星載簡縮極化SAR船舶目標檢測技術研究

計科峰王海波冷祥光邢相薇康利鴻

①(國防科學技術大學電子科學與工程學院 長沙 410073)

②(武警湖北總隊第一支隊 武漢 430071)

③(北京遙感信息研究所 北京 100092)

星載簡縮極化SAR船舶目標檢測技術研究

計科峰*①王海波①②冷祥光①邢相薇③康利鴻③

①(國防科學技術大學電子科學與工程學院 長沙 410073)

②(武警湖北總隊第一支隊 武漢 430071)

③(北京遙感信息研究所 北京 100092)

作為一種新興的星載極化SAR系統，星載簡縮極化(Compact Polarimetric)SAR能同時獲取目標較豐富的極化信息和實現大幅寬觀測，在海洋觀測領域具有先天的優勢。該文針對星載簡縮極化SAR海上船舶目標檢測應用，首先簡要介紹了星載簡縮極化SAR系統基本模式及發展，其次綜述了典型的星載簡縮極化SAR信息處理方法，在此基礎上，重點分析比較了目前常用的星載簡縮極化SAR船舶目標檢測方法的特點，然后給出了作者研究小組在星載簡縮極化SAR船舶目標檢測方面的部分研究結果，最后分析展望了進一步研究方向。

SAR；極化SAR；簡縮極化SAR；星載SAR；船舶檢測

1 引言

合成孔徑雷達(Synthetic Aperture Radar, SAR)具有全天時、全天候的成像工作能力，能獲取包含豐富地物信息的圖像，日益成為實現海上船舶目標監視的一種有效手段[1]。在海上船舶目標監視應用中，一方面由于海洋面積大、范圍廣，需要SAR具有更大的成像幅寬，實現廣闊海洋中船舶目標的有效監視；另一方面，更大的幅寬意味著更大的SAR圖像數據量，對數據的下傳帶寬及圖像的存儲和實時處理解譯等也提出了更高的要求[2]。全極化SAR系統能夠同時獲取4個通道的數據信息，能夠更加準確地描述地物特征。雖然豐富的信息量能夠獲取更多的目標結構信息，但是提高了SAR系統的設計復雜度，對天線設計、數據下傳帶寬和速率以及功率消耗等方面提出了更高的要求[3]，從而影響到長時間、寬測繪帶、高分辨數據的獲取。雙極化系統雖然能夠提供兩倍于全極化系統的幅寬，但減少了數據信息。為兼顧系統復雜度和信息獲取能力，簡縮極化(Compact Polarimetric, CP)[4]作為一種新興的極化方式被提了出來。與全極化相比，簡縮極化模式在系統結構復雜度較低的情況下仍然能夠較好地保持地物信息，較全面揭示地物散射特性，而且能夠提供更大的幅寬。

簡縮極化SAR系統自提出以來，引起了各國研究者的廣泛關注，國內外研究人員在多個領域進行了相關研究，主要包括森林參數反演[5,6]、地物分類[7,8]、海冰和溢油監測[9,10]、海上船舶目標檢測[11-14]等。系統簡單、獲取圖像信息豐富及更寬測繪帶的特點使得簡縮極化SAR系統在海洋遙感[15-17]應用，尤其是在廣闊的海洋地區船舶目標檢測[11-14]中具有得天獨厚的優勢，國內外大量的學者也對此進行了積極的研究和探索，并取得了一些成果。本文針對星載簡縮極化SAR海上船舶目標檢測應用，首先簡要介紹了星載簡縮極化SAR系統基本模式及發展，其次綜述了典型的星載簡縮極化SAR信息處理方法，在此基礎上，重點分析比較了目前常用的星載簡縮極化SAR船舶目標檢測方法的特點，然后給出了作者研究小組在星載簡縮極化SAR船舶目標檢測方面的部分研究結果，最后分析展望了進一步研究方向。

2 星載簡縮極化SAR系統基本模式與發展

隨著對簡縮極化SAR系統基本理論研究的不斷深入，簡縮極化星載SAR系統也進入快速發展階段，本節在介紹簡縮極化SAR 3種典型基本模式基礎上，總結了簡縮極化星載SAR系統研究進展情況。

2.1 簡縮極化SAR基本模式

簡縮極化SAR只發射一路特定極化方式的電磁波(可為線極化波或圓極化波)，同時接收兩路正交極化波(可為線極化回波或圓極化回波信號)。從公開發表的文獻來看，目前有3種典型的簡縮極化方式：π/4模式(π/4 mode)[18]、雙圓極化模式(Dual Circular Polarization, DCP)[19]和混合極化模式(Circular Transmit-Linear Receive, CTLR)[20,21]。如表1所示。

表1 簡縮極化SAR 3種典型基本模式Tab. 1 Three typical fundamental modes of CP SAR

2005年，Souyris等人[18]首次提出了π/4模式簡縮極化SAR系統的概念，該系統發射一路方向為45°的線性極化信號，同時接收水平(H)和垂直(V)的兩路正交極化信號；2006年，Stacy等人[19]提出了雙圓極化的簡縮極化模式，該系統只發射右旋或者左旋圓極化波，同時接收右旋和左旋圓極化波；2007年，Raney[20,21]提出了混合極化的簡縮極化模式，該系統發射右旋或者左旋圓極化波，同時接收水平(H)和垂直(V)的兩路正交極化波。DCP模式和CTLR模式之間存在線性關系，可以相互轉換[22]。圖1為簡縮極化SAR系統發射和接收示意圖(以發射右旋極化波為例進行說明)[23]。

2.2 星載簡縮極化SAR系統發展

簡縮極化SAR系統的巨大應用潛力以及簡縮極化SAR系統基本理論研究的不斷深入直接推動了簡縮極化星載SAR系統的研究與快速發展。目前典型的星載簡縮極化SAR系統發展計劃主要包括美國、加拿大、日本、印度、阿根廷等國家。

印度空間研究組織(Indian Space Research Organization, ISRO)于2008年10月22日發射了第1顆具有簡縮極化模式的衛星--Chandrayaan-1[24]，該衛星的Mini-SAR傳感器采用S波段發射左旋圓極化波，接收水平和垂直的兩路線極化波，這次任務的目的是對月球表面南北緯80°的區域進行測繪，系統預計服役2年，實際只使用了9個月。2012年4月26日，印度太空合作組織發射了其研制的第2顆具有簡縮極化模式的SAR衛星--Risat-1[25]，該衛星采用混合簡縮極化模式，設計壽命5年，主要應用于農業規劃、林業資源調查以及洪澇災害檢測等。日本宇宙航空研究開發機構(JAXA)研制的Advanced Land Observing Satellite-2 (ALOS-2)衛星[26]于2014年5月成功發射，采用L波段多極化模式，CTLR模式簡縮極化，主要用于海冰、海上溢油和船舶檢測等海洋監視領域。另外，美國、加拿大、阿根廷等國家也在積極加快簡縮極化模式SAR衛星研制，阿根廷國家航天活動委員會(CONAE)的SAOCOM-1A計劃，計劃于2016年12月發射；加拿大空間局(Canadian Space Agency, CSA)的Radarsat Constellation Missions(RCM)[16]，預計2018年發射；美國國家航空航天局(NASA)的DESDynI計劃[27]，計劃于2021年發射。表2列出了已發射和正在研制中的星載簡縮極化SAR系統，圖2給出了典型星載簡縮極化SAR系統示例。

圖1 簡縮極化SAR系統發射和接收信號示意圖Fig. 1 A sketch of signal transmission and reception in CP SAR systems

3 簡縮極化SAR信息處理方法

與全極化相比，簡縮極化SAR信息處理的主要難點在于極化信息量不夠豐富。從目前已發表的文獻及最新研究進展來看，簡縮極化SAR信息處理主要基于兩種途徑[4]：一是對簡縮極化SAR數據進行重建，近似恢復出全極化信息；二是直接對簡縮極化SAR數據進行極化分解，再對分解后的極化特征參數進行處理。兩種方法相比，第2種方法能夠較好避免繁瑣的重建過程和重建誤差。

3.1 簡縮極化SAR數據重建偽全極化信息

利用簡縮極化SAR數據進行全極化信息重建是簡縮極化SAR數據處理技術研究的重要內容之一。全極化信息重建的過程就是把簡縮極化數據2×2的協方差矩陣重建恢復成3×3的全極化協方差矩陣，再利用全極化模式下較為成熟的信息處理方法進行數據處理和研究應用。該方法最大的優勢在于全極化信息處理的方法研究較為廣泛和成熟，可以直接對重建后的全極化信息進行處理。從國內外已發表的文獻來看，Souyris, Nord, Collins和殷君君等人基于不同的理論分別提出了各自不同的重建全極化信息方法，并進行實驗對比，驗證了各自提出方法的有效性。

Souyris等人[18]對π/4模式的簡縮極化進行了重建，具體步驟為：首先，將簡縮極化協方差矩陣分解為共極化部分、交叉極化部分以及剩余部分3個矩陣的和。從分解后的結果來看，全極化信息的重建是利用已有的3個值來估計6個待重建參數的過程，沒有確定解；其次，為了得到重建的固定解，Souyris利用了兩個關系式，一是認為交叉極化通道與共極化通道之間完全不相干，即目標反射滿足對稱性假設；二是建立了輔助常數N與交叉極化功率、共極化功率以及共極化相關系數之間的經驗關系式，通過實驗總結得到參數N經驗值為4；最后，基于這兩種關系式，未知參數由6個減少為3個，使得方程有固定解，全極化協方差矩陣得以重建。Souyris針對π/4模式提出的方法對于森林、草地等植被覆蓋茂密區域重建具有良好的效果，但是對于城市地區等較為復雜的區域重建效果不好，并不能完全反映該地區的全極化信息。在Souyris方法的基礎上，Nord等人[28]提出了另外一種計算參數N的迭代方法，利用新的參數N進行二次重建結果更具有穩定性，但是Nord提出的重建模型計算時利用了Souyris重建方法中的初始化值，沒有考慮初始值對參數N的影響，從而影響了參數N的計算取值。在此基礎上，Nord等人還對DCP模式和CTLR模式下的簡縮極化SAR重建模型進行了推導。

表2 已發射和正在研制中的星載簡縮極化SAR系統Tab. 2 CP SAR systems in working and planned

圖2 典型星載簡縮極化SAR系統示例Fig. 2 Typical spaceborne CP SAR systems

Collins等人[29]認為Souyris和Nord重建方法并不適用于所有地區，尤其是在海洋地區。為此，Collins等人建立了基于入射角θ的計算參數N的非線性經驗模型，實驗數據驗證，Collins的重建模型在海洋地區改善了重建的效果。在此基礎上，李裕等人[30]對參數N進行了修正，對海上溢油進行了檢測。殷君君等人[14]利用Souyris重建方法中共極化和交叉極化相互關系的假設條件，提出了一種不滿足反射對稱性時的重建模型，并把該模型應用到船舶目標檢測上。

從以上幾種重建方法可以看出，簡縮極化數據重建全極化協方差矩陣基于兩個假設條件：一是反射對稱性假設；二是采用了共極化、交叉極化與共極化相關系數之間的經驗表達式。由于對不同的地區反射對稱性假設不一定滿足，因此，現有的幾種重建模型都無法完全恢復出全極化信息，很難反映目標的真實極化信息。Reigber等人[31]也指出，重建過程就是基于一定的假設條件人為地把2×2的簡縮極化協方差矩陣擴展成3×3的全極化協方差矩陣，整個重建過程中沒有增加信息量，重建意義不大。

3.2 簡縮極化分解方法

隨著高分辨極化SAR的進一步發展，獲取的圖像中目標信息量更加豐富，有效利用目標散射特性和極化特性能夠更好地提高目標分類精度和檢測準確率，因此，對極化SAR數據直接進行分解提取極化特征或散射特征進行處理是更直接有效的方式。目前，簡縮極化SAR分解主要有3種方法：一是m-δ分解和m-χ三分量分解；二是基于簡縮極化SAR協方差矩陣H/a分解；三是基于分解模型的方法[23]。

根據部分極化波二分理論[32]，部分極化波可分為去極化波和完全極化波獨立的兩部分之和。在此基礎上，Raney[20]提出了m-δ分解，將簡縮極化協方差矩陣分解成完全極化和去極化兩部分分量，m表示極化度，用來表征目標對電磁波散射的隨機程度；δ為兩個正交極化分量的相位差。基于m-δ分解，Charbonneau等人[22]提出了一種三分量的分解方法，將回波總功率分解為偶次散射、體散射和表面散射3種分量之和。Raney等人[33]定義了圓度χ(degree of circularity)，提出了基于m-χ分解的三分量分解方法，圓度χ體現了表面散射和偶次散射在完全極化波中的比重。

對應于全極化中的H/a分解，基于簡縮極化協方差矩陣的H/a分解方法較為簡單，只是由全極化模式中的3維變為2維，計算量更小。郭睿等人[34]提出了一種改進的簡縮極化SAR H/a分解方法，通過計算平面、二面角和偶極子的平面散射角α來區分不同的散射機制，并對簡縮極化模式下的H/a平面進行劃分，得到了簡縮極化H/a特征空間，實驗表明DCP模式下3種散射機制的分類識別效果要優于π/4模式。謝鐳[23]定義了一個新參數ρ代替平均散射角α，提出了一種分析全極化模式和簡縮極化模式下H/a分解結果之間關系的方法。

基于分解模型的簡縮極化SAR分解方法的優勢在于分解后的各分類物理意義較為明確。劉萌等人[35]將全極化模式下的Freeman-Durden分解模型轉換到CTLR模式的簡縮極化中，建立了極化總功率與體散射、偶次散射和表面散射之間的關系式。Cloude等人[36]基于RVoG模型，針對CTLR模式的簡縮極化SAR數據，提出了m-αs分解，其中m表示極化度，αs依賴于極化橢圓率，并基于m-αs分解建立了對應的三分量分解。

盡管基于分解的簡縮極化SAR數據處理方法已經應用在多個領域中，但是由于簡縮極化協方差矩陣變為2維矩陣，信息量沒有全極化SAR豐富，并不能完全反映目標的全極化的信息。

4 簡縮極化SAR船舶目標檢測方法

由于簡縮極化SAR數據格式不同于全極化SAR數據，全極化模式下的船舶檢測方法不完全適用于簡縮極化模式，根據簡縮極化數據處理方式的不同，綜合現有文獻，海上船舶目標檢測主要可分為基于偽全極化信息重建、基于簡縮極化分解和基于簡縮極化特征參數3類方法。

4.1 基于偽全極化信息重建的簡縮極化SAR船舶目標檢測方法

從簡縮極化數據重建偽全極化信息主要基于兩個假設：一是反射對稱性假設，認為交叉極化通道和共極化通道完全不相干，即另一個是共極化通道和交叉極化通道的關系式：

海洋區域以表面散射為主，而Souyris[18]和Nord[28]重建方法不適用于表面散射為主的地區[37]。因此這兩種方法的重建結果都不能真實反映海洋的極化信息，Collins等人[29]利用不同入射角的Radarsat-2全極化數據，選取了一組海上風速相同的實驗區域，在驗證滿足反射對稱的基礎上，建立了基于入射角θ的參數N均值的經驗模型：通過模擬CTLR模式的簡縮極化SAR數據實驗驗證，Collins重建方法改善了重建的效果，并用于船舶目標檢測，但由于船的大小、形狀和方位不同，這個模型還不穩定，對海況和目標信息要求較高。

在Collins重建方法的基礎上，Denbina[38]和Atteia[39,40]分別對海上目標做了進一步研究，提出了各自改進的檢測方法，并將簡縮極化模式下的檢測結果跟雙極化、重建的偽全極化和全極化數據進行比較，對影響檢測性能的一些因素進行了對比分析，如風速、圖像分辨率等。Denbina采用Collins重建方法[29]進行重建，通過選取多景不同入射角的圖像來計算參數N的平均值，以CTLR模式的簡縮極化SAR數據為例，使用新參數N值進行全極化信息重建。重建后，選取500×500像素平靜海面區域作為背景，計算出平均協方差的逆矩陣作為海面特征，利用基于Liu和Meek[41]提出的似然比檢測方法，通過設定不同的閾值來檢測冰川和船舶目標，對不同風速、不同入射角的多幅圖像進行實驗，結果表明提出的重建模型的檢測效果對入射角依賴較大，當入射角介于23°-28°之間時，具有良好的檢測效果，入射角大于28°時，檢測效果好于雙極化，跟全極化相當。Atteia[39]對Radarsar-2 全極化圖像研究發現，此數據下均值N的取值依賴于入射角，對Collins提出的重建方法進行修正，設定N值為對CTLR模式的簡縮極化數據進行重建，最后利用似然比檢測方法對船舶目標進行了檢測。基于此重建模型，Atteia[40]利用模擬的雙極化RCM圖像，模擬可能用在RCM上的3種成像模式：低分辨率、高分辨率和船舶檢測模式進行實驗研究，分析了3種模式下入射角的大小對船舶檢測的影響，并對檢測性能進行了比較。Zhang[42]等采用兩種不同的重建方法，利用非監督的分類方法對溢油和海面平臺進行了檢測，得出了共極化和交叉極化之間相對相位與海面散射機制之間可能的關系。

基于偽全極化信息重建的簡縮極化SAR船舶目標檢測方法，主要難點在于重建過程中使用的重建模型，目前還沒有一種通用的模型。上述方法都是基于反射對稱、共極化和交叉極化相互關系假設條件下的重建方法，由于目標區域不總是滿足反射對稱性，導致重建結果信息存在一定的錯誤或信息損失，從而影響到船舶目標檢測的準確性。殷君君等人[43]提出了一種新的重建模型，跟Souyris和Nord重建方法不同的是該模型無需反射對稱性假設。重建中利用了Souyris方法的共極化和交叉極化相互關系假設條件，在全極化四分量分解中認為體散射是一群混亂無序的散射狀態的集平均，看作是完全非極化波，即在此基礎上對全極化的四分量分解進行了改進，利用修正的重建模型獲得了偽協方差矩陣，再基于似然比檢測進行船舶檢測，修正后的重建模型提高了船舶檢測的精度。

4.2 基于簡縮極化分解的船舶目標檢測方法

基于簡縮極化分解的船舶檢測方法通過利用海洋背景和船舶目標散射特性的差異實現船舶目標檢測。殷君君[12]對CTLR模式下的簡縮極化數據分別進行m-δ和m-χ分解，基于Radarsat-2實測數據對船舶檢測后發現只利用三分量進行檢測能夠檢測出大部分目標，但小目標存在漏檢。Calgary大學的Allah[44]和Michael[45]分別用CTLR模式的簡縮極化SAR對海上船舶目標檢測進行了研究。Allah通過設定一個全局閾值篩選出候選目標，利用CAFR和似然比檢測對候選目標初步檢測，兩種方法檢測出的結果存在一定的虛警，最后用m-χ分解方法對分解得到的三分量PD,PV,PS進行排列組合得到8種組合，由于散射機制不同，目標、虛警和海洋背景分別對應不同的組合，以此進行虛警去除，取得較好的效果；Michael對入射角N模型進行研究發現，該模型適用于海洋圖像的全極化信息重建，根據海洋和冰山目標的Stokes矢量及其推導出的其他參數，基于概率分布函數提出了改進的似然比檢測器，把m-χ分解得到的分量PV和入射角θ作為特征向量，利用SVM分類器來區分船舶和冰山，取得了較好的效果。

4.3 基于簡縮極化特征參數的船舶目標檢測方法

簡縮極化SAR信息量豐富，從中提取的一些極化特征參數對船舶目標與海洋背景都具有一定的區分度，從而可用于船舶目標檢測。Shirvany等人[11,37]利用Stokes矩陣參數獲取到了簡縮極化數據的極化度P，對海上的船舶、浮標和溢油目標進行檢測，由于不同的目標在海洋地區的去極化度不同，通過對極化度或去極化度設置不同的閾值來區分船舶和浮標。殷君君[43]基于X-Bragg模型推導了簡縮極化模式下的3個參數C,iB和r，用于海上溢油和船舶檢測，其中，C的取值表征不同的目標，在海洋和溢油區域C＜0，而對于船舶和低風速海洋區域則C＞0;iB用來表征目標散射偏離布拉格散射的程度，r用來表征去極化效應。從全極化數據模擬CTLR模式下的簡縮極化數據計算3個參數的近似值，實現了溢油和船舶的檢測。Lu[46]等提出了一種基于特征的簡縮極化SAR船舶檢測方法，實現了船舶的檢測。

綜上，3類簡縮極化SAR船舶目標檢測方法各有優缺點，參見表3。簡縮極化數據重建偽全極化信息進行船舶檢測的優勢在于全極化模式下船舶檢測研究較為成熟，可以使用全極化船舶檢測的方法，但是重建過程基于一定的假設條件，容易造成誤差，且計算迭代過程較為繁瑣，需要較大的計算量。基于簡縮極化數據分解的船舶檢測方法利用目標和背景散射特性的差異進行檢測，方法簡單，運算量較小，但現有的簡縮極化分解方法存在體散射過量估計的問題，對船舶檢測準確率有一定影響。基于簡縮極化模式下的極化特征參數進行船舶檢測的方法，與重建方法和分解方法相比相對簡單，但其參數的取值范圍、物理意義等較全極化有所改變，如何對這些極化特征參數進行有效地優選組合以得到理想的船舶目標檢測性能，還缺乏較為系統的理論支撐。

表3 3類檢測方法優缺點比較Tab. 3 Comparison between three detection methods

5 星載簡縮極化SAR船舶目標檢測部分研究結果

針對星載簡縮極化SAR船舶目標檢測，作者所在研究小組在偽全極化信息重建、極化特征參數提取與分析以及船舶目標檢測等方面進行了研究，部分研究結果如下。

5.1 基于極化特征參數的星載簡縮極化SAR船舶目標檢測

與全極化相比，由于收發通道減少，因此簡縮極化特征參數與全極化存在一定差別。針對星載簡縮極化SAR海上船舶目標檢測，作者在全極化及簡縮極化SAR特征參數提取基礎上，重點分析了其對船舶目標檢測性能的影響[47]。常用的極化特征參數如表4所示。

實驗基于直布羅陀海峽Radarsat-2全極化及其模擬的CTLR模式簡縮極化SAR圖像數據，其方位向和距離向距離均為8 m，人工判讀包含7個船舶目標，如圖3所示。圖4、圖5分別給出了基于不同極化特征參數的全極化與簡縮極化SAR船舶目標CFAR檢測結果，其中白色方框內為檢測出的船舶目標，圓形框內為漏檢的船舶目標。

表4 常用的極化特征參數Tab. 4 Conventional polarimetric features

圖3 直布羅陀海峽實驗區域Fig. 3 Experimental data acquired over the strait of Gibraltar

表5進一步分別給出了全極化與簡縮極化各個極化特征參數的CFAR檢測結果統計。結合表5，對比圖4、圖5檢測結果與圖3的模板圖像可以看出，總體上對每種極化特征參數而言，簡縮極化的檢測性能接近于全極化，特別是對于極化總功率、共極化率、相似系數、極化度和極化熵等5個特征參數。另外，這里簡縮極化的檢測性能總體上接近于全極化，正是簡縮極化SAR系統優點的充分體現。其次，每種極化特征參數的檢測結果各不相同，有的極化特征參數的檢測性能要優于其他特征參數。其中，共極化系數、極化度和極化熵檢測結果相對較好，都能夠檢測出船舶目標，目標結構相對完整，但是都不同程度地存在虛警；平均散射角檢測結果不存在虛警，但是存在漏檢，目標形狀保持不夠完好；共極化率檢測結果無論是從檢測率還是品質因數，效果最差，而且其中船舶目標形狀保持不夠好。正是由于不同極化特征參數對船舶目標與海洋背景散射機理區分能力的不同直接決定了其船舶目標檢測性能的差異。最后，雖然有的極化特征參數的檢測性能要相對其他而言更好一些，但是沒有單獨的哪個極化特征參數可以得到理想的檢測結果。因此對具體的簡縮極化SAR船舶目標檢測問題，還需對極化特征參數進行優選組合得到最優的極化特征參數集，以得到理想的船舶目標檢測性能。

5.2 基于加權SVM與m-χ分解的星載簡縮極化SAR船舶目標檢測

由于單獨采用單個極化特征參數對船舶目標進行檢測無法得到理想的檢測結果，因此作者所在研究小組進一步對多個極化特征參數進行優選，提出了一種基于加權SVM和m-χ分解的簡縮極化SAR船舶檢測方法[47]。該方法利用ReliefF算法對不同極化參數進行選擇，構建最優特征向量，再利用SVM分類器進行船舶目標檢測，最后利用海洋和船舶不同散射機制強度的差異對虛警和模糊噪聲進行去除。其算法流程如圖6所示。

圖4 全極化SAR極化特征參數CFAR檢測結果Fig. 4 CFAR detection results using Quad-Pol SAR features

圖5 簡縮極化SAR極化特征參數CFAR檢測結果Fig. 5 CFAR detection results using CP SAR features

表5 不同極化特征參數CFAR檢測結果統計Tab. 5 Summary of CFAR detection results by using different polarimetric features

圖6 基于加權SVM和m-χ分解的星載簡縮極化SAR船舶目標檢測流程Fig. 6 Flowchart of the proposed CP SAR ship detection method based on weighted SVM and m-χdecomposition

分別采用NASA JPL AIRSAR機載全極化模式和加拿大Radarsat-2星載全極化模式等不同傳感器數據，模擬CTLR模式下的簡縮極化數據進行實驗驗證，圖7分別為NASA JPL AIRSAR東京灣區域和Radarsat-2溫哥華海港區域的Pauli合成圖。圖8和圖9分別給出了NASA JPL AIRSAR東京灣區域和Radarsat-2溫哥華海港區域不同算法的船舶目標檢測結果，圖中(a), (b), (c), (d)分別對應HH通道CAFR(HH-CFAR)、SVM、本研究小組提出的加權SVM和m-χ分解以及基于全極化數據SVM(QPSVM)4種檢測方法。

圖7 實驗區域的Pauli合成圖Fig. 7 Pauli RGB image of the experimental area

圖8 NASA JPL AIRSAR東京灣區域不同算法船舶檢測結果Fig. 8 Comparison between results by different ship detection methods on Tokyo bay

由圖8和圖9可見，SVM方法和本研究小組提出的加權SVM方法都能夠檢測出船舶目標，但是SVM方法孤立點較多且存在嚴重的背景雜波引起的虛警。此外，由圖8可以看出，SVM方法檢測結果目標結構不完整，船舶目標容易出現斷裂的情況。與SVM方法相比，本研究小組加權SVM方法檢測結果中沒有虛警，并且船舶目標結構保持較完整，主要原因是該方法對特征向量進行優選，去除了相關性高和置信度小的特征向量，采用了優化的特征向量。另外，本研究小組方法與全極化檢測結果相比，取得了與全極化數據相近的結果，簡縮極化SAR在收發通道減少，信息量沒有全極化SAR豐富的情況下，能夠取得與全極化近似的結果，進一步驗證了本研究小組方法的有效性，同時再一次充分體現了簡縮極化系統在海洋遙感尤其是海上船舶目標檢測中的優勢和應用潛力。

圖9 溫哥華海港實驗區域不同算法船舶檢測結果Fig. 9 Comparison between results by different ship detection methods on Vancouver harbor

6 結束語

作為一種新興的星載極化SAR系統，簡縮極化星載SAR因其能同時獲取目標較豐富的極化信息和實現大幅寬觀測，在海洋觀測領域具有先天的優勢。基于簡縮極化星載SAR的海上船舶目標檢測是當前海洋遙感領域中的研究熱點之一，具有巨大的發展潛力和廣闊的應用前景。目前，雖然國內外大量學者對星載簡縮極化SAR船舶目標檢測進行了積極的研究和探索，并取得了一些成果，但是關于星載簡縮極化SAR船舶目標檢測需要進一步深入研究的還有很多，主要包括以下幾個方面：

(1) 深入研究分析海上船舶目標與海洋背景的極化散射機理。海上船舶目標與海洋背景的極化散射機理的差異是實現星載雙極化、全極化以及簡縮極化海上船舶目標檢測的物理基礎。受全極化特別是簡縮極化星載SAR系統發展的限制，目前對海上船舶目標與海洋背景的全極化以及簡縮極化散射機理的認知遠遠不夠。下一步急需緊密結合星載極化SAR系統發展，從理論和實驗兩個方面充分加強對海上船舶目標與海洋背景的極化散射機理的研究分析與建模。

(2) 研究適用于海洋區域的偽全極化信息重建方法。現有的偽全極化信息重建方法是基于一定假設條件下的理論模型或者基于不同實驗數據得到的經驗模型，還很不完善，且不同重建方法的重建結果和性能各不相同，適用的地區和范圍也不同，直接影響后續船舶目標檢測研究，因此需要專門研究適用于海洋區域的偽全極化信息重建方法，為進一步實現海上船舶目標檢測奠定基礎。

(3) 研究有效的簡縮極化特征參數提取與優選方法。極化特征參數在簡縮極化SAR船舶目標檢測中具有重要作用，合適的極化特征參數優化方法選取將大大提高船舶目標的檢測性能。對于簡縮極化SAR數據來講，極化特征參數越多，包含的信息量就越豐富，但是過多的極化特征參數會使計算復雜度急劇增加，同時，過多的極化特征參數并不一定會取得更好的分類效果，船舶目標檢測性能也不一定會得到提升。因此，如何選取合適數量、合適類型的極化特征參數，采用哪種算法及選擇合適類型和數目的極化特征參數對于船舶目標檢測顯得至關重要，只有合理選取特征參數才能取得較為理想的檢測結果。

[1]邢相薇, 計科峰, 康利鴻, 等. HRWS SAR圖像艦船目標監視技術研究綜述[J]. 雷達學報, 2015, 4(1): 107-121. Xing Xiang-wei, Ji Ke-feng, Kang Li-hong,et al.. Review of ship surveillance technologies based on high-resolution wideswath synthetic aperture radar imaging[J].Journal of Radars, 2015, 4(1): 107-121.

[2]郭睿. 極化 SAR 處理中若干問題的研究[D]. [博士論文]，西安電子科技大學, 2012. Guo Rui. Study on several problems in polarimetric SAR processing[D]. [Ph.D. dissertation], Xidian University, 2012.

[3]楊汝良, 戴博偉, 李海英. 極化合成孔徑雷達極化層次和系統工作方式[J]. 雷達學報, 2016, 5(2): 132-142. Yang Ru-liang, Dai Bo-wei, and Li Hai-ying. Polarization hierarchy and system operating architecture for polarimetric synthetic aperture radar[J].Journal of Radars, 2016, 5(2): 132-142.

[4]張紅, 謝鐳, 王超, 等. 簡縮極化 SAR 數據信息提取與應用[J].中國圖象圖形學報, 2013, 18(9): 1065-1073. Zhang Hong, Xie Lei, Wang Chao,et al.. Information extraction and application of compact polarimetric SAR data[J].Journal of Image and Graphics, 2013, 18(9): 1065-1073.

[5]Mascolo L, Lopez-Sanchez J M, Vicente-Guijalba F,et al..Retrieval of phenological stages of onion fields during the first year of growth by means of C-band polarimetric SAR measurements[J].International Journal of Remote Sensing, 2015, 36(12): 3077-3096.

[6]Sivasankar T, Srivastava H S, Sharma P K,et al.. Study of hybrid polarimetric parameters generated from Risat-1 SAR data for various land cover targets[J].International Journal of Advancement in Remote Sensing,GIS And Geography, 2015, 3(1): 32-42.

[7]Aghabalaei A, Ebadi H, and Maghsoudi Y. Forest cover classification using compact polarimetry data[J].Journal of Geomatics Science and Technology, 2016, 5(3): 1-14.

[8]Xie L, Zhang H, Li H,et al.. A unified framework for crop classification in southern China using fully polarimetric, dual polarimetric, and compact polarimetric SAR data[J].International Journal of Remote Sensing, 2015, 36(14): 3798-3818.

[9]Zhang X, Dierking W, Zhang J,et al.. Retrieval of the thickness of undeformed sea ice from C-band compact polarimetric SAR images[J].The Cryosphere, 2016. DOI:10.5194/tc-10-1529-2016.

[10]Collins M J, Denbina M, Minchew B,et al.. On the use of simulated airborne compact polarimetric SAR for characterizing oil-water mixing of the deepwater horizon oil spill[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(3): 1062-1077.

[11]Shirvany R, Chabert M, and Tourneret J Y. Ship and oilspill detection using the degree of polarization in linear and hybrid/compact dual-pol SAR[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2012, 5(3): 885-892.

[12]Yin J and Yang J. Ship detection by using the M-Chi and M-Delta decompositions[C]. 2014 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Quebec City, Canada, 2014: 2738-2741.

[13]Atteia G and Collins M. Ship detection performance assessment for simulated RCM SAR data[C]. IGARSS 2014 IEEE International, Quebec City, Canada, 2014: 553-556.

[14]Yin J, Yang J, and Zhang X. On the ship detection performance with compact polarimetry[C]. IEEE Radar Conference (RADAR), Kansas City, MO, USA, 2011: 675-680.

[15]Li H, Perrie W, He Y,et al.. Target detection on the ocean with the relative phase of compact polarimetry SAR[J].IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(6): 3299-3305.

[16]Dabboor M and Geldsetzer T. On the classification of sea ice types using simulated radarsat constellation mission (RCM) compact polarimetric SAR parameters[C]. ASPRS Annual Conference, Louisville, Kentucky, USA, 2014.

[17]Yin J J, Yang J, and Zhou Z S. New parameters in compact polarimetry for ocean target detection[C]. 2013 IET International Radar Conference, Xi’an, China, 2013: 1-6.

[18]Souyris J C, Imbo P, Fj?rtoft R,et al.. Compact polarimetry based on symmetry properties of geophysical media: The π/4 mode[J].IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(3): 634-646.

[19]Stacy N and Preiss M. Compact polarimetric analysis of X-band SAR data[C]. EUSAR 2006, Dresden, Germany, 2006: 1-4.

[20]Raney R K. Dual-polarized SAR and stokes parameters[J].IEEE Geoscience and Remote Sensing Letters, 2006, 3(3): 317-319.

[21]Raney R K. Hybrid-polarity SAR architecture[J].IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(11): 3397-3404.

[22]Charbonneau F J, Brisco B, Raney R K,et al.. Compact polarimetry overview and applications assessment[J].Canadian Journal of Remote Sensing, 2010, 36(Sup.2): S298-S315.

[23]謝鐳. 簡縮極化SAR圖像分解及分類技術研究[D]. [碩士論文],中國科學院大學, 2014. Xie Lei. Decomposition and classification for compact polarimetric SAR images[D]. [Master dissertation], University of Chinese Academy of Science.

[24]Spudis D B J, Butler B, Carter L,et al.. Result of the mini-SAR imaging RADAR, Chandrayyaan-1 mission to the Moon[C]. 41st Lunar and Planetary Science Conference, The Woodlands, TX, USA, 2010.

[25]Misra T, Rana S S, Bora V H,et al.. SAR Payload of Radar Imaging Satellite (RISAT) of ISRO[C]. EUSAR 2006, Dresden, Germany, 2006: 1-4.

[26]Rosenqvist A, Shimada M, Suzuki S,et al.. Operational performance of the ALOS global systematic acquisition strategy and observation plans for ALOS-2 PALSAR-2[J].Remote Sensing of Environment, 2014, 155(4): 3-12.

[27]Raney R K. DESDynI adopts hybrid polarity SAR architecture[C]. 2009 IEEE Radar Conference, Pasadena, CA, USA, 2009: 1-4.

[28]Nord M E, Ainsworth T L, Lee J S,et al.. Comparison of compact polarimetric synthetic aperture radar modes[J].IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(1): 174-188.

[29]Collins M J, Denbina M, and Atteia G. On the reconstruction of quad-pol SAR data from compact polarimetry data for ocean target detection[J].IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(1): 591-600.

[30]Li Y, Zhang Y, Chen J,et al.. Improved compact polarimetric SAR Quad-pol reconstruction algorithm for oil spill detection[J].IEEE Geoscience and Remote Sensing Letters, 2014, 11(6): 1139-1142.

[31]Reigber A, Neumann M, Ferro-Famil L,et al.. Multibaseline coherence optimisation in partial and compact polarimetric modes[C]. 2008 IEEE International Geoscience and Remote Sensing Symposium, Boston, MA, USA, 2008, 2: 597-600.

[32]Lee J S, Pottier E 著. 洪文, 李洋, 尹嬙, 等譯. 極化雷達成像基礎與應用[M]. 北京: 電子工業出版社, 2013. Lee J S, Pottier E. Polarimetric Radar Imaging: From Basic to Applications[M]. Beijing: Publishing House of Electronics Industry, 2013.

[33]Raney R K, Cahill J T S, Patterson G W,et al.. Characterization of lunar craters using m-chi decompositions of mini-RF radar data[C]. 43rd Lunar and Planetary Science Conference, The Woodlands, TX, USA, 2012: 2676.

[34]Guo R, Liu Y B, Wu Y H,et al.. Applying H/a decomposition to compact polarimetric SAR[J].IET Radar,Sonar&Navigation, 2012, 6(2): 61-70.

[35]劉萌, 張紅, 王超. 基于簡縮極化數據的三分量分解模型[J]. 電波科學學報, 2012, 27(2): 365-371. Liu Meng, Zhang Hong, and Wang Chao. Three-component scattering model for compact ploarimetric SAR data[J].Chinese Journal of Radio Science, 2012, 27(2): 365-371.

[36]Cloude S R, Goodenough D G, and Chen H. Compact decomposition theory[J].IEEE Geoscience and Remote Sensing Letters, 2012, 9(1): 28-32.

[37]Shirvany R. Estimation of the degree of polarization in polarimetric SAR imagery: Principles and applications[D]. [Ph.D. dissertation], University of Toulouse, 2012.

[38]Denbina M and Collins M J．Iceberg detection using compact polarimetric synthetic aperture radar[J].Atmosphere-Ocean, 2012, 50(4): 437-446.

[39]Atteia G E and Collins M J. On the use of compact polarimetry SAR for ship detection[J].ISPRS Journal ofPhotogrammetry and Remote Sensing, 2013, 80: 1-9.

[40]Atteia G and Collins M. Ship detection performance using simulated dual-polarization RADARSAT constellation mission data[J].International Journal of Remote Sensing, 2015, 36(6): 1705-1727.

[41]Liu C and Meek A. Likelihood ratio test polarimetric SAR ship detection application[R]. Defence Research and Development Canada Ottawa (ONTARIO), 2005.

[42]Zhang B, Li X, Perrie W,et al.. Marine oil slick and platform detection by compact polarimetric synthetic aperture radar[C]. 2016 IEEE International IGARSS, Beijing, China, 2016: 4031-4034.

[43]Yin J, Yang J, Zhou Z S,et al.. The extended bragg scattering model-based method for ship and oil-spill observation using compact polarimetric SAR[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(8): 3760-3772.

[44]Allah A and Mohamed G E. On the use of hybrid compact polarimetric SAR for ship detection[D]. Canada, University of Calgary, 2014.

[45]Michael Denbina. Iceberg detection using compact polarimetric synthetic aperture radar[D]. Canada, University of Calgary, 2014.

[46]Xu L, Zhang H, Wang C,et al.. A feature-based ship detection method for compact polarization SAR image[C]. Proceedings of EUSAR 2016: 11th European Conference on Synthetic Aperture Radar, Hamburg, Germany, 2016.

[47]王海波. 基于星載簡縮極化SAR的海上艦船目標檢測方法研究[D]. [碩士論文], 國防科技大學, 2016. Wang Haibo. Research on the methods of maritime ship detection based on spaceborne copmact polorimetric SAR imagery[D]. [Master dissertation], National University of Defense Technology, 2016.

計科峰(1974-)，男，陜西長武人，博士，國防科學技術大學副教授，碩士生導師，主要研究方向為SAR圖像處理、判讀解譯、目標識別及海洋監視應用。

E-mail: jikefeng@nudt.edu.cn

王海波(1982-)，男，山東青州人，2016年畢業于國防科學技術大學電子與通信工程領域，獲得工程碩士學位，主要研究方向為遙感信息處理。

E-mail: wjmsn@qq.com

冷祥光(1991-)，男，江西修水人，2015年畢業于國防科學技術大學攝影測量與遙感專業，獲得工學碩士學位，現在攻讀博士學位，主要研究方向為遙感信息處理。

E-mail: luckight@163.com

Spaceborne Compact Polarimetric Synthetic Aperture Radar for Ship Detection

Ji Kefeng①Wang Haibo①②Leng Xiangguang①Xing Xiangwei③Kang Lihong③

①(College of Electronic Science and Engineering,National University of Defense Technology,Changsha410073,China)

②(The Armed Police Crops of Hubei No.1Team,Wuhan430071,China)

③(Beijing Institute of Remote Sensing Information,Beijing100092,China)

Spaceborne Compact Polarimetric Synthetic Aperture Radar (CP SAR) is a new form of SAR, which has intrinsic advantages in maritime surveillance because it can obtain relatively rich polarimetric information of targets with wide swath. First, the basic modes and the development of a spaceborne CP SAR system are introduced in this paper with respect to ship detection applications. Second, typical methods of spaceborne CP SAR information processing are reviewed. Third, the attributes of frequently used methods for spaceborne CP SAR ship detection are analyzed and compared in depth. Fourth, the results of our research on spaceborne CP SAR ship detection are given. Finally, suggestions for further research on spaceborne CP SAR ship detection are proposed.

SAR; Polarimetric SAR; Compact Polarimetric SAR; Spaceborne SAR; Ship detection

TN958

A

2095-283X(2016)06-0607-13

10.12000/JR16083

計科峰, 王海波, 冷祥光, 等. 星載簡縮極化SAR船舶目標檢測技術研究[J]. 雷達學報, 2016, 5(6): 607-619.

10.12000/JR16083.

Reference format:Ji Kefeng, Wang Haibo, Leng Xiangguang,et al.. Spaceborne compact polarimetric synthetic aperture radar for ship detection[J].Journal of Radars, 2016, 5(6): 607-619. DOI: 10.12000/JR16083.

2016-07-01；改回日期：2016-11-01；

2016-11-30

*通信作者：計科峰 jikefeng@nudt.edu.cn

國家自然科學基金(61372163, 61331015, 61601035)

Foundation Items: The National Natural Science Foundation of China (61372163, 61331015, 61601035)