基于SAR圖像的艦船檢測算法

俞曉妮

(沈陽職業技術學院，遼寧 沈陽 110045)

基于SAR圖像的艦船檢測算法

俞曉妮

(沈陽職業技術學院，遼寧 沈陽 110045)

在基于海面雜波統計模型的基礎上，在利用SAR圖像系統技術的前提下，根據對艦船檢測目標因素的客觀分析，通過對各種艦船檢測算法檢測差異性的比較研究，進行相應算法分析，為優化算法在能夠有效提高檢測速度和檢測精度的情形下，進一步增強艦船目標的綜合檢測性能。

SAR圖像；艦船檢測算法；檢測性能

0 引 言

隨著信息技術的發展，SAR圖像技術日漸成熟。SAR圖像技術具有大范圍、寬領域、空域檢測實時性好等優勢，使得SAR衛星在空間檢測、遠洋海運檢測等領域獲得廣泛應用。在進行艦船目標檢測時，首先必須實時精確地獲取檢測目標并對目標自身參數進行預判；其次在對目標預判數據的基礎上快速精確地進行檢測，由于SAR圖像的檢測數據量大，必須利用海面雜波模型，依據艦船檢測目標的自身因素，提高SAR圖像的艦船目標檢測綜合性能。因此，算法設計的好壞將直接影響基于SAR圖像數據進行艦船目標檢測的精確性和響應速度，是艦船目標檢測的一個極為關鍵的因素。

1 基于SAR圖像的艦船檢測基本框架

如果將基于SAR圖像的艦船檢測整體納入一個系統的話，該系統主要包括SAR系統、分析系統和輸出系統3個部分。其中SAR系統主要包括SAR地面站部分，通過高空雷達獲取地面目標的圖像；分析系統則是根據海洋表面的雜波統計模型和某類算法對SAR子系統獲取的艦船目標的圖像域和位置域圖像進行分析；輸出系統則保證了圖像目標信息輸出至監控站中心，基于SAR圖像的艦船檢測框架如圖1所示。

本文中，主要是基于艦船檢測的算法研究。由于基于SAR圖像的艦船目標檢測主要依賴于采用海面雜波模型、SAR系統以及艦船自身空間域和位置域的評估參數，所以在進行基于SAR圖像艦船目標算法研究，首先要了解和掌握基于SAR圖像艦船檢測的相關影響因素，這樣進行數據分析才能獲得更科學、直觀的結果。

圖1 基于SAR圖像的艦船檢測系統框架Fig.1 The framework of ship′s detection system based on SAR image

2 基于SAR圖像的艦船檢測的影響因素

2.1 SAR圖像海面雜波統計模型

由于基于SAR圖像系統的實現會造成圖像明暗相間的分散點滴顆粒的噪聲干擾，這種干擾會對利用SAR圖像進行目標檢測的結果造成影響，所以需要這種干擾設計一種統計模型進行規避，SAR圖像海面雜波統計模型能夠降低干擾。該模型屬于參量模型，符合相關分布函數，那么可以從概率統計的視角出發嘗試概率密度函數入手，利用矩估計或最大似然估計法求取雜波模型的參數。通常，基于SAR圖像的海面雜波統計模型接近或類似于正態分布中的高斯分布，現假設基于海面雜波模型符合高斯分布，則其概率密度函數及分布函數如下：

其中erf(x)為高斯分布的誤差函數。

盡管海面雜波統計模型符合相關分布函數，但是還不夠精確，需要進行數學原理的擬合，使擬合后的模型更能符合實際的海面雜波現象。擬合的準則符合統計檢驗，該檢驗方法假設γ1和γ2作為偏斜和峰度的估計量，其定義如下：

式中g1與g2為對象的偏斜和峰值的無偏估計。

根據R.D.Agostino-Pearson檢驗獲得的檢驗公式為：

DDP=[φ-1(PG1(g1))]2+[φ-1(PG2(g2))]2。其中φ-1(z)為一個標準正態分布的逆分布函數。根據假設檢驗，大的DDP值應該被H0假設拒絕，這樣利用數學原理可實現海面雜波統計模型的設計。

2.2 艦船自身因素

船體物理特性也是SAR圖像目標檢測系統的影響因素之一。SAR系統獲取的圖像數據可以計算出艦船船體尺寸大小，但是艦船航向速度在SAR圖像系統中的計算比較復雜。現假設SAR系統主要對艦船目標的位置域、面積大小、航行速度和航向等參數進行圖像數據處理時，艦船的質心和幾何中心重合，那么根據數學物理公式可知艦船的橫坐標：

其中x0為艦船目標質心的橫坐標。由于在圖像數據處理時， SAR系統無法準確定位每個像素點的密度質量，則簡化為：

那么艦船目標質心的縱坐標如下式所示：

這樣在確定質心之后，可以根據質心的橫縱坐標及橢圓圖像來描述艦船的形狀，艦船的長與寬分別用SAR圖像的地面分辨率所掃描的長主軸和短主軸的表示，則運用橢圓進行艦船尺寸擬合時的公式如下：

式中：N為SAR系統所掃描的艦船目標圖像的總像素點；X，Y分別為橫縱坐標；L和W分別為艦船的長度和寬度，這樣，艦船自身的位置域和空間域既可顯示出來，又避免了海面航行時的噪聲影響，精確地利用地面經緯度算出船的位置。

3 基于SAR圖像的艦船檢測算法

3.1 全局及局部雙參數的CFAR檢測算法

3.1.1 基于全局的CFAR算法原理

在SAR成像系統中，檢測目標只占據一小塊的區域像素，對SAR圖像的總體統計特征影響不大。所以，當SAR圖像相對簡單且面積域相對較小時，可采用全局CFAR算法，對全局的檢測目標設定一個最大的門限值TCFAR。 其算法公式如下：

其中P(x)為檢測目標的分布函數。

根據雜波統計模型選出的圖像凸出點相對較亮，這樣便可以根據亮點像素的構成檢測出一個完整的目標。

其中T為圖像的全局域。

這樣利用CFAR算法對圖像整體進行移動檢測后，遍歷整個圖像區域，因此圖像的整體背景便可根據像素點的明亮程度繪制出目標的形狀。

3.1.2 基于局部雙參數的CFAR算法原理

局部雙參數CFAR算法檢測的設計主要集中以某一區域為中心進行像素的掃描。該算法以高斯分布統計模型為基礎，根據雜波統計特征計算比集中的中心區域較大一點的區域目標像素，使中心區域能夠完全被覆蓋，檢測更加精確。局部雙參數CFAR算法的數學描述如下：

式中：x(i,j)為坐標處的灰度；Ω為局部面積域。

在上述公式中，如果最大門限TCFAR小于統計模型的目標圖像的像素，則可以認定該區域為檢測目標像素?；陔p參數的CFAR算法以高斯分布為基礎，當該檢測區域的雜波不能滿足不符合高斯分布特征時則會影響算法的精確度，而且該算法需要確定檢測目標的圖像面積。

3.2 全局和局部雙參數CFAR算法仿真分析

SAR系統獲取圖像過程中，海面雜波統計模型采用高斯分布為基礎對。所以，在對于全局和局部雙參數CFAR算法進行仿真分析時，將2種算法的虛警率均設置為1e-3，仿真結果如圖2所示。

從圖中可看到，原始圖像有模糊的斑點且圖像整體均勻，在運用全局算法時，可以顯示出艦船目標圖像的整體；而當采用雙參數局部CFAR算法時，雖然虛警率處理的很好，但艦船圖像整體已經不容易辨識。由以上仿真可知，全局CFAR算法適合于均勻的區域環境檢測；而雙參數局部CFAR算法更適用于在海面背景較為劇烈變化運動的面積域。

3.3 基于二次Gamma核的SAR圖像艦船檢測算法

3.3.1 算法原理及目標檢測

對于一個周期的二維Gamma核方程滿足如下方程式：

式中：Ω表示一個區域；K和L為區域的空間坐標；C為數值常量。

根據計算可知，當整數n和u不斷變化時，所形成的空間區域是由Gamma曲線以圓周旋轉得到的。不同的n和u組合形成了不同的空間曲面面積。二次Gamma核算法原理是將基于Gamma核的統計模型覆蓋到被檢測艦船目標圖像及圖像周圍的區域點上，并乘于像素點的幅度和能量，得到所需結果。公式如下：

圖2 全局與局部雙參數CFAR算法仿真圖像Fig.2 Global and local image double parameter CFAR algorithm simulation

式中：x為像素點幅度；x2為像素點能量；y和y2為像素圖像的一階和二階矩估計。

將上述公式進行二次擴展后進行加權得到的特征方程如下：

w7(yn1,u1)(yn2,u2)+w8。

該方程即需要判別的Gamma核二次方程。對于Gamma核算法，由于判別的方程式是關于檢測目標圖像的幅度特征的，所以對SAR系統獲取目標圖像計算時，只要設定適合的限定區域就可以區別它屬于目標還是目標外圍雜波，實現艦船目標的檢測。

3.3.2 實驗仿真分析

在基于二次Gamma核SAR圖像算法數據仿真時，目標圖像來源于近海區域的艦船目標，取出160個樣本數據圖像，設置切片大小498×785，80個切片位于目標圖像邊緣，另外80個位于艦船目標的中心點；之后預測此樣本艦船目標圖像的大概面積尺寸，進行面積掃描；最后通過Gamma核SAR算法的原理和目標檢測機制獲取平均權值。

Gamma核SAR圖像算法能夠增強艦船目標圖像對雜波的干擾影響，圖像的信噪比也優于原始圖像，在復雜氣候環境和惡劣的雜波海面背景下，基于Gamma核SAR圖像算法能夠很好的提高目標圖像的檢測效果。

4 基于SAR圖像的艦船算法比較分析

上文中依次介紹了全局CFAR檢測算法、局部雙參數的CFAR檢測算法和二次Gamma核的算法原理和仿真分析，雖然從仿真圖像的細節中可以分辯出經過算法處理的SAR系統圖像和原始的圖像差別，但在這3者之間卻沒有具體的橫向比較，無法分析出這3種算法的具體運用環境，因此，需要尋找出圖像處理的指標因素。通過比較3種算法處理后的圖像指標，分析經過算法處理后的艦船圖像性能。圖像算法的性能主要由虛警概率、FOM(品質因素)及檢測概率構成， 其中，虛警概率的數值越小，檢測概率和FoM越趨近于數值1，則表明該種算法越好。圖3為3種算法實驗結果的指標因素對比。

圖3 3種算法的指標分析Fig.3 The analysis of the algorithm between three index

由圖3可看出，基于SAR圖像的艦船目標檢測算法中二次Gamma核的算法檢測概率和品質概率將接近數值1，而虛警概率接近于數值0。按照算法的指標因素可以看出，二次Gamma核的算法較全局和局部雙參數CFAR算法較好。因此，對于SAR系統來說，海面氣候變化不定，雜波背景統計模型多樣，所以在進行基于SAR圖像的艦船算法研究時，一定要事先根據圖像的指標特性和海面雜波模型的特征進行算法類別選取，或依照各種算法的優點綜合選用來進行SAR系統的艦船目標圖像的處理，以達到提高SAR圖像算法處理的綜合效果。

[1] 陳標，侯海平，陶榮華，等.艦船尾跡SAR圖像特征的譜分析研究[J].艦船科學技術,2008,30(6)：69-73.

CHEN Biao,HOU Hai-ping,TAO Rong-hua,et al.Study on the spectrum analysis of SAR image characteristic of ship wake[J].Ship Science and Technology,2008,30(6):69-73.

[2] OliverChris，Quegan Shaun，丁赤飚.合成孔徑雷達圖像理解[M].北京：電子工業出版社，2009.

[3] 高葉盛.基于信號模型的SAR參數化成像技術研究[D].上海：上海交通大學，2013.

[4] 雷盼飛，蘇清賀，楊桄.SAR圖像艦船目標檢測研究[J].影像技術，2011，23(4)：40-45.

LEI Pan-fei,SU Qing-he,YANG Guang.Research on detection of ship target from SAR image[J].Image Technology,2011,23(4):40-45.

[5] 高貴.SAR圖像統計建模研究綜述[J].信號處理，2009，25(8)：1270-1278.

GAO Gui.Review on the statistical modeling of SAR images[J].Signal Processing,2009,25(8):1270-1278.

[6] 歐林暉.海雜波幅度模型及參數估計綜述[J].科技風，2010(12)：229-230.

[7] JIAO Shu-hong，LIU Jia-yuan，LIU Ming-zhu.An adaptive ship detection method in SAR image based on CFAR[C].The 2nd International Conference on Information Communication and Management，2012：51-55.

[8] MATA-MOYA D.Application of mean-shift filtering to ship wakes detection in SAR images[C]//EUSAR 2010-8th European Conference on Synthetic Aperture Radar.Aachen,2010:1-4.

Research on efficiency evaluation method of UUV group detection mine

YU Xiao-ni

(Navy Equipment Academe，Beijing 100161,China)

Based on the sea clutter statistical model, the article discusses the use of the SAR image system technology. Through an objective analysis of ship detection target factors. We study comparatively various ship detection algorithm to detect differences in algorithm analysis. In order to optimize the detection algorithm to improve the speed and accuracy of the case under the detection so that it can enhance the overall performance of ship target detect.

SAR image;ship detection algorithm;detection performance

2014-03-02;

2014-11-21

遼寧省教育科學“十二五”規劃資助項目(JG14EB266)

愈曉妮(1973-)，女，碩士，研究方向為多媒體技術。

TP391.9

A

1672-7649(2014)12-0091-04

10.3404/j.issn.1672-7649.2014.12.020