峰值能量比在SAR圖像目標(biāo)鑒別中的應(yīng)用研究

，， ，

(中國電子科學(xué)研究院，北京 100041)

0 引 言

SAR圖像目標(biāo)鑒別的主要任務(wù)是保留目標(biāo)區(qū)域的同時，盡可能剔除目標(biāo)檢測后存在的大量雜波虛警，以減少后續(xù)目標(biāo)分類或識別的代價。SAR成像體制下，目標(biāo)和雜波虛警散射特征的差異使兩者呈現(xiàn)出不同的特征[1-6]。因此，基于特征選取是實現(xiàn)SAR圖像目標(biāo)鑒別的一條重要途徑。目前SAR圖像鑒別領(lǐng)域使用的幾十個特征，大部分是由林肯實驗室、美國陸軍實驗室、卡耐基梅隆大學(xué)、馬里蘭大學(xué)等機構(gòu)提出[1]。

峰值能量比(Peak Power Ratio，PPR)便是其中之一，該特征反映了目標(biāo)區(qū)域中像素點強度值的分布情況，即：雜波圖像的強度值分布相對比較均勻，而目標(biāo)圖像的強度值集中分布在強度值最大的幾個點上。因而由目標(biāo)圖像計算得出的峰值能量比要大于自然雜波圖像的計算結(jié)果。

PPR定義如下：計算目標(biāo)區(qū)域中k個最亮像素的強度值之和占圖像中所有像素點強度值總和的百分比。

依此，可以利用圖像峰值能量比的這一特性去掉那些只含自然雜波的ROI。通過訓(xùn)練數(shù)據(jù)設(shè)定一個合適的閾值T，則PPR鑒別算子的判定方法為:

峰值能量比在SAR 目標(biāo)鑒別中應(yīng)用廣泛，是常用的鑒別算子之一，計算簡單，物理意義清晰。不過關(guān)于PPR的專門討論并不多見，現(xiàn)有資料大多直接給出一個經(jīng)驗數(shù)值。但是這些經(jīng)驗數(shù)據(jù)是在什么情形下得出的，適合于什么情形均沒有給出明確的解釋。至于如何使用PPR算子以及它的失效風(fēng)險更是沒有提及。針對這些問題，通過對現(xiàn)有實測SAR圖像數(shù)據(jù)進行分析比較，對PPR的參數(shù)選擇進行定性、定量的分析，給出一些參數(shù)選擇的指導(dǎo)性建議。在此基礎(chǔ)上，提出一種PPR迭代使用策略，并通過實測的樣本數(shù)據(jù)進行仿真驗證。

1 多類樣本的“峰值能量比”比較研究

1.1 樣本采集

在某型雷達獲得的多幅實測SAR圖像中，按照1500×1200像素大小在原圖中截取水泥地、草地、疑似目標(biāo)、城市建筑、農(nóng)田、林地6類圖像切片。其中采集到水泥地、草地、疑似目標(biāo)、城市建筑圖像各29幅，農(nóng)田、林地圖像各6幅。后續(xù)將根據(jù)切片采集數(shù)量不同分為兩類進行計算。6類SAR圖像切片示例如圖1所示。

圖1 不同地物目標(biāo)SAR圖像切片

1.2 樣本計算

針對(a)-(f)六類切片，分別按照最亮像素占全圖像素比例的75%、50%、40%、30%計算相應(yīng)的PPR值。六類切片的PPR均值計算結(jié)果見表1。

表1 不同比例像素PPR計算結(jié)果均值

綜合各地物目標(biāo)PPR計算結(jié)果和表1的PPR均值，可以得出以下結(jié)論：

(1)水泥地和草地的PPR均值不論采用哪種比例去計算，均可以和其他四類明顯區(qū)分開來；

(2)水泥地均比草地的PPR均值高0.02左右，也可以區(qū)分開；

(3)農(nóng)田類背景只有當(dāng)最亮元素比例低于40%才可以和其他三類背景區(qū)分開(疑似目標(biāo)、城市建筑、林地)；

(4)疑似目標(biāo)、城市建筑、林地在表中所示的比例下區(qū)分有一定的難度。

1.3 比較分析

1.3.1 不同比例PPR計算分析

根據(jù)各地物目標(biāo)PPR計算結(jié)果得出上述(1)-(4)的結(jié)論，只能說明PPR算子的一個方面。因此，我們選取(a)-(d)四類切片，分別按照最亮像素占全圖比例的75%、50%、40%、30%計算的PPR值進行進一步的比較分析。4種地物目標(biāo)不同比例下的PPR計算結(jié)果如圖2。

圖2 四種地貌不同比例最亮像素PPR結(jié)果比較

圖2顯示的是4類采集樣本在不同比例下的比較結(jié)果圖。圖2顯然可以印證結(jié)論(1)和(2)的正確性。但是如何將疑似目標(biāo)和城市建筑區(qū)分開？那個比例可以更可靠地區(qū)分水泥地和草地？僅用圖2的分析還是不夠的。

如前所述，含有人工目標(biāo)的圖像能量往往集中在少數(shù)一些峰值點中?？紤]到我們此次采集的城市建筑主要是樓群，具有整齊均勻的幾何規(guī)律性，因此，圖像能量分布較均衡?；诖耍覀兎治?，隨著最亮像素比例的減少，疑似目標(biāo)和城市建筑區(qū)分度會隨之提高。為了進一步區(qū)分疑似目標(biāo)和城市建筑，采用最亮像素占全圖比例為10%進行試驗，試驗結(jié)果如圖3所示。

圖3 疑似目標(biāo)和城市建筑PPR結(jié)果比較

從圖3中可以看出，城市建筑的PPR值較為穩(wěn)定基本落在0.4-0.5之間。而疑似目標(biāo)的PPR則分別落在0.47-0.55和0.35-0.45兩段區(qū)域內(nèi)。對疑似目標(biāo)的圖像切片進行分析后，發(fā)現(xiàn)落在0.47-0.55區(qū)域的疑似目標(biāo)面積相對較大，而落在0.35-0.45區(qū)域的疑似目標(biāo)面積明顯變小。由此，可以在使用PPR算子之前，先使用面積算子篩選一次，再逐類使用PPR算子，這樣可以使得PPR算子的區(qū)分度顯著提高。

由于缺乏實測數(shù)據(jù)，針對(e)-(f)的兩類切片采集的較少，因此，單獨對這兩類進行計算，仍然按照圖中亮度最高的75%、50%、40%、30%計算相應(yīng)的PPR值，計算結(jié)果如圖4所示。

圖4 四種地貌不同比例PPR結(jié)果比較

圖4顯示，農(nóng)田和林地在最亮元素低于40%后，且比例逐漸降低時區(qū)分能力明顯增強，這種趨勢和圖3顯示的結(jié)果是一致的。對比圖1的SAR采樣切片，也可以說明這一情況。

1.3.2 不同比例PPR計算耗時比較分析

針對(a)-(f)四類切片，分別按照圖中亮度最高的75%、50%、40%、30%計算相應(yīng)的PPR值，六類切片的PPR計算平均耗時如表2。

采用本文所選樣本計算比例75%時，耗時13毫秒上下；比例50%時，計算耗時10毫秒上下；比例40%時，在9毫秒上下；比例30%時，在7毫秒上下。從計算結(jié)果可以看出，計算耗時僅與最亮像素選擇的比例相關(guān)，且隨著比例增高計算耗時延長，而與計算的背景無關(guān)。

表2 不同比例PPR計算耗時平均值(單位：ms)

2 “峰值能量比”迭代使用測試

根據(jù)上面的計算和比較分析，本文提出一種峰值能量比的迭代使用方法。該方法基本思想是，首先采用運用一次峰值能量比將能量較低的自然背景類雜波和能量較高的含疑似目標(biāo)、城市建筑、林地、農(nóng)田等分開，然后再分別對這兩類再用一次峰值能量比，繼續(xù)細分。如此反復(fù)多次運用，直至不再能區(qū)分。

2.1 測試條件及參數(shù)設(shè)置

按照2.1節(jié)論述的辦法，采集水泥地、草地、疑似目標(biāo)、城市建筑、農(nóng)田、林地6類圖像切片各3張，作為測試樣本，對本節(jié)提出的策略進行驗證。將18張切片按隨機順序放置，分別按照50% 、10%、5%的比例去計算，相應(yīng)的判決閾值取0.8、0.5和0.3(這些取值數(shù)據(jù)根據(jù)前面對訓(xùn)練樣本的比較分析獲取)。最后求取疑似目標(biāo)切片的個數(shù)。具體計算結(jié)果如下(為了結(jié)果展示更加明晰，輸出結(jié)果時，按照切片類別做了排序)。

2.2 測試步驟及結(jié)果

測試試驗中PPR計算過程如下：

(1)首先采用分析得到的經(jīng)驗數(shù)據(jù)50%和0.8對所有的切片進行計算，PPR大于0.8的均認(rèn)為可能包含目標(biāo)，PPR 小于0.8的被認(rèn)為是自然地物雜波剔除；

(2)對步驟(1)中PPR大于0.8的切片計算，這次采用10%和0.5，結(jié)果只有一個切片的PPR大于0.5，除此之外其他的PPR區(qū)分度也不太好，因此需要進行第三次PPR計算；

(3)采用5%和0.3對步驟(1)中PPR大于0.8的切片計算，結(jié)果發(fā)現(xiàn)有2組(6個)切片的PPR值大于0.3，因此，這6個切片被認(rèn)定為疑似目標(biāo)。

表3 測試試驗結(jié)果

測試結(jié)果表明，通過多次迭代使用PPR計算后，疑似目標(biāo)較單次使用PPR減少了50%。在此基礎(chǔ)上，后期結(jié)合使用其他鑒別算子，疑似目標(biāo)切片的鑒別準(zhǔn)確度會進一步提高。

3 結(jié) 語

在試驗中我們?nèi)∧繕?biāo)區(qū)域中最亮75%、50%、40%、30%，甚至有個別90%、10%個像素中包含的能量與目標(biāo)區(qū)域總能量的比值為PPR。測試了大量的不同地物目標(biāo)區(qū)域，以50% 為例，數(shù)據(jù)表明大部分自然雜波區(qū)域的PPR集中在0.7到0.8之間，同樣的設(shè)置下含有目標(biāo)及人造雜波區(qū)域其PPT值基本在0.8-0.9。通過本文的計算和分析，得出一些PPR使用和參數(shù)選擇的指導(dǎo)性建議，具體如下：

(1)PPR需要逐次分類使用，首次使用PPR先將自然背景和人造背景區(qū)分開，再次使用PPR區(qū)分不同自然背景和不同人造背景；

(2)結(jié)合其他算子使用PPR，如：可以在使用面積算子的基礎(chǔ)上再使用PPR；

(3)綜合考慮計算耗時和區(qū)分度，區(qū)分自然背景和人造背景時，最亮像素比例選50%，閾值選0.8較為合適；

(4)逐次使用PPR時，自然背景選擇比例向高調(diào)，人造背景選擇比例向低調(diào)；

(5)在某些強能量背景環(huán)境下(林地、城市建筑、包含人造目標(biāo)的區(qū)域等)PPR區(qū)分度不太好，要謹(jǐn)慎使用。

值得指出的是：由于我們采集到的SAR圖像切片數(shù)量有限，種類也不夠豐富，且試驗條件單一，得出的結(jié)論有一定的局限性。

[1] 高貴. SAR圖像目標(biāo)ROI自動獲取技術(shù)研究[D]. 長沙：國防科學(xué)技術(shù)大學(xué), 2007.

[2] 劉長清，陳博等. 基于仿真SAR和SVM分類器的目標(biāo)識別技術(shù)研究[J] . 中國電子科學(xué)研究院學(xué)報，2016，11(3)：257-262.

[3] Dudgeon D E, et al. An overview of automatic target recognition [J].The Lincoln Laboratory Journal, 1993,6(1):2-10.

[4] Dudgeon D E, et al. Discriminating Targets from Clutter. The Lincoln Laboratory Journal, 1993,6(1):25-51.

[5] Novak L M, et al. The automatic target-recognition system in SAIP [J]. The Lincoln Laboratory Journal,1997, 10(2): 187-202.

[6] 李禹. SAR圖像機動目標(biāo)檢測和鑒別技術(shù)研究[D]. 長沙：國防科學(xué)技術(shù)大學(xué)，2007.