一種多極化SAR艦船目標與方位向模糊鑒別方法

周　偉　孫艷麗　許成斌　關　鍵*（海軍航空工程學院電子信息工程系　煙臺　264001）

②（海軍航空工程學院基礎實驗部　煙臺　264001）

一種多極化SAR艦船目標與方位向模糊鑒別方法

周偉①孫艷麗②許成斌①關鍵*①
①（海軍航空工程學院電子信息工程系煙臺264001）

②（海軍航空工程學院基礎實驗部煙臺264001）

針對SAR圖像艦船目標檢測過程中存在方位向模糊造成虛警的問題，該文設計了一種基于改進的H//Wishart 非監督分類的多極化SAR圖像艦船與方位向模糊鑒別方法。該方法首先提取目標散射回波峰值區域，以該區域的H/分類結果為初始聚類中心，利用復Wishart分布的最大似然分類器改善分類結果，通過對比分析各散射類型區域的結構鑒別艦船目標和方位向模糊。通過實驗表明該方法能有效地鑒別艦船目標與方位向模糊，減少SAR艦船目標檢測過程中存在的虛警。

多極化SAR圖像；方位向模糊；非監督分類；艦船檢測

1　引言

合成孔徑雷達（SAR）具有全天時、全天候、大范圍和高分辨率的特點，是水面船只探測的重要手段之一［1］。SAR圖像目標自動分類是SAR圖像應用的重要研究內容，它根據目標的散射回波提取細節特性來分析目標的散射類型，并應用于目標分類，已有很多學者對此進行研究［2，3］。極化SAR圖像非監督自動分類在地物特征分類中應用比較廣泛，可以將不同散射隨機性和散射機制的地物進行有效的區分［4，5］。已有學者將極化分類的方法應用在海面極化SAR圖像艦船目標檢測中［6，7］，主要方法是利用極化分解后的特征值不同將艦船目標與海面背景進行區分，但僅利用整體海域的分類結果來判別艦船目標與背景雜波不能有效地描述艦船目標的結構。當存在方位向模糊時，傳統方法無法進行有效區分。針對上述問題，本文利用目標散射回波強度峰值區域的H/分類結果作為初始聚類中心，設計了基于改進的H//Wishart 非監督分類SAR圖像艦船目標檢測方法，對艦船目標與方位向模糊進行鑒別。

（1）基于極化相干矩陣的特征分解對目標進行Cloude分解，即

其中，T為目標相干矩陣；（·）H代表矩陣共軛轉置；Λ=diag｛λ1，λ2，λ3｝；λi為相干矩陣的特征值，且λ1≥λ2≥λ3；U=［v1，v2，v3］；vi是λi相對應的單位特征矢量。式（1）將目標相干矩陣T分解為3個相干矩陣T1，T2，T3之和，每個相干矩陣對應一種穩態目標的散射矩陣，對應的特征值代表該分量出現的概率大小。

目標的散射熵定義為：

其中，pi對應特征值所代表的散射分量出現的概率，見式（3）

其中αi（i =1，2，3）可由對應的特征矢量vi（i=1，2，3）求得，αi與vi之間的關系式為：

圖1　H/平面分區示意圖Fig.1　Schematic diagram of H/plane divisional

針對以上問題，人們基于極化分解分類方法設計了迭代分類方法［10］。最常用的統計迭代分類算法是基于Wishart距離的H//Wishart 迭代分類方法。已知均勻地區目標散射矢量近似服從零均值的復高斯分布，可證明目標的相干矩陣T滿足復Wishart分布［8，11］，即

其中，Γ（·）為Gamma函數；tr（·）為求目標矩陣的跡；L為視數；對于滿足互異性條件時取n=3，其他情況取n=4； Tm為第m類目標的平均相干矩陣，可由H/分類結果作為訓練樣本得到：

根據Bayes最大似然分類法則，其判別規則為：

其中，dm（T）為待分類目標與第m類目標的距離因子

圖2　艦船目標散射熵和散射角提取Fig.2　The entropy and averagevalue of ship

圖3　艦船目標H//Wishart 分類結果Fig.3　The H//Wishart　classification result

艦船目標區域所有象元的散射機制特性在H/α平面分布如圖4所示。結合圖3（a）和圖4顏色可以看出，艦船目標的散射類型主要分布在Z3區，即低熵多次散射為主要散射類型。

對艦船目標中每個象元依據式（8）進行迭代分類，設迭代終止條件為發生類別轉移的象元比例小于5％，得到3次迭代結果如圖3（b）所示。可以觀察到經過迭代分類處理后的分類效果要比原始H/分類效果更細致，各類別之間界限清晰。但艦船目標的主體部分仍為低熵多次散射類型，并沒有發生較大的變化，不能通過分類結果對目標的類別做出有效判斷。

圖4　艦船目標在H/平面分布Fig.4　The H/horizontal distribution of ship

3　改進的H//Wishart非監督分類方法

由于SAR圖像中單位象元的相干矩陣的跡與各極化方式下的幅值有著直接的關系，因此通過分析式（9），可見距離因子dm（T）與散射回波幅度信息也同樣有著直接的關系，具體表現為dm（T）隨著待分類目標與第m類目標的幅值差增大而大。由此可見，由于海面背景的幅值很低，導致艦船目標相對于海面背景所屬的類別之間距離因子較大，所以艦船目標區域內象元在迭代過程中發生轉移的數量較少。

為了剔除圖像海面背景幅值的影響，可以利用式（10）將目標海域幅度圖中的艦船目標提取出來，式（10）中k0=εμ，μ為目標海域幅度均值，ε為調整系數。為了較好地保留艦船目標信息，并且能夠保證后續分類的準確度，ε值應盡量取較小值，文中取經驗值ε=1.7。如圖5（a）所示為通過式（10）分割后得到的二值圖像BW。以該區域的象元得到的H/分類結果為初始聚類中心，通過Wishart迭代分類方法對分類結果進行優化，迭代終止條件為目標象元散射類型轉移數量占目標總象元數量的比例小于5％。圖5（b），圖5（c），圖5（d）分別為經過1次迭代、2次迭代、5次迭代后的分類結果。

一般情況下，艦船目標一般存在結構復雜的區域，如艦船的控制室、搭載的起重機、貨物等，這些目標區域都能夠產生較強的2次或更多偶數次散射。因此在對目標區域象元進行H//Wishart 非監督分類后，最終屬于低熵多次散射類型的區域應屬于上述結構復雜區域。

圖5　改進的H//Wishart 非監督分類結果Fig.5　The improved H//Wishart　unsupervised classification result

圖6　分類過程中發生類別轉移的象元比例Fig.6　The proportion of transfering pixels in classification processing

4　方位向模糊鑒別能力分析

圖7（a）為C波段HH極化下海域的SAR圖像，圖7（b）為L波段HH極化下相同海域的SAR圖像，其中方框內目標為實際目標，圓圈內為方位向模糊。通過對比兩幅圖像，可以發現C波段中有明顯的方位向模糊，而在L波段并不存在。從散射回波能量上看，方位向模糊與艦船目標在SAR圖像中沒有明顯的區別，且方位向模糊與實際目標的幾何輪廓相似，這對SAR圖像艦船目標檢測造成了很大的困難。

在多波段多極化SAR圖像艦船目標檢測過程中，有時只能夠獲得目標兩個波段全極化數據。如果某一波段存在方位向模糊，很難通過兩個波段融合的方法加以去除。針對此問題，利用上文中改進的H//Wishart 非監督分類方法對艦船目標與其方位向模糊進行鑒別分析。為了分析方位向模糊和艦船目標極化散射特征之間的區別，首先利用Cloude分解方法分解目標海域的極化相干矩陣T，得到目標海域的極化熵H和平均散射角，在H/平面中可以對目標海域分類，得到初始的分類結果。如圖8（a）為艦船目標及其方位向模糊所在海域幅度圖像，圖8（b）為該海域經過H/分類處理后的分類結果。

通過式（10）提取目標海域幅度圖中的艦船和方位向模糊區域，分割后得到的二值圖像BW如圖9（a）所示，分類結果如圖9（b）所示。由于圖7（a）下方的方位向模糊較弱，在此先不予考慮，下文分析中均指圖7（a）中上方的方位模糊。

海面艦船目標在極化散射特征類型中多屬于低熵多次散射類型，其他雜波（如海面波浪尾跡引起的強散射回波、方位向模糊等）一般不屬于該類型。圖9（b）中艦船目標和方位模糊部分象元均具有低熵多次散射特征，因此無法對二者進行區分。

圖7　SAR圖像方位向模糊示意圖Fig.7　Azimuth ambiguity sketch map in SAR imagery

圖8　目標海域幅度圖及H/分類結果Fig.8　The amplitude image and H/classification result

利用復Wishart分布的最大似然分類器對圖8（b）中的海域進行6次迭代處理，分類結果如圖10所示，可以看到艦船目標的散射特征與海面背景有了更明顯的分別，但與方位向模糊仍然無法區分。這主要是因為H//Wishart 非監督分類方法中方位向模糊與海面背景的距離因子dm（T）在計算過程中考慮了幅度信息造成的。方位向模糊因為聚焦了旁瓣信號的模糊能量，其幅度值遠大于海面背景，因此在分類結果中與海面背景的差異較大。通過改進的H//Wishart 非監督分類方法得到的艦船目標和方位模糊6次迭代分類結果如圖11所示。

對圖11中艦船目標與方位向模糊區域的極化散射特征類型進行統計，各極化散射類型所占比例如圖12所示。

圖9　艦船與方位模糊分類結果提取示意圖Fig.9　Segmentation and classification result of ship and azimuth ambiguity

圖10　H//Wishart 分類器6次迭代分類結果Fig.10　Result with 6 iteration with H//Wishart　algorithm

圖11　改進的H//Wishart 分類器6次迭代分類結果　Fig.11　Result with 6 iteration with improved H//Wishart　algorithm

圖12　艦船目標和方位向模糊散射類型統計Fig.12　Statistics of scattering type

從圖12中可以看到，經過改進的H/α/ Wishart非監督分類后艦船目標仍有明顯的低熵多次散射的區域，而方位向模糊中并沒有屬于該散射類型的區域，通過對比低熵多次散射區域占比即可區分艦船目標與方位向模糊。該方法的具體流程如圖13所示。

5　實驗結果與分析

為了驗證本文方法對艦船目標和方位向模糊鑒別的有效性，選取了多組具有方位向模糊的SAR圖像進行實驗。圖14為具有方位向模糊的兩艘艦船目標SAR圖像數據，其經過改進的H//Wishart非監督分類后的結果如圖15所示。

圖13　改進的H//Wishart 非監督分類方法流程圖Fig.13　Flow chart of improved H//Wishart　unsupervised classification algorithm

圖14　具有方位向模糊的SAR幅度圖像Fig.14　SAR image with azimuth ambiguity

圖15　改進的H//Wishart 分類器分類結果Fig.15　Classification results of improved H//Wishart　algorithm

對上面兩個目標的分類結果中各極化散射特征類型占比進行統計，結果如表1所示。

表1中的數據顯示，艦船目標與其方位向模糊經過改進的H/α/Wishart 非監督分類后在低熵多次散射特征類型區域占比差異很大，艦船目標與方位向模糊得到了很好的分離，該方法的有效性得到了驗證。

6　結束語

文中基于改進的H/α/Wishart 非監督分類方法對目標區域進行了迭代分類，充分利用目標的極化信息對目標細節結構進行分析。本文方法以目標周圍強散射區域的H/α分類結果為初始聚類中心，基于Wishart距離對目標區域進行迭代分類，實驗結果證明該方法具有良好的收斂性，當迭代次數達到5次左右時可得到穩定的分類結果。與傳統的H/α/Wishart 分類結果相比，通過迭代分類后的結果能夠更清晰地觀察到目標中復雜結構區域的分布情況，能夠區分方位向模糊與艦船目標的結構差異，有利于SAR圖像艦船目標的檢測。

表1　艦船目標和方位向模糊散射特征類型統計Tab.1　Statistics of ship and azimuth ambiguity scattering type

［1］張澄波.綜合孔徑雷達原理、系統分析與應用［M］.北京:科學出版社，1989:50-60.

Zhang Cheng-bo.System Analysis，Principle and Application of Synthetic Aperture Radar［M］.Beijing:Science Press，1989:50-60.

［2］劉利敏，余潔，王彥兵，等.一種利用地物散射特性進行后續類別調整的極化SAR影像分類方法［J］.光譜學與光譜分析，2014，34（1）:151-156.

Liu Li-min，Yu Jie，Wang Yan-bing，et al..A novel PolSAR image classification method with subsequent category adjustment by terrain scattering characteristic［J］.Spectroscopy and Spectral Analysis，2014，34（1）:151-156.

［3］何楚，劉明，馮倩，等.基于多尺度壓縮感知金字塔的極化干涉SAR圖像分類［J］.自動化學報，2011，37（7）:820-827.

He Chu，Liu Ming，Feng Qian，et al..PolInSAR image classification based on compressed sensing and multi-scale pyramid［J］.Acta Automatica Sinica，2011，37（7）:820-827.

［4］梁志峰，凌飛龍，陳爾學.全極化SAR數據的最大后驗概率分類［J］.武漢大學學報（信息科學版），2013，38（6）:648-651.

Liang Zhi-feng，Ling Fei-long，and Chen Er-xue.Classification of full-polarimetric synthetic aperture radar data with maximum a posteriori［J］.Geomatics and Information Science of Wuhan University，2013，38（6）:648-651.

［5］馬立虎，李洋，洪文.一種基于軟閾值方法的改進A1/A2極化干涉分類算法［J］.國外電子測量技術，2010，29（7）:21-26.

Ma Li-hu，Li Yang，and Hong Wen.Improved A1/A2PolInSAR classification algorithm based on soft threshold method［J］.Foreign Electronic Measurement Technology，2010，29（7）:21-26.

［6］Wang Chang-cheng.Method for ship detection from SAR images［D］.［Ph.D.dissertation］，Wuhan University，2008:45-51.

［7］Wang Wen-guang.Study on the technology of polarization SAR information processing［D］.［Ph.D.dissertation］，Beihang University，2007:109-119.

［8］Cloude S R and Pottier E.An entropy based classification scheme for land applications of polarimetric SAR［J］.IEEE Transactions on Geoscience and Remote Sensing，1997，35（1）:68-78.

［9］Cloude S R and Pottier E.A review of target decomposition theorems in radar polarimetry［J］.IEEE Transactions on Geoscience and Remote Sensing，1996，34（2）:498-518.

［10］劉秀清，楊汝良.基于全極化SAR非監督分類的迭代分類方法［J］.電子學報，2004，32（12）:1982-1986.

Liu Xiu-qing and Yang Ru-liang.The lteration classification method and experiment study based on unsupervised classification of fully polarimetric SAR image［J］.Acta Electronica Sinica，2004，32（12）:1982-1986.

［11］Lee J S，Grunes M R，Ainsworth T L，et al..Unsupervised classification using polarimetric decomposition and the complex Wishart distribution［J］.IEEE Transactions onGeoscience and Remote Sensing，1999，37（5）:2249-2259.

［12］王超，張紅，等.全極化合成孔徑雷達圖像處理［M］.北京:科學出版社，2008:118-119.

Wang Chao，Zhang Hong，et al..Polarimetric Synthetic Aperture Radar Image Processing［M］.Beijing:Science Press，2008:118-119.

周偉（1980-），男，湖北黃石人，2011年于海軍航空工程學院獲得博士學位，現為海軍航空工程學院信息融合研究所講師，主要研究方向為多源信息融合、偵察圖像處理、目標檢測與識別。

E-mail:yeaweam@gmail.com

孫艷麗（1982-），女，山東萊陽人，海軍航空工程學院基礎實驗部，工程師，主要研究方向為信號處理。

E-mail:sunyanli195710@163.com

許成斌（1990-），男，黑龍江伊春人，2012年獲哈爾濱工程大學學士學位，同年進入海軍航空工程學院攻讀碩士學位，研究方向為遙感圖像解譯與分析。

E-mail:xuchengbin333@126.com

關鍵（1968-），男，遼寧錦州人，海軍航空工程學院電子信息工程系主任，教授，博士生導師，主要研究方向為雷達目標檢測與跟蹤、偵察圖像處理和信息融合。

E-mail:guanjian96@tsinghua.org.cn

A Method for Discrimination of Ship Target and Azimuth Ambiguity in Multi-polarimetric SAR Imagery

Zhou Wei①Sun Yan-li②Xu Cheng-bin①Guan Jian①
①（Department of Electronic and Information Engineering，Naval Aeronautical and Astronautical University，Yantai 264001，China）
②（Department of Basic Experiment，Naval Aeronautical and Astronautical University，Yantai 264001，China）

Aiming to remove the false alarm caused by azimuth ambiguity in SAR imagery during the process of ship target detection，a method based on the improved H//Wishartunsupervised classification is proposed.First，the scattering echo peak zone of target is extracted and the H/classification results are treated as the initial cluster centers.Second，the ship target and azimuth ambiguity are identified by comparing and analyzing the structure of each region.It is showed by experiment that the method can detect ships based on the azimuth ambiguity； thus the false alarm rate in SAR-based ship detection is reduced.

Multi-polarimetric SAR imagery； Azimuth ambiguity； Unsupervised classification； Ship detection

TP319

A

2095-283X（2015）01-0084-09

10.12000/JR14147

周偉，孫艷麗，許成斌，等.一種多極化SAR艦船目標與方位向模糊鑒別方法［J］.雷達學報，2015，4（1）:84-92.http://dx.doi.org/10.12000/JR14147.

Reference format:Zhou Wei，Sun Yan-li，Xu Cheng-bin，et al..A method for discrimination of ship target and azimuth ambiguity in multi-polarimetric SAR imagery［J］.Journal of Radars，2015，4（1）:84-92.http://dx.doi.org/ 10.12000/JR14147.

2014-12-03收到，2015-03-16改回

國家自然科學基金（61201445，61179017）和國防預研基金資助課題

關鍵guanjian96@tsinghua.org.cn