淺談SAR圖像模式識別

魏媛 周冬梅 許秀富

【摘要】 介紹了SAR圖像模式識別系統及SAR圖像模式識別與普通光學圖像模式識別的區別。

【關鍵詞】 SAR圖像 模式識別 區別

合成孔徑雷達（SAR）是一種具有高分辨力的成像雷達，能夠全天時、全天候工作，并具有多波段、多極化、視角可變、有穿透性等特點，越來越多地應用于遙感、地質研究、安全救助、軍事偵察等領域。因此，SAR圖像自動目標識別具有重要意義。

一、系統流程

如圖1所示，SAR圖像目標識別系統由數據獲取、預處理、特征提取選擇、分類決策及分類器設計五部分組成。由未知類別模式的分類及分類器設計的訓練過程兩個部分組成。[1]

SAR圖像目標識別一般采用分層的方法。由于SAR成像的特殊機理，獲取的原始數據中含有大量斑點噪聲，經A/ D變換、二值化后，必須去除斑點噪聲，再經過圖像變換、增強、濾波等處理，為檢測提供目標圖像；其次進行目標檢測，從整個SAR圖像中提取可能包含目標的小區域，去除虛假目標，為分類識別降低運算量，提高識別效率；然后提取合理的特征值，降低特征維數；最后通過訓練確定滿足一定虛警率、識別率的判決規則，選擇合理的分類器進行分類識別。[2]

二、系統區別

由于SAR的特殊成像機理，衰落引起本來具有相同后向散射系數的均勻區域出現隨機分布的顆粒狀噪聲，稱為相干斑噪聲，嚴重影響圖像的質量。因此，在進行SAR圖像模式識別之前，必須抑制相干斑。早期通過降低處理器帶寬的多視 平均處理法犧牲了SAR圖像的空間分辨率，且相干斑噪聲抑制效果并不理想，隨后出現了空域濾波算法、小波域的相干斑抑制方法以及基于各向異性擴散的斑點抑制技術等。相干斑抑制要充分考慮均勻區域的等效視數、空間分辨率和輻射分辨率的損失、圖像平均后向散射系數保持能力以及圖像的自然視覺特性保持度等指標。基于各向異性擴散的斑點抑制技術隱含了自動標定棱邊位置和取向，實施各向異性平滑，且無需采取窗口機制的數值計算，抑制效果良好，因此被廣泛用于圖像處理領域。這里簡單介紹Catte各向異性擴散模型。先對圖像進行平滑處理，降低噪聲點的梯度，再進行迭代運算，抑制效果良好。

為進一步重構圖像，增強目標像素強度，可使用基于正則化的目標增強技術。假設包含噪聲的情況下SAR距離像觀測模型為；從給定含加性測量噪聲的觀測數據矢量，利用成像投影算子，估計反射率場的取樣數據矢量。充分體現了幾何觀測模型，增加了先驗知識，同時考慮了點特征與區域特征的增強。[3]由于SAR斜距成像和背景起伏等因素容易引起圖像的幾何變形，因此在預處理階段還要進行幾何糾正，將圖像重投影到指定的坐標系統中，主要方法包括多項式糾正方法、共線方程方法、距離-多普勒（R-D）模型法以及基于DEM的模擬方法等。此外還需進行圖像配準，利用特征和灰度匹配，由粗到精進行圖像配準，提高全局子像素級精度的基礎上，增加算法的靈活性和穩健性。

對于目標檢測率越高、虛警率越低檢測結果越好。常見的檢測技術包括恒虛警檢測、多分辨率檢測以及利用相位和極化信息的檢測方法等。為了節省計算量，可采用在圖像生成過程中來檢測目標的多尺度方法。當目標檢測器獲得足夠多的信息可以判斷某一塊區域沒有目標的時候，提示圖像生成器中止繼續生成該區域的圖像，以節省結算量。[2]

SAR圖像目標模式識別與光學圖像的目標模式識別最大的不同就在預處理階段 。在充分考慮SAR圖像特點的基礎上特征提取與分類判別時可參照光學圖像的模式識別進行設計。其分類器要有較好的泛化能力，能進行模糊的信息處理，因此，常用神經網絡和支持向量機（SVM）的分類器。

三、總結

相比普通光學圖像的目標識別，SAR圖像目標識別需要克服的困難比較多。首先，由于SAR圖像成像機理特殊，對方位角十分敏感，易受強噪聲（特別是相干斑噪聲）及陰影、透視收縮、迎坡收短、頂底倒置等幾何變形的影響，且散射強度隨目標的形狀、姿態和視角可變，視覺可讀性差，使得特征的提取非常困難。其次，目標環境無法控制，某些目標在其他物體的遮蓋下變得不易識別， 且目標運動易造成圖像模糊。另外，隨著SAR數據源、分辨率、成像模式不斷增加，目標信息呈爆炸式增長，需大量的目標模板建立完備的數據庫以正確判別圖像目標，因此，一個成功的SAR目標識別系統，必須充分考慮雷達、目標及所處的電磁環境，要根據用戶需求及SAR圖像特點，滿足 SAR圖像模式識別系統的識別率、錯誤率、復雜度、抗噪性能及實時性等性能，建立各種目標的描述模型和分類模型，選擇合適的算法及分類器。

參 考 文 獻

[1]楊淑瑩. 張樺.模式識別與智能計算—MATLAB技術實現[M].北京：電子工業出版社，2015.

[2]張紅. 王超，等.高分辨率SAR圖像目標識別[M].北京：科學出版社，2009.

[3]皮亦鳴.楊建宇，等.合成孔徑雷達成像原理[M].成都：電子科技大學出版社，2007