楊效余， 于 勇， 褚 超， 張 彬

(航天長征火箭技術有限公司北京100076)

引 言

雷達成像不僅分辨率高、穿透性好、抗干擾能力強，而且能夠全天時全天候工作，可以彌補可見光與紅外成像技術的不足，具有重要的軍用和民用價值。

ISAR雷達能夠獲得非合作運動目標(如飛機、艦船等)的精細圖像，是極為重要的一種目標探測手段。ISAR工作模式為雷達固定不動，而目標旋轉，目標方位維成像信息來源于目標相對于雷達的轉動。在實際應用中，ISAR除了固定在地面上，也可以裝在飛機、艦船等運動平臺上，對空中、海面或地面的運動目標成像。由于ISAR成像假設電磁波前為平面波前，要求目標尺寸遠遠小于目標與雷達之間的距離，因此ISAR通常用于對遠距離的非合作運動目標成像。

艦船目標的監視、檢測和識別是海面態勢感知的重要內容。海面面積廣闊，各類目標分布廣，以岸基ISAR雷達為傳感器的海面目標探測系統，具備搜索、跟蹤、成像等多種工作模式，可以對海面目標進行捕獲、跟蹤、高分辨率成像。它具有遠距離探測、高分辨率二維成像能力，能在全天時、全天候條件下工作，能獲取船只目標的距離、航速、航向、位置等信息。由于它具有時效性強、探測精度高、全天候等優點，因而是海面態勢感知的重要手段。基于ISAR二維圖像提取的特征量包含了較豐富、直觀的目標特征信息，可以從獲取的高質量艦船ISAR圖像中提取艦船尺寸、形狀、結構等特征作為艦船識別的有效特征量。

國內外學者針對ISAR圖像目標特征提取與識別算法［1～7］做了大量研究，提出了基于多特征的船只目標識別方法，但算法模型較為復雜。本文提出一種復雜度低且較為實用的艦船ISAR圖像目標特征提取方法。

1 ISAR圖像增強

利用岸基ISAR雷達探測海面艦船目標，通過雷達信號處理［8，9］獲取的實測ISAR二維距離-多普勒圖像受海況等影響，存在背景噪聲。圖1為實測ISAR的歸一化灰度圖像。由圖可見，艦船目標并不是一個連續的整體，且存在大量背景噪聲。為獲取優質的目標二值圖像，減少背景噪聲，需要對實測ISAR圖像進行增強，抑制背景噪聲。這里，我們采用灰度變換進行圖像增強，若原始圖像f(i，j)的灰度范圍為［a，b］，變換后圖像g(i，j)的灰度范圍擴展到［c，d］，有

其中Mf表示f(i，j)的最大值。

圖1 不同時刻艦船目標ISAR圖像Fig.1 Ship ISAR images at differentmoments

2 圖像分割與特征提取

ISAR圖像的特點是目標像素在整個圖像中只占少量像素，且目標像素較暗，因此可以將圖像反色后，采用閾值分割方法把目標從背景中提取出來。從分割結果可以看出，目標感興趣區域會出現斷續或空心情況，需要先進行像素聚類處理［2］，然后再進行特征參數提取。

2.1 迭代圖像分割與像素聚類

2.1.1 圖像分割

對ISAR圖像的背景能量進行分析可以看出，背景能量類似瑞利分布，而且目標強度在背景之上。對于閾值分割方法，閾值的選取決定了分割效果。對于ISAR圖像，可以采用單閾值分割方法，也可以采用多閾值迭代分割方法，其中多閾值迭代分割方法會獲得更好的分割效果。先統計整個圖像的灰度均值μ和標準差σ，取分割閾值TH=μ+kσ，k=4，3，2，1，0，-1，-2，-3，-4，再進行圖像分割，得到二值化圖像。由于目標灰度值高于背景灰度值，因此分割閾值從大到小取值，首次分割閾值取μ+4σ。

2.1.2 像素聚類

圖像分割得到的二值圖像，可能存在許多孤立點或像素數量很少的亮區域，導致目標區域可能會出現斷裂和空心等現象，需要進行像素聚類處理。

①濾除孤立像素點或像素數量很少的區域

遍歷圖像，利用圖像8鄰域關系，對感興趣區域內每個像素進行8鄰域關系判斷，若該像素的8鄰域目標像素個數大于閾值，則保留該像素;否則，去除該像素。

②標記感興趣區域，濾除面積較小的感興趣區域

對于艦船目標，在高分辨率ISAR成像情況下，其目標像素個數可達到幾千個左右，而不是一個、幾個或幾十個像素組成的點目標。依據這個特點，對二值圖像進行標記，去除面積較小的感興趣區域。

③處理目標的斷裂和空心區域

在濾除了圖像的孤立點和像素數量少的亮區域后，可能存在目標的斷裂或空心等現象，采用矩形結構元素形態學閉操作，可以使整個包含目標的區域連接成一個整體。

2.1.3 迭代圖像分割條件判定

受海況散射等原因影響，在ISAR圖像中艦船目標有可能會分成船頭、船尾兩個部分。在首次圖像分割(分割閾值μ+4σ)與像素聚類后，需要判定迭代分割條件，此時計算像素聚類處理后圖像中面積最大和面積第三大兩個感興趣區域間最小距離。若該距離小于預設閾值，并且最大感興趣區域面積與第三大感興趣區域面積之比小于預設閾值，取分割閾值TH=μ+kσ進行圖像分割，第二次分割閾值取μ+3σ，接下來每次分割閾值取k減1，重復圖像分割和像素聚類處理;否則，結束圖像分割處理。

圖2為ISAR圖像分割與像素聚類中間處理結果，其中圖2(a)為雷達實測得到的歸一化ISAR反色圖像;圖2(b)為取閾值TH=μ+3σ對圖2(a)分割的結果;圖2(c)為尺寸濾波后結果圖像，已去除了分割圖像中孤立像素點、像素數量很少的區域和面積較小感興趣區域;圖2(d)為像素聚類后結果圖像，已采用矩形結構元素形態學閉操作，對艦船目標存在的斷裂和空心區域進行處理。

圖2 ISAR圖像分割與像素聚類Fig.2 Image segmentation and pixel clustering of ISAR image

2.2 特征參數提取

ISAR圖像艦船目標特征主要包括艦船長度、輪廓、上部構造、主桅高度等，圖3為艦船目標特征提取示意圖，圖中L表示艦船長度，Δf表示主桅高度。

2.2.1 中心線特征參數提取

Hough變換可以用來檢測圖像中的線段［1］。本文將Hough變換對線段的檢測擴展至對線段組的檢測，得到與艦船主體相吻合的線段組的位置、寬度和方向，該方向上長度最大位置即為中心線位置。中心線將艦船分成兩個部分，即上部構造和船體(包含甲板)。

2.2.2 船長度和主桅高度特征參數提取

利用外接矩形提取船長度和主桅高度特征參數，這里外接矩形的一條邊需與中心線方向平行，而該邊的長度即為船長度，外接矩形的另一條邊與中心線相交，該邊在中心線桅桿一側的邊長Δf即為主桅高度。

圖3 特征參數提取示意圖Fig.3 Schematic diagram of featureparameter extraction

3 仿真結果與分析

在岸基ISAR雷達觀測試驗中，通過雷達信號處理得到艦船目標ISAR實測圖像數據，對其進行圖像增強、圖像分割、像素聚類等預處理后，獲得船只目標感興趣區域。利用Hough變換檢測出船只目標的中心線，對船只目標感興趣區域運用外接矩形操作提取船長度和主桅高度等特征參數。圖4為ISAR圖像數據特征參數提取的中間過程圖像。從圖中可以看出，ISAR原始歸一化圖像經過圖像增強后，增加了目標與背景的對比度，更有利于圖像分割。圖像分割后發現存在非目標區域，需要進行濾波和像素聚類處理，最后獲得有利于特征參數提取的目標感興趣區域，進而得到目標特征參數。

圖4 ISAR圖像特征參數提取Fig.4 Feature parameter extraction of ISAR image

圖4(a)為合作艦船目標光學圖像;圖4(b)為岸基ISAR雷達觀測圖4(a)艦船目標的實測圖像數據;圖4(c)為對圖4(b)進行灰度變換圖像增強后的結果圖像;圖4(d)為取閾值TH=μ+4σ對圖4(c)作第一次閾值分割的結果圖像;圖4(e)為對圖4(d)進行像素聚類處理后的結果圖像，它去除了圖4(d)中像素數量少的區域和目標中存在的斷裂及空心，作迭代分割條件判定，減小分割閾值，繼續分割圖像;圖4(f)為取閾值TH=μ對圖4(c)作第五次閾值分割后的結果圖像;圖4(g)為對圖4(f)進行像素聚類處理后的結果圖像，它去除了圖4(f)中像素數量少的區域和目標中存在的斷裂及空心，作迭代分割條件判定，終止圖像分割;圖4(h)為艦船目標特征參數提取圖像。

預先測量得到合作艦船目標的真實長度lrel為110m，主桅真實高度frel為28.5m。經過ISAR圖像提取得到的艦船長度lmes為116.2m，主桅高度fmes為30.1m，與真實值誤差較小，驗證了本文方法的有效性。

4 結束語

針對ISAR船只目標圖像特征參數提取問題，本文對獲取的實測圖像數據作線性灰度變換實現圖像增強，對增強后的圖像進行迭代圖像分割與像素聚類處理，獲得目標感興趣區域，最后通過特征參數提取獲取目標特征參數。仿真實驗驗證了算法的有效性。

［1］杜琳琳，安成錦，陳曾平.一種艦船ISAR圖像中心線特征提取新方法［J］.電子與信息學報，2010，32(5):1023～1028.Du Linlin， An Chengjin， Chen Zengping.A New Algorithm for Ship Center Line Extraction in ISAR Image［J］.Journal of Electronics&Information Technology， 2010，32(5):1023 ～1028.

［2］Musman S， Kerr D， Bachmann C.Automatic Recognition of ISAR Ship Images［J］.IEEE Transaction on Aerospace and E-lectronic Systems，1996，32(4):1392～1403.

［3］Yuan C， Casasent D.Composite Filters for Inverse Synthetic Aperture Radar Classification of Small Ships［J］.Opt.Eng.，2002，41(1):94～104.

［4］Pastina D， Spina C.Multi-feature Based Automatic Recognition of Ship Targets in ISAR［J］.IETRadar Sonar Navigation，2009， Vol.3， ISS.4，406 ～423.

［5］唐 寧，高勛章，黎 湘.ISAR像自動識別中的預處理算法［J］.系統工程與電子技術，2011，33(3):46～48.Tang Ning， Gao Xunzhang， Li Xiang.Pre-processing of ISAR Images in Automatic Target Recognition［J］.Systems Engineering and Electronics，2011，33(3):46～48.

［6］Zeljkovic V， Li Q， Vincelette R， et al.Automatic Algorithm for Inverse Synthetic Aperture Radar Images Recognition and Classification ［J］.IETRadar， Sonar and Navigation， 2010， 4(1):96 ～109.

［7］Maki A，FukuiK，Onoguchi K，etal.ISAR Image Analysis by Subspace Method:Automatic Extraction and Identification of Ship Profile［C］//Proceedings 11th International Conference on Image Analysis and Processing，2001，523～528.

［8］鄭澤星.艦船目標ISAR成像研究［D］.哈爾濱工業大學碩士學位論文，2007.Zheng Zexing.Study of ISAR Ship Imaging［D］.Dissertation for the Master Degree in Engineering， Harbin Institute of Technology，2007.

［9］馬瑜杰.艦船目標成像方法及實時處理軟件的研究［D］.西安電子科技大學碩士學位論文，2009.Ma Yujie.Study of Ship Imaging and Real-time Processing Software［D］.Dissertation for the Master Degree in Engineering， Xidian University， 2009.