本發(fā)明屬于雷達(dá)信號處理技術(shù)領(lǐng)域，尤其涉及一種雷達(dá)回波數(shù)據(jù)的目標(biāo)點跡凝聚方法，用于雷達(dá)回波數(shù)據(jù)的預(yù)處理和目標(biāo)參數(shù)提取。

背景技術(shù)：

隨著雷達(dá)技術(shù)的發(fā)展，人們要求雷達(dá)具有更多的功能和作用。傳統(tǒng)意義上的雷達(dá)主要用于測量目標(biāo)的距離、方位、俯仰等基本信息，現(xiàn)代雷達(dá)要求在更為復(fù)雜的環(huán)境(干擾與雜波)下實現(xiàn)對目標(biāo)的檢測、點跡錄取和目標(biāo)跟蹤。

現(xiàn)代雷達(dá)技術(shù)向著智能化、小型化、信息化和精密化方向發(fā)展。人們要求雷達(dá)能夠獲取更為精確的目標(biāo)信息，并且實現(xiàn)更為穩(wěn)定的目標(biāo)跟蹤。點跡凝聚技術(shù)就是通過對雷達(dá)回波數(shù)據(jù)進行處理實現(xiàn)目標(biāo)參數(shù)估計和點跡錄取的過程，雷達(dá)數(shù)據(jù)處理系統(tǒng)對錄取的點跡進行航跡處理實現(xiàn)目標(biāo)的跟蹤顯示。國內(nèi)對雷達(dá)數(shù)據(jù)處理技術(shù)的研究相比國外起步較晚，點跡凝聚處理技術(shù)的研究主要針對mtd體制的雷達(dá)系統(tǒng)。現(xiàn)階段點跡凝聚主要采用的方法有基于滑窗法的點跡凝聚、基于圖像處理的點跡凝聚等。

點跡凝聚現(xiàn)階段主要存在的問題是復(fù)雜環(huán)境下如何對目標(biāo)點跡的準(zhǔn)確判別，以及如何改進不同雷達(dá)體制下點跡凝聚處理的方法?；诨胺ǖ狞c跡凝聚方法是較為常用的一種點跡凝聚方法，主要存在的問題是目標(biāo)終了門限值較大時會出現(xiàn)目標(biāo)點跡的分裂，目標(biāo)在方位上的分裂常常通過降低門限值的方法進行解決，而門限值選取又不能過低，過低的門限值造成虛假點跡過多，影響點跡質(zhì)量。經(jīng)典的基于圖像處理的方法是采用圖像輪廓查找求取質(zhì)心的方法實現(xiàn)點跡凝聚，無法改善點跡在距離上和方位上的分裂問題。

技術(shù)實現(xiàn)要素：

針對上述現(xiàn)有技術(shù)的缺點，本發(fā)明的目的在于提供一種雷達(dá)回波數(shù)據(jù)的目標(biāo)點跡凝聚方法，不僅采用滑窗法中的二值滑窗檢測，同時采用了數(shù)學(xué)中的形態(tài)濾波算法對連通域進行膨脹腐蝕操作，通過選取合適的結(jié)構(gòu)元素不僅可以改善滑窗法出現(xiàn)的目標(biāo)點跡在方位上的分裂現(xiàn)象，同時可以實現(xiàn)改善目標(biāo)點跡在距離上的分裂現(xiàn)象。

為達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案予以實現(xiàn)。

一種雷達(dá)回波數(shù)據(jù)的目標(biāo)點跡凝聚方法，所述方法包括如下步驟：

步驟1，獲取雷達(dá)經(jīng)過脈沖壓縮處理的多個掃描周期的原始回波數(shù)據(jù)，所述原始回波數(shù)據(jù)為包含距離維和方位維的二維數(shù)據(jù)，且所述多個掃描周期的原始回波數(shù)據(jù)沿方位維依次排列；

步驟2，對所述原始回波數(shù)據(jù)依次進行包絡(luò)檢波和非相參積累，得到脈沖積累后的回波數(shù)據(jù)；

步驟3，對所述脈沖積累后的回波數(shù)據(jù)進行恒虛警檢測，得到恒虛警檢測后的回波數(shù)據(jù)，進而對所述恒虛警檢測后的回波數(shù)據(jù)依次進行二值量化處理以及沿方位維的二值滑窗檢測，得到二值滑窗檢測后的回波數(shù)據(jù)。

步驟4，將所述二值滑窗檢測后的回波數(shù)據(jù)轉(zhuǎn)化為對應(yīng)的二值圖像數(shù)據(jù)，且二值圖像的長度對應(yīng)所述二值滑窗檢測后的回波數(shù)據(jù)的距離單元，二值圖像的寬度對應(yīng)所述二值滑窗檢測后的回波數(shù)據(jù)的脈沖數(shù)，對所述二值圖像數(shù)據(jù)進行先膨脹后腐蝕的操作，從而得到所述二值圖像數(shù)據(jù)中的所有連通域；

步驟5，在所述所有連通域中，濾除第一連通域和第二連通域，所述第一連通域為只包含一個孤立點跡的連通域，所述第二連通域為在距離維上擴展超過門限值的點跡組成的連通域，從而得到包含目標(biāo)點跡的剩余連通域；根據(jù)所述包含目標(biāo)點跡的剩余連通域得到目標(biāo)信息，實現(xiàn)對目標(biāo)點跡的凝聚。

本發(fā)明技術(shù)方案的特點和進一步的改進為：

(1)在所述步驟1之后，且所述步驟2之前，所述方法還包括：對所述原始回波數(shù)據(jù)進行二次對消，抑制原始回波數(shù)據(jù)中的雜波。

(2)所述步驟2具體為：

對所述原始回波數(shù)據(jù)進行包絡(luò)檢波，從而得到原始回波數(shù)據(jù)在對應(yīng)距離-方位單元的幅度信息；所述距離單元為所述原始回波數(shù)據(jù)在距離維上的采樣點，所述方位單元為所述原始回波數(shù)據(jù)在方位維上的采樣點。

對包絡(luò)檢波后的回波數(shù)據(jù)在相鄰脈沖上進行滑窗積累，得到脈沖積累后的回波數(shù)據(jù)。

(3)所述步驟3具體為：

對所述脈沖積累后的回波數(shù)據(jù)沿距離單元進行滑窗檢測，將窗口內(nèi)所有參考單元的均值乘以門限因子得到的值設(shè)置為滑窗檢測的門限值；將待檢測單元的幅值與所述滑窗檢測的門限值進行比較，若待檢測單元的幅值大于所述滑窗檢測的門限值，則將待檢測單元的數(shù)據(jù)保留，否則將所述待檢測單元的數(shù)據(jù)設(shè)置為0；

進而將幅值大于所述滑窗檢測的門限值的待檢測單元的數(shù)據(jù)設(shè)置為1，完成對恒虛警檢測后的回波數(shù)據(jù)進行二值量化處理的過程；

對進行二值量化處理后的回波數(shù)據(jù)沿方位維進行二值滑窗檢測時，采用m/n準(zhǔn)則，其中，m表示二值滑窗檢測的檢測門限，n表示二值滑窗檢測時所用窗口的長度。

(4)步驟4中，對所述二值圖像數(shù)據(jù)進行先膨脹后腐蝕的操作，從而得到所述二值圖像數(shù)據(jù)中的所有連通域，具體包括：

選取結(jié)構(gòu)元素，用選取的結(jié)構(gòu)元素對二值圖像數(shù)據(jù)進行先膨脹后腐蝕的操作，然后對先膨脹后腐蝕的二值圖像數(shù)據(jù)進行連通域的查找。

(5)步驟5中，所述根據(jù)所述包含目標(biāo)點跡的剩余連通域得到目標(biāo)信息，實現(xiàn)對目標(biāo)點跡的凝聚，具體包括：

獲取所述包含目標(biāo)點跡的剩余連通域的質(zhì)心位置，將所述質(zhì)心位置在原始回波數(shù)據(jù)中對應(yīng)的距離單元作為目標(biāo)的距離信息，將所述質(zhì)心位置在原始回波數(shù)據(jù)中對應(yīng)的方位單元作為目標(biāo)的方位信息；

獲取所述包含目標(biāo)點跡的剩余連通域?qū)?yīng)的原始回波數(shù)據(jù)，根據(jù)所述包含目標(biāo)點跡的剩余連通域?qū)?yīng)的原始回波數(shù)據(jù)所在的距離-方位單元以及對應(yīng)的包絡(luò)檢波結(jié)果，求得目標(biāo)的距離信息、方位信息以及幅度信息。

本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點：

(1)由于本發(fā)明將回波數(shù)據(jù)轉(zhuǎn)換為二值圖像進行處理，可以采用軟件實現(xiàn)和離線處理；具有基于圖像處理和基于滑窗法點跡凝聚方法各自的優(yōu)點，并且在經(jīng)典點跡凝聚方法的基礎(chǔ)上采用形態(tài)濾波方法進一步對點跡進行處理，彌補了兩種經(jīng)典方法的不足，進一步改善了目標(biāo)點跡的分裂現(xiàn)象，同時具有較高的點跡質(zhì)量；

(2)本發(fā)明提供的目標(biāo)點跡凝聚方法采用二值圖像連通域查找方法，能精確地確定目標(biāo)點跡分布區(qū)域，對目標(biāo)點跡有較高的分辨率，查找后采用質(zhì)心法確定區(qū)域質(zhì)心或者采用回波幅度加權(quán)方法對目標(biāo)參數(shù)進行估計，目標(biāo)參數(shù)估計比滑窗法更準(zhǔn)確；

(3)對于目標(biāo)點跡的判別和虛假點跡的濾除更為有效，首先結(jié)合基于滑窗法目標(biāo)點跡的判別和點跡凝聚準(zhǔn)則以及目標(biāo)分布特點，可以制定這樣的目標(biāo)判別準(zhǔn)則：對距離上延伸較大的目標(biāo)點跡進行濾除和孤立的點跡進行濾除，其次對連通域面積較小的進行濾除(具體參數(shù)要根據(jù)情況進行設(shè)定，沒有統(tǒng)一的標(biāo)準(zhǔn))，這些目標(biāo)判斷和點跡濾除準(zhǔn)則能有效識別目標(biāo)點跡，同時能靈活控制點跡數(shù)量；

(4)通過圖像膨脹腐蝕操作進行連通域合并能有效地減少目標(biāo)分裂造成的影響，進一步改善基于滑窗法點跡凝聚的效果。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，，還可以根據(jù)這些附圖獲得其他的附圖。在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例提供的一種雷達(dá)回波數(shù)據(jù)的目標(biāo)點跡凝聚方法的流程示意圖；

圖2為本發(fā)明實施例提供的二值滑窗檢測過程示意圖；

圖3為本發(fā)明實施例提供的不同結(jié)構(gòu)元素對同一目標(biāo)的膨脹結(jié)果示意圖；

圖4為本發(fā)明實施例提供的不同結(jié)構(gòu)元素對同一目標(biāo)的腐蝕結(jié)果示意圖；

圖5為本發(fā)明實施例提供的像素鄰接關(guān)系示意圖；

圖6為本發(fā)明實施例提供的p、q、s點的連通關(guān)系示意圖；

圖7為本發(fā)明實施例提供的連通域查找過程示意圖；

圖8為本發(fā)明實施例提供的原始回波數(shù)據(jù)示意圖；

圖9為本發(fā)明實施例提供的非相參積累后的回波數(shù)據(jù)示意圖；

圖10為本發(fā)明實施例提供的恒虛警檢測結(jié)果后的回波數(shù)據(jù)示意圖；

圖11為本發(fā)明實施例提供的二值滑窗檢測結(jié)果示意圖；

圖12為本發(fā)明實施例提供的二值圖像膨脹腐蝕結(jié)果示意圖；

圖13為本發(fā)明實施例提供的目標(biāo)點跡凝聚結(jié)果示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

雷達(dá)技術(shù)的發(fā)展要求雷達(dá)系統(tǒng)提供更高的目標(biāo)參數(shù)，天線波束對目標(biāo)進行掃描后的回波數(shù)據(jù)經(jīng)信號處理和目標(biāo)檢測后會產(chǎn)生分裂現(xiàn)象，分為距離分裂和方位分裂。對于兩坐標(biāo)雷達(dá)來說點跡凝聚就是對目標(biāo)一次信息(距離方位)的提取。通常對目標(biāo)信息的提取采用二元滑窗檢測器，滑窗檢測器減少虛警的程度取決于檢測門限和窗口長度。點跡凝聚一方面要求對虛假點跡進行濾除，另一方面要求有較高的分辨能力。能否減少目標(biāo)分裂帶來的影響同時提高目標(biāo)參數(shù)質(zhì)量對于點跡凝聚來說是一個重要的指標(biāo)。本發(fā)明實施例提供的基于圖像處理的點跡凝聚方法一方面算法在二值圖像中實現(xiàn)，不受其他條件影響，較為容易實現(xiàn)；另一方面圖像處理與基于滑窗法點跡凝聚相結(jié)合，增加了對點跡的判別準(zhǔn)則，有利于提高目標(biāo)點跡質(zhì)量。本發(fā)明實施例提供的基于圖像處理的點跡凝聚方法是基于滑窗法點跡凝聚的思想和原理與圖像處理相關(guān)算法相結(jié)合，并在此基礎(chǔ)上進行改進的結(jié)果。

本發(fā)明實施例提供一種雷達(dá)回波數(shù)據(jù)的目標(biāo)點跡凝聚方法，如圖1所示，所述方法包括如下步驟：

步驟1，獲取雷達(dá)經(jīng)過脈沖壓縮處理的多個掃描周期的原始回波數(shù)據(jù)，所述原始回波數(shù)據(jù)為包含距離維和方位維的二維數(shù)據(jù)，且所述多個掃描周期的原始回波數(shù)據(jù)沿方位維依次排列。

需要補充的是，在所述步驟1之后，且所述步驟2之前，所述方法還包括：對所述原始回波數(shù)據(jù)進行二次對消，抑制原始回波數(shù)據(jù)中的雜波。

步驟2，對所述原始回波數(shù)據(jù)依次進行包絡(luò)檢波和多脈沖非相參積累，得到脈沖積累后的回波數(shù)據(jù)。

脈沖積累分為相參積累和非相參積累。相參積累能較好地改善目標(biāo)信噪比，但由于運算復(fù)雜度較高，而且相參積累后的點跡凝聚估計誤差較大，尤其是當(dāng)目標(biāo)多普勒頻率出現(xiàn)在多個通道中時或者目標(biāo)沿切向運動時凝聚的效果不好，對于兩坐標(biāo)雷達(dá)來說，目標(biāo)主要參數(shù)為距離、方位和速度，根據(jù)信號目標(biāo)檢測后的數(shù)據(jù)對目標(biāo)參數(shù)進行提取。采用非相參積累運算復(fù)雜度低，在很多場景下適應(yīng)性很強，因此本發(fā)明技術(shù)方案采用多脈沖非相參積累。

所述步驟2具體為：

對所述原始回波數(shù)據(jù)進行包絡(luò)檢波，從而得到原始回波數(shù)據(jù)在對應(yīng)距離-方位單元的幅度信息；所述距離單元為所述原始回波數(shù)據(jù)在距離維上的采樣點，所述方位單元為所述原始回波數(shù)據(jù)在方位維上的采樣點。

對包絡(luò)檢波后的回波數(shù)據(jù)在相鄰脈沖上進行滑窗積累，得到脈沖積累后的回波數(shù)據(jù)。

步驟3，對所述脈沖積累后的回波數(shù)據(jù)進行恒虛警檢測，得到恒虛警檢測后的回波數(shù)據(jù)，進而對所述恒虛警檢測后的回波數(shù)據(jù)依次進行二值量化處理以及沿方位維的二值滑窗檢測，得到二值滑窗檢測后的回波數(shù)據(jù)，進一步降低虛假點跡帶來的影響。所述二值滑窗檢測后的回波數(shù)據(jù)為二維數(shù)據(jù)，其中一維表示距離單元，另一維表示方位維的脈沖數(shù)；

所述恒虛警檢測采用單元平均恒虛警檢測(ca-cfar)。

所述步驟3中，進而對所述恒虛警檢測后的回波數(shù)據(jù)依次進行二值量化處理以及沿方位維的二值滑窗檢測，得到二值滑窗檢測后的回波數(shù)據(jù)，具體為：

首先對經(jīng)過步驟2處理得到的脈沖積累后的回波數(shù)據(jù)進行采用單元平均恒虛警檢測處理，單元平均恒虛警檢測是沿距離單元進行滑窗檢測，將窗口內(nèi)所有參考單元的均值乘以門限因子得到的值設(shè)置為滑窗檢測的門限值，將待檢測單元的幅值與所述滑窗檢測的門限值進行比較，對過門限數(shù)據(jù)保留，未過門限數(shù)據(jù)設(shè)置為0；而后將過門限值的數(shù)據(jù)設(shè)置為1，從而完成對所述脈沖積累后的回波數(shù)據(jù)進行恒虛警檢測以及二值量化處理的過程；

對進行二值量化處理后的回波數(shù)據(jù)沿方位維進行二值滑窗檢測時，采用m/n準(zhǔn)則，其中，m表示二值滑窗檢測的檢測門限，n表示二值滑窗檢測時所用窗口的長度。

二值滑窗檢測的目標(biāo)起始門限對目標(biāo)點跡的分辨影響不大，所以這里設(shè)置目標(biāo)終了門限與起始門限相同，m與n的關(guān)系按照經(jīng)驗公式m＝1.5*sqrt(n)進行選取，但是為了減少目標(biāo)點跡分裂，二值滑窗檢測的檢測門限應(yīng)適當(dāng)?shù)慕档汀?/p>

需要說明的是，目標(biāo)終了門限值是指滑窗檢測過程中對目標(biāo)的點跡進行分辨時，二值滑窗積累值是一個變化過程，通過選取起始門限和終了門限判斷目標(biāo)點跡在方位上的起始點和終了點，從而完成目標(biāo)點跡在方位上的分辨。

具體的，二值滑窗檢測過程如圖2所示，其中，圖2(a)為二值量化處理后的輸入信號，圖2(b)為二值滑窗檢測積累過程，圖2(c)為二值滑窗檢測結(jié)果示意圖；m/n準(zhǔn)則是指窗口長度n＝5，檢測門限m＝3，當(dāng)窗口內(nèi)二值累加結(jié)果大于等于門限值時就認(rèn)為檢測到目標(biāo)記為1，否則記為0。

需要補充的是，所述原始回波數(shù)據(jù)指的是天線掃描后經(jīng)過脈沖壓縮處理后的數(shù)據(jù)，對回波數(shù)據(jù)的處理包括雜波抑制、信號積累和恒虛警檢測。

對于兩坐標(biāo)雷達(dá)來說，目標(biāo)參數(shù)指的是目標(biāo)的距離和方位信息，這里對回波數(shù)據(jù)進行非相參積累，雜波抑制采用對消器實現(xiàn)。

但是根據(jù)具體情況，比如為了不影響對切向飛行的目標(biāo)檢測，可以對回波數(shù)據(jù)只進行簡單的信號積累而省略二次對消過程，本發(fā)明對回波數(shù)據(jù)處理采用滑窗積累、恒虛警檢測和二值滑窗檢測的方法。

步驟4，將所述二值滑窗檢測后的回波數(shù)據(jù)作為二值圖像數(shù)據(jù)，對所述二值圖像數(shù)據(jù)進行先膨脹后腐蝕的操作，從而得到所述二值圖像數(shù)據(jù)中的所有連通域。

具體的，對所述二值圖像數(shù)據(jù)采用形態(tài)濾波算法進行膨脹腐蝕操作，目的是實現(xiàn)連通域的合并。

圖像的膨脹與腐蝕操作，從圖像處理角度來看，二值圖像處理就是將一個小的結(jié)構(gòu)元素在大的二值圖像上逐點進行移動并比較，根據(jù)比較的結(jié)果做出相應(yīng)的處理。結(jié)構(gòu)元素是指具有一定尺寸的背景圖像，結(jié)構(gòu)元素沒有固定的形狀，在設(shè)計形態(tài)變換算法的同時需要根據(jù)輸入圖像和所需的信息進行結(jié)構(gòu)元素的設(shè)計。通常結(jié)構(gòu)元素形狀有正方形、矩形、圓形和線性等。簡單地說，膨脹就是將物體周圍的背景點合并到物體中，物體通過膨脹向外擴展，這樣對于兩個相鄰的物體就有可能被連在一起，在二值圖像中就表現(xiàn)為連通域的合并。相反的，圖像的腐蝕操作就是消除物體的邊界點，另外消除較小的物體。

(1)圖像的膨脹處理可以簡單地描述為結(jié)構(gòu)元素在二值圖像上進行遍歷，以二值圖像黑色點為例，當(dāng)結(jié)構(gòu)元素原點與二值圖像中某點像素相同，那么結(jié)構(gòu)元素與二值圖像對應(yīng)的所有點都變?yōu)楹谏c。如圖3所示為不同結(jié)構(gòu)元素對同一目標(biāo)的膨脹結(jié)果示意圖，圖3(a)為結(jié)構(gòu)元素1，圖3(b)為結(jié)構(gòu)元素2，圖3(c)為原二值圖像，圖3(d)為采用結(jié)構(gòu)元素1對原二值圖像進行膨脹的結(jié)果，圖3(e)為采用結(jié)構(gòu)元素2對原二值圖像進行膨脹的結(jié)果，其中，結(jié)構(gòu)元素中符號“+”表示坐標(biāo)原點所在位置。

(2)圖像的腐蝕操作可以簡單描述為結(jié)構(gòu)元素在二值圖像上進行遍歷時，以二值圖像黑色點為例，當(dāng)結(jié)構(gòu)元素原點與二值圖像中某點像素相同，如果結(jié)構(gòu)元素中其余像素有一個及以上的像素與二值圖像對應(yīng)像素點不同，那么原點所對應(yīng)的二值圖像的點變?yōu)榘咨c。如圖4所示為不同結(jié)構(gòu)元素對同一目標(biāo)的腐蝕結(jié)果示意圖，圖4(a)為結(jié)構(gòu)元素1，圖4(b)為結(jié)構(gòu)元素2，圖4(c)為原二值圖像，圖4(d)為采用結(jié)構(gòu)元素1對原二值圖像進行腐蝕的結(jié)果，圖4(e)為采用結(jié)構(gòu)元素2對原二值圖像進行腐蝕的結(jié)果。

本發(fā)明實施例采用的結(jié)構(gòu)元素為線段形結(jié)構(gòu)元素，中心點在線段中心位置，長度采用相參處理脈沖數(shù)的1/4，對二值圖像先膨脹后腐蝕，膨脹腐蝕各進行一次。二值圖像膨脹實現(xiàn)連通域的合并，腐蝕操作對膨脹后的二值圖像進行恢復(fù)，但恢復(fù)后的圖像與原來的二值圖像是不一樣的。

具體的，步驟4中，得到所述二值圖像數(shù)據(jù)中的所有連通域時需要對膨脹腐蝕后的連通域進行查找。

鄰接與連通是像素間的基本關(guān)系，二值圖像中除邊緣像素以外，每個像素周圍都有8個鄰接點，根據(jù)鄰接點的位置進行區(qū)分又有4鄰接點。如圖5所示，圖5(a)黑色點周圍為8鄰接示意圖，圖5(b)黑色點周圍為4鄰接示意圖。

在二值圖像中如果兩個點通過一系列灰度相同的點序列根據(jù)4鄰接關(guān)系或者8鄰接關(guān)系將連在一起那么就稱這兩個點是連通域的，這樣所有與這兩個點連通的點的集合就構(gòu)成了連通域，如圖6所示，像素值為1的點p、q、s，其中p與q是8連通的，s與q是4連通的，s與p是8連通的。

以8連通為例，對像素值為1的像素進行連通域查找，假設(shè)a為二值圖像中的一個連通域，a中一個點已知為p，那么對于連通域a的查找可以通過下述迭代式進行：

x0＝p

當(dāng)xk＝xk-1時，算法收斂，并且a＝xk。其中，b表示結(jié)構(gòu)元素，表示圖像膨脹操作，y為原始二值圖像。

如圖7所示為連通域查找示意圖，采用8連通關(guān)系，結(jié)構(gòu)元素如圖7(a)，圖7(b)為連通域查找的起始點p，黑色元素為已提取的元素，灰色為尚未提取的元素，圖7(c)為查找連通域第一次迭代的結(jié)果，圖7(d)為查找連通域第二次迭代的結(jié)果，圖7(e)為連通域查找最終結(jié)果示意圖。根據(jù)連通域查找的方法，查找后的連通域需要進行標(biāo)記，直到所有的像素為1的點全部都標(biāo)記完為止，這樣就完成了連通域的查找了。

步驟5，在所述所有連通域中，濾除第一連通域和第二連通域，所述第一連通域為只包含一個孤立點跡的連通域，所述第二連通域為在距離維上擴展超過門限值的點跡組成的連通域，從而得到包含目標(biāo)點跡的剩余連通域；根據(jù)所述包含目標(biāo)點跡的剩余連通域得到目標(biāo)信息，實現(xiàn)對目標(biāo)點跡的凝聚。

步驟5中，所述根據(jù)所述包含目標(biāo)點跡的剩余連通域得到目標(biāo)信息，實現(xiàn)對目標(biāo)點跡的凝聚，具體包括：

獲取所述包含目標(biāo)點跡的剩余連通域的質(zhì)心位置，將所述質(zhì)心位置在原始回波數(shù)據(jù)中對應(yīng)的距離單元作為目標(biāo)的距離信息，將所述質(zhì)心位置在原始回波數(shù)據(jù)中對應(yīng)的方位單元作為目標(biāo)的方位信息；

獲取所述包含目標(biāo)點跡的剩余連通域?qū)?yīng)的原始回波數(shù)據(jù)，根據(jù)所述包含目標(biāo)點跡的剩余連通域?qū)?yīng)的原始回波數(shù)據(jù)所在的距離單元、方位單元以及對應(yīng)的包絡(luò)檢波結(jié)果，求得目標(biāo)的距離信息、方位信息以及幅度信息。

具體的，本發(fā)明實施例中，當(dāng)實測數(shù)據(jù)目標(biāo)回波較弱，為了盡可能保留目標(biāo)點跡，從而采用的點跡濾除準(zhǔn)則為：

(1)對獨立的點跡進行濾除，根據(jù)目標(biāo)回波分布特點，通常目標(biāo)在方位上或者距離上會發(fā)生擴展，因此可以根據(jù)目標(biāo)點跡在距離或方位擴展的大小擴展濾除一些虛假點跡；

(2)對回波數(shù)據(jù)對應(yīng)的距離上擴展較多的點跡進行濾除，距離單元的最大值根據(jù)目標(biāo)和系統(tǒng)的估計參數(shù)來確定；

(3)在系統(tǒng)允許的情況下，應(yīng)盡可能保留較多的點跡，所以點跡分辨與濾除準(zhǔn)則要根據(jù)實際情況增加或者減少。

實驗內(nèi)容與結(jié)果

實驗1，回波數(shù)據(jù)為某對空雷達(dá)錄取的回波數(shù)據(jù)，如圖8所示為某對空數(shù)據(jù)的截取部分，數(shù)據(jù)由雷達(dá)9個掃描周期內(nèi)截取的相同方位和距離段上的數(shù)據(jù)拼接而成。

目標(biāo)回波數(shù)據(jù)顯示如圖8所示，滑窗積累后的回波數(shù)據(jù)如圖9所示。如圖10所示為恒虛警處理后的結(jié)果，如圖11所示為二值滑窗檢測后的結(jié)果，圖11(a)為二值滑窗檢測m/n準(zhǔn)則中，m＝2，n＝5時的檢測結(jié)果，圖11(b)為二值滑窗檢測m/n準(zhǔn)則中，m＝3，n＝5時的檢測結(jié)果。如圖12所示為二值圖像膨脹腐蝕后的結(jié)果，如圖13所示為本發(fā)明實施例提供的目標(biāo)點跡凝聚方法的點跡凝聚結(jié)果。

由圖8可以看出，目標(biāo)周圍存在較強的雜波分布，單次截取的數(shù)據(jù)很難判斷目標(biāo)點跡的位置，因此通過拼接后的數(shù)據(jù)可以大致看到目標(biāo)的位置，可以通過對目標(biāo)位置的估計對點跡凝聚效果進行驗證。

由圖9可以看出，目標(biāo)經(jīng)過非相參積累后，對于弱目標(biāo)的改善情況并不明顯，但是還是有一定好處的，主要是對沿徑向分布的氣象雜波有一定平滑作用，對接下來進行恒虛警檢測是有利的。

由圖10可以看出，剩余點跡中目標(biāo)點跡和虛假點跡受信號處理和恒虛警檢測影響比較大，恒虛警檢測后與原始回波數(shù)據(jù)進行對比，通過對目標(biāo)位置的大致判斷可以看到同一目標(biāo)的點跡分裂現(xiàn)象較為明顯，圖中標(biāo)記的地方即為目標(biāo)分裂的點跡。

由圖11可以看出，二值滑窗檢測能有效改善目標(biāo)分裂帶來的影響，同時降低虛警，但是采用m/n準(zhǔn)則時，門限值過大會損失較弱目標(biāo)的點跡，滑窗檢測時會出現(xiàn)目標(biāo)點跡分裂現(xiàn)象，通常通過降低門限值的方法解決，門限值過低虛假點跡會增多，對點跡質(zhì)量影響較大。所以門限值需要折中考慮。由圖12可以看出，通過對滑窗檢測后的二值圖像進行膨脹腐蝕操作后一方面保證了目標(biāo)分辨能力另一方面對目標(biāo)分裂的改善也是相當(dāng)有效的。

由圖13可以看出，改進后的方法成功實現(xiàn)了點跡凝聚，目標(biāo)點跡凝聚取得了較好的效果。

綜上，由實驗結(jié)果可知，本發(fā)明方法能夠有效的實現(xiàn)點跡凝聚，同時減少目標(biāo)分裂對點跡凝聚的影響。

本發(fā)明實施例提供的技術(shù)方案相比滑窗法的點跡凝聚，基于圖像處理的點跡凝聚技術(shù)大大提高了目標(biāo)參數(shù)精度和目標(biāo)分辨能力，而且圖像中相關(guān)算法比如本發(fā)明采用的二值圖像膨脹腐蝕方法可以進一步改善滑窗法點跡凝聚中可能存在目標(biāo)分裂的問題。滑窗法的好處是能有效克服目標(biāo)分裂和虛警帶來的影響，但是滑窗法門限值的選取對點跡凝聚影響較大，這一點可以通過圖像處理中形態(tài)濾波進行改善。所以結(jié)合滑窗法和圖像處理的優(yōu)點，將點跡變換到圖像域進行處理，采用連通域查找算法和圖像膨脹腐蝕處理，一方面采用二值滑窗檢測對目標(biāo)回波數(shù)據(jù)進行處理和點跡判決，另一方面可以利用圖像處理方法克服點跡分裂，從而獲得較高質(zhì)量的目標(biāo)估計參數(shù)。本專利所提的方法結(jié)合了滑窗法和圖像處理方法，改進方法主要體現(xiàn)在一是采用滑窗檢測器和恒虛警檢測對回波數(shù)據(jù)的處理，第二是采用圖像處理中形態(tài)濾波方法改善目標(biāo)點跡分裂的影響。改進的點跡凝聚方法對點跡凝聚技術(shù)的研究有著重要的參考價值和研究意義，實測數(shù)據(jù)驗證了所提方法的有效性。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)以所述權(quán)利要求的保護范圍為準(zhǔn)。