入步骤5。

步骤5、对子帧能量序列进行子孔径能量梯度提取，得到子孔径能量梯度集合，转入步骤8。

步骤6、对视频图像序列的每个子帧分别进行低秩与稀疏分解的变化散射特征提取，得到散射特征序列，转入步骤7。

步骤7、对散射特征序列进行散射特征梯度计算，得到散射特征梯度集合，转入步骤8。

步骤8、将子帧能量序列、子孔径能量梯度集合、散射特征序列、散射特征梯度集合进行融合，得到四个散射关键帧的状态参数与一个电磁散射响应幅度。

本发明与现有技术相比，其显著优点在于：

(1)本发明为全数据可适用的散射关键帧提取方法，可用于处理任何通道、航迹、波段VideoSAR系统配置，包括但不限于单通道单航迹单波段、多通道多航迹多波段、以及通道航迹波段的排列组合。

(2)本发明提出了子帧能量序列、子孔径能量梯度集合、散射特征序列、散射特征梯度集合的新型融合方法进行关键帧提取，以子孔径数据相关性和机器视觉方法完善了VideoSAR散射关键帧提取方法。因此，弥补了子孔径能量梯度(SEG)方法并不能总是准确判别散射持续间隔的劣势，以及低秩与稀疏分解(LRSD)方法由于散射目标类别的差异性，容易使其散射状态与响应幅度的判断错误甚至失效的缺陷。

(3)本发明所述SEG-LRSD方法同样为系列通用方法，适用于任何子孔径能量梯度系列方法-低秩与稀疏分解系列方法相结合的形式，均可采用本发明的新型融合方法，具备通用性和普适性。

附图说明

图1为本发明VideoSAR电磁散射关键帧提取方法的流程图。

图2为VideoSAR真实成像片段图。

图3为平均虚警率分析与对比结果图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面将结合附图对本发明的具体步骤进行详细、完整地描述，附图中的实施例仅是本发明在一个VideoSAR场景的应用，并不局限于单一VideoSAR场景，仍可应用于其它VideoSAR场景。

结合图1，本发明阐述了一种VideoSAR电磁散射关键帧提取方法,实施步骤如下：

步骤1、通过VideoSAR雷达系统获取回波数据，转入步骤2；

VideoSAR雷达系统搭载在飞行器上，雷达工作模式包括线迹聚束、线迹条带、360度圆迹聚束、360度圆迹环带VideoSAR、360度重轨圆迹环带中的至少一种。

步骤2、对回波数据进行成像处理，得到视频图像序列，同时转入步骤3、步骤4和步骤6；

对回波数据进行全孔径成像聚焦获取完整视场，以设定的帧间重叠率对完整视场内的多普勒频谱进行方位切分，从而获得若干组距离多普勒域的帧数据；分别对上述每组距离多普勒域的帧数据进行方位向快速傅里叶变换，生成坐标系稳定一致的视频图像序列。

步骤3、对视频图像序列中的四个关键帧位置参数进行初始化，转入步骤8；

视频图像序列中包含四个关键帧位置，表示为集合{ξ

步骤4、对视频图像序列中的每个子帧分别进行能量计算，得到子帧能量序列，转入步骤5；

对视频图像序列中的第k帧进行能量计算，第k帧图像域能量e(k)表示为：

e(k)＝tr(I

其中，tr(·)为矩阵的迹，I

遍历整个视频图像序列，得到子帧能量序列。

步骤5、对子帧能量序列进行子孔径能量梯度(SEG)提取，得到子孔径能量梯度集合，转入步骤8；

子帧能量序列中第k帧图像域能量用于描述完整视场的散射关键帧的大致变化趋势和强度，获得相邻两帧间隔内的子孔径能量梯度g

G

步骤6、对视频图像序列的每个子帧分别进行低秩与稀疏分解(LRSD)的变化散射特征提取，得到散射特征序列，转入步骤7；

LRSD矩阵分解理论将视频图像序列分解为低秩背景矩阵L、稀疏散射分量S和多时相扰动矩阵E。

S＝I-L-E

稀疏散射分量S即为散射特征序列。

针对VideoSAR实测数据，LRSD分解可进行秩优化并转化为拉格朗日形式：

式中，ε和γ为设定的加权系数，Π代表了置信图，minimize为最小化运算，Rank(·)表示矩阵秩的求解，||·||

式中，||·||

对此，采用增广拉格朗日乘子法(ALM)求取最优解，相应的增广拉格朗日函数

式中，P为拉格朗日乘子矩阵，μ为设定的正标量，内积

因此，上述函数的最小化能够被用于求解约束优化问题，并通过迭代最小化

P

其中，argmin为使得函数取最小值时的变量值，μ

步骤7、对散射特征序列进行散射特征梯度计算，得到散射特征梯度集合，转入步骤8；

计算相邻两帧间隔内的散射特征序列梯度g

G

其中，S(k)表示第k帧散射特征序列。

步骤8、将子帧能量序列、子孔径能量梯度集合、散射特征序列、散射特征梯度集合进行融合，得到四个散射关键帧的状态参数与一个电磁散射响应幅度。新型融合公式定义为：

式中，min为最小值，max为最大值，

电磁散射响应幅度ΔR

下面利用实测数据进行实验，来对本发明的效果做更深刻的说明。

为了验证本发明实现方法的可行性，以机载VideoSAR实测数据为例，其中雷达散射部分序列的视觉成像结果如图2所示。

性能分析指标方面采用散射关键帧与持续间隔的相对绝对误差(RAE)和平均散射特征虚警率(MPfa)，具体实施方式为：

散射关键帧的相对绝对误差RAE定义为关于散射关键帧位置估计的误差。

式中，FP

虚警率Pfa定义为处于散射持续期间的散射变化像素点提取误差。

式中，Pfa(k)表示第k帧虚警率。

最为关键的是，本发明提供的是一种SEG-LRSD通用方法，即一种系列性方法，适用于任何SEG-LRSD相结合方法，并均可通过所述新型融合方法进行联合提取，具备显著的普适性和通用性。为了提供处理结果的性能分析，本发明还提供了多种SEG-LRSD方法解决途径，并进行了性能比较，如表1所示。SEG-LRSD具体示例方法：SEG-3TD(子孔径能量梯度-3项分解)方法、SEG-TTD-PEADMM(子孔径能量梯度-基于近端交换的交替方向乘子法的三项分解)方法、SEG-Deep Semi NMF(子孔径能量梯度-深度半非负矩阵分解)方法、SEG-EALM(子孔径能量梯度-精确增广拉格朗日乘子法)方法、SEG-OR1MP(子孔径能量梯度-正交秩一矩阵追踪)方法、SEG-ROSL(子孔径能量梯度-鲁棒正交子空间学习)方法、SEG-STOC(子孔径能量梯度-基于随机优化的在线鲁棒主成分分析)方法。本发明仅以上述几种LRSD方法进行示例，其他任何LRSD方法也可适用，因此还可以衍生出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

表1 SEG-LRSD系列方法的相对绝对误差(RAE)

此外，关于散射持续间隔内伪特征点的占比情况，图3统计了SEG-LRSD系利方法的示例方法散落在真值区域之外的散射变化像素点的虚警率，体现了SEG-LRSD系利视觉提取器利用低秩与稀疏矩阵分解及其优化算法具备了不同程度的杂噪抑制能力。

以上所述仅是本发明的优选实施方式，应当指出，对于本方法领域的普通方法人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。