一種ISAR圖像性能定量評估方法

黃 璐,王 洋,金 勝

(1.北京跟蹤與通信技術研究所,北京100094;2.空間目標測量重點實驗室,北京100094)

一種ISAR圖像性能定量評估方法

黃 璐1,2,王 洋1,2,金 勝1,2

(1.北京跟蹤與通信技術研究所,北京100094;2.空間目標測量重點實驗室,北京100094)

為便于ISAR圖像的后續處理和應用,急需建立一種客觀有效的ISAR圖像性能定量評估方法。綜合點目標評估指標、面目標評估指標、信息熵和對比度等多種客觀評估指標,提出一種基于線性加權和準則的ISAR圖像性能評估模型。通過仿真實驗,對各客觀評估指標對于帶寬、成像積累脈沖數和信噪比等典型客觀因素變化的敏感度進行分析。根據敏感度定量分析結果,確定各評估指標在模型中所占的權重系數,建立綜合的ISAR圖像性能定量評估模型。實測數據處理結果驗證了本文所提方法的有效性。

ISAR圖像;評估模型;敏感度;權重系數

0 引言

近年來,ISAR成像技術在諸多領域都發揮了重要作用。然而,ISAR圖像的信息處理能力發展相對緩慢,尤其是對目標的分類識別能力,而進一步應用圖像進行目標探測與識別的效能主要取決于獲取的圖像性能。因此,ISAR圖像性能評估是ISAR圖像應用的前提和首要環節,是ISAR圖像目標分類識別過程的關鍵技術之一。

雷達圖像與一般的光學圖像有著顯著的區別,光學圖像的評價方法不能直接應用。雷達圖像反映的是物體對于電磁波的后向反射系數,其質量問題表現為多個方面,如分辨率低于系統設定值、旁瓣強度過高、散焦、“鬼影”、噪聲、定位不準等,導致圖像模糊、對比度差,嚴重影響后續目標提取、分類、識別的處理。ISAR和SAR圖像性能評估通常包括對分辨率、峰值旁瓣比、積分旁瓣比、輻射分辨率、等效視數等基本參數的評估,還有對圖像模糊程度、圖像對比度等的評估,且屬于無參考圖像質量評估。另外,與SAR圖像相比,ISAR圖像有其自身的特點,其目標通常為背景固定的艦船、飛機、空間目標等,而非單純的點目標或面目標[1],不能直接利用點目標或面目標的評估指標進行圖像性能評估。

目前國內對ISAR圖像性能評估問題的研究還比較淺顯,沒有形成體系。文獻[2]和[3]均對SAR圖像質量評估進行了相關研究,對于ISAR圖像有一定借鑒意義。文獻[4]綜合了三個定量評價準則和一個主觀評價準則,提出了一種ISAR圖像質量評估方法,但在實際應用中,未指出各評價準則量化值的權值取值方法。

本文綜合了點目標評估指標、面目標評估指標、信息熵及對比度等多種客觀評估指標,提出了一種基于線性加權和準則的ISAR圖像性能定量評估模型。從能夠直接影響ISAR圖像性能的帶寬、成像積累脈沖數和信噪比這三個典型的客觀因素出發,通過仿真實驗,對各評估指標對于這三個客觀因素變化引起的圖像性能變化的敏感度進行分析。根據定量分析結果,確定各評估指標在模型中所占的權重系數,建立綜合的ISAR圖像性能定量評估模型。實測數據處理驗證了該方法的有效性。

1 一種ISAR圖像性能定量評估方法

ISAR圖像的性能可由點目標評估指標、面目標評估指標、信息熵及對比度等多種客觀評估指標進行評估。其中,由于原始ISAR圖像通常包含背景,進行圖像分割后再對目標部分進行面目標指標計算。本文采用區域目標相干相關函數的距離向峰值旁瓣比(Range Peak Side Lobe Ratio,RPSLR)、距離向積分旁瓣比(Range Integrated Side Lobe Ratio,RISLR)、方位向峰值旁瓣比(Azimuth Peak Side Lobe Ratio,APSLR)、方位向積分旁瓣比(Azimuth Integrated Side Lobe Ratio,AISLR)、均值、方差、等效視數、輻射分辨率、信息熵和對比度等10個評估指標。各評估指標均能在某一方面反映圖像的性能,但又具有片面性,須綜合各評估指標建立一種客觀有效的ISAR圖像性能的定量評估模型,通過加權求和得到定量評估值,評估方法設計框圖如圖1所示。

圖1 評估方法設計框圖

1.1 ISAR圖像性能定量評估指標

1.1.1 點目標評估指標

1)峰值旁瓣比(Peak Side Lobe Ratio,PSLR)

定義為理想點目標脈沖響應函數的最強旁瓣峰值與主瓣峰值之比[5]:

式中,Asmax和Am分別表示IRF距離向或方位向序列上最強旁瓣峰值和主瓣峰值。PSLR的值越小,表明旁瓣幅度越小,圖像質量越高。

2)積分旁瓣比(Integrated Side Lobe Ratio,ISLR)

定義為理想點目標脈沖響應函數的旁瓣能量與主瓣能量之比[5]:

式中,區間(m,n)表示主瓣所在位置,(-∞,m)和(n,∞)表示旁瓣位置。實際應用中,常定義旁瓣區間為位于主瓣外包含若干有限個旁瓣范圍的區域。ISLR的值越小,表明旁瓣能量越小,圖像質量就越好。

3)相干相關函數

在大多數實際ISAR成像場景中,難以在圖像中提取到獨立有效的點目標以重構脈沖響應函數[6],利用一種基于復數圖像區域相干相關函數(Coherent Correlation Function,CCF)[7]的ISAR圖像質量評估方法進行點目標指標評估。理論分析及實驗結果都證明,在點散射模型理論前提下,區域目標的CCF具有IRF的sinc型函數結構,能夠代替IRF計算圖像的峰值旁瓣比和積分旁瓣比[2]。

ISAR圖像的CCF是其復數據的自相關,等價于圖像功率譜的傅里葉反變換:

式中,I(x,y)表示圖像在(x,y)處的復數值,F和F-1分別指二維傅里葉變換和二維傅里葉反變換。

1.1.2 面目標評估指標

ISAR圖像目標通常為背景固定的艦船、飛機、空間目標等,而非單純的面目標,因此可認為圖像通常由目標和背景兩部分組成。首先利用圖像分割[8]提取出感興趣的目標區域,再利用均值、方差、等效視數、輻射分辨率、動態范圍等指標進行面目標指標評估。

1)均值

定義為圖像的平均灰度值,反映了圖像對應場景目標的平均后向散射系數。它描述了圖像的整體特征。

式中,I ij表示圖像中的每個像素值;M,N分別表示圖像兩維的個數。

2)方差

反映圖像灰度值的起伏程度,即圖像的不均勻性。它也描述了圖像的整體特征。

3)等效視數

用于衡量圖像相干斑的相對強度,等效視數越大,表明圖像上斑點越弱。式中,μ和σ2分別表示圖像的均值和方差。

4)輻射分辨率

反映了ISAR圖像區分目標間后向散射系數的能力,用于衡量圖像灰度分辨率。

1.1.3 信息熵評估指標

假設有隨機事件集合{X i,i=1,2,…,N},它們出現的概率分別為D i,并滿足條件0≤D i≤1,i=1,2,…,N,則定義Shannon熵[4]為

對于一幅M×N大小的ISAR圖像,定義ISAR圖像熵H(f)為

式中,I(m,n)表示ISAR圖像中像素位置是(m,n)的像素灰度值,D mn為I(m,n)在圖像中的概率。熵是一種基于信息論的統計量,ISAR圖像熵越小,說明ISAR圖像所包含的信息量就越多,而且其聚焦性能也越好;反之,圖像的聚焦性越差,圖像不清晰。

式中,I(m,n)表示ISAR圖像中像素位置是(m,n)的幅度,E(·)為求期望。

1.1.4 對比度評估指標

圖像對比度反映像素強度的變化情況,對比度越大表示圖像強度越分明,說明存在強散射點的概率越大,反之,存在強散射點的可能性越小。采用圖像強度的均方差與均值的比值作為對比度準則[9],即

1.2 各評估指標在模型中權重系數的取值

此評估方法的關鍵問題是如何確定各評估指標在模型中的權重系數,確定依據應盡量客觀準確,避免主觀的人為標準差異帶來的局限性。本文根據仿真圖像進行統計獲得,統計時依據指標對圖像參數變化的敏感度獲取,且獲取時進行線性擬合,符合實際情況,使得權重系數的表達更為客觀準確。

在ISAR成像過程中,信號帶寬和成像積累脈沖數分別對圖像的距離向和方位向分辨率產生直接影響,且圖像信噪比也是影響圖像性能的一個重要因素。因此,本文從帶寬、成像積累脈沖數和信噪比這三個典型的客觀因素出發,通過仿真實驗,對各評估指標隨這三個因素變化引起的圖像性能變化的敏感度進行分析,據此確定各指標在模型中的權重系數取值。

仿真產生一個由若干點組成的飛機目標的雷達回波,目標真實圖如圖2所示。分別改變帶寬、成像脈沖積累數和信噪比,可得到不同性能的ISAR圖像,然后利用各評估指標進行定量評估,分析其敏感度。下面以成像積累脈沖數為例進行分析,另外兩個因素同理。

圖2 仿真目標真實圖

在成像處理過程中,固定其他因素,改變成像積累脈沖數,可得到不同方位向聚焦程度的ISAR圖像。分別令成像積累脈沖數在256至1 256之間取值,然后成像。其中成像積累脈沖數為256,756和1 256的成像結果如圖3所示。利用各評估指標進行定量評估,各指標歸一化后的變化情況如圖4所示。

由圖4可以看出,固定其他因素,各評估指標隨成像積累脈沖數的變化均近似為線性,但變化程度不同,即敏感度不同。進行線性擬合,擬合后的直線斜率越大,則表明此指標對成像積累脈沖數變化引起的圖像性能變化的敏感度越高,即評估結果越準確。因此,擬合后的直線斜率可作為定量的敏感度分析結果。線性擬合的結果如圖5所示,敏感度分析結果如表1所示。

圖3 仿真目標不同積累脈沖數的ISAR圖像

圖4 不同評估指標隨積累脈沖數的變化

圖5 不同評估指標隨積累脈沖數變化曲線的線性擬合

表1 各評估指標的成像積累脈沖數敏感度

1.3 ISAR圖像性能定量評估模型

基于線性加權和準則的ISAR圖像性能的定量評估模型為

式中:G表示ISAR圖像性能綜合評估值;G1,G2,…,G10分別表示10個評估指標在模型中的評估值;f1,f2,…,f10分別表示各評估指標的權重系數,且滿足

1)G k(k=1,2,…,10)由以下方法確定:

若評估指標的評估值越小,代表圖像性能越好,則該評估指標在模型中的量化值為

若評估指標的評估值越大,代表圖像性能越好,則該評估指標在模型中的量化值為

式中,G k表示第k個評估指標在模型中的評估值,表示對待評估的第i幅ISAR圖像進行評估時第k個評估指標的評估值。

2)f k(k=1,2,…,10)由以下方法確定:

本文1.2節已對各評估指標隨帶寬、成像積累脈沖數及信噪比變化的敏感度進行了分析,定量分析結果綜合如表2所示。

各評估指標在模型中所占的權重系數與敏感度成正比,且需滿足令權重系數1,2,3分別表示由帶寬、積累脈沖數、信噪比確定的權重系數,則根據表2得出的權重系數結果如表3所示。考慮到三個因素對于圖像性能的影響相互獨立,則平均權值系數即各評估指標在模型中的權重系數取值。

表2 各評估指標的帶寬、脈沖數及信噪比敏感度

表3 各評估指標的權重系數

最終,基于上述模型,可對ISAR圖像性能進行評估,評估值G在0到1之間,數值越大,表明ISAR圖像性能越好,反之越差。另外,本文所提評估方法只給出待估圖像的定量評估值,不能作為判定圖像是否達標的依據。

2 實測數據處理結果及分析

利用某空間目標的實測數據對本文方法進行驗證,如圖6所示為某空間目標同一時刻的不同性能圖像,直觀可看出圖(a)、(b)、(c)的性能依次遞減,利用本文方法進行評估,得到各指標在模型中的評估值如表4所示。

G(a)=0.944 4×0.118 5+1×0.097 3+1×0.130 6+1×0.211 5+1×0.081 6=0.632 9

G(b)=1×0.118 5+0.909 1×0.097 3+0.273 8×0.068 0+0.011 9×0.235 7-0.483 9×0.028 3+0.571 4×0.130 6+0.538 5×0.075 4+0.645 8×0.009 6+0.700 0×0.211 5+0.604 2×0.081 6=0.533 5

G(c)=1×0.068 0+1×0.235 7-1×0.028 3+1×0.075 4+1×0.009 6=0.360 4

即(a)、(b)、(c)的性能評估結果分別為0.632 9,0.533 5,0.360 4,數值越大圖像性能越高,與實際相符,驗證了本文所提評估方法的有效性。

圖6 同一目標實測數據的不同性能ISAR圖像

表4 同一目標實測數據不同性能圖像在模型中的評估值

3 結束語

本文專門針對ISAR圖像,建立了一種基于線性加權和準則的圖像性能定量評估模型,模型綜合了點目標評估指標、面目標評估指標、信息熵及對比度等多種客觀評估指標,并提出了一種各評估指標在模型中所占權重系數的確定方法,該方法從帶寬、成像積累脈沖數和信噪比這三個典型的客觀因素出發,通過仿真實驗,對各評估指標對于這三個客觀因素變化引起的圖像性能變化的敏感度進行分析,據此確定了權重系數,使評估模型實用有效。

[1]金勝,朱天林.ISAR高分辨率成像方法綜述[J].雷達科學與技術,2016,14(3):251-260.JIN Sheng,ZHU Tianlin.A Review of High-Resolution Inverse Synthetic Aperture Radar Imaging Methods[J].Radar Science and Technology,2016,14(3):251-260.(in Chinese)

[2]張晗.SAR圖像質量評估方法研究[M].長沙:國防科學技術大學,2012:1-55.

[3]張倩.SAR圖像質量評估及其目標識別應用[M].合肥:中國科學技術大學,2010:1-87.

[4]句彥偉,張燕.ISAR圖像質量評估方法[J].系統工程與電子技術,2015,37(2):297-303.

[5]MARTINEZ A,MARCHAND J L.SAR Image Quality Assessment[J].Revista de Teledetección,1993,2(1):1-7.

[6]LAMBERS M,KOLB A.Automatic Point Target Detection for Interactive Visual Analysis of SAR Images[C]∥IEEE International Geoscience and Remote Sensing Symposium,Boston,MA:[s.n.],2008:903-906.

[7]BROWN L M J,SMITH D J.A SAR Data Quality Assessment Scheme for the ERS-1 Mission[C]∥International Geoscience and Remote Sensing Symposium,Edinburgh,Scotland:[s.n.],1988:887-888.

[8]肖凱凱.ISAR圖像橫向定標及特征提取研究[D].西安:西安電子科技大學,2012:49-50.

[9]MARTORELLA M,BERIZZI F,HAYWOOD B.Contrast Maximisation Based Technique for 2-D ISAR Autofocusing[J].IEE Proceedings-Radar,Sonar and Navigation,2005,152(4):253-262.

A Quantitative Evaluation Approach for ISAR Image Performance

HUANG Lu1,2,WANG Yang1,2,JIN Sheng1,2
(1.Beijing Institute of Tracking and Telecommunication Technology,Beijing100094,China;2.Key Laboratory of Space Object Measurement,Beijing100094,China)

An objective and effective approach to quantitatively evaluate ISAR image performance is desired for subsequent processing and application of ISAR image.By synthesizing multiple quantitative evaluation indicators including point target evaluation indicator,area target evaluation indicator,information entropy and contrast,an ISAR image performance evaluation model based on linear weighted sums criterion is proposed.The evaluation indicators change with some typical object factors including bandwidth,imaging accumulated pulse number and signal to noise ratio.The change sensitivity is analyzed by simulation experiment.Then the weighting factors of the evaluation indicators in the model are determined.Therefore,a comprehensive quantitative evaluation model for ISAR Image performance is built.Finally,the effectiveness of the proposed approach is demonstrated by processing the real data.

ISAR image;evaluation model;sensitivity;weighting factor

TN957

A

1672-2337(2017)01-0043-07

10.3969/j.issn.1672-2337.2017.01.008

2016-07-12;

2016-09-05

黃璐女,1987年生,河南省舞陽縣人,碩士研究生,現為北京跟蹤與通信技術研究所助理研究員,主要研究方向為雷達信號處理和雷達成像。E-mail:luhuang00@sina.com