一種多極化SAR艦船目標(biāo)與方位向模糊鑒別方法

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

②（海軍航空工程學(xué)院基礎(chǔ)實驗部　煙臺　264001）

一種多極化SAR艦船目標(biāo)與方位向模糊鑒別方法

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

②（海軍航空工程學(xué)院基礎(chǔ)實驗部煙臺264001）

針對SAR圖像艦船目標(biāo)檢測過程中存在方位向模糊造成虛警的問題，該文設(shè)計了一種基于改進(jìn)的H//Wishart 非監(jiān)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(biāo)散射回波峰值區(qū)域，以該區(qū)域的H/分類結(jié)果為初始聚類中心，利用復(fù)Wishart分布的最大似然分類器改善分類結(jié)果，通過對比分析各散射類型區(qū)域的結(jié)構(gòu)鑒別艦船目標(biāo)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(biāo)與方位向模糊，減少SAR艦船目標(biāo)檢測過程中存在的虛警。

多極化SAR圖像；方位向模糊；非監(jiān)督分類；艦船檢測

1　引言

合成孔徑雷達(dá)（SAR）具有全天時、全天候、大范圍和高分辨率的特點(diǎn)，是水面船只探測的重要手段之一［1］。SAR圖像目標(biāo)自動分類是SAR圖像應(yīng)用的重要研究內(nèi)容，它根據(jù)目標(biāo)的散射回波提取細(xì)節(jié)特性來分析目標(biāo)的散射類型，并應(yīng)用于目標(biāo)分類，已有很多學(xué)者對此進(jìn)行研究［2，3］。極化SAR圖像非監(jiān)督自動分類在地物特征分類中應(yīng)用比較廣泛，可以將不同散射隨機(jī)性和散射機(jī)制的地物進(jìn)行有效的區(qū)分［4，5］。已有學(xué)者將極化分類的方法應(yīng)用在海面極化SAR圖像艦船目標(biāo)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(biāo)與海面背景進(jìn)行區(qū)分，但僅利用整體海域的分類結(jié)果來判別艦船目標(biāo)與背景雜波不能有效地描述艦船目標(biāo)的結(jié)構(gòu)。當(dāng)存在方位向模糊時，傳統(tǒng)方法無法進(jìn)行有效區(qū)分。針對上述問題，本文利用目標(biāo)散射回波強(qiáng)度峰值區(qū)域的H/分類結(jié)果作為初始聚類中心，設(shè)計了基于改進(jìn)的H//Wishart 非監(jiān)督分類SAR圖像艦船目標(biāo)檢測方法，對艦船目標(biāo)與方位向模糊進(jìn)行鑒別。

（1）基于極化相干矩陣的特征分解對目標(biāo)進(jìn)行Cloude分解，即

其中，T為目標(biāo)相干矩陣；（·）H代表矩陣共軛轉(zhuǎn)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(yīng)的單位特征矢量。式（1）將目標(biāo)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(yīng)一種穩(wěn)態(tài)目標(biāo)的散射矩陣，對應(yīng)的特征值代表該分量出現(xiàn)的概率大小。

目標(biāo)的散射熵定義為：

其中，pi對應(yīng)特征值所代表的散射分量出現(xiàn)的概率，見式（3）

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

圖1　H/平面分區(qū)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(shè)計了迭代分類方法［10］。最常用的統(tǒng)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(qū)目標(biāo)散射矢量近似服從零均值的復(fù)高斯分布，可證明目標(biāo)的相干矩陣T滿足復(fù)Wishart分布［8，11］，即

其中，Γ（·）為Gamma函數(shù)；tr（·）為求目標(biāo)矩陣的跡；L為視數(shù)；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(biāo)的平均相干矩陣，可由H/分類結(jié)果作為訓(xùn)練樣本得到：

根據(jù)Bayes最大似然分類法則，其判別規(guī)則為：

其中，dm（T）為待分類目標(biāo)與第m類目標(biāo)的距離因子

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

圖3　艦船目標(biāo)H//Wishart 分類結(jié)果Fig.3　The H//Wishart　classification result

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

對艦船目標(biāo)中每個象元依據(jù)式（8）進(jìn)行迭代分類，設(shè)迭代終止條件為發(fā)生類別轉(zhuǎn)移的象元比例小于5％，得到3次迭代結(jié)果如圖3（b）所示?？梢杂^察到經(jīng)過迭代分類處理后的分類效果要比原始H/分類效果更細(xì)致，各類別之間界限清晰。但艦船目標(biāo)的主體部分仍為低熵多次散射類型，并沒有發(fā)生較大的變化，不能通過分類結(jié)果對目標(biāo)的類別做出有效判斷。

圖4　艦船目標(biāo)在H/平面分布Fig.4　The H/horizontal distribution of ship

3　改進(jìn)的H//Wishart非監(jiān)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(guān)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(guān)系，具體表現(xiàn)為dm（T）隨著待分類目標(biāo)與第m類目標(biāo)的幅值差增大而大。由此可見，由于海面背景的幅值很低，導(dǎo)致艦船目標(biāo)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(biāo)區(qū)域內(nèi)象元在迭代過程中發(fā)生轉(zhuǎn)移的數(shù)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(biāo)海域幅度圖中的艦船目標(biāo)提取出來，式（10）中k0=εμ，μ為目標(biāo)海域幅度均值，ε為調(diào)整系數(shù)。為了較好地保留艦船目標(biāo)信息，并且能夠保證后續(xù)分類的準(zhǔn)確度，ε值應(yīng)盡量取較小值，文中取經(jīng)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(qū)域的象元得到的H/分類結(jié)果為初始聚類中心，通過Wishart迭代分類方法對分類結(jié)果進(jìn)行優(yōu)化，迭代終止條件為目標(biāo)象元散射類型轉(zhuǎn)移數(shù)量占目標(biāo)總象元數(shù)量的比例小于5％。圖5（b），圖5（c），圖5（d）分別為經(jīng)過1次迭代、2次迭代、5次迭代后的分類結(jié)果。

一般情況下，艦船目標(biāo)一般存在結(jié)構(gòu)復(fù)雜的區(qū)域，如艦船的控制室、搭載的起重機(jī)、貨物等，這些目標(biāo)區(qū)域都能夠產(chǎn)生較強(qiáng)的2次或更多偶數(shù)次散射。因此在對目標(biāo)區(qū)域象元進(jìn)行H//Wishart 非監(jiān)督分類后，最終屬于低熵多次散射類型的區(qū)域應(yīng)屬于上述結(jié)構(gòu)復(fù)雜區(qū)域。

圖5　改進(jìn)的H//Wishart 非監(jiān)督分類結(jié)果Fig.5　The improved H//Wishart　unsupervised classification result

圖6　分類過程中發(fā)生類別轉(zhuǎn)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(nèi)目標(biāo)為實際目標(biāo)，圓圈內(nèi)為方位向模糊。通過對比兩幅圖像，可以發(fā)現(xiàn)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(biāo)在SAR圖像中沒有明顯的區(qū)別，且方位向模糊與實際目標(biāo)的幾何輪廓相似，這對SAR圖像艦船目標(biāo)檢測造成了很大的困難。

在多波段多極化SAR圖像艦船目標(biāo)檢測過程中，有時只能夠獲得目標(biāo)兩個波段全極化數(shù)據(jù)。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(jìn)的H//Wishart 非監(jiān)督分類方法對艦船目標(biāo)與其方位向模糊進(jìn)行鑒別分析。為了分析方位向模糊和艦船目標(biāo)極化散射特征之間的區(qū)別，首先利用Cloude分解方法分解目標(biāo)海域的極化相干矩陣T，得到目標(biāo)海域的極化熵H和平均散射角，在H/平面中可以對目標(biāo)海域分類，得到初始的分類結(jié)果。如圖8（a）為艦船目標(biāo)及其方位向模糊所在海域幅度圖像，圖8（b）為該海域經(jīng)過H/分類處理后的分類結(jié)果。

通過式（10）提取目標(biāo)海域幅度圖中的艦船和方位向模糊區(qū)域，分割后得到的二值圖像BW如圖9（a）所示，分類結(jié)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(biāo)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(qiáng)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(biāo)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(jìn)行區(qū)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(biāo)海域幅度圖及H/分類結(jié)果Fig.8　The amplitude image and H/classification result

利用復(fù)Wishart分布的最大似然分類器對圖8（b）中的海域進(jìn)行6次迭代處理，分類結(jié)果如圖10所示，可以看到艦船目標(biāo)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(qū)分。這主要是因為H//Wishart 非監(jiān)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(yuǎn)大于海面背景，因此在分類結(jié)果中與海面背景的差異較大。通過改進(jìn)的H//Wishart 非監(jiān)督分類方法得到的艦船目標(biāo)和方位模糊6次迭代分類結(jié)果如圖11所示。

對圖11中艦船目標(biāo)與方位向模糊區(qū)域的極化散射特征類型進(jìn)行統(tǒng)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(jié)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(jié)果Fig.10　Result with 6 iteration with H//Wishart　algorithm

圖11　改進(jìn)的H//Wishart 分類器6次迭代分類結(jié)果　Fig.11　Result with 6 iteration with improved H//Wishart　algorithm

圖12　艦船目標(biāo)和方位向模糊散射類型統(tǒng)計Fig.12　Statistics of scattering type

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

5　實驗結(jié)果與分析

為了驗證本文方法對艦船目標(biāo)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(jìn)行實驗。圖14為具有方位向模糊的兩艘艦船目標(biāo)SAR圖像數(shù)據(jù)，其經(jīng)過改進(jìn)的H//Wishart非監(jiān)督分類后的結(jié)果如圖15所示。

圖13　改進(jìn)的H//Wishart 非監(jiān)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(jìn)的H//Wishart 分類器分類結(jié)果Fig.15　Classification results of improved H//Wishart　algorithm

對上面兩個目標(biāo)的分類結(jié)果中各極化散射特征類型占比進(jìn)行統(tǒng)計，結(jié)果如表1所示。

表1中的數(shù)據(jù)顯示，艦船目標(biāo)與其方位向模糊經(jīng)過改進(jìn)的H/α/Wishart 非監(jiān)督分類后在低熵多次散射特征類型區(qū)域占比差異很大，艦船目標(biāo)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(jié)束語

文中基于改進(jìn)的H/α/Wishart 非監(jiān)督分類方法對目標(biāo)區(qū)域進(jìn)行了迭代分類，充分利用目標(biāo)的極化信息對目標(biāo)細(xì)節(jié)結(jié)構(gòu)進(jìn)行分析。本文方法以目標(biāo)周圍強(qiáng)散射區(qū)域的H/α分類結(jié)果為初始聚類中心，基于Wishart距離對目標(biāo)區(qū)域進(jìn)行迭代分類，實驗結(jié)果證明該方法具有良好的收斂性，當(dāng)?shù)螖?shù)達(dá)到5次左右時可得到穩(wěn)定的分類結(jié)果。與傳統(tǒng)的H/α/Wishart 分類結(jié)果相比，通過迭代分類后的結(jié)果能夠更清晰地觀察到目標(biāo)中復(fù)雜結(jié)構(gòu)區(qū)域的分布情況，能夠區(qū)分方位向模糊與艦船目標(biāo)的結(jié)構(gòu)差異，有利于SAR圖像艦船目標(biāo)的檢測。

表1　艦船目標(biāo)和方位向模糊散射特征類型統(tǒng)計Tab.1　Statistics of ship and azimuth ambiguity scattering type

［1］張澄波.綜合孔徑雷達(dá)原理、系統(tǒng)分析與應(yīng)用［M］.北京:科學(xué)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(jìn)行后續(xù)類別調(diào)整的極化SAR影像分類方法［J］.光譜學(xué)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(xué)報，2011，37（7）:820-827.

He Chu，Liu Ming，F(xiàn)eng 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(xué).全極化SAR數(shù)據(jù)的最大后驗概率分類［J］.武漢大學(xué)學(xué)報（信息科學(xué)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(jìn)A1/A2極化干涉分類算法［J］.國外電子測量技術(shù)，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(jiān)督分類的迭代分類方法［J］.電子學(xué)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(dá)圖像處理［M］.北京:科學(xué)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(xué)院獲得博士學(xué)位，現(xiàn)為海軍航空工程學(xué)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(biāo)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(xué)院基礎(chǔ)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(xué)學(xué)士學(xué)位，同年進(jìn)入海軍航空工程學(xué)院攻讀碩士學(xué)位，研究方向為遙感圖像解譯與分析。

E-mail:xuchengbin333@126.com

關(guān)鍵（1968-），男，遼寧錦州人，海軍航空工程學(xué)院電子信息工程系主任，教授，博士生導(dǎo)師，主要研究方向為雷達(dá)目標(biāo)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(biāo)與方位向模糊鑒別方法［J］.雷達(dá)學(xué)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(xué)基金（61201445，61179017）和國防預(yù)研基金資助課題

關(guān)鍵guanjian96@tsinghua.org.cn