SAR 圖像艦船目標(biāo)長(zhǎng)寬特征提取技術(shù)

李德勝，孟祥偉，張　顥，劉　磊(海軍航空工程學(xué)院 電子信息工程系，山東　煙臺(tái) 264001)

?

SAR 圖像艦船目標(biāo)長(zhǎng)寬特征提取技術(shù)

李德勝，孟祥偉，張顥，劉磊
(海軍航空工程學(xué)院 電子信息工程系，山東煙臺(tái) 264001)

摘要:SAR 圖像特征提取是目標(biāo)識(shí)別中的關(guān)鍵步驟，直接影響目標(biāo)識(shí)別的結(jié)果。長(zhǎng)度類特征因其簡(jiǎn)單直觀、效率高、易于提取等優(yōu)勢(shì)，常被作為船只類型的初始判定，針對(duì) SAR 圖像艦船目標(biāo)長(zhǎng)寬特征提取問(wèn)題，本文提出一種新的方法。首先通過(guò)水平集分割獲得目標(biāo)輪廓，其次采用區(qū)域消除方法濾除雜波，獲得預(yù)處理后的目標(biāo)圖像；其次通過(guò)最小外接矩形擬合目標(biāo)，獲取艦船目標(biāo)切片的長(zhǎng)軸、旋轉(zhuǎn)的角度；再次采用最小二乘法橢圓擬合獲取艦船目標(biāo)短軸；最后得到艦船目標(biāo)的長(zhǎng)寬特征。通過(guò)實(shí)測(cè)SAR圖像處理結(jié)果表明，本文方法能夠在背景雜波干擾下，抑制相干斑噪聲的影響，提高了長(zhǎng)寬提取的精度，是一種有效的艦船目標(biāo)長(zhǎng)寬特征提取方法。

關(guān)鍵詞：SAR圖像；水平集；最小外接矩形；橢圓擬合；特征提取；

0　引　言

合成孔徑雷達(dá)（synthetic aperture radar, SAR）不會(huì)因?yàn)樘鞖狻⒐庹盏瓤陀^條件而受到影響，并且具有全天時(shí)、全天候等優(yōu)勢(shì)，已成為海上監(jiān)測(cè)系統(tǒng)的主要探測(cè)手段和技術(shù)，在軍事和遙感等領(lǐng)域中廣泛應(yīng)用。SAR 圖像特征提取[1]是目標(biāo)識(shí)別中的關(guān)鍵步驟，直接影響目標(biāo)識(shí)別的結(jié)果。隨著 SAR 衛(wèi)星分辨率的不斷提高，長(zhǎng)度類特征因其簡(jiǎn)單直觀、效率高、易于提取等優(yōu)勢(shì)，常被作為船只類型的初始判定。國(guó)外很多實(shí)驗(yàn)室都把艦船的尺寸、面積等幾何特征作為提取依據(jù)，艦船一般為金屬材質(zhì)構(gòu)成，不同船只類型在 SAR 圖像中所體現(xiàn)的尺寸結(jié)構(gòu)也不同。

在長(zhǎng)寬特征提取研究中，傳統(tǒng)方法主要有 hough變換、橢圓擬合及最小外接矩形等，其中最常用的方法是按照目標(biāo)-背景像素個(gè)數(shù)比最大（TBR）準(zhǔn)則，采用最小外接矩形的方式進(jìn)行特征提取。但由于相干斑噪聲、海上風(fēng)浪、船只運(yùn)行等因素的影響，采用最小外接矩形的方法提取長(zhǎng)寬時(shí)，寬度的提取誤差較大。在 2000 年，Askari 和 Zerr[2]提出采用長(zhǎng)寬比作為初步判斷艦船類型的指標(biāo)。隨后，高貴[3]、Wu fan[4]等采用最小外接矩形（MER）的方法提取 SAR 艦船長(zhǎng)寬。2011 年，田小娟等[5]對(duì)傳統(tǒng)的最小外接矩形方法進(jìn)行改進(jìn)，按照設(shè)定像素比例，設(shè)定固定閾值，縮小外接矩形框，獲取長(zhǎng)寬值，但在相干斑噪聲影響下，設(shè)定的閾值是按照人為經(jīng)驗(yàn)設(shè)定的，僅適用于局限的范圍[6]。在艦船長(zhǎng)寬提取方法中，艦船結(jié)構(gòu)類似橢圓，也有部分研究人員采用橢圓擬合的方式提取長(zhǎng)寬，由于艦船結(jié)構(gòu)并非真正橢圓，盡管寬度提取較精確，但在長(zhǎng)度提取時(shí)，誤差較大。

為提高 SAR 圖像艦船目標(biāo)長(zhǎng)寬特征提取的精度，本文提出一種新的長(zhǎng)寬特征提取方法。首先采用水平集與區(qū)域消除的方法對(duì) SAR 圖像艦船目標(biāo)進(jìn)行預(yù)處理，抑制相干斑噪聲的影響，獲得干凈平滑的目標(biāo)切片；然后將預(yù)處理后的圖像，按照 TBR 準(zhǔn)則，通過(guò)最小外接矩形擬合目標(biāo)，提取目標(biāo)的長(zhǎng)度及旋轉(zhuǎn)角度，再利用最小二乘橢圓擬合的方法，提取目標(biāo)的寬度，從而得到艦船目標(biāo)的長(zhǎng)寬特征。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的最小外接矩形相比，提高了長(zhǎng)寬特征提取的精度，是一種有效的目標(biāo)特征提取方法。本文方法的流程如圖1 所示。

圖1　艦船特征提取過(guò)程Fig. 1　Ship feature extraction process

1　基于水平集的 SAR 圖像預(yù)處理算法

利用水平集在拓?fù)浣Y(jié)構(gòu)的變化中適應(yīng)性強(qiáng)，在演化算法中穩(wěn)定性高的優(yōu)勢(shì)，將原始 SAR 圖像艦船目標(biāo)，在水平集分割模型下，通過(guò)曲線演化將背景與目標(biāo)分離，然后將分割后的圖像進(jìn)行二值化，再經(jīng)過(guò)區(qū)域消除方式，獲得預(yù)處理后的艦船目標(biāo)切片圖像，來(lái)克服相干斑噪聲等因素的影響。預(yù)處理流程如圖2 所示。

1.1水平集處理

水平集方法（level set methods）是在 1911 年，由S.Osher 和 J. A.Sethian 在研究捕捉動(dòng)態(tài)界面和形狀時(shí)提出的，用來(lái)描述在曲線中的演化過(guò)程。2001年，Chan 和 Vese[7]通過(guò)簡(jiǎn)化 MS 模型提出了最優(yōu)劃分的模型，即水平集分割模型（CV 模型）。

水平集分割的基本思想是將空間中 n 維閉合曲線轉(zhuǎn)化為 n+1 維曲線，定義初始輪廓，并將輪廓定義為高維函數(shù)的零水平集，通過(guò)利用單位法向矢量和曲率來(lái)研究曲線演化，并構(gòu)造能量泛函，通過(guò)求解偏微分方程的數(shù)值，得到分割結(jié)果。

圖2　預(yù)處理流程Fig. 2　Pre-process flowchart

水平集能量函數(shù)表示為：

式中：H(x) 為一維 Heaviside 函數(shù)；φ為所用水平集函數(shù)；δ(x)=H'(x) 為 Dirac 函數(shù)。變分極小化能量泛函，即有 CV 模型的曲線演化方程：

CV 模型在基于圖像全局灰度信息背景下，利用變分法，求解通過(guò)水平集函數(shù)演化的偏微分方程，從而得到全局最優(yōu)的分割結(jié)果。水平集方法相比其他方法的優(yōu)勢(shì)在于它的穩(wěn)定性和拓?fù)錈o(wú)關(guān)性，不依賴圖像中的邊緣信息，同時(shí)具有一定抗噪性能，在圖像預(yù)處理領(lǐng)域中優(yōu)勢(shì)明顯。

1.2區(qū)域消除

SAR 圖像經(jīng)過(guò)水平集分割后，進(jìn)行二值化處理，將原始圖像從灰度圖變成了二值圖。在理論層面上分析，每個(gè)目標(biāo)對(duì)應(yīng)在二值圖像中的每一塊區(qū)域，由于相干斑噪聲的影響，可能還存在許多噪聲、毛刺及小塊區(qū)域，同時(shí)，艦船目標(biāo)也以小的白色塊狀區(qū)域存在于海域中，為了后續(xù)處理上的方便，需要把由雜波噪聲等原因形成的塊狀區(qū)域去除。

通過(guò)區(qū)域合并的方式來(lái)實(shí)現(xiàn)區(qū)域消除。該方法通過(guò)計(jì)算分割圖像中每塊區(qū)域的面積，把面積小于一定閾值的區(qū)域通過(guò)反色處理包含到其周圍的大區(qū)域中。經(jīng)過(guò)區(qū)域合并，原二值圖像中的區(qū)域數(shù)目明顯減少，將小的噪聲顆粒也被消除，只留下大結(jié)構(gòu)的艦船目標(biāo)區(qū)域，為后續(xù)目標(biāo)的特征提取帶來(lái)極大的方便。預(yù)處理過(guò)程的步驟如下：

1）將 SAR 圖像進(jìn)行水平集分割，獲得目標(biāo)活動(dòng)輪廓。

2）根據(jù)水平集分割的輪廓曲線，將該灰度圖像轉(zhuǎn)化為二值圖像。

3）對(duì)整幅二值化圖像進(jìn)行掃描，標(biāo)注白色連通區(qū)域。

4）計(jì)算每個(gè)白色連通區(qū)域的面積，通過(guò)對(duì)照艦船目標(biāo)的面積大小，設(shè)定閾值為 S1。

5）移除面積小于 S1的白色連通區(qū)，獲得區(qū)域消除后的二值圖像。

預(yù)處理效果如圖3 所示，其中圖3（a）為RadarsatⅡ 獲取的 SAR 圖像中的原始艦船目標(biāo)切片；圖3（b）為將原始圖像經(jīng)過(guò)水平集分割后，得到的目標(biāo)活動(dòng)輪廓；二值化后得到圖3（c）；然后經(jīng)過(guò)區(qū)域消除，最終得到預(yù)處理后的圖像切片圖3（d）。圖3 的 SAR 圖像預(yù)處理結(jié)果表明，本文方法能夠在背景雜波干擾下，抑制相干斑噪聲的影響，同時(shí)較好地保持了目標(biāo)細(xì)節(jié)邊緣，為下一步特征提取打下基礎(chǔ)。

圖3　預(yù)處理效果圖Fig. 3　Pre-process results

2　SAR圖像艦船長(zhǎng)寬特征的提取

目前，隨著 SAR 圖像分辨率的不斷提高，目標(biāo)幾何特征越來(lái)越清晰，在 SAR 圖像艦船目標(biāo)識(shí)別中長(zhǎng)寬特征被廣泛應(yīng)用，但同時(shí)干擾細(xì)節(jié)也越來(lái)越復(fù)雜，如何從 SAR 圖像中提取出目標(biāo)的結(jié)構(gòu)特征并進(jìn)行識(shí)別，成為如今的熱點(diǎn)問(wèn)題。

本文首先通過(guò)基于水平集的方法對(duì) SAR 圖像切片進(jìn)行預(yù)處理，將由雜波噪聲形成的塊狀區(qū)域去除，同時(shí)較好地保持了目標(biāo)邊緣，獲得干凈平滑的目標(biāo)圖像，然后結(jié)合最小外接矩形和橢圓擬合的各自優(yōu)點(diǎn)，先采用最小外接矩形提取艦船目標(biāo)的長(zhǎng)度及旋轉(zhuǎn)角度，再利用最小二乘橢圓擬合的方法，提取目標(biāo)的寬度，從而得到艦船目標(biāo)的長(zhǎng)寬特征。

2.1基于最小外接矩形的艦船目標(biāo)長(zhǎng)度特征的提取

最小外接矩形（minimum enclosing rectangle, MER）是指以二維坐標(biāo)表示的若干二維形狀（例如點(diǎn)、直線、多邊形）的最大范圍，即以給定的二維形狀各頂點(diǎn)中的最大橫坐標(biāo)、最小橫坐標(biāo)、最大縱坐標(biāo)及最小縱坐標(biāo)定下邊界的矩形。

傳統(tǒng)的最小外接矩形通過(guò)旋轉(zhuǎn)矩形框，按照某種準(zhǔn)則作為其衡量的標(biāo)準(zhǔn)。主要參照的準(zhǔn)則有：目標(biāo)-背景像素個(gè)數(shù)比最大（TBR）準(zhǔn)則、周長(zhǎng)最?。≒）準(zhǔn)則及邊界點(diǎn)計(jì)數(shù)（EPC）準(zhǔn)則3種。TBR 準(zhǔn)則與 P 準(zhǔn)則在實(shí)際運(yùn)用中效果相當(dāng)，EPC 準(zhǔn)則計(jì)算量偏大，不太常用，因此，本文采用 TBR 準(zhǔn)則作為最小外接矩形的參考依據(jù)。

本文結(jié)合 hough 變換，提取目標(biāo)主軸的方向角，然后在該角度下，按照 TBR 準(zhǔn)則進(jìn)行最小外接矩形擬合，提取艦船目標(biāo)的長(zhǎng)度及旋轉(zhuǎn)角度。由于相干斑噪聲、海上風(fēng)浪、船只運(yùn)行等因素的影響，在寬度提取誤差偏大，因此寬度提取不采用最小外接矩形，而采用下面介紹的橢圓擬合來(lái)提取艦船目標(biāo)的寬軸。

2.2基于橢圓擬合的艦船目標(biāo)寬度特征的提取

在二維平面坐標(biāo)系中，橢圓的曲線方程代數(shù)表達(dá)式為：

根據(jù)式（3），橢圓可表示為2個(gè)向量相乘的隱式方程：

式中：α 為（A，B，C，D，E，F(xiàn)），即系數(shù)向量，Xi=（xi2，xi，yi，yi2，xi，yi，1）。因?yàn)檎`差f（a，X）在點(diǎn)（xi，yi）不為0，將f（a，X）認(rèn)為是點(diǎn)（xi，yi）到隱式方程f（a，X）的代數(shù)距離，由最小二乘原理可知，可通過(guò)最小化代數(shù)距離平方和來(lái)實(shí)現(xiàn)曲線擬合的問(wèn)題。

由極值原理，若令f（A，B，C，D，E，F(xiàn)）值為最小，必有

由此可得到一個(gè)線性方程組，然后應(yīng)用求解線性方程組的算法，結(jié)合約束條件，就可求得方程系數(shù)A,B,C,D,E,F 的值，最終得到橢圓方程。

通過(guò)預(yù)處理后的艦船目標(biāo)圖像切片提取到艦船目標(biāo)的邊緣，采用最小二乘橢圓擬合的方法提取艦船目標(biāo)的寬度特征。由于船體結(jié)構(gòu)并非完全的橢圓，導(dǎo)致橢圓擬合提取的艦船目標(biāo)的長(zhǎng)度誤差較大，因此本文采用最小外接矩形來(lái)提取艦船目標(biāo)的長(zhǎng)度特征。

3　實(shí)驗(yàn)結(jié)果分析

本文采用 RadarsatⅡ 的 SAR 圖像數(shù)據(jù)來(lái)進(jìn)行方法驗(yàn)證。在實(shí)驗(yàn)中，為更好地比較效果，在圖4 中分別給出預(yù)處理以及各類長(zhǎng)寬特征提取的效果對(duì)比圖，其中，圖4a（1）～圖4a（3） 為3幅原始SAR圖像，圖4b（1）～ 圖4b（3）為通過(guò)基于水平集方法的預(yù)處理效果圖，圖4c（1）～ 圖4c（3）為通過(guò)hough變換求得角度后，再用最小外接矩形擬合目標(biāo)效果圖，圖4d（1）～圖4d（3）為通過(guò)最小二乘橢圓擬合目標(biāo)效果圖，圖4e（1）～ 圖4e（3）將最小外接矩形與最小二乘橢圓相結(jié)合一起的擬合目標(biāo)效果圖。同時(shí)在表 1 ～ 表 3中，分別給出各類長(zhǎng)寬特征提取方法的參數(shù)估計(jì)值。

圖4　艦船特征提取效果圖Fig. 4　Ship feature extraction results

表1　Hough變換 + 最小外接矩形參數(shù)目標(biāo)估計(jì)值Tab. 1　Hough + MER parameter target estimates

表2　橢圓擬合參數(shù)目標(biāo)估計(jì)值Tab. 2　Ellipse fitting parameter target estimates

實(shí)驗(yàn)結(jié)果表明，圖4a 中的 3 幅原始 SAR 圖像，通過(guò)基于水平集方法進(jìn)行預(yù)處理，濾除了原始圖像中的雜波，同時(shí)很好保持了目標(biāo)本身的細(xì)節(jié)。獲得預(yù)處理后的干凈平滑的艦船目標(biāo)圖像后，進(jìn)行長(zhǎng)寬特征提取。從圖4c（1）～ 圖4c（3）中及表1中數(shù)據(jù)可知，最小外接矩形（TBR 準(zhǔn)則下）擬合目標(biāo)的方法在長(zhǎng)軸提取上較準(zhǔn)確，在寬軸提取上誤差偏大。從圖4d（1）～圖4d（3）中以及表 2 中數(shù)據(jù)中可知，而最小二乘橢圓擬合目標(biāo)在寬軸提取上較準(zhǔn)確，在長(zhǎng)軸提取上誤差偏大。本文利用各自擬合優(yōu)點(diǎn)提取目標(biāo)長(zhǎng)寬，從圖4e（1）～圖4e（3）中及表 3 中獲取的艦船目標(biāo)最終參數(shù)數(shù)據(jù)，可以體現(xiàn)本文方法的優(yōu)勢(shì)，提高了長(zhǎng)寬特征提取的精度。

表3　艦船目標(biāo)最終參數(shù)估計(jì)值Tab. 3　Ship target parameter estimates

4　結(jié)　語(yǔ)

結(jié)合水平集在拓?fù)浣Y(jié)構(gòu)的變化中適應(yīng)性強(qiáng)以及算法穩(wěn)定性高等特點(diǎn)，本文基于水平集對(duì) SAR 圖像進(jìn)行預(yù)處理，抑制了相干斑噪聲的影響，獲得較好的預(yù)處理效果。在特征提取環(huán)節(jié)，本文提出一種新的長(zhǎng)寬特征提取方法，首先通過(guò)最小外接矩形獲取艦船目標(biāo)切片的長(zhǎng)軸，再采用最小二乘法橢圓擬合獲取艦船目標(biāo)短軸，有效結(jié)合了最小外接矩形與最小二乘橢圓擬合方法的各自優(yōu)點(diǎn)，并相互彌補(bǔ)了各自的不足。從實(shí)驗(yàn)結(jié)果中可知，本文提取效果明顯要好于其他方法，是一種有效的 SAR 圖像長(zhǎng)寬特征提取方法，再借鑒相關(guān)資料，便可初步獲知艦船的類型。

參考文獻(xiàn)：

[1]周珍娟, 韓金華. 艦船遙感圖像的目標(biāo)識(shí)別研究[J]. 艦船科學(xué)技術(shù). 2014, 36(12): 86-90. ZHOU Zhen-juan, HAN Jin-hua. Target recognition of ship’s remote sensing images[J]. Ship Science and Technology, 2014, 36(12): 86–90.

[2]ASKARI F, ZERR B. An automatic approach to ship detection in spaceborne synthetic aperture radar imagery: an assessment of ship detection capability using RADARSAT[R]. Italy: SACLANT Undersea Research Centre, 2000.

[3]高貴, 匡綱要, 李德仁. 高分辨率SAR圖像分割及目標(biāo)特征提取[J]. 宇航學(xué)報(bào), 2006, 27(2): 238–244. GAO Gui, KUANG Gang-yao, LI De-ren. High-resolution SAR image segmentation and target's feature extraction[J]. Journal of Astronautics, 2006, 27(2): 238–244.

[4]吳樊, 王超, 張波, 等. SAR圖像船只分類識(shí)別研究進(jìn)展[J]. 遙感技術(shù)與應(yīng)用, 2014, 29(1): 1–8. WU Fan, WANG Chao, ZHANG Bo, et al. Study on vessel classification in SAR imagery: a survey[J]. Remote Sensing Technology and Application, 2014, 29(1): 1–8.

[5]TIAN X J, WANG C, ZHANG H, et al. Extraction and analysis of structural features of ships in high resolution SAR images[C]//Proceedings of IEEE CIE International Conference on Radar. Chengdu: IEEE, 2011, 2: 630–633.

[6]GU D D, XU X J. Multi-feature extraction of ships from SAR images[C]//Proceedings of the 6th International Congress on IEEE Image and Signal Processing (CISP). Hangzhou: IEEE, 2013, 1: 454–458.

[7]MUMFORD D, SHAH J. Optimal approximations by piecewise smooth functions and associated variational problems[J]. Communications on Pure and Applied Mathematics, 1989, 42(5): 577–685.

[8]CHAN T F, VESE L A. Active contours without edges[J]. IEEE Transactions on Image Processing, 2001, 10(2): 266–277.

Research of ship feature extraction technology from SAR image

LI De-sheng, MENG Xiang-wei, ZHANG Hao, LIU Lei
(Department of Electronic and Information Engineering, Naval Aeronautical and Astronautical University, Yantai 264001, China)

Abstract:In this paper, a length and width feature extraction method for the ship target in the SAR images is proposed. Firstly, the SAR image is segmented by the level sets. The domain elimination method is adopted for the segmented images to remove clutter in the next step. Consequently, the slice image of target is obtained. Then, the minimum bounding rectangle and ellipse fitting methods are used for the feature extraction. We use the minimum bounding rectangle to obtain the long axis and the rotational angle of the ship in SAR image, and apply the Ellipse fitting method to get short axis of the ship target. Thus, the feature information of the ships including length, width and angle is obtained. Experimental results illustrate that the proposed method can extract the length and width feature of a ship target in SAR image effectively and accurately. Meanwhile, it can weaken the influence of speckle noise and background clutter in SAR image.

Key words:SAR image；level sets；minimum bounding rectangle；ellipse fitting；feature extraction

作者簡(jiǎn)介:李德勝(1990 ? )，男，碩士研究生，研究方向?yàn)槔走_(dá)信號(hào)處理。

基金項(xiàng)目:國(guó)家自然科學(xué)基金資助項(xiàng)目(61179016)

收稿日期:2015 ? 08 ? 06；修回日期: 2015 ? 08 ? 24

文章編號(hào)：1672–7619(2016)03–0115–05

doi：10.3404/j.issn.1672–7619.2016.03.024

中圖分類號(hào)：TN951

文獻(xiàn)標(biāo)識(shí)碼：A