基于圖像處理的海面動目標DP相參檢測方法

紀瑞東，王長宇

(沈陽飛機工業(集團)有限公司， 沈陽110850)

0 引言

檢測具有一定運動速度的海面目標，如小型快艇、運動的潛望鏡等，稱為海面動目標檢測，是機載對海搜索雷達的重要任務之一。由于易受海雜波虛警影響，采用常規的非相參處理檢測這類目標時效果不佳。類似的地面動目標檢測，如坦克車等，已有多種成熟技術，如雙接收通道干涉技術、采用運動補償的DPCA技術［1］、多接收通道的 SAR-GMTI技術［2］和 STAP-GMTI技術等。由于海雜波形成的復雜背景，這類技術還未在對海搜索雷達中有過成功應用［3］。文獻［4］認為動目標的回波信號可以近似建模為線性調頻信號(LFM)，文獻［5-6］基于分數階傅里葉變換(FRFT)對動目標的檢測進行了理論分析和仿真驗證，但實際海面動目標的切向和法向速度較小，線性調頻參數特征不明顯且估算困難，加之FRFT運算量較大，需進一步研究方可實際使用。

低重復頻率的DP(Doppler Processing)處理是一種檢測海面動目標的有效方法，在美軍的對海搜索雷達(137、143系列、Sea Vue)中廣泛應用。由于傳統的主雜波跟蹤、凹口技術等在處理海雜波時會遇到困難，未被消隱的雜波會形成大量虛警或降低部分清晰區的檢測能力，因而在陸海雜波聯合分布時會嚴重影響檢測結果。

針對上述問題，本文提出了一種基于圖像處理的DP相參處理方法，介紹了方法的參數設計，分析了海雜波以及陸海雜波在二維頻譜上的分布特性，詳細闡述了基于圖像處理技術的動目標檢測過程和方法，最后用實測數據驗證了該方法的性能和可實現性。

1 海雜波背景特性分析

1.1 海面動目標檢測方式

海面動目標檢測的主要對象是海面低速運動的目標，由于這類目標的速度通常在10節～35節(1節=1.852 km/h)，需要選擇低重復頻率，一般取1.5 kHz～5.0 kHz。為了保證檢測性能，需要積累足夠的脈沖數和一定掃描的速度，這使得對海動目標檢測選用重頻數較少，一般選用2/3或2/4檢測準則。

1.2 海雜波的距離頻率維特性

風速、風向、溫度、洋流、海水成分以及陸地等都會引起海洋的復雜運動，因此海表面對雷達來說是一個動態的、不斷變化的平面［7］，在距離頻率二維分布上體現了一定的無規律性。圖1為海雜波經DP處理后，距離頻率二維平面顯示的結果。從圖中可以看出:

1)海雜波的幅度較低。經統計，比同等條件下的地雜波低約15 dB～20 dB，強目標在海雜波區內清晰可見。

2)海雜波所占頻率維單元數約為地雜波1.5～2.5倍。由于采用低重復頻率，頻率維高度折疊，距離維模糊度低。

3)海雜波中心出現的頻率單元無明顯的統計規律。在離海岸較遠的海區，海雜波形狀較為規則，如圖1a)所示，可以近似認為關于某個頻率單元對稱。當受到陸地影響時，會產生形變，如圖1b)所示。

圖1 低重復頻率下海雜波二維頻譜圖

當主波束同時照射到海面和陸地即海陸聯合分布時，情況將更為復雜，如圖2所示，圖中7～16號頻率單元內為地雜波，16～32號頻率單元為海雜波。

圖2 陸海雜波二維頻譜圖

2 基于圖像處理技術的海面動目標檢測

由于海雜波出現頻率范圍的無規律性和海陸雜波的復雜性，使得海雜波的中心頻率和寬度無法根據經驗公式估算和修正，同時雜波區域的邊界不規則，使得基于頻率維的凹口設計較為困難。因此，傳統雜波跟蹤算法不能形成準確凹口，即使形成凹口也會損失部分清晰區，圖2中圈出的目標將與雜波一起被消隱。

如果從一幅圖像的角度理解二維頻譜圖，可以將雜波區定義為需要提取的特殊區域，出現在可檢測區的目標定義為“噪聲”，利用圖像處理技術中的邊界提取方法從頻譜圖中剔除雜波，獲得最大清晰區，從而提高對海搜索雷達對海面動目標的檢測能力。

2.1 數字圖像處理技術

圖像處理技術最早出現在20世紀50年代，目的是改善圖像質量，提高視覺效果。隨著其不斷發展，已廣泛應用于航空航天、工業檢測和軍事制導等領域［8］。圖像的分割提取是數字圖像處理技術的一個研究方向，作用是從圖像中提取某些特定的信息。在海雜波二維頻譜處理中，就是利用圖像提取技術將雜波區和清晰區分開。

2.1.1 二值化

二值化目的是從圖像中把目標區域(雜波區)和背景區域(清晰區)初步分開。如何選取閾值達到有效的分割效果，是二值化處理的關鍵，常用的方法有平均灰度值法、類別方差法和最大熵法。后兩種方法雖效果良好，但計算量相對較大。由于雜波和噪聲的對比度較強，工程上常選擇計算簡單的平均灰度值法，取所有像素(距離單元和頻率單元)幅度值的平均值為二值化閾值，但是清晰區的噪聲方差大，平均灰度值法會帶來大量“噪聲”，增加后續計算負擔。

由二維頻譜圖形成的機理可知，當雷達某些處理參數設定后(例如積累脈沖數、信號帶寬等)，雜波圖的噪聲符合一定的統計規律，而波束指向、發射功率、增益控制和海情等因素影響雜波的表現特性，無明顯的統計規律。二值化的閾值可以由二維頻譜圖的幅度統計得到，如圖3所示。

圖3 二維雜波圖的幅度分布統計

圖3是將圖1和圖2中三組數據的二維頻譜圖所有點幅度統計的結果。將三組數據針對0至最大值(所有三組數據中的最大值)等分統計，橫坐標表示等分間隔，縱坐標表示出現的個數。可以看出:由于三組數據的雷達處理參數一致，噪聲統計規律相關性強。三組數據不同的是雜波統計，第62～120號等分間隔。門限則選擇在噪聲和雜波統計的分界點處，如圖中第62個等分間隔。

2.1.2 sobel算子邊界提取

sobel算子是一種優化的梯度算子，利用圖像的一階導數來提取邊界，它是一組3×3、5×5或是7×7的矩陣，階數越高邊界提取越精細，計算量也越大。本文選擇5階算子，包括8個子矩陣，表示8個方向上的梯度計算參數，如圖4所示。

圖4 5階sobel算子

計算頻譜圖中某點的梯度表達式為

2.1.3 去“噪聲”

在梯度矩陣中，被稱為“噪聲”的目標、虛警與雜波邊界點一樣會出現大值，需要剔除。常用的圖像去噪方法有平滑濾波法、中值濾波法、自適應濾波法等。利用模板進行平滑濾波，雖然對圖像邊緣有一定的損害，但因其去噪方法原理簡單，計算量和存儲量都較小，被廣泛使用。由圖1、2中可以看出，目標在頻率維成短線狀出現，而雜波則以片狀、塊狀出現，利用平滑濾波模板計算均值，均值數值的大小差異即作為剔除“噪聲”的標準。具體做法是，取N×N模板在圖像中滑動，計算模塊中單元格幅度均值，大于門限的保留，小于門限的除去。

2.1.4 邊界細化

梯度矩陣中邊界的梯度值連續變化，顯得模糊不清，需使用合適的閾值細化，保留梯度局部大值。假設grads(r，f)表示某點梯度值，max(r，f)表示(r，f)規定鄰域內最大值，k為控制系數，利用鄰域最大值和控制系數對該點進行取舍，得到細化目標。細化結果計算表達式如下

在實際應用中，鄰域一般取點(r，f)周圍的8個點，k一般取0.7～0.9。

2.2 方法的實現

基于圖像處理的海面動目標檢測具體實現流程如下:

1)脈壓處理，相參積累，FFT后得到二維頻譜圖。

2)對二維頻譜圖所有點進行分布統計，選擇二值化閾值。選擇的閾值可以在雷達處理參數不變的情況下繼續使用。

3)二值化處理，取-100和100為二值標準。

4)去“噪聲”處理和邊界提取處理，使用階數為5的sobel算子和平滑濾波模板，在邊界提取輸出時增加平滑濾波的判斷，模板平滑值大于0，則作為邊界點梯度輸出，否則作為“噪聲”剔除。

5)邊界細化處理。處理后雜波區的邊界更加明顯。普通PD處理的頻率維凹口變成了距離維函數，針對每一個距離單元都存在一個凹口的左右邊界。因為圖像處理過程的損失，實際使用凹口時，邊界值需要放大幾個頻率單元，以確保雜波被消隱。

6)在清晰區作CFAR處理，檢測出目標。

3 實測數據分析

按照上述方法，對圖2進行處理，得到如圖5所示的過程結果圖。

圖5 對二維頻譜圖進行圖像處理的過程結果圖

圖5中分別顯示的是二值化、去“噪聲”、邊界提取和邊界細化四個步驟的處理結果。經過圖像處理后的二維頻譜圖，雜波區和清晰區被較準確的分開，圖2中圈出的目標將在清晰區中被檢測出，以增強檢測能力。

4 結束語

將二維頻譜圖視為一種圖像，利用圖像處理的邊界提取方法區分雜波區和噪聲區，提高PD處理的檢測能力，是PD處理用于海面動目標檢測的一種有效途徑。本文對海雜波的二維頻譜特性進行了分析，詳細闡述了圖像處理用于海面動目標檢測的算法，并通過實測數據進行了仿真驗證。而如何精簡算法和提高邊界提取的精度，仍是需要進一步研究的問題。

［1］ 沈明威，朱岱寅，朱兆達.和差波束頻域自適應DPCA技術研究［J］.現代雷達，2010，32(4):59-62.Shen Mingwei，Zhu Daiyin，Zhu Zhaoda.A study on ΣΔADPCA technique in frequency domain［J］.Modern Radar，2010，32(4):59-62.

［2］ 呂孝雷，齊飛林，邢孟道，等.三通道SAR-GMTI地面快速目標檢測［J］.系統工程與電子技術，2009，31(7):1581-1587.Lü Xiaolei，Qi Feilin，Xing Mengdao，et al.Ground fast moving target detection based on trichannel SAR-GMTI［J］.Systems Engineering and Electronics，2009，31(7):1581-1587.

［3］ Gorski T，Le Caillecy J M，Lecornu L，et al.Space-time adaptive processing analysis for the moving target on the sea surface indication purpose［C］//2006 International Conference on Microwaves，Radar and Wireless Communications.Krakow:IEEE Press，2006:199-202.

［4］ Sun H B，Liu G S，Gu H.Application of the fractional Fourier transform to moving target detection in airborne SAR［J］.IEEE Transactions on Aerospace and Electronic Systems，2002(38):1416-1424.

［5］ 杜文超，王國宏，孟小芬.基于分數階傅立葉變換估計徑向加速度算法研究［J］.信號處理，2009，25(3):472-477.Du Wenchao，Wang Guohong，Meng Xiaofen.A method to estimate radial parameters of target based on FRFT［J］.Signal Processing，2009，25(3):472-477.

［6］ 陳小龍，關 鍵，于仕財，等.海雜波背景下基于FRFT的多運動目標檢測快速算法［J］.信號處理，2010，26(8):1174-1180.Chen Xiaolong，Guan Jian，Yu Shicai，et al.A fast detection algorithm of multiple moving targets in sea clutter based on FRFT［J］.Signal Processing，2010，26(8):1174-1180.

［7］ Skolnik M I.Radar Handbook［M］.2nd ed.NewYork:The McGraw-Hill Company，2002.

［8］ 鄧繼忠，張泰嶺.數字圖像處理技術［M］.廣州:廣東科技出版社，2005.Deng Jizhong，Zhang Tailing.Digital image processing technology［M］.Guangzhou:Publishing House of Guangdong，2005.