基于多信息空间的SAR图像中目标识别研究

杨 桄 赵 波 武赫男 李德军 张俭峰

(1.中国人民解放军空军航空大学，吉林 长春 130022；2.中国人民解放军95806部队，中国 北京 100076)

0 引言

遥感图像是探测地物目标综合信息的最直观、最丰富的载体，直接从遥感信息中自动提取地形和专题信息是当前遥感和地理信息系统技术面临的一个迫切而又复杂的问题。合成孔径雷达（SAR）以其具有全天时、全天候地获取图像资源的能力而在遥感领域中得到广泛地应用。目前，人工SAR图像目视判读大多采用基于光谱特征、基于单个目标图形特征、基于色调特征、基于阴影特征和基于活动特征等方法，这些方法所得到的判读结果往往不够准确、全面，不能为指挥员的决策提供可靠的情报信息。并且所得信息无法实现与其它遥感方式与地理信息系统的集成，不能将遥感信息供GIS实时更新、编辑。因此，如何结合多信息空间来辅助SAR图像中目标的识别，以提高SAR图像情报生成的效率、提高判读结果的准确性，具有重要的意义。并且基于多信息空间的SAR图像信息提取方法对于未来实现遥感影像的智能解译也是一种研究方法的探索[1-2]。

1 多信息空间的概念

所谓多信息空间，就是将多种信息来源处获得的信息，经过筛选加工，有机地融合而成的多维信息系统，是各类信息可以更好地为我所用。SAR图像在目标识别方面有很多难点，工作中很容易造成遗漏甚至错误。但如果基于多信息空间，将多种传感器获取到的图像与SAR图像相融合，各取其长处，再结合地理信息系统对图像获取位置的地理信息，很多难题便可以迎刃而解[3]。

2 基于多信息空间的SAR图像中目标识别

2.1 与其他遥感方式相结合

2.1.1 SAR 图像与可见光配准融合

合成孔径雷达与可见光遥感不同，是一种主动式遥感系统。具有全天候、全天时、穿透性强和分辨率高等优点。由于获取地物波谱特征信息的波段范围及成像方式的不同，SAR与可见光图像在反映地物电磁波谱特征方面有很大差异。SAR图像对目标的几何特性，无论是微观的（粗糙度和表面效应）还是宏观的（朝向和多次反射），都非常敏感，反映在图像上常常是非常暗或亮的点或区域。而可见光图像对目标的物理和化学属性（如反射率、反照率、颜色）则更为敏感。因此图像主要反映了不同地物的轮廓与光谱信息。在SAR所敏感的属性中，材料的“自然属性”（如金属目标）或者其状态（如土壤的温度和植被的干燥度）是非常重要的参数。而在可见光图像中这些参数常常是不可感知的。因此，将SAR与可见光图像融合，可以充分利用其互补信息，获得地物的多层次特性，进一步揭示地物的本质特征。

基于此，融合过程分为两步：第一步将SAR图像中重要目标加入到可见光图像中进行增强融合。利用像素邻域的能量可以判断SAR图像中特别亮（暗）的部分。因此采用基于像素邻域能量的方法融合图像。第二步利用小波变换将第一步得到的融合结果与原始图像进行一次融合。图像的小波变换可以将图像分解到不同尺度下得到低频（描述图像的轮廓）和水平、垂直、对角三个方向的高频（描述图像的细节，如边缘等）信息。其分解过程与人类分层次理解的特点非常类似。因此采用小波变换提取原始图像的边缘细节信息[4-5]。

2.1.2 SAR图像与红外配准融合

红外成像传感器作为一种被动式探测装备，本身不辐射任何能量，而是利用目标的红外特性实现搜索和跟踪，具有目标依赖性小、隐蔽性好、探测距离远等特点。但红外成像传感器属纯角度跟踪，会导致跟踪出现强非线性、弱可观测性等问题，而雷达的测距精度较高，信息量大，跟踪算法比较成熟，采用雷达为主、红外探测为辅的数据融合系统进行目标跟踪有利于充分地发挥红外、雷达两种传感器的优势，使其相得益彰。

在数据融合时，第一步先将多传感器数据做时间对齐、坐标统一和数据关联等处理。

第二步，运用加权最小二乘法，求出各向量，进行第一次融合。融合后每一状态参量误差的方差都要比原单传感器中最小的还要小。尤其当两种传感器精度比较接近时融合改善效果明显。

2.1.3 目标融合新技术

传统的基于控制特征点选择的图像融合方法，比较适合同类传感器成像数据的配准融合，但在多传感器图像配准时出现了一定的困难。这是由于在多传感器图像配准时，获取的多源图像灰度往往有差异，这样同名控制点的选择就变得困难，此时基于图像灰度的配准方法大多都会失效。基于特征的图像配准方法，通过对图像中可靠特征的提取来增强配准的鲁棒性。对于不同的传感器源图像常常选用图像中的共有的点、线特征，这些特征对比例、旋转、平移变化能够保持一致性。对于同一地区的多传感器图像，边缘是相对比较固定的特征。因此，我们可以采用基于多源图像边缘信息的配准方法，按由匹配的特征对建立的映射关系变换来完成配准，该方法具有较高的普适性。首先对SAR图像和待配准的其他传感器图像进行感兴趣区域的选取，然后针对感兴趣区域进行基于小波的多尺度多方向的边缘检测，之后以参考图像对应的边缘图像为基准，将待配准图像的边缘图像进行平移和旋转，并在每一个平移量和旋转角度下计算两边缘图像的交互方差。根据计算所得的两边缘图像的交互方差大小来评判两幅图像配准的准确程度，以交互方差最小为准则来指导完成图像配准过程。

该方法具有比较直观的配准准则，利用图像感兴趣区域边缘信息的相似性来完成配准。感兴趣区域的选取有利于有效边缘的检测同时也提高了配准精确度；小波多尺度多方向边缘检测方法在抗噪声和边缘定位方面有着独特的优势；基于特征的配准算法增强了配准的适应性。在SAR图像噪声较大的场合，依旧可以找到特征点，较精确地进行图像配准融合[6]。

2.2 与地理人文信息相结合

2.2.1 地理信息系统及其应用

地理信息系统 （geographic information system；GIS）它是指在计算机的软件和硬件的支持下，使描述客观世界的各种数据，按照它们的空间位置关系或地理坐标，实现输入、编辑、更新、存储、测量运算、分析评估、查询检索、动态模拟、显示制图和报表输出，及形成以某种或某些任务为目标的空间信息技术系统，从而有助于人们实现认识、利用和改造客观世界。

（1）反映战场地理环境的空间结构；完成态势图标绘、选择进攻路线、合理配置兵力、选择最佳瞄准点和打击核心、分析爆炸等级、范围、破坏程度、射击诸元等。

（2）海湾战争中，美国利用GIS模拟部队和车辆机动性、估算了化学武器扩散范围、模拟烟雾遮蔽战场的效果、提供水源探测所需点位、评定地形对武器性能的影响，为军事行动提供决策依据。

（3）美国陆军测绘工程中心在工作站上建立了GIS和RS的集成系统，及时地（不超过4小时）将反映战场现状的正射影像图叠加到数字地图上，数据直接送到前线指挥部和五角大楼，为军事决策提供24小时服务。

（4）科索沃战争中，利用3S高度集成技术，使得对目标的打击更加精准有效[7]。

2.2.2 GIS为目标判读提供全方位的信息支撑

基于GIS强大的数据整理分析功能，我们可以让GIS为SAR图像目标识别服务，为SAR图像提供该位置感兴趣区域的各类信息，并进行必要的测量运算，进而使得SAR图像中目标的位置，尺寸等重要识别特征得以凸显，同时，目标的识别结果能够进一步丰富GIS系统的数据库，为下一次的目标识别打下基础。

随着21世纪世界新型军事变革的不断升级，辅助配合高技术条件下局部作战，而与作战地形、作战地理要素密切关联的信息系统，即军事地理信息系统，MGIS(Military Geographic Information System)呼之欲出。MGIS用于战场信息管理，它可以进行态势标绘，距离、道路等战术计算。MGIS平时可以分析和研究全球、中国周边或热点地区政治、军事、安全等战略问题，让判读员了解和掌握战场全局地理环境要素的数量与质量特征、空间与时间特征、尺度特征以及它们的内在联系和规律，以及具有空间定位和分布特征的政治、军事、社会和人文因素；战时，可以随时提供战场的地理地形，敌军实力及大体分布，战场态势转变等信息，为战场SAR图像的目标识别提供有力的信息支撑。

3 结论

SAR图像目标识别的方法可以是多种多样的，它们所适用的范围也越来越广泛，以上的研究都说明了一点：合理的使用并融合多个领域将能更好地实现对运动目标的检测。基于多信息空间，对于充分发挥多种图像数据的潜力，提高遥感解译和信息提取的精度和效率具有重要的意义。在后续工作中，也应该考虑将SAR图像的目标识别与情报整编、计算机自动化识别等其他领域相结合，充分利用各自的优势，发挥更好的作用。伴随着计算机视觉领域新理论的不断出现，目标检测理论也必会向前蓬勃发展。

［1］杨桄，刘湘南.遥感影像解译的研究现状和发展趋势[J].国土资源遥感，2004，16（2）：7-15.

［2］杨桄，张柏，王宗明，等.基于多源信息空间的遥感影像自动解译研究[J].东北师大学报：自然科学版，2006，1（38）：131-135.

［3］邹焕新，匡纲要，郁文贤.一种从SAR海洋图像中检测舰船航迹的算法[J].现代雷达，2004，26（1）：41-44.

［4］欧阳越，种劲松.SAR图像海岸线检测算法综述[J].国土资源遥感，2006，4（68）：1-3.

［5］匡纲要，计科峰，粟毅，等.SAR图象自动目标识别研究[J].中国图象图形学报，2003，8（10）：1115-1120.

［6］杨桄，陈克雄，周脉鱼，等.SAR图像中目标的检测和识别研究进展[J].地球物理学进展，2007，2（22）：617-621.

［7］童涛，杨桄，李昕，等.基于D-S证据理论的多特征融合SAR图像目标识别方法[J].国土资源遥感，2013，2（17）：37-41.