SAR圖像艦船目標去旁瓣處理

(1. 中國電子科技集團公司第三十八研究所， 安徽合肥 230088；2. 孔徑陣列與空間探測安徽省重點實驗室， 安徽合肥 230088)

0 引言

合成孔徑雷達(SAR)具有分辨率高、探測范圍廣、全天時、全天候的優點，在艦船目標監視、海洋資源保護中起到重要作用。利用SAR獲取海上艦船目標的電磁散射特征、結構特征、位置及運動狀態，實現艦船目標分類識別，是各海洋大國的研究熱點。

艦船目標一般由金屬部件構成，當艦船某一結構的后向散射特別強烈或圖像聚焦效果較差時，相干疊加形成明顯的十字旁瓣效應[1]。在基于SAR圖像的艦船檢測識別系統中，艦船的長度、寬度、姿態角、面積等參數被作為分類識別的重要依據，而旁瓣的存在嚴重影響了上述參數的精度，進而影響艦船分類識別準確性。

有不少文獻中都提出了去旁瓣的方法，如邢相薇[1]利用Radon變換的特點將旁瓣和艦船目標主軸進行區分，該方法認為當主軸和旁瓣具有不同的方向時，峰值點在Radon變換域中處于不同的位置，可在Radon變換域中對其進行區分；當旁瓣方向與主軸方向一致，或者旁瓣污染嚴重、存在多個旁瓣時，該算法將無法確定哪些峰值點是旁瓣。蔣少峰等[2]利用沿方位向和距離向積分尋找旁瓣，認為旁瓣寬度一般為1～2個像素，采用局部均值濾波消除其影響，但是，由于艦船內部結構在SAR圖像上引起的強弱變化，在方位向和距離向上的積分受艦船本身回波影響，并不能真實反映出旁瓣位置，而且在處理的圖像中，有的旁瓣寬度達十幾個像素，局部均值濾波區域如何確定是另一個要考慮的問題。甄勇等[3]利用艦船方位角，確定主軸方向，計算目標的外接矩形，去除旁瓣影響，該方法同樣對聚焦效果好的圖像有效果；當旁瓣對目標整體結構影響較大，主軸無法確定時，該方法將同樣不能去除旁瓣影響。

本文基于未經量化的SAR模圖像，結合旁瓣由強散射點產生并且只會在方位向和距離向出現的特點，提出一種艦船目標去旁瓣方法，該方法可以去除旁瓣影響，同時最大限度保留船只弱散射區域。

1 旁瓣特征分析

旁瓣能量相比主瓣雖然大大減弱，但仍然高于其他弱散射部位回波信號，如圖1所示。圖1(a)為艦船SAR圖像，圖1(b)為旁瓣能量分布示意圖。因此，基于閾值刪除旁瓣將導致船只內部弱散射區域信息丟失。旁瓣是由艦船強散射結構產生，船只自身的弱散射區域不會引起旁瓣效應，且其形狀一般是沿距離向和方位向垂直的“十”字形。通過統計發現，旁瓣能量一般低于艦船目標整體區域能量的均值。

2 旁瓣刪除流程

本文提出的旁瓣刪除算法流程如圖2所示，考慮到量化后的SAR圖像丟失過多回波信息，使用未經量化的模圖像。

具體處理步驟如下：

步驟1：對模圖像，利用CFAR實現目標區域檢測[4-5]，檢測結果為二值化圖像(定義為B)，如圖3所示，其中目標區域置1，其余區域置0。

步驟2：對二值圖像B，用形態學濾波去除孤立小區域。利用鄰域搜索確定目標所在區域，考慮到目標可能由數個孤立區域組成，鄰域搜索范圍應有一定擴大，比如在10個像素范圍內搜索目標點。對目標所在區域計算最小外接矩形M1，確定M1的4個角點坐標[6]，二值圖像B在M1區域內部分定義為D，如圖4中方框所示。

步驟3：讀入M1內的模數據，統計目標能量均值mean(x)和方差var(x)。

步驟4：設定閾值，用于確定目標強散射區域。

T=mean(x)+t×var(x)

(1)

式中，x為目標像素點模值，mean(x)為D中非零區域能量均值，var(x)為D中非零區域能量方差，t為閾值調節系數，T為檢測門限。M1內的模數據，大于閾值T的像素點為強散射點，置1，其余置0，強散射區域二值化結果定義為S，如圖5所示。

(2)

步驟5：對S，重新計算最小外接矩形M2，如圖6中方框所示。

步驟6：假設目標區域寬度為w，高度為h，方位向為圖像行向，距離向為圖像列向，定義區域L=M1-M2，如圖7所示。在L，M1和M2內，進行如下信息統計。

1)L區域內：統計區域L在第i列像素點個數，定義為CLi，i=1,…,w，則有數組CL=[CL1,CL2,…,CLw]。

2)統計矩陣D在L區域內，第i列非0像素點個數CDi，則有數組CD=[CD1,CD2,…,CDw]。

3)統計矩陣S在M2區域內，第i列非0像素點個數CSi，則有數組CS=[CS1,CS2,…,CSw]。

5)對數組PC中PCi>0的值，統計均值，記為Avgc，如果PCi>Avgc，則認為第i列存在旁瓣，在L區域內，將矩陣D第i列的非0值置0。

步驟7：對旁瓣刪除后的區域，用形態學濾波去除孤立小區域，剩余區域重新計算外接矩形M3，從模圖像中取出M3區域內的數據，用于進一步目標識別處理，如圖9所示。

3 實驗及結果分析

為驗證本算法的適用性，使用20幅機載SAR圖像進行測試，圖像分辨率1～3 m，每幅圖像中包含40～60艘船只，本文的算法均較好刪除了目標旁瓣，更精確地獲取目標真實成像區域，為艦船目標進一步分類識別奠定扎實基礎。圖10為旁瓣刪除前后獲取的目標成像區域比較。使用同樣的算法，對經過旁瓣刪除處理和未經旁瓣刪除處理的圖像進行目標幾何參數提取，結果如圖11所示。圖11(a)是對未經旁瓣刪除處理的圖像進行目標幾何參數提取的結果，圖11(b)是經過旁瓣刪除處理后艦船幾何參數提取結果。可以看出，經過本文算法處理獲取的幾何參數更接近于目標真實尺寸，在旁瓣刪除基礎上進行目標檢測識別，準確率將有大幅度提高。

4 結束語

本文分析SAR圖像艦船旁瓣成像機理，基于旁瓣能量分布特征，提出了一種SAR圖像艦船目標去旁瓣算法，基于未經量化的SAR模圖像，統計成像區域能量分布，以及旁瓣與強散射點的位置關系，進而確定旁瓣區域。對比實驗證明，該算

法可以在剔除旁瓣對目標影響的同時，盡可能保留目標弱散射區域，精確分割出目標成像區域，為準確提取目標幾何參數、提高識別精度提供有力支撐。

參考文獻：

[1] 邢相薇. HRWS SAR圖像艦船目標監視關鍵技術研究[D]. 長沙: 國防科學技術大學, 2014.

[2] 蔣少峰, 王超, 吳樊, 等. 基于結構特征分析的COSMO-SkyMed圖像商用船舶分類算法[J]. 遙感技術與應用, 2014, 29(4):607-614.

[3] 甄勇, 劉偉, 陳建宏, 等. 高分辨率SAR圖像艦船目標幾何結構特征提取[J].信號處理, 2016, 32(4):424-429.

[4] CERUTI-MAORI D, SIKANETA I, GIERULL C. Detection and Imaging of Moving Objects with High-Resolution Wide-Swath SAR Systems[C]∥ 10th European Conference on Synthetic Aperture Radar, Berlin: VDE, 2014:977-980.

[5] 龔小冬, 李飛, 張志敏, 等. 一種新穎的高分辨率SAR艦船檢測方法[J]. 雷達科學與技術, 2015, 13(1):70-75.

[6] 殷雄, 王超, 張紅, 等. 基于結構特征的高分辨率TerraSAR-X圖像船舶識別方法研究[J]. 中國圖象圖形學報, 2012, 17(1):106-113.