Radarsat-2全極化SAR車輛目標典型方位特性分析

張 波 王 超 張 紅 吳 樊 湯益先

(中國科學院數(shù)字地球科學重點實驗室,中國科學院對地觀測與數(shù)字地球科學中心,北京 100094)

1.引 言

2007年以來,COSMO-Sky Med,TerraSAR-X,Radarsat-2等可獲取全極化10米級分辨率的新型SAR衛(wèi)星發(fā)射成功與數(shù)據(jù)穩(wěn)定獲取,為星載SAR影像的應用開辟了新的應用方向[1-2]。圍繞地面車輛目標、飛機目標的檢測和特性分析,德國航天局(DLR)與加拿大遙感中心(CCRS)在這些新型衛(wèi)星發(fā)射之前,已開始利用機載實驗數(shù)據(jù)進行系統(tǒng)的研究與實驗[3-7]。針對飛機殘骸的檢測,Tom I提出了基于單景機載全極化SAR影像的PWF(Polarimetric Whitening Filter,PWF)恒虛警檢測、Cameron極化分解、偶次反射分析以及基于多景影像相干分析的聯(lián)合檢測驗證方法,并進行了無場景約束條件下的飛機殘骸目標檢測實驗[3]。德國航天局在“TRAMRAD項目”支持下進行基于星載雷達的自動、大范圍、非合作車輛目標交通監(jiān)測系統(tǒng)的構建方案研究[4]。在“交通信息處理機(Traffic Processor)”項目的支持下,德國航天局配合地面多種小型機動車輛如:高爾夫、奧迪等,進行了多次機載SAR飛行實驗,重點研究車輛目標隨目標方位、入射角度、傳感器波段等條件變化下的目標特征變化規(guī)律[5-6]。

Radarsat-2精細全極化模式(Fine Quad-Pol)影像標稱分辨率為8 m。因此,利用星載SAR影像與道路交通網(wǎng)的先驗地理信息約束,有可能實現(xiàn)接近圖像分辨率單元大小的靜止單個車輛目標,及目標集群的檢測。運動中的車輛目標在SAR成像中會造成目標成像位置偏移和模糊[7]。而對于交通監(jiān)測的應用中,相比交通暢通情況,我們更為關心的是由于冰雪災害等因素造成的交通阻塞、交通中斷情況下的道路交通監(jiān)控。在這種應用背景下,車輛更多地表現(xiàn)為慢速及靜止目標。要實現(xiàn)車輛及車輛集群目標的檢測,研究車輛目標在SAR影像中的散射特性,及與道路標識牌,道路邊獨立建筑等潛在車輛混淆目標的辨識方法顯得尤為重要。而這一切研究的基礎,即為要尋求出車輛目標在不同成像條件下的固有目標特征或變化規(guī)律。

為分析星載SAR影像中車輛目標的散射特性,本文利用Radarsat-2全極化數(shù)據(jù)進行了兩種入射角條件下、同類型卡車在多個典型方位下的地面同步實驗,并利用提出的目標特性分析方法,對目標的全極化特性變化規(guī)律進行了分析。

2.全極化SAR車輛目標特性分析方法

2.1 車輛目標RCS量測

雷達橫截面 σ(Radar Cross Section,RCS),反映目標返回雷達能量的大小。當目標具有非常簡單的外形(如:球)時,σ明顯與波長相關。當目標為球體以外的其他形狀時,σ在很大程度上取決于目標相對于雷達波束的視角[8]。針對復雜目標,如車輛,σ常需要考慮的具體因素及各參數(shù)的物理意義見表1[5-6]。其數(shù)學表達為式(1)

表1 影響RCS大小的相關因素

星載Radarsat-2影像中,提供了影像輻射定標查找表(look up table),利用表中提供的糾正參數(shù),可以將Radarsat-2影像糾正到σ0值圖像。σ0值反映目標在單位面積上的散射強度[8]。利用式(2)可以求得目標的σ值。

2.2 車輛目標方位測量

車輛目標與傳感器間的成像幾何關系,由目標方位角α和傳感器入射角θ共同決定。其關系如圖1所示。在觀測區(qū)域內建立平面直角坐標系(x,y,z),x方向與衛(wèi)星飛行方向重合,z方向與地表垂線方向重合,y方向與x,z方向組成左手坐標系。x方向與真北方向的夾角β,可以通過SAR影像元數(shù)據(jù)中的影像四個角點經(jīng)緯度坐標進行反算求取。車輛目標與磁北方向的夾角可以通過地質羅盤直接測量獲取,通過磁偏角改正和β角改正,可將目標方位直接歸算至x方向。為便于分析計算,常設車輛目標頭部朝向與x方向一致時為0°,并以順時針方向為正,則目標方位的角度范圍為[0°,360°]。以上分析中,真北方向、磁北方向、目標方位均在 x,y平面內。入射角θ,即SAR發(fā)射的單個脈沖與z軸的夾角,可以利用元數(shù)據(jù)中提供的衛(wèi)星平臺坐標與GPS測量的車輛目標坐標,進行基于參考橢球的局部入射角計算求取。

圖1 SAR目標成像幾何測量位置關系圖

2.3 車輛目標極化分解

車輛目標為人工硬目標,即相干目標。其目標散射特征確定、穩(wěn)態(tài),散射回波相干。因此,可利用相干目標分解技術對車輛目標的極化散射矩陣[S]進行分解分析。車輛目標在不同方位條件下,車身與地面的二面角效應始終成立。Pauli分解基的物理解釋可用二面角姿態(tài)變化予以形象解釋[9]。Pauli分解選擇Pauli基{Sa,Sb,Sc,Sd}作為它的散射矩陣,其前三個基的物理解釋分別對應:面、球、角反射器,二面角,傾斜π/4的二面角。散射矩陣可表示成如下形式

設

當介質滿足互易條件時,

Pauli分解具有保持總功率不變性,即總功率

求取圖像的總功率圖像,具有多視平均的效果,因此,有助于降低SAR圖像中斑點噪聲的影響,有利于硬目標的檢測。

3.實 驗

3.1 實驗數(shù)據(jù)

為分析車輛目標在不同成像條件(入射角、方位姿態(tài))下的極化散射特性,利用Radarsat-2衛(wèi)星進行了兩次不同入射角下的車輛目標成像?？紤]車輛目標自身的對稱性,選擇三種姿態(tài):平行x軸(SAR飛行方向)、垂直 x軸、以及與 x軸夾角為 45°(或225°),作為典型姿態(tài)進行重點分析。

每次實驗中使用同種型號卡車3輛。為使卡車目標之間互不影響,間距保持在100 m左右。圖2,圖3依次為實驗1、2中的車輛停放方位示意圖及車輛光學照片。依據(jù)2.2節(jié)中所示的測量方法,將衛(wèi)星飛行方向置為0°,依次求得車輛目標的停放方位。實驗1中的車輛停放方位為 0°,225°,270°。實驗2中的車輛停放方位為 180°,225°,270°。傳感器、車輛目標、背景的參數(shù)信息列于表2中。實驗1中的道路為火車客運專線未鋪設鐵軌的路基,路寬13 m,路兩側施工用料偶有堆積,房屋、樹木較多,道路情況可見圖2中光學照片。實驗2中的道路為已修好但尚未正式通車的城市主干線,路中有道路隔離帶,路寬24 m,道路情況可見圖3中的光學照片。

圖2 實驗1中車輛0°,225°,270°分布示意圖,車輛與道路背景照片

圖 3 實驗 2中車輛 180°,225°,270°分布示意圖,車輛與道路背景照片

表2 Radarsat-2實驗影像具體參數(shù)

3.2 實驗數(shù)據(jù)處理

首先,利用提供的查找表糾正參數(shù),對Radarsat-2衛(wèi)星影像數(shù)據(jù)進行σ0輻射糾正。為抑制SAR圖像中的斑噪影響,對實驗圖像求取其總功率圖(Span image)。按照圖像分辨率及車輛目標大小,依據(jù)GPS獲取的地理坐標,選取以車輛目標所處位置為中心的9×9像素窗口為研究對象,得到車輛在三種姿態(tài)下的目標σ0切片圖,如圖4(a)、4(b)所示。

圖4(a)的圖像切片中包含有道路成分(道路為東西方向),考慮道路寬度,切片上下各3個像素為道路兩旁的地物雜波。圖4(b)中的道路旁多為農田,圖像切片中除目標外均為道路背景。在圖像切片中提取中間三行,并去除確定的車輛目標(σ0＞1),計算道路背景的σ0得知:實驗1中的道路σ0均值為0.1202,方差為0.0146。實驗2中的道路σ0均值為0.2796,方差為0.0496。

利用Pauli極化分解算法,對各姿態(tài)下的目標切片進行分解。各極化分量(圖像中各行依次對應hh+vv,hh-vv,2hv),及各分量的成分比見圖 5(見1233)。

3.3 實驗分析及討論

3.3.1 不同入射角條件分析

觀察對比圖 4(a)與(b)可知,對于 225°、270°相同方位姿態(tài)下的車輛目標,39.7°入射角條件下的σ0值是23.2°入射角條件下值的4倍以上。對于0°,180°,考慮目標對稱性,可認為他們是同方位姿態(tài)下的目標,39.7°入射角較23.2°入射角雖然最大值接近相同,但大入射角條件下,車輛目標表現(xiàn)出更多的圖像目標像素。這與SAR的側視成像原理相一致。

3.3.2 不同目標方位條件分析

在同一入射角條件下,依據(jù)車輛目標對稱性(即0°與 180°相同 ,45°與 135°相似),對三種典型姿態(tài)下的卡車目標成像結果進行分析。由圖4分析可知:卡車車輛在0°與180°方位姿態(tài)條件下可取得最大σ0 值,在 90°與 270°方位姿態(tài)下 σ0 值最小 ,45°與135°介于兩者之間。

由圖5各極化成分比可以看出,目標在0°與180°,270°方位姿態(tài)條件下,偶次散射所占比重最為顯著,這由實際成像機制所決定(車輛與地面構成二面角)。目標在225°方位姿態(tài)下三種散射機制較為均衡,究其原因為在此方位下,卡車正面及側面與地面構成的二面體與SAR入射電磁波的夾角為45°,造成Pauli分解的偶次散射減弱,其他分量增加。

3.3.3 目標自身裝備差異分析

同次實驗使用的3個卡車型號一致,配置基本相同。但兩次實驗使用的卡車型號并不相同,因此,在進行兩次實驗間的目標特性對比分析時,須考慮卡車車輛大小,及自身配置的差異。自身配置差異主要來自于卡車車輛箱體的遮蓋。其實例及幾何參數(shù)可見圖2、3中的光學照片及表2。

實驗1中,270°姿態(tài)條件下的車輛目標,總功率圖σ0值較小。通過對比圖 2、3中車輛結構可知,此卡車頭部尺寸較實驗2中的卡車要小,且頭部形狀較為彎曲,這些原因造成其與地面的二面角效應較實驗2弱。再者,此卡車箱體并沒有封閉,車底平展且鐵皮裸漏,造成其Pauli分解第一分量明顯增加。這與微波散射規(guī)律相一致。

由實驗1中270°姿態(tài)條件下,目標σ0值和道路兩邊雜波σ0值大小比較可知:若不考慮道路條件作為地理約束,則很難利用CFAR等常規(guī)檢測算子實現(xiàn)目標的檢測提取;利用極化分解技術對該目標區(qū)域進行極化分解,則該目標區(qū)仍舊表現(xiàn)出應有的3種極化成分比。因此,在目標辨識過程中,考慮目標的極化散射特性及各成分比,對于目標的檢測、識別則大有裨益。

4.結論與展望

利用不同入射角的Radarsat-2星載全極化SAR影像,對典型方位下的大型卡車車輛目標散射特征、極化特征進行了初步實驗分析,并得出如下結論:

1)入射角對車輛目標的后向散射特征影響居于首位。若以車輛目標檢測為目的,則應盡可能選擇大入射角成像條件下的星載SAR圖像作為數(shù)據(jù)源。

2)方位角姿態(tài)對車輛目標σ0值影響較大,0°與180°為最優(yōu)檢測方位角姿態(tài)。這由車輛目標與地面構成二面角效應,造成強回波決定。

3)全極化數(shù)據(jù)可以利用極化分解技術進一步驗證車輛目標的特性。在Pauli分解的三種成分中,偶次散射是車輛目標的顯著特征。在 0°與180°,90°與 270°狀態(tài)下,偶次散射絕對占優(yōu)。即便在45°與135°姿態(tài)下,偶次散射分量依舊與其他分量所占比重相當。

4)若考慮道路交通網(wǎng)這一先驗地理信息約束,使車輛目標及集群的檢測與辨識,均在這一個背景約束下進行。那么,基于新型全極化星載SAR影像的道路交通監(jiān)測將成為一個很有潛力的應用方向[10]。

考慮目標對稱性和實驗場地大小的限制,本文選擇在平行、垂直、45°(或225°)夾角三個典型方位,及不同入射角條件下,進行了實地車輛擺放。并依此實驗數(shù)據(jù)給出了相應的初步分析結論。研究其他角度的普遍變化規(guī)律,即小方位角度間隔變化情況下的車輛目標特征變化,將是后續(xù)研究工作的重點。

[1] DRAGOSEVIC M V,CHIU S.Space-based motion estimators-evaluation with the first RADARSAT-2 MODEX data[J].IEEE Trans.Geoscience and Remote Sensing Letters,2009,6(3):438-442.

[2] DATCU M,CERRA D,CHAABOUNI H,et al.Extending airborne SAR-ATI algorithms to the RADARSAT-2 Moving Object Detection Experiment(MODEX)[C]//Proc.IGARSS,Boston,MA,July.2008,1:165-168.

[3] LUKOWSKI T I,YUE B,MATTAR K.Synthetic aperture radar for search and rescue:polarimetry and interferometry[J].Proc.IGARSS,Anchorage,AK,Sep.2004,4:2479-2482.

[4] HOUNAM D,BAUMGARTNERS,BETHKE K H,et al.An Autonomous,Non-cooperative,Wide-area Traffic Monitoring System Using Space-based Radar(TRAM RAD)[C]//Proc.IGARSS,Seoul,Korea,Jul.2005:2917-2920.

[5] PALUBINSKAS G,RUNGE H.Radar signatures of a passenger car[J].IEEE Trans.Geoscience and Remote Sensing Letters.2007,4(4):644-648.

[6] PALUBINSKASG,RUNGE H.Change detection for traffic monitoring in TerraSAR-X imagery[C]//Proc.IGARSS,Boston,MA,July.2008,1:169-172.

[7] MEYER F,HINZ S.The feasibility of traffic monitoring with terraSAR-X-analyses and consequences[C]//Proc.IGARSS,Anchorage,AK,Sep.2004,2:1502-1505.

[8] 韓傳釗等,譯.合成孔徑雷達系統(tǒng)與信號處理[M].北京:電子工業(yè)出版社,2006:60-62.

[9] 王 超,張 紅,陳 曦,等.全極化合成孔徑雷達圖像處理[M].北京:科學出版社,2008:70-73.

[10] 楊 文,陳嘉宇,孫 洪,等.基于SAR圖像的點狀目標檢測方法研究[J].電波科學學報,2004,19(3):362-366.

YANG Wen,CHEN Jiayu,SUN Hong,et al.Study on point targets detection in SARimages[J].Chinese Journal of Radio Science,2004,19(3):362-366.(in Chinese)