基于高分辨率SAR的目標識別技術研究

張國賓 韓如雪 陳晨

摘 要：本文以高分辨率SAR在艦船目標識別方面的應用為研究對象，論文首先分析了SAR成像的特點，提出一種基于Radon變換和直方圖分析等方法改善艦船目標幾何特征提取的性能，在此基礎上，結合SAR圖像艦船目標分類自身存在的問題和特點，引入稀疏表示理論，提出一種基于特征字典的稀疏表示分類算法，將其應用于TerraSAR-X SAR圖像中三類典型艦船目標分類識別，驗證了稀疏表示分類對SAR圖像艦船目標分類識別的有效性。

關鍵詞：高分辨率寬測繪帶 合成孔徑雷達 艦船目標監視

中圖分類號：TP751.1 文獻標識碼：A 文章編號：1672-3791（2018）05（a）-0011-02

高分辨寬幅（High Resolution Wide Swath，HRWS）星載SAR成像技術解決了高成像分辨率和寬測繪帶寬之間的矛盾，成像能力大幅度提升。在基本的SAR成像模式基礎上，方位向電掃描模式、馬賽克模式、滑動聚束模式等都在一定程度上實現了HRWS成像，涉及的技術方法主要包括俯仰向多波束、方位向多波束、波束形成、斜視成像和寬帶寬角二維相控陣天線設計等。單發多收、多發多收等多通道接收體制進一步促進了HRWS SAR成像技術的發展。根據不同的成像算法和應用需求，未來的HRWS星載SAR將可以在多種成像分辨率和成像幅寬的組合模式下進行成像，如德國宇航中心在研的HRWS系統將能夠獲取70km幅寬和1m高分辨率的SAR數據，與TerraSAR-X條帶模式（30km測繪帶和3m分辨率）的成像能力相比大大提高。歐空局計劃發射的Sentinel-1星載SAR系統將具有400km最大幅寬和5m最高分辨率的成像能力。圖1給出了HRWS星載SAR多模式成像的示意圖。

1 高分辨SAR圖像艦船目標特征提取

特征提取是SAR圖像解譯的重要步驟，也是HRWS SAR圖像艦船目標監視研究中的關鍵技術之一。通過提取SAR圖像艦船目標的相應特征，一方面可以進一步鑒別檢測結果中的虛警；另一方面通過提取特征降低原始數據的維數，并揭示不同目標的內在本質特性，從而有助于對目標進行分類識別。

在高分辨率SAR圖像中，艦船目標的幾何尺度、區域等特征受船體區域后向散射起伏、成像旁瓣效應、相鄰目標干擾等因素的影響，使得提取結果不準確。筆者重點針對十字旁瓣和鄰近目標的現象，提出一種基于Radon變換和直方圖分析等方法改善艦船目標幾何特征提取的性能。算法流程如圖1所示。

SAR成像技術的發展為SAR圖像艦船目標電磁散射特征提取提供了條件。電磁散射特征是SAR圖像中艦船目標的本質特征，揭示了艦船目標各個部位的散射機理，具有易于理解和直觀的物理意義，但限于圖像分辨率和極化/極化干涉SAR數據處理的限制，SAR圖像艦船目標電磁散射特征提取仍需深入研究。

宏結構是指由船體、上層建筑、功能性設備等引起較強雷達后向散射的艦船部件所組成的結構。不同艦船目標具有不同的幾何結構，特別是起重架、駕駛艙、船舷、艙口、輸油管等部件在SAR圖像上形成了強散射點。這些部件反映了艦船目標中強散射結構的分布，描述了艦船目標在SAR圖像中的宏觀散射特點，因此稱之為宏結構散射特征。筆者針對油船、集裝箱、貨船3種典型的艦船目標，從分析它們的宏結構及散射特點出發，利用圖像處理的方法從SAR圖像中提取了它們的宏結構特征宏結構散射特征的提取方法。

2 高分辨SAR圖像艦船目標分類識別

相對于艦船目標檢測技術的深入研究和應用而言，關于星載SAR圖像艦船目標分類識別的研究還處于起步階段。目前，國外研究機構開發的艦船目標識別系統還不能完全地實現艦船目標的分類識別。在過去相當長的一段時間內，受分辨率的限制，SAR圖像艦船目標分類識別研究主要基于仿真數據、高分辨機載SAR以及ISAR（Inverse SAR）數據開展。SAR圖像艦船目標分類識別的實現途徑主要有基于圖像模板匹配的分類識別以及基于特征模板匹配的分類識別兩種。與直接基于圖像的方法相比，基于特征方法的效率更高，因此大多數研究都集中在基于特征方法上。已有文獻表明總結已有研究，一個典型的SAR圖像艦船目標分類識別框架如圖2所示。

目標切片數據庫的建立是實現高分辨SAR圖像艦船目標識別的前提條件。受分辨率和高分辨SAR圖像數據獲取能力的限制，目前的研究大多基于通過對艦船目標的三維CAD模型根據不同的成像參數、目標姿態等條件進行電磁散射計算，然后對仿真計算結果進行SAR成像處理，建立仿真的SAR艦船目標切片數據庫。

隨著高分辨SAR系統的成功研制和投入使用，高分辨SAR圖像的獲取能力大大增強，從而可以從實測的高分辨SAR圖像中獲取大量的艦船目標切片，再根據AIS等地面驗證數據得到其對應的艦船類型、型號等真實信息，最后建立實測的高分辨SAR艦船目標切片數據庫。基于獲取的實測TerraSAR-X聚束模式高分辨SAR圖像數據，建立了包含有50只集裝箱船、150只貨船和50只油輪三類典型艦船目標的切片數據庫。部分切片數據如圖3所示。

在建立高分辨SAR圖像艦船目標切片數據庫的基礎上，分類算法也是影響SAR圖像艦船目標分類識別性能的重要因素。在其他條件相同的情況下，研究具有更優分類性能和魯棒性的分類識別算法尤為可貴。因此，結合SAR圖像艦船目標分類自身存在的問題和特點，引入稀疏表示理論，提出一種基于特征字典的稀疏表示分類算法，將其應用于TerraSAR-X SAR圖像中三類典型艦船目標分類識別，驗證了稀疏表示分類對SAR圖像艦船目標分類識別的有效性。

3 結語

HRWS SAR圖像艦船目標監視關鍵技術研究是SAR圖像海洋遙感應用的前沿性課題，具有較高的理論價值和廣闊的應用前景。雖然本文對該問題的研究取得了一些階段性的成果，但結合HRWS SAR成像技術的發展和實際應用需求，下一步需要開展的研究還有很多，具體表現在以下幾個方面：（1）HRWS SAR圖像艦船目標檢測算法性能仍需進一步提高。在實際的艦船目標監視應用中，特別是在近岸或港口區域，現有的艦船目標檢測結果中仍存在大量虛警。因此，需要進一步對SAR圖像艦船目標檢測算法開展更深入的研究，并充分利用目標上下文、多極化散射特性等信息提高檢測性能。（2）將HRWS SAR與極化/極化干涉、全息等成像技術相結合，進一步提取更為有效、更為本質的艦船目標分類識別特征。在現有的成像模式和圖像分辨率條件下，提取的艦船目標特征只能反映目標較為簡單的后向散射、宏觀結構等特點，因此，需要研究利用極化/極化干涉、全息SAR等對不同類型艦船目標進行反射甚至重構，提取更有效、更本質的分類識別特征。

參考文獻

[1] 鄧云凱，趙鳳軍，王宇.星載SAR技術的發展趨勢及應用淺析[J].雷達學報，2012，1（1）：1-10.

[2] 林幼權.星載高分辨率寬幅成像技術分析[J].現代雷達，2011，33（1）：1-6.

[3] 賴濤.星載多通道SAR高分辨寬測繪帶成像方法研究[D].長沙：國防科學技術大學，2010.

[4] 邢相薇.SAR圖像艦船目標檢測研究[D].長沙：國防科學技術大學，2009.