基于編隊提取的SAR圖像群目標識別方法研究?

（中國西南電子技術研究所 成都 610036）

1 引言

雷達導引頭采用SAR成像技術，通過對圖像進行目標檢測與識別，可對感興趣目標進行全天候、全天時的觀測，獲得目標的位置、距離、角度以及多普勒等信息［1～3］。穩健性強、適用性廣、自動化程度高、快速智能的SAR圖像目標識別是雷達導引頭精確制導的基礎［4～6］。

由于導引頭機動性較強，SAR成像受飛行器航跡及前斜角影響較大，目標聚焦效果較差，圖像質量較低，目標特性不夠穩定，從而使得目標的檢測與識別變得困難。而導彈運動速度快，且發射后無法進行人工干預，因此相較于傳統星載、機載SAR等，導彈對目標識別的實時性和準確性要求更高［7～9］。當雷達波束照射區域內存在人造假目標或其它強雜波等干擾時，SAR圖像則會存在較多虛警，目標識別處理壓力急劇上升，這對有效目標的正確識別和選擇以及后續跟蹤系統的性能均有較大影響。

為了降低虛警過多對目標識別處理帶來的壓力，本文針對目標以集群形式出現的特性，根據群目標內所包含個體目標的數量及其間距等先驗信息，提出了基于編隊提取的SAR圖像群目標識別方法，保留形成編隊的目標，剔除未形成編隊的目標，同時，在后續目標的精細識別中，可根據目標編隊信息對可信度進行排序，達到降低虛警目標的效果，提高雷達對有價值目標的選擇能力。

2 傳統SAR圖像目標識別方法

傳統SAR圖像目標識別流程如圖1所示，包括目標檢測、目標鑒別以及目標分類等三個階段。目標檢測階段完成目標的預篩選，主要對SAR圖像中的亮像素區域進行檢測，提取出疑似目標的ROI（Region of Interest，ROI）切片；目標鑒別和目標分類階段完成對ROI切片的精細分割、特征提取、特征鑒別以及目標分類等［10～13］。

圖1 傳統目標識別流程

傳統的SAR圖像目標識別方法在完成目標鑒別后，剩余目標數目可能較多，其中包含了許多孤立目標，如雜波虛警、角反等干擾，這會造成后續目標的選擇或精細識別的困難，對SAR圖像目標識別方案的實時性以及后續目標跟蹤性能有較大影響。本文針對傳統SAR圖像目標識別方法的這一問題，考慮目標以集群形式出現的特性，提出基于編隊提取的SAR圖像群目標識別方法，對編隊目標進行提取，該方法基于目標的空間位置關系以及數量關系，而這種空間位置關系為雜波、孤立目標所不具備，可濾除大量雜波虛警、角反等孤立強散射目標，從而達到對目標進行有效選擇的目的。

3 基于編隊提取的SAR圖像群目標識別方法

群目標以一定數量、一定分布形式出現，其中任意兩目標的質心距離以及所含目標數量均在一定范圍內。如果兩個目標的質心間距在一個允許值范圍內，則被認為屬于同一編隊，并且當某目標與已知編隊里的任意目標的間距小于該允許值范圍，則認為此目標屬于該編隊。如果一個區域含有的目標數量太少，則有可能是由孤立目標或者雜波構成的，如果一個區域含有的目標數量太多，則有可能是由人造假目標或雜波虛警構成的，如大片的建筑群，因此含有的目標數量在一定范圍內才能確認為編隊目標。

編隊提取方法正是基于上述特性，設置目標的距離條件和數量條件，進行編隊提取。SAR圖像在通過目標檢測和目標鑒別后，得到疑似目標，編隊提取的流程如圖2所示。

圖2 編隊提取流程

首先根據目標間的質心距離關系對疑似目標進行聚類，聚類方法的示意圖如圖3所示，根據編隊內個體目標間距的經驗信息，設定距離門限Tdist，以任意一個目標為中心，計算該目標與其他未被關聯目標的質心距離，當兩目標質心距離小于距離門限Tdist時，則將其聚為一類，再以關聯到的目標為中心，遍歷所有未被關聯的目標，直至所有目標都被關聯后結束，每個聚類對應一個疑似編隊。得到疑似編隊后，再根據編隊內個體目標數量的經驗信息，設定編隊包含目標的最小值與最大值，對疑似編隊進行篩選，保留滿足數量條件的編隊。最后提取編隊信息，計算編隊內目標的加權質心作為編隊質心，計算編隊內目標到編隊質心的最大距離作為編隊半徑。

圖3 目標聚類示意圖

在完成編隊目標提取后，當編隊提取成功時，剔除未形成編隊的個體目標，僅保留編隊內的目標，對編隊目標進行輸出，或對保留目標進行精細識別以及其它處理。當編隊未提取成功時，則保留個體目標。

4 結果與分析

為了驗證本文所述方法的有效性，分別采用傳統目標識別方法與基于編隊提取的群目標識別方法，對同一數據分別進行仿真處理。本次試驗采用的數據為仿真生成的SAR圖像數據，圖像像素點總數為1000×1000，包括低分辨率和高分辨率兩種，圖4給出了典型的仿真SAR圖像，中間位置為車輛群，車輛周圍為若干角反。

圖4 典型SAR圖像

采用傳統SAR圖像目標識別方法和本文所述方法分別對試驗數據進行處理，編隊提取主要對目標間距以及目標個數設置閾值，本文采用的設置如表1所示。

表1 編隊提取主要參數

圖5給出了圖4典型SAR圖像目標識別的結果。圖5（a）為傳統SAR圖像目標識別方法的結果，結果中包含車輛目標以及角反、雜波虛警等。圖5（b）為本文方法的識別結果，結果中僅包含一編隊目標，剔除了角反和雜波虛警，篩選出了有效的車輛目標，驗證了本文方法的有效性。

圖5 低分辨率圖像目標識別結果

圖6 高分辨率圖像目標識別結果

為了驗證本文方法的適用性，對30幅低分辨率以及27幅高分辨率的仿真SAR圖像進行處理，目標識別結果統計如表2所示。對于低分辨率圖像，傳統目標識別結果中目標個數為330，而基于編隊提取的目標識別結果中目標個數為158，目標個數減少52.12%。對于高分辨率圖像，傳統目標識別結果中目標個數為117，而基于編隊提取的目標識別結果中目標個數為90，目標個數減少23.08%。

表2 目標識別結果統計

從表2中可以看出，基于編隊提取的目標識別結果中仍包含一些虛警目標不能完全剔除，且在低分辨率圖像中，提取的編隊個數多于實際編隊個數，這是由于試驗中部分角反也成編隊形式，角反編隊內包含4個角反，在編隊提取時無法根據距離信息和數量信息將這部分目標剔除，而在高分辨率圖像中，提取的編隊個數少于實際編隊個數，這是由于部分目標未能有效檢測，導致其他目標不能形成編隊。這部分目標則需在后續處理中加以精細識別和分類等處理，或融合其它測量信息，對目標可信度進行計算，以剔除干擾目標。

5 結語

本文針對導引頭SAR圖像目標識別存在較多強干擾雜波或其它孤立目標的問題，提出基于編隊提取的SAR群目標識別方法，該方法可有效剔除無效目標，試驗處理結果表明，目標個數可減少52.12%，極大地提升了檢測輸出目標的可信度。該方法已通過試驗驗證，可推廣應用于實際雷達系統中。