基于合成孔徑雷達的海警艦船檢測與監(jiān)視*

張 梅

(中國人民武裝警察部隊學(xué)院邊防系 廊坊 065000)

?

基于合成孔徑雷達的海警艦船檢測與監(jiān)視*

張 梅

(中國人民武裝警察部隊學(xué)院邊防系 廊坊 065000)

我國四面海域資源豐富,周邊海上鄰國不斷挑起爭端,激化矛盾,沖突頻發(fā),給我國的海洋安全帶來了前所未有的嚴峻威脅和挑戰(zhàn)。論文介紹合成孔徑雷達(SAR)原理算法、圖像理解、目標識別等理論,指出SAR圖像是進行海上艦船目標檢測、監(jiān)視和定位的最有效手段之一;進而研究經(jīng)典的檢測算法,并對它們進行比較;最后搭建出一個基于SAR的艦船檢測和監(jiān)視系統(tǒng)的初步框架。論文旨在為維護海洋合法利益提供有效的科技支撐。

SAR圖像; 海警; 艦船檢測與監(jiān)視; 系統(tǒng)框架

Class Number E255

1 引言

中國擁有2萬多公里海岸線,7千多個島嶼,近300萬平方公里的海洋國土,新形勢下,國際政治外交形勢多變,中國海洋權(quán)益不斷受到威脅,圍繞著資源爭奪、島礁主權(quán)、海域劃分以及通道安全等爭端頻發(fā)發(fā)生,給我國的海洋安全帶來了前所未有的威脅和挑戰(zhàn)[1]。十八大報告提出建設(shè)“海洋強國”的目標,與之相稱的首先應(yīng)從保衛(wèi)東海、南海、黃海的海疆主權(quán)問題,繼而促進海洋資源開發(fā),海洋經(jīng)濟發(fā)展以及海洋生態(tài)文明建設(shè)等各項基礎(chǔ)性建設(shè)完善,最終實現(xiàn)海洋事業(yè)的全面和諧發(fā)展。

合成孔徑雷達(Synthetic Aperture Radar,SAR)是一種高分辨率成像傳感器,具有全天時全天候觀測能力,能夠長期、動態(tài)、實時地進行觀測[2]。民用領(lǐng)域主要應(yīng)用于對自然目標進行測繪和災(zāi)情勘察,軍事領(lǐng)域則應(yīng)用于如何從包含大量雜波背景的SAR圖像中檢測和識別軍事目標。在海洋應(yīng)用中,多變的天氣使得光學(xué)手段受到極大限制,SAR成像機理使得其能夠?qū)崿F(xiàn)海浪、內(nèi)波、海底地形、淺海水深、艦船目標、油膜污染以及海岸線變遷的檢測[3],因此具有巨大的潛力。艦船是一切海面活動的載體,自1978年在SEASAT的SAR圖像上,人們第一次發(fā)現(xiàn)海洋表面延伸20公里的艦船尾跡,便逐漸展開對SAR圖像中艦船的關(guān)注和深入研究,成為各國研究的熱點。本文介紹SAR的原理算法、圖像理解、目標識別等理論,進而研究了經(jīng)典的檢測算法,并對它們進行比較,最后搭建出一個基于SAR的艦船檢測和監(jiān)視系統(tǒng)的初步框架。本文旨在為維護海洋合法利益提供有效的技術(shù)支撐。

2 SAR理論

SAR是一種高分辨率微波成像雷達體制,能提供遠距離、大面積分布目標、遠距離機動目標、一定覆蓋物下的隱蔽目標的多維高分辨率圖像。

2.1 SAR系統(tǒng)

SAR成像結(jié)果是地面場景的二維圖像(距離向和方位向),圖像上的灰度值表示場景中相應(yīng)位置的后向散射系數(shù)。將飛機和衛(wèi)星作為SAR天線的運載平臺,分別構(gòu)成了機載SAR系統(tǒng)和星載SAR系統(tǒng)。目前包含艦船檢測功能的SAR系統(tǒng)主要有:美國的SEASAT系統(tǒng),加拿大的RADA-RAST海洋監(jiān)視工作站,Alaska-SAR演示系統(tǒng),英國的MaST系統(tǒng),法國的SAR-tool系統(tǒng)等。通過聯(lián)合使用偵察機、船載GPS、VTS(海岸警衛(wèi)隊的艦船交通服務(wù)雷達)、AIS(自動識別系統(tǒng))可以輔助獲取艦船實際位置,從而實現(xiàn)艦船的監(jiān)控。

2.2 成像技術(shù)和運動補償

高質(zhì)量SAR圖像的獲取是準確檢測艦船的關(guān)鍵,各成像算法就是在不同假設(shè)條件下求解地面目標二維散射系數(shù)。首先SAR回波信號的獲取過程等效為一個兩維卷積過程,如式(1):

r(t,τ)=σ(t,τ)?h(t,τ)

(1)

其中r(t,τ)表示雷達的回波信號,t、τ分別表示距離向和方位向時間,σ(t,τ)表示目標的散射系數(shù),h(t,τ)表示點目標的響應(yīng)信號。SAR的成像處理過程則可以等效為一個重建地面目標散射系數(shù)的二維反卷積過程,如式(2):

(2)

平臺運動形成“合成孔徑”提高方位向分辨率,但是運動也是一切問題的根源,由于距離方程與方位向時間有關(guān),所以產(chǎn)生距離遷移,使得某一點的雷達回波信號跨越了多個距離門,產(chǎn)生了方位向和距離向的耦合,使得方位處理變成了復(fù)雜的二維處理問題。如何處理距離遷移問題也就成為每個不同成像算法的核心所在。經(jīng)典成像算法有RD(Range Doppler)算法、CS(Chirp Scaling)算法、ωK算法。

在實際機載SAR系統(tǒng)中,由于平臺軌跡非理想化、運動測量中的誤差、成像算法上的近似、硬件性能的限制以及大氣傳輸效應(yīng)等諸多因素的影響,SAR方位向回波不再滿足理想線性調(diào)頻信號的條件,與此同時,為了獲得與距離向高分辨率相比擬的方位分辨率,必須盡可能地延長合成孔徑長度,這更加會導(dǎo)致比較嚴重的運動誤差積累,從而使方位向分辨率更加惡化。運動誤差會導(dǎo)致SAR圖像出現(xiàn)幾何失真、分辨率變差、對比度下降、圖像質(zhì)量下降和出現(xiàn)虛假目標等現(xiàn)象。

為了獲得高分辨率SAR圖像,必須消除運動誤差帶來的影響,而高分辨率SAR系統(tǒng)由于寬波束,長孔徑等特點使得運動補償更為復(fù)雜。目前用于運動補償?shù)姆椒ㄖ饕腔陲w機或衛(wèi)星的GPS數(shù)據(jù)的補償方法和基于雷達回波數(shù)據(jù)補償?shù)姆椒╗5～6]。經(jīng)過運動補償后的SAR圖像可以視為分辨率滿足需要的雷達數(shù)據(jù),從而可以進行艦船檢測算法的執(zhí)行。

3 圖像理解和目標分類

艦船檢測屬于模式識別和人工智能的范疇,在研究SAR圖像上艦船檢測之前,必須首先研究SAR圖像理解和艦船檢測目標分類的問題。

3.1 圖像理解

圖像理解是指為完成某一任務(wù),需要從圖像中獲取哪些信息,以及如何利用這些信息獲得必要的解釋[7]。圖像理解兩項最基本的任務(wù)是: 1) 從輸入圖像中提取與模型相適應(yīng)的圖像結(jié)構(gòu)或線索, 2) 完成輸入圖像中圖像結(jié)構(gòu)與模型中目標的正確映射。因而,圖像理解是基于目標或場景的模型,形成對輸入圖像的解釋。

SAR圖像由于其特殊的成像機理,與光學(xué)圖像不同,在SAR圖像中,陰影與太陽光照無關(guān),其總是背向雷達照射方向的一面。SAR圖像反映的所照射區(qū)域目標與背景散射回波的空間分布,與雷達工作狀態(tài)、波長、入射角、極化方式、目標結(jié)構(gòu)、目標所處環(huán)境等因素密切相關(guān),從而導(dǎo)致同樣的目標形成不同的SAR圖像。同時SAR圖像所特有的幾何特點,例如:透視、倒置、迭掩等,也加大了SAR圖像理解的難度。另外,SAR圖像固有的相干斑噪聲,使得邊緣目標模糊,清晰度下降,這些都為SAR圖像解釋帶來困難。

SAR圖像理解需要大量的先驗知識,需要熟悉SAR圖像解釋標志和主要地物圖像特征,一些人工和天然目標所特有的形狀構(gòu)成它們特有的標志,從而易于在SAR圖像上識別。比如,機場多呈現(xiàn)黑色的彼此相交的條帶,農(nóng)田多呈規(guī)則的方塊狀,飛機呈現(xiàn)為近十字狀,艦船表現(xiàn)為梭形等。

3.2 艦船檢測目標分類

SAR圖像上的目標通常分為點目標、線目標、面目標和硬目標。首先要確定它們屬于哪類目標類型。針對檢測對象不同,艦船檢測分為艦船自身檢測和艦船尾跡檢測。

艦船主要由金屬制成,在其上構(gòu)成眾多角反射器,使得其成為一種極強的雷達反射目標,在SAR圖像上形成非常亮的目標。同時,由于海雜波在SAR圖像上通常呈現(xiàn)出暗黑色,因而艦船檢測就是暗背景下亮目標檢測問題。通過總結(jié)分析認為,艦船目標在低分辨率SAR圖像上呈現(xiàn)為點目標,在高分辨率SAR圖像上為硬目標,因此針對不同分辨率的SAR圖像,檢測方法也必然不同。

SAR圖像中有時也會觀測到運動艦船的尾跡,由于尾跡比艦船本身大得多,在低分辨率圖像上,更容易辨別,同時由于運動艦船的距離向速度分量會引起回波信號的多普勒頻移,所以SAR圖像上運動艦船的位置并不代表其實際位置,而對艦船尾跡的檢測卻也有助于估計運動艦船的實際位置、航速和航向。

本文接下來只研究艦船本身的檢測算法,不涉及尾跡檢測算法的討論。

4 檢測算法

4.1 基于閾值的檢測算法

基于閾值的檢測算法中又分成兩種[8～9]:全局閾值和局部閾值。式(3)給出了閾值檢測算法的基本形式:

(3)

其中f(m,n)表示SAR圖像中像素的灰度值,F表示閾值,p(m,n)為判斷函數(shù),當p(m,n)=1時的像素即認定為艦船目標。

全局閾值是最簡單的一種檢測算法,它采取一個固定的閾值對圖像進行分割,將高于閾值的像素認定為艦船目標。優(yōu)點是計算簡單,便于實施,缺點是無法根據(jù)圖像中局部場景的變化實時調(diào)整閾值,因此會在檢測結(jié)果中引入大量的漏檢和虛警情況。

典型的局部閾值算法是基于滑動窗口的自適應(yīng)閾值檢測算法,它利用窗口濾波技術(shù)對艦船進行檢測。其優(yōu)點是考慮了海洋局部環(huán)境變化,從而所設(shè)定的閾值能更好地符合檢測局部區(qū)域的統(tǒng)計特性。缺點是運算量大,不能夠滿足實時檢測的要求,并且在噪聲斑較多、海面風(fēng)浪較大的情況下,容易造成大量的虛警。

4.2 基于恒虛警率的檢測算法

由于海況變化復(fù)雜,海面上背景信息與艦船目標的對比度不斷變化,甚至在有些圖像區(qū)域,背景與艦船有相同的反射強度,所以不能簡單的用常數(shù)閾值來檢測,需要具有自適應(yīng)能力的檢測算法,同時保持一定的虛警率,恒虛警率(Constant False Alarm Rate,CFAR)檢測算法[10]就是在這種情況下產(chǎn)生的。它是基于分布模型的算法,是雷達信號檢測領(lǐng)域中最常用和最有效的一類檢測算法。實驗表明,CFAR算法具有很好的穩(wěn)健性,即使在惡劣的情況下,仍然能夠取得較好的檢測結(jié)果。

CFAR算法首先對雜波的統(tǒng)計特性進行研究,選擇一個合理的數(shù)學(xué)模型表示雜波幅度的概率分布特性,并根據(jù)恒定的虛警率估計出雜波概率密度函數(shù)中的參數(shù),然后計算得出艦船檢測的閾值。由此可以看出,如果假設(shè)不同的海洋雜波模型,將得到不同形式和檢測效果的CFAR檢測器。

根據(jù)背景雜波的模型不同,CFAR算法進一步細分,當背景雜波滿足高斯分布時,得到雙參數(shù)CFAR檢測算法,式(4)給出了高斯分布概率密度函數(shù):

(4)

(5)

當p=1時,即認定為艦船目標。Kcfar稱為標稱化因子,通常為常數(shù),控制虛警概率。為了獲得更好的檢測效果,通常取目標窗口的尺寸是小船目標的2倍,保護窗口的尺寸是大船目標的3倍,背景窗口尺寸為保護窗口尺寸+2n,通常n取3。

雙參數(shù)CFAR算法是基于背景雜波滿足高斯分布的假設(shè),滑動窗口使得算法能夠適應(yīng)局部背景雜波的變化,缺點是該算法需要對圖像中的每個點進行統(tǒng)計,計算量大,運行時間與窗口尺寸的設(shè)定有關(guān),該算法無法檢測圖像邊緣處目標,并且當背景窗口中出現(xiàn)不需要的目標或背景分布不連續(xù)時,算法不穩(wěn)定。

當背景雜波滿足K分布時,得到K分布CFAR檢測算法。相比于雙參數(shù)算法中高斯分布的假設(shè),K分布能夠更好的描述海洋雜波,從而被廣泛接受。通過對背景區(qū)域內(nèi)的像素觀測強度進行統(tǒng)計計算,結(jié)合虛警概率,求出檢測閾值,最后根據(jù)閾值對圖像進行分割。由于是全局閾值,所以不是每個像素都參與統(tǒng)計計算,所以比雙參數(shù)CFAR算法的速度快,其缺點是形狀參數(shù)可能為負值,計算修正的Bessel函數(shù)會占用大量運算時間。一般認為,在海面比較平靜的情況下,認為海面雜波服從瑞利分布,大多數(shù)海面情況滿足K分布,更復(fù)雜的情況服從復(fù)雜分布,比如K分布和其它分布的集合。

除了上述兩類檢測算法外,還有基于小波分析的多尺度檢測算法以及基于多極化數(shù)據(jù)的多極化檢測算法等,每種算法各有優(yōu)劣,適用于不同的場合,本文不再加以贅述。

5 基于SAR的海警艦船檢測和監(jiān)視系統(tǒng)

在上述研究SAR成像、艦船檢測算法的基礎(chǔ)上,本文接下來從工程實現(xiàn)出發(fā),探討一種基于SAR的艦船檢測和監(jiān)視系統(tǒng)框架,給出設(shè)計方案,并討論其中的關(guān)鍵技術(shù)。

基于SAR的艦船檢測和監(jiān)視系統(tǒng)功能模塊包括:成像和運動補償、圖像預(yù)處理、數(shù)據(jù)庫管理、艦船目標識別、敏感區(qū)域動態(tài)監(jiān)視、圖像輸出六個模塊。系統(tǒng)輸入為雷達回波信號,輸出為海域艦船信息,系統(tǒng)框架如圖1所示,分別介紹各模塊功能和關(guān)鍵技術(shù)。

圖1 基于SAR的海面艦船檢測和監(jiān)視系統(tǒng)框架

1) 成像和運動補償模塊

該模塊輸入回波信號,經(jīng)過成像和運動補償處理,輸出符合檢測要求的SAR圖像。其能力大小直接影響艦船檢測的準確性。

2) 圖像預(yù)處理模塊

研究表明,單純依靠檢測算法并不能獲得令人滿意的檢測結(jié)果,為提高檢測效率,減少虛警,在使用檢測算法檢測之前要對遙感圖像進行預(yù)處理,同時對檢測結(jié)果也要進行后續(xù)處理,在該系統(tǒng)中,將其統(tǒng)稱為預(yù)處理。主要包括陸地掩模、幾何矯正和輻射矯正、相干斑抑制濾波、直方圖均衡、圖像增強、圖像分割、虛警剔除等功能。伴隨著遙感圖像與光學(xué)圖像的融合,通常也包括圖像融合的預(yù)處理功能,以增強艦船檢測成功率。

3) 數(shù)據(jù)庫管理模塊

該模塊包含系統(tǒng)所涉及到的數(shù)據(jù)的管理操作。主要有地理信息系統(tǒng)(GIS)數(shù)據(jù)庫、艦船特征數(shù)據(jù)庫、光學(xué)圖像數(shù)據(jù)庫等,主要為系統(tǒng)內(nèi)其它模塊提供基準數(shù)據(jù)和輔助資料。比如:海洋GIS數(shù)據(jù)庫為目標監(jiān)視提供目標地理位置、地理位置變化監(jiān)視、檢測目標活動范圍變化監(jiān)視等;檢測特征數(shù)據(jù)庫提供艦船特征參數(shù)、雷達后向散射特性和光譜特性等參數(shù),以豐富的經(jīng)驗性降低艦船目標識別中的不確定性;光學(xué)圖像數(shù)據(jù)庫為圖像融合提供相應(yīng)的光學(xué)影響。有時還需要提供SAR平臺飛行GPS數(shù)據(jù),為運動補償和目標定位提供參考數(shù)據(jù)。

4) 艦船目標識別模塊

該模塊進行艦船識別,同時提取艦船特征,包括艦船幾何特征、運動參數(shù)、地理位置等信息。由于目前自動識別技術(shù)尚未成熟,所以可以通過人機交互的方式進行目標識別,使計算機解釋與人工目視解釋相輔相成,通過友好的工作界面、方便的人工干預(yù)手段,達到計算機輔助識別的目的。

5) 敏感地區(qū)動態(tài)監(jiān)視模塊

該模塊對指定的敏感地區(qū)進行動態(tài)監(jiān)視,并測量其變化。在技術(shù)上,其主要基于變化檢測技術(shù),比如:圖像插值法、圖像比值法、分類結(jié)果比較法、圖像回歸法、植被索引插值法等,通過對多時相SAR圖像進行比對和分析,發(fā)現(xiàn)并監(jiān)視敏感區(qū)域內(nèi)目標的變化情況。

6) 圖像輸出模塊

根據(jù)實際需求,輸出各階段圖像信息或者檢測報告。

由此可見,艦船識別和監(jiān)視系統(tǒng)是一個龐大的硬件和軟件系統(tǒng),包含圖像處理、人工智能、數(shù)據(jù)庫和計算機網(wǎng)絡(luò)等技術(shù)。既保證有強大的計算能力,又要有高度的穩(wěn)定性和可擴展性,最終成為一個高效和安全的工程系統(tǒng)。伴隨著遙感技術(shù)逐漸向高分辨率、多極化、多波段、重復(fù)觀測周期短等方向發(fā)展,海域艦船目標監(jiān)視需要綜合利用光學(xué)、遙感成像等信息,根據(jù)不同分辨率的圖像對目標做到檢測識別,提高目標監(jiān)視的可靠性、實效性、有效性。

6 結(jié)語

艦船是一切海面活動的載體,研究艦船目標的檢測和監(jiān)視在艦船搜救、非法移民、領(lǐng)土保衛(wèi)、反毒反私、情報獲取等方面有著重要的意義。本文從SAR回波數(shù)據(jù)出發(fā),介紹SAR理論,研究了經(jīng)典的檢測算法,搭建出一個基于SAR的艦船檢測和監(jiān)視系統(tǒng)的初步框架,并且介紹該系統(tǒng)的組成和功能,具備一定的實際意義和參考價值。

[1] 張耀.中國海洋安全觀的歷史分析[J].新疆師范大學(xué)學(xué)報(哲學(xué)社會科學(xué)版),2015,36(2):79-86.

[2] C. A. Wiley. Synthetic Aperture Radars[J]. IEEE Transactions on Aerospace and Electronic Systems,1985,21(3):440-443.

[3] 黃韋艮,周長寶,厲冬玲.我國星載SAR海洋應(yīng)用的現(xiàn)狀與需求[J].中國航天,1997,12:5-9.

[4] 劉永坦.雷達成像技術(shù)[M].哈爾濱:哈爾濱工業(yè)大學(xué)出版社,1999:48.

[5] 張梅,劉暢,王巖飛.頻帶合成超高分辨率機載SAR系統(tǒng)的相位誤差校正[J].電子與信息學(xué)報,2011,33(12):2813-2818.

[6] 張梅,劉暢,王巖飛.頻帶合成機載SAR的運動補償[J].電子與信息學(xué)報,2011,9(33):2114-2119.

[7] S. R. Schurmann. Radar Characterization of Ship Wake Signatures and Ambient Ocean Clutter Features[J]. IEEE Trans. On AESM,1989,4(8):3-8.

[8] Lin I I, Khoo V. Computer-based Algorithm for Ship Detection from ERS-X SAR Imagery[C]//Proc. of the 3rdERS Scientific Symposium,1997.

[9] Eldhuset K. An Automatic Ship and Ship Wake Detection System for Spaceborne SAR Images in Coastal Regions[J]. IEEE Trans. On GRS,1996,34(4):1010-1019.

[10] WAKERMAN C C, FRIENDMAN K S, PICHEL W G, et al. Automatic ship detection of ships in Radarsat SAR imagery[J]. Canadian Journal of Remote Sensing,2001,27(5):371-378.

Marine Police Ship Detection and Surveillance Technology Based on the SAR

ZHANG Mei

(Border Control Department, The Chinese People’s Armed Police Academy, Langfang 065000)

Currently, owing to the vast ocean resources of our country, maritime neighbors provoke disputes and aggravate contradictions frequently. The continual conflicts bring grave threat and challenge, which endanger our marine safety greatly. This paper introduces the theory of SAR algorithm, image understanding, target recognition, and points out that SAR image is an effective way in ship target detection, surveillance and location. And then, the classical detection methods are studied and compared. Finally, a frame of the ship detection and surveillance system based on the SAR is designed to provide technology support for the protection of the legitimate rights of the ocean.

SAR image, marine police, ship detection and surveillance, system frame

2015年6月3日,

2015年7月28日

武警學(xué)院博士科研創(chuàng)新計劃(編號:BSKY201510)資助。

張梅,女,博士,講師,研究方向:遙感信息處理、邊檢信息技術(shù)和智能化管控研究、出入境證件防偽與鑒別。

E255

10.3969/j.issn.1672-9730.2015.12.020