基于極化SAR數據的圖像分類識別算法

張 軍 王 勇 郝萬兵 楊 磊 郭鵬程

(西安電子工程研究所 710100 西安)

0 引言

在傳統的目標識別中，雷達發射和接收電磁波的極化方式是不變的，稱作單極化雷達目標識別。單極化方式只能反映出雷達目標在固定收發方式下的極化特性，而目標在不同的極化電磁波照射下，電磁散射特性是不同的，通過不同極化方式的接收，就可以得到目標更加全面的極化信息，基于此的目標識別稱作全極化目標識別。

1950年，學者George Sinclair 提出著名的“Sinclair 極化散射矩陣”［1］，即在特定的姿態和頻率下，可以用一個2 ×2 的復散射矩陣來描述雷達目標的散射特性，開啟了雷達極化信息處理的研究。早期的極化目標識別主要是直接依據散射矩陣元素進行的，其中Bickel 和Lowebshuss 在對極化散射矩陣變換和目標表征的研究基礎上，提出了三參數軌跡法，并將其應用于目標識別。1965年，Bickel 提出了不隨目標繞雷達視線方向的旋轉或者雷達極化基改變的極化不變量，并指出它們是可用于目標識別的良好特征［2］。以上極化雷達目標識別方法都是對目標宏觀散射特性的分析和描述，而對目標局部散射特性的描述甚少。其實最有希望解決目標識別問題的方向是將高分辨目標識別技術和全極化加以綜合。Kennaugh 和Boerner 等都強調了高分辨背景下目標極化特性研究。Cameron、Huynen、Krogager 等人相繼提出了基于極化散射矩陣分解的目標識別方法，即將目標分解為若干個子散射體疊加的形式，每一個子散射體對應著確定的物理散射機制。之后又出現了Mueller 矩陣、Kennaugh 矩陣等表征方式。這些表征方式極大地推動了極化理論的進一步完善，促進了極化檢測、極化濾波、極化識別等極化技術的蓬勃發展。

在全極化雷達高分辨距離像(HRRP)目標識別方面，通常有兩種方法:一種將距離像信息與極化信息按照某種規則結合起來提出了距離像-極化多維匹配識別方法。另外一種是使用多數投票準則和證據理論準則(D-S)對四種極化狀態下的HRRP 的識別結果進行融合。

圖1 雷達自動目標識別系統框圖

1 極化測量體制

極化雷達測量體制，發端于早期出現的變極化、雙極化雷達;伴隨著后期技術的不斷進步，軟硬件水平的不斷提高以及高測量精度的需求，繼續從變極化雷達體制、雙極化測量體制發展到全極化雷達體制，從分時極化測量體制發展到同時極化測量體制。

1．1 變極化雷達體制

這種雷達體制只需要一路發射通道和接收通道，通過極化選擇開關來實現發射極化狀態的改變，接收時采用同極化接收。這種測量模式由于只能利用連續兩個脈沖測量得到目標極化散射矩陣的同極化分量，并且對轉換開關和脈沖重復周期有嚴格要求，故只有少數警戒雷達為了特定的目標探測和抗干擾需要，在頻率分集時采用這種體制。

1．2 雙極化測量體制

在原有單極化雷達基礎上增加一副正交極化天線及對應的接收通道就可使其具有部分極化測量能力，稱此種體制雷達為雙極化測量雷達。在這種模式下，每個PRI能得到極化散射矩陣的一列元素。通過對兩路正交極化接收信號的融合處理，用于增強其目標檢測和抗干擾性能，可將信噪比提高幾個分貝。比如美國的Millstone Hill 跟蹤雷達、ALTAIR導彈防御雷達。但是，受其極化測量能力的限制，這種體制雷達在提高雷達目標分類和識別能力等方面的作用有限。

1．3 全極化測量雷達體制

1.3.1 分時極化測量體制

該體制雷達以PRI為周期輪流發射正交極化信號，并同時接收H、V 極化信號，利用連續兩個脈沖測量得到完整的極化散射矩陣。分時極化測量雷達具有一路極化可變的發射通道、兩路獨立的正交極化接收通道，主要用于戰場偵查與監視、防空反導、地理遙感和氣象探測等。

一般而言，分時極化測量雷達通過對多個脈沖的處理能夠獲得目標的完整極化散射矩陣，但該體制雷達存在以下固有缺陷:

(1)對極化散射特性快起伏、非平穩目標(包括結構較為復雜或運動速度較快的飛機，導彈等)，該體制會造成目標散射矩陣的兩列元素測量值間產生去相關效應;

(2)由于目標運動引起的多普勒效應會造成目標散射矩陣的兩列元素測量值之間產生相位差，利用相位補償技術難以達到理想的測量精度;

(3)發射通道極化切換器件存在固有的交叉極化耦合干擾，對極化測量精度產生不利影響。

1.3.2 同時極化測量體制

同時極化測量體制的核心思想是雷達發射信號由兩個具有一定帶寬的調制信號相干疊加得到，兩個正交極化通道的發射波形盡可能正交，然后對雷達回波信號同時進行兩路正交波形的相關接收，利用信號調制的正交性分離出不同發射極化對應的回波，從而利用一個脈沖重復周期得到目標極化散射矩陣4 個元素的估計值。

同時極化測量體制可以實現對動態、時變的全極化信息進行獲取，處理和利用，從而極大提高雷達在目標檢測、抗干擾、目標識別和參數反演方面的能力。

1．4 簡縮極化測量體制

全極化SAR 能夠提供更多的目標散射信息，揭示更準確詳盡的目標地物特性。但該系統對存儲空間及采樣頻率要求較高。為了緩解硬件壓力，同時提高數據采集速率，擴大場景錄取范圍，簡縮極化SAR 模式從提出以來就備受關注。

這種測量體制主要用于空間SAR 探測中。一種是π/4 模式，即發射45°線極化信號，同時接收H、V 極化信號;另一種是發射圓極化信號，同時接收H、V 極化信號。這種體制的優勢在于制造工藝相對簡單，具有自校準特性，不易受到噪聲和交叉極化通道影響。表1 從五個方面對5 種極化測量體制進行比較。從表1 可以看出，同時極化測量體制雖然系統復雜度高，但其信號處理能力和極化測量能力也高。

表1 極化測量體制比較

2 基于極化分解的目標識別算法

2．1 極化散射矩陣

1950年Sinclair 首次提出著名的“Sinclair 極化散射矩陣”的概念。其特定姿態和輻射源頻率下的極化散射特性可以由一個2 ×2 的復的二維散射矩陣來表示。如果給定矩陣中所有元素的相位和幅度，S 矩陣能夠將目標散射的能量、相位、極化特性統一的表示出來，完整的描述目標電磁散射特性。

在遠場條件下，電磁波可以看作是平面波，在選定散射空間坐標系及相應的極化基后，整個散射過程就可以看作是一個線性變換過程:

Es= SEi

即

其中的S 矩陣就是所謂的Sinclair 極化散射矩陣，r 表示接收天線和雷達目標之間的距離，為電磁波的波數，S 矩陣中元素兩個下標分別代表接收電磁波的極化方式和發送電磁波的極化方式，例如表示以水平極化方式發送電磁波，以垂直極化方式接收電磁波。

2．2 相干分解

相干分解是基于極化散射矩陣S 的分解方法，其主要思想是將任意的S 矩陣分解成若干散射矩陣的和的形式，每一個矩陣對應著某種確定的散射機制，即:

其中si代表標準的極化散射矩陣，并且假設各矩陣具有獨立性;αi代表si的權值系數，代表該成分在S 矩陣中所占的比重。

2.2.1 Pauli 分解

Pauli 分解的表達式為S=aSa+bSb+cSc

表2 Pauli 分解的物理意義

Pauli 分解的優點是形式簡單，且Pauli 基為完備正交基。它的缺點是，分解對應的物理散射機制只有奇次散射和偶次散射兩種，不能完整描述目標的散射特性。a 表示奇次散射機制;b 表示偶次散射機制;c 表示旋轉45°偶次散射。直接利用最大值歸一化后的|a|2、|b|2和|c|2作為特征就可以進行識別。

3 實驗結果

本文利用全極化SAR 數據，數據采集區域為美國舊金山海岸，左邊是舊金山的海岸與海灣，右邊是太平洋，近海處停放了四艘較大的艦船，建筑物區域位于左側海岸。如圖2所示，該SAR 圖像是四個極化通道合成的偽彩圖為了識別艦船目標，首先對艦船附近的海面特性進行分析，截取的目標區域選取海雜波區域，橫坐標(550，650)縱坐標(750，900)，X軸代表樣本數，Y 軸代表強度。

從圖3 可以看出，同極化通道的信噪比相當，約為16dB，而交叉極化的信噪比強度比同極化通道信噪比強度大概高10dB。雖然海雜波的強度在不同的極化通道相差較大，但其近似于均勻分布。

圖2 全線極化通道的SAR 圖像

圖3 不同極化通道海雜波的HRRP 的強度對比

圖4 海雜波特性擬合

通常，在低海情的情況下，韋布爾分布的擬合效果較好，而高海情下對數正態分布的擬合較好。從圖3 擬合效果來看，所選區域的海情較低，這與其靠近海灣的地理位置相符。

圖5 選取艦船區域:橫坐標(555，，601)，縱坐標(101，250)進行Pauli 分解

圖6 選取建筑物區域:橫坐標(50，200)，縱坐標(200，350)進行Pauli 分解

圖7 選取海雜波區域:橫坐標(550，750)縱坐標(600，800)進行Pauli 分解

由艦船和建筑物的pauli 分解可知，場景中目標的二面角分量較多，因此偶次散射b、c 較強。艦船二面角和45°二面角分量比建筑物對應分量多，該特征可用于艦船和建筑物目標的分類。海面由于奇次散射，因此a 分量較強。

4 結束語

圖5 艦船區域的Pauli 分解

圖6 建筑物區域的Pauli 分解

圖7 海雜波區域的Pauli 分解

利用公開的舊金山的全極化SAR 數據，根據四個線極化通道合成偽彩色圖像，實現對場景進行初步認知。利用四個線極化通道海雜波的HRRP 的強度對比，比較同極化通道和交叉極化通道的信噪比強度。通過對目標進行Pauli 分解得到場景中奇次散射和偶次散射分量，從而完成對海雜波、建筑物和艦船的相干分解分量的研究。

［1］Sinclair G...The transmission and reception of elliptically Polarized radar waves ［J］.Proc.IRE，1950，38(2):148-151.

［2］Brichel S.H，Some invariant properties of the polarization scattering matrix［J］.Proc.IEEE，1965:1070-1072.

［3］Krogager，E.，A new decomposition of the radar target scattering matrix［J］，Electronics Letter，1990，26(18):1525-1526.

［4］C.J.C.Burges，A tutorial on support vector machines for pattern recognition［J］.Data Mining and Knowledge Discovery，1998，2:121-167.

［5］J.R.Huynen.A new approach to radar crosssection measurements ［J］.IRE Internal Conv.，1962.