本发明涉及信号处理领域，尤其是涉及一种光学引导的sar目标数据集自适应生成方法及系统。
背景技术：
1、合成孔径雷达（synthetic aperture radar, sar)作为一种微波成像雷达，具备全天时全天候、高分辨率、大范围观测成像能力，不论在国防军事还是民用经济方面都发挥着重要作用。近场sar图像目标识别作为一种关键的sar图像智能解译技术受到广泛关注。目前近场sar目标数据缺乏大规模性与多样性，这是提升近场sar目标检测网络性能的一大难点。一方面，近场sar目标的强散射点分布特点受雷达波束入射角的影响，无法完整呈现目标轮廓，只能呈现目标局部姿态，不同目标的姿态有很大差异，难以被人类视觉直观解译；另一方面，sar目标呈现的背景噪声干扰相对较大，标注工作者需要耗费大量的时间辨识车载sar目标，给人工标注带来巨大的挑战。因此，有必要针对近场sar目标数据集扩充算法进行研究。
2、崔宗勇等人在文献“面向sar目标识别深度网络可理解的类激活映射方法”中探究scc-cam类激活映射方法，通过观测网络决策过程中网络特征输出变化程度来更新cam算法框架系数，提升sar目标检测置信度。但是针对近场sar目标分析，不同类别目标的散射特性各有特点，同一目标在不同帧的散射结果也有较大差异，近场sar目标的误检漏检问题仍需寻求新的解决方法。
3、王汝意等人在文献“基于角度内插仿真的飞机目标多角度sar数据集构建方法研究”中探索一种基于散射分析和注意力生成对抗网络实现特定角度的sar图像（sagan）内插仿真，为数据集构建和扩容提供解决方案。但并未对由sagan仿真出来的生成图像是否在目标分类中取得和真实图像相近的效果进行研究。
4、李妙歌等人在文献“面向 sar 图像目标分类的 cnn 模型可视化方法”中提出面向sar图像的 cnn 模型可视化方法能够清晰可视化模型的神经元特征识别重点与核心决策区域，将sar图像的属性散射中心模型融入网络的特征学习过程中，引导其学习含有物理意义的特征表示。在军事车辆数据集中识别率较高，但并未对生活场景中其他车载sar目标类型进行识别检测。
5、因此，有必要提供一种光学引导的sar目标数据集自适应生成方法及系统，来解决上述问题。
技术实现思路
1、本发明的目的是提供一种光学引导的sar目标数据集自适应生成方法及系统，使用雷达-摄像头系统对光学目标的类别信息与sar图像目标特征进行融合，由目标局部扩展至整个目标姿态标注框，提出适用于车载sar目标检测的数据集扩充算法，建立sar自适应数据集，提升车载sar目标检测系统的标注效率与准确率。
2、为实现上述目的，本发明提供了一种光学引导的sar目标数据集自适应生成方法，包括以下步骤：
3、s1：搭建雷达-摄像头数据采集系统，确保雷达视场角中心与摄像头视场角中心位于同一垂直线上，雷达采集雷达数据，摄像头采集光学数据，雷达数据进行sar成像处理，光学数据将视频流提取为单帧光学图像，对单帧sar图像与光学图像采用帧间对齐算法，确单帧光学图像场景与雷达场景对应，经过深度-距离维尺寸比例映射算法完成雷达与光学目标的初步信息融合；
4、s2：针对步骤s1中经过深度-距离维尺寸比例映射算法将光学目标位置映射到sar图像，利用梯度最大值算法帮助sar目标完成位置矫正，弥补光学深度信息误差；
5、s3：对比不同分布在sar目标的拟合曲线分析，最优分布为对数正态分布，选用高斯滤波对增强目标的像素，针对车载sar成像场景的单个目标设计数据增强算法，降低不同帧间同一目标差异对目标检测的影响；
6、s4：通过自适应像素阈值调整算法，将不同场景的目标形态调整至临近像素值分布区域，选用区域分裂合并算法，从目标梯度最大值位置出发，合并灰度值低于分割阈值的像素点，积累目标核心区域，扩大至目标与背景分割区域停止，将目标区域与背景区域设定为二值区域；
7、s5：目标姿态进行自适应补全，通过sar目标散射机制，对车载sar成像目标根据姿态特征设计不同的姿态补全算法，完整识别标注sar目标形态，建立sar自适应数据集；
8、s6：根据批量处理雷光融合数据得到sar目标检测矩形框，结合sar目标散射机理，调整参数至矩形框完整地贴合于sar目标特征形态，对目标识别框进行误差矫正。
9、优选的，在步骤s2中，实验结果分析光学映射目标点坐标范围，梯度的表现形式为：
10、；
11、其中，为搜索范围内的横轴像素坐标，h为两个像素坐标的距离，二维图像离散情况下h的最小值为1，具体包括以下步骤：
12、对初始定位搜索范围距离不同的像素分配不同的权值，像素调整表现形式为：
13、，；
14、其中为搜索范围的像素矩阵，将图像与大小的模板进行卷积，取值为3，和分别为图像与模板卷积后的横向结果与纵向结果，通过和计算梯度幅值，表现形式为：
15、；
16、通过矫正目标初始位置，矫正后的目标初始位置更新后依据实验结果测出不同目标类型在sar图像上的等比例缩小得到的像素尺寸，确定目标更新搜索区域为，表示不同类别的目标，完成位置矫正。
17、优选的，在步骤s3中，增强后像素的表现形式为：
18、；
19、其中，数学期望幅值为0，表示领域内其他像素与领域内中心像素距离的平方，表示标准差，通过调整参数的数值调整目标像素分布情况，数值越小，目标像素分布直方图越窄，中间分布越尖锐，目标图形边缘变化越剧烈；
20、同一个目标在不同场景或者不同帧之间成像效果差异，设置自适应阈值调整算法，针对目标采取像素移位个单位，其中为多场景目标灰度级像素分布最大值，为当前目标的灰度级像素分布最大值，在像素值自适应循环移位算法后采用双阈值筛选算法确定目标形态。
21、优选的，在步骤s5中，批量分析sar图像目标形态特征，根据目标尺寸表现将sar目标分成两大类：尺度均匀类与尺度非均匀类；
22、尺度非均匀类中依据目标呈现姿态分为姿态敏感类与姿态不敏感类；
23、尺寸均匀类目标包括行人、路灯和杆子；
24、姿态敏感类目标包括汽车，姿态不敏感目标包括自行车，姿态敏感类无法完整呈现sar姿态，对姿态敏感类目标进行姿态自适应补全，具体包括以下步骤：
25、s51：采用面向汽车类目标的姿态补全算法，将汽车类目标分为正视姿态、侧视姿态和斜视姿态来呈现特性：
26、正视姿态：呈现车头全貌的类别，车头像素特征连通域矩形小，矩形短边对应车身一侧；
27、侧视姿态：呈现车身侧面的类别，车侧像素特征连通域矩形大，矩形短边对应车身一侧；
28、斜视姿态：同时呈现车头与车侧特征的类别，连通域矩形大且连通域内部像素阈值占比低于60%；
29、s52：设计对应姿态补全算法，针对车头姿态与车侧姿态，计算连通域矩形四个边界点与雷达位置的欧式距离，以最短距离为延展矩形的起点，依据连通域边长向量确定延展矩形方向，分别将连通域短边与长边扩展至实际汽车像素尺寸；
30、s53：针对拐角姿态，用步骤s52中的方法确定延展矩形的方向与起点后，调整靠近雷达一侧的长边中点为延展矩形的起点，再将矩形延展至指定尺寸，得到完整目标矩形框。
31、优选的，在步骤s6中具体包括以下步骤：
32、s61：优化后的目标类别、目标矩形框坐标以yolo算法标签形式存储，建立雷光融合的sar目标数据集；
33、s62：调整成像结果的非线性变换参数，寻找适合各类目标清晰呈现的参数结果，更新sar成像的后处理算法。
34、一种光学引导的sar目标数据集自适应生成方法的系统，雷达-摄像头数据采集系统包括雷达数据采集模块和光学数据采集模块，雷达数据采集模块通过雷达采集板进行雷达数据采集，光学数据采集模块通过摄像头进行光学数据采集，雷达采集板先于摄像头结束数据采集，雷达数据和光学数据以统一命名存储。
35、优选的，在步骤s3中，提升单目标信噪比的方法还使用超像素分割的图像分割算法。
36、优选的，在步骤s5中，设置不同阈值得到sar目标矩形框后，遍历待定框，选择最优解。
37、因此，本发明采用上述一种光学引导的sar目标数据集自适应生成方法及系统，具备以下有益效果：
38、（1）本发明针对车载sar目标数据集匮乏以及雷光融合识别效果不佳的问题，利用双阈值高斯滤波提高目标信噪比，利用针对性的目标姿态补全算法完成车载sar目标检测，使光学引导下的车载sar目标检测速度更快，目标标注完整性更高，为车载sar目标数据智能化扩充与车载sar目标检测系统准确率的提升奠定基础。
39、（2）本发明利用不同坐标系下的等比关系建立等式，将光学图像深度维信息、方位维信息和sar图像的距离向、方位向转换至同一坐标系下分析，利用空间目标等比例关系转换，相较于之前用方位向距离无限分割近似求值方式，速度上有一定提升。
40、（3）本发明从成像后的原始数据矩阵进行分析，选用位置矫正后的目标数据矩阵，用各种有关的数学分布曲线进行拟合，最终选用双阈值高斯滤波算法增强目标的信噪比，为后续更准确地标注sar目标框提供帮助。
41、（4）本发明面对实际的实验场景，由于雷达的反射特性与目标不确定的停放情况，无法使每个目标的完整姿态都呈现在sar图像上，针对显示不全的sar目标，采用姿态补全算法，通过分析大量实验数据得出，姿态比较特殊，例如出现姿态不全、姿态糅杂等情况的主要为汽车与自行车类目标，其余比较常见的行人、路灯、杆子等目标姿态呈现比较完整，根据sar目标姿态来设计不同的姿态补全算法，能够更好地贴合目标形态，达到更好的sar目标检测效果。
42、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
1.一种光学引导的sar目标数据集自适应生成方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种光学引导的sar目标数据集自适应生成方法，其特征在于：在步骤s2中，实验结果分析光学映射目标点坐标范围，梯度的表现形式为：
3.根据权利要求2所述的一种光学引导的sar目标数据集自适应生成方法，其特征在于：在步骤s3中，增强后像素的表现形式为：
4.根据权利要求3所述的一种光学引导的sar目标数据集自适应生成方法，其特征在于：在步骤s5中，批量分析sar图像目标形态特征，根据目标尺寸表现将sar目标分成两大类：尺度均匀类与尺度非均匀类；
5.根据权利要求4所述的一种光学引导的sar目标数据集自适应生成方法，其特征在于：在步骤s6中具体包括以下步骤：
6.根据权利要求1所述的一种光学引导的sar目标数据集自适应生成方法，其特征在于：在步骤s3中，提升单目标信噪比的方法还使用超像素分割的图像分割算法。
7.根据权利要求1所述的一种光学引导的sar目标数据集自适应生成方法，其特征在于：在步骤s5中，设置不同阈值得到sar目标矩形框后，遍历待定框，选择最优解。
8.根据权利要求1-7任一项所述的一种光学引导的sar目标数据集自适应生成方法的系统，其特征在于：包括搭建雷达-摄像头数据采集系统，雷达-摄像头数据采集系统包括雷达数据采集模块和光学数据采集模块，雷达数据采集模块通过雷达采集板进行雷达数据采集，光学数据采集模块通过摄像头进行光学数据采集，雷达采集板先于摄像头结束数据采集，雷达数据和光学数据以统一命名存储。
