合成孔徑雷達(dá)目標(biāo)自動識別研究

合成孔徑雷達(dá)目標(biāo)自動識別研究
摘要：討論了基于物理光學(xué)和幾何繞射理論的散射中心理論模型，對散射中心模型的各個參數(shù)在圖像域進(jìn)行 了估計，詳細(xì)分析了基于散射中心理論的SAR圖像目標(biāo)特征提取算法，采用了先估計目標(biāo)方位后識別目標(biāo)類型的目 標(biāo)識別方法以提高目標(biāo)識別的效率，并利用Delaunay三角化技術(shù)提高了目標(biāo)方位的估計精度。實測MSTAR SAR圖 像中目標(biāo)的識別結(jié)果表明了該方法的準(zhǔn)確性和有效性。

引言 在高頻段，目標(biāo)的雷達(dá)后向散射可以很好地近 似為目標(biāo)的多個散射中心的響應(yīng)的總和【l J。這些散 射中心是目標(biāo)的物理關(guān)系更簡明的描述，因而在自 動目標(biāo)識別(ATR)中可以作為很好的參照物【jJ。 除ATR的應(yīng)用之外，散射中心的屬性，在數(shù)據(jù)壓縮、電容表| 電力分析儀| 諧波分析儀| 發(fā)生器| 多用表| 驗電筆| 示波表| 電流表| 鉤表| 測試器| 電力計| 電力測量儀| 光度計| 電壓計| 電流計|  隱身設(shè)計降低雷達(dá)截面積等方面也有重要的應(yīng)用。 由于早期雷達(dá)的分辨率有限，較早的目標(biāo)識別 主要集中在點目標(biāo)的識別上，即用未知點目標(biāo)的信 息和數(shù)據(jù)庫中的信息進(jìn)行匹配，從而達(dá)到對點目標(biāo) 的識別目的。對于合成孔徑雷達(dá)，目標(biāo)的圖像不再 只是一個點，一般情況下目標(biāo)的圖像是由30～50個 比較亮的散射中心組成。由于目標(biāo)上散射點有限的 穩(wěn)定性以及合成孔徑雷達(dá)成像的相干性，目標(biāo)的圖 像在不同觀測角的差別很大，近些年來的目標(biāo)識別 主要集中在模版匹配技術(shù)上，即用未知目標(biāo)的圖像 與數(shù)據(jù)庫中的所有圖像進(jìn)行匹配找出最佳的模版 作為未知目標(biāo)的分類。通過考察前人的工作，這種 方法的正確識別概率為80％左右【4J。這種方法有一 很大的缺點，即目標(biāo)模版數(shù)據(jù)庫需要的數(shù)據(jù)量太 大，需要考慮各種不同的情況，例如：各種不同的 目標(biāo)、各種目標(biāo)的方位以及目標(biāo)的各種姿態(tài)等(炮 臺開沒開蓋，天線情況，油箱情況等等)，這些原 因使得模版匹配方法很難得到真正的應(yīng)用。為此， 本文采用以目標(biāo)為基礎(chǔ)的目標(biāo)識別方案，研究結(jié)果 證明使用本文的方法具有計算速度快、識別率高的 特點。

1有屬性的散射中心理論 對于在高頻段測量的物體的后向散射響應(yīng)，本 文采用新近發(fā)展的以物理為基礎(chǔ)的模型。這種模型 用單個散射中心響應(yīng)的總和來近似地表示目標(biāo)總 的散射響應(yīng)；每個散射中心的響應(yīng)，利用單站散射 解的主要項來進(jìn)行模擬。單站散射用物理光學(xué)和幾 何繞射理論兩種方法求解。模型同時包含了散射中 心的場與頻率和方位的兩種關(guān)系，并且用一組描述 其位置、幅度、形狀和方向的參數(shù)來說明每個散射 中心的特征(本理論不適合于具有波導(dǎo)屬性的散射 中心的情況)。 頻域有屬性的散射中心模型是[1】． m(f， ； )=Σ (廠， ； ) (1) 其中0 =[ ，．．．， 】，并且 · eXp( ( s +yi sinO)]· sinc( n( ))exp(-21rf n ) (2) 其中 是頻率， 是雷達(dá)中心頻率， 是方位角， c=3×10 m／s是電波傳播速度。每個 ，( ， ； ) 代表一個散射中心， 由參數(shù)矢量 0j=【4， ，Yf，口l，Ll， ， j] 表示。參量 和Yj是 散射中心距離和橫向距離位置，A 是散射中心振 幅， ∈【-1，一0。5，0，0．5，1】描述散射中心與頻率的 關(guān)系。厶和 為分布式散射中心的長度和傾斜角 度。 E．EKnott給出了幾種簡單幾何形狀的物體的散 射截面的表達(dá)式 】(表1只列出幾種)。 從表1中，我們可以看出各種散射中心與頻率 的關(guān)系。公式的第三項是散射中心的相位延遲。第 四項中的sinc()函數(shù)是具有一定長度的目標(biāo)的遠(yuǎn) 場近似表達(dá)式中最常見的一項[6， 。 模型中的參量 和己，用來區(qū)分幾種散射體的 幾何形狀。表2顯示了幾種標(biāo)準(zhǔn)散射體之間的參量 和己的差別( 的值可由表1得出，都是1／2的 整數(shù)倍)。 表1 簡單幾何形狀物體的后向散射系數(shù) 表2 參量 和己的具體說明 剩下的三個參數(shù) ，Lj， J主要確定場與角度 的關(guān)系。有兩種類型的散射中心：局部的和分布的。 局部散射中心在SAR圖像中具有局限的回波，包 括三面體、點目標(biāo)和球體等。分布散射中心的響應(yīng)， 常常包含幾個像素，包括有二面體、平板和柱體側(cè) 面的回波以及側(cè)面邊緣繞射等。對于局部的散射中 心，L = =0， ≠0表示響應(yīng)與角度的微小關(guān) 系。對于分布散射中心， =0，厶是散射中心的 長度， 是傾斜角。 在應(yīng)用散射中心進(jìn)行成像時，需要把極坐標(biāo)形 式轉(zhuǎn)化為直角坐標(biāo)形式。為求準(zhǔn)確，可以采用內(nèi)插 方法得到直角坐標(biāo)形式，然后進(jìn)行二維Fourier變 換即可得出SAR圖像。

2 合成孔徑雷達(dá)目標(biāo)自動識別 對于合成孔徑雷達(dá)，典型的目標(biāo)圖像是由 30～50個比較亮的散射中心組成。常見的目標(biāo)都具 有長方形的底盤和一些其他部件(炮塔、油箱等)。 通過分析MSTAR數(shù)據(jù)我們發(fā)現(xiàn)一般的目標(biāo)在3。 ～ 5。度的方位范圍內(nèi)有10～15個散射中心具有相對 的穩(wěn)定性，可以利用目標(biāo)較大灰度值的點從目標(biāo)圖 像中提取目標(biāo)的方位信息然后進(jìn)行識別。這種識別 方法分為兩個階段： 方位估計階段和目標(biāo)識別階 段。
2．1 方位估計階段 方位估計階段主要提取目標(biāo)的方位信息和建 立散射中心文件。本文所采用的數(shù)據(jù)均來自 M STAR (Moving and Stationary Target Acquisition and Recognition)，其工作中心頻率9．6GHz，帶寬 0．591GHz，分辨率為1英尺。圖1、圖2是T62坦 克的圖像。 圖1 T62坦克照片 ZU 4u t t 1UU 120 140 16U 圖2 T62坦克SAR圖象 提取目標(biāo)的方位信息需要利用圖像中灰度等 級較大點的位置和信號幅度信息。這里試驗了兩種 方法，一種是直接提取目標(biāo)的散射中心，另外一種 是提取目標(biāo)的較大信號點。在估算目標(biāo)的方位時我 們發(fā)現(xiàn)利用散射中心估計的結(jié)果不如第二種的準(zhǔn) 確。因此在此階段我們產(chǎn)生兩個目標(biāo)極大值文件， 一個是較大信號點的信息，用來估計目標(biāo)的方位； 一個是目標(biāo)散射中心，用來進(jìn)行目標(biāo)識別。 從上面的T62的SAR圖像可以看出目標(biāo)靠近 雷達(dá)的邊緣部分比較亮，我們稱為前緣，估計目標(biāo) 的方位就是估計目標(biāo)前緣的方向。圖3為T62坦克 的峰值圖像(30個峰值)。 一10 -5 0 5 ’0 圖3 T62坦克SAR圖象峰值圖象 雖然在成像過程采用了去噪處理，但在目標(biāo)體 以外仍然會有較大散射點的存在，需要去除。這里 我們采用Delaunay三角化技術(shù)，圖4是峰值圖像的 Delaunay三角圖像。通過設(shè)置三角形邊長的門限可 以把離目標(biāo)較遠(yuǎn)的點形成的三角形截斷，從而達(dá)到 去除非目標(biāo)的較大點的目的。 圖4 T62坦克SAR圖象峰值圖象的三角化 利用目標(biāo)的散射點估計目標(biāo)前緣的方位就是 找出一條最佳擬和目標(biāo)前緣的直線，計算其方向。 本文采用兩種方法，首先利用最小二乘法找出前緣 的大致方位，然后利用Delaunay三角進(jìn)一步更準(zhǔn)確 地估算出前緣的角度。這里我們采用幅度加權(quán)值： Σ 。Af 20．2作為標(biāo)準(zhǔn)。其中4是散射點的幅度， 是散射點離擬和直線的距離， 是方差(由圖像 來確定)。具有最大幅度加權(quán)值的直線即為最佳結(jié) 果。由于目標(biāo)的圖像一般存在兩個邊(長邊和短 邊)，利用最小二乘方法估算目標(biāo)的長邊時，因為 短邊的存在會對估算結(jié)果造成一定的影響，因此需 要進(jìn)一步更準(zhǔn)確的估計。 利用Delaunay三角化技術(shù)時，假設(shè)目標(biāo)邊緣為 “L”形。首先從目標(biāo)Delaunay三角圖像中提取靠近 雷達(dá)部分的包絡(luò)，在包絡(luò)上的每兩點之間產(chǎn)生一條 直線，利用靠近雷達(dá)的幾個散射點再產(chǎn)生幾條垂直 于前面直線的直線形成“L”形，然后求出使幅度加 權(quán)值最大的直線。對于各個散射點，靠近哪條直線 就對哪條直線求幅度加權(quán)值。當(dāng)包絡(luò)上的點完全計 算一遍后，把包絡(luò)上的點全部去掉，產(chǎn)生下一層的 包絡(luò)，再重復(fù)前面的步驟。一般利用三層包絡(luò)即可 得出滿意的結(jié)果。在所有的直線假設(shè)中，幅度加權(quán) 值最大的直線的方位即目標(biāo)的方位。結(jié)合這兩種方 法，方位估算的準(zhǔn)確率超過90％(角度誤差l0。以 內(nèi)認(rèn)為是準(zhǔn)確估計)，誤差主要出現(xiàn)在目標(biāo)的方位 接近9O。時，即目標(biāo)的短邊面向雷達(dá)。如果人工干 預(yù)可以使估算結(jié)果準(zhǔn)確率接近100％。 圖5 SAR 目標(biāo)自動識別框圖
2．2 目標(biāo)識別階段 目標(biāo)識別階段就是利用前面獲得的角度信息 從數(shù)據(jù)庫中找出相同角度的不同目標(biāo)模版進(jìn)行最 佳匹配處理。由于未知目標(biāo)的方位已經(jīng)確定，我們 從數(shù)據(jù)庫中只需找出相同角度的模版即可，而不需 要把未知目標(biāo)與數(shù)據(jù)庫中所有方位上的模版都進(jìn) 行匹配。大大減少了計算量。在進(jìn)行模版匹配時需 要找出未知目標(biāo)與模版上目標(biāo)距離最近的散射點 對，我們采用了Delaunay步進(jìn)技術(shù)(Delaunay walk)。匹配最佳的模版即未知目標(biāo)的分類。
2．3 數(shù)據(jù)庫的構(gòu)成 數(shù)據(jù)庫中的信息包括：目標(biāo)類型、角度、散射 中心的位置和幅度。在目標(biāo)識別階段，通過未知目 標(biāo)的角度信息找出此角度下不同目標(biāo)類型的散射 中心信息與未知目標(biāo)進(jìn)行匹配處理。通過研究發(fā)現(xiàn) 如果估計角度誤差在5。以內(nèi)，對目標(biāo)識別影響不 大，為了減少計算量并加快識別速度，數(shù)據(jù)庫中的 數(shù)據(jù)可以相隔3。左右，這樣每種目標(biāo)在360。范 圍內(nèi)的數(shù)量為100個左右。

3 結(jié)果與討論 本文應(yīng)用公式(1)對兩個點型散射中心和一 個線型散射中心進(jìn)行了x波段SAR圖像的模擬。 一個點位于(0，一5)m，另一個位于(0，5)m， 線型散射中心模擬的是邊緣繞射( =-1／2)，位 于(5，0)m，長度為10m。雷達(dá)參數(shù)為：中心頻 率 =9．599GHz，帶寬為0．591(GHz，方位向、 距離向分辨率約為0．3m。模擬的雷達(dá)圖像考慮了乘 性噪聲、加性噪聲以及泰勒加權(quán)。下面是模擬的結(jié) 果。 圖6 x波段SAR的模擬圖像 20 40 60 80 10o 120 本文采用了落水方法提取目標(biāo)的散射中心，每 個散射中心的位置估計利用兩步估計法，首先利用 互相關(guān)函數(shù)進(jìn)行初步估值，然后利用Nelder-Mead 方法進(jìn)行精確估計，對于長度估計首先利用sinc函 數(shù)的泰勒近似求出初值，然后利用Nelder-Mead方 法進(jìn)行精確估計，口的估計利用試探法， 的估計 利用最小二乘法。 表3是對上述模擬圖像進(jìn)行的參數(shù)估計結(jié)果。 表3 參數(shù)估計結(jié)果 由表3可以看出，在圖像域中進(jìn)行參數(shù)估計的 方法是可行的，散射中心的位置等屬性參數(shù)估計得 相當(dāng)準(zhǔn)確。為了利用散射中心理論進(jìn)行目標(biāo)識別， 我們對MSTAR實測數(shù)據(jù)進(jìn)行了以散射中心表示的 SAR圖像仿真(20個散射中心)， 圖7是SAR原 始圖像， 圖8是對應(yīng)的散射中心圖像。
20 柏 6o 8o 100 "120 圖8 散射中心圖像 利用前面介紹的方法，結(jié)合散射中心理論我們 對MSTAR 提供的十幾種目標(biāo)進(jìn)行了自動識別處 理。表4是其中三種目標(biāo)的正確識別率。從表中可 以看出不同目標(biāo)的正確識別率達(dá)到了90％以上。本 文的計算和圖像處理是在DELL雙CPu(933MHz) 的圖形工作站進(jìn)行的，每個目標(biāo)的自動識別耗時均 小于1s。 表4 MSTAR數(shù)據(jù)中三種目標(biāo)的正確率 本文應(yīng)用散射中心理論對MSTAR數(shù)據(jù)進(jìn)行了 目標(biāo)自動識別處理，達(dá)到了一定的識別效率。在進(jìn) 行角度估計的分析中，我們發(fā)現(xiàn)方位的估計誤差主 要發(fā)生在目標(biāo)方位接近90。的情況下，這時目標(biāo)的 短邊和長邊很難區(qū)分； 另外目標(biāo)的方位存在180。 的方位模糊，主要是由于圖像分辨率的限制，目標(biāo) 的頭部和尾部無法分辨。如何利用目標(biāo)陰影等其它 信息進(jìn)一步提高估計目標(biāo)方位的準(zhǔn)確率是下一步 的研究重點。