一种基于全极化SAR数据广义多子视相干的海面船只目标检测方法

魏钜杰，张继贤，黄国满，赵　争

(中国测绘科学研究院，北京 100830)



一种基于全极化SAR数据广义多子视相干的海面船只目标检测方法

魏钜杰，张继贤，黄国满，赵争

(中国测绘科学研究院，北京 100830)

传统基于子视相干的检测算法，如2L-IHP(Two Looks Internal Hermitian Product)和Pol-IHP(Polarimetric Internal Hermitian Product)等，通常利用两个子视影像进行相干来检测海面弱小船只目标.但受子视影像个数的限制，无法大幅度地提高船海对比度，进而影响了检测精度.针对该问题，本文提出了一种基于全极化SAR的广义多子视相干检测算法，首先利用子视分解方法对全极化SAR数据进行处理得到多个子视全极化影像；接着，基于广义相似性参数(Generalized Similarity Parameter，GSP)定义这些子视影像间的相关矩阵和相干算子来计算相干图；然后，利用恒虚警率(Constant False Alarm Rate，CFAR)检测方法结合统计的相干图累积分布函数进行船只目标检测.通过实验，表明利用本文算法船海对比度随着子视影像个数的增加而得到大幅提高，从而减少了弱小船只目标的漏检，显著提高了船只目标检测精度.

全极化SAR；多子视相干；广义相似性；恒虚警率；船只目标检测

1　引言

船海对比度是直接影响合成孔径雷达(Synthetic Aperture Radar，SAR)影像海面船只目标检测精度的关键因素之一.尤其是弱小船只目标，其后向散射强度较弱，很容易产生漏检.Arnaud首次引入雷达干涉测量的思想，利用前后子视影像的相干系数来检测弱小船只[1].之后，Iehara等采用二维相关函数(Two Dimensions Cross Correlation Function，2D-CCF)计算两子视影像间的相干性来检测海面船只目标[2].Souyris和Henry等考虑到相干系数忽略了幅度信息，提出了两子视厄尔米特内积(Two Looks Internal Hermitian Product，2L-IHP)的船只目标检测算法，并引入极化干涉相干最优提出了Pol-IHP船只检测算法，将该方法推广到全极化SAR数据[3,4].极化干涉相干最优实际上是通过选择最优极化状态组合使得观测目标产生最高的相干性[5,6].所以，利用两个子视全极化数据进行极化干涉最优相干，不仅使得船只目标产生最优相干，而且同样也使得海杂波获得最优相干.这就在一定程度上抑制了船海对比度的增幅；另外，上述算法都只能处理两个子视影像.因此，本文针对全极化SAR数据，推导出一种广义多子视相干算子ρGIC，突破子视个数的限制，更大程度增强船海对比度，以便提高船只目标检测精度.

2　算法原理

多子视相干的前提是要对全极化SAR数据进行多子视分解[7～9].在此基础上，再计算各个子视全极化数据间的相关性.子视分解作为SAR成像的逆过程，子视影像通常是利用SAR回波信号的多普勒频谱，将其分割为一系列子频谱计算得到.

2.1广义多子视相干

本节利用两个散射体间的相似性参数和广义相似性参数，定义了多子视全极化数据间的相关矩阵，并提出了广义多子视相干算子ρGIC.

2.1.1相似性参数和广义相似性参数

为了确定两个散射体之间的相似性，Yang等[10]定义了两个极化散射矩阵S1和S2的相似性参数r，即

(1)

(2)

2009年，An等利用两个极化相干矩阵T1和T2的相关系数定义了广义相似性参数(Generalized Similarity Parameter，GSP)[11]，将相似性参数推广到多视极化SAR数据，即

(3)

对于单视极化SAR，相似性参数与广义相似性参数是等价的.另外，相似性参数与GSP的取值范围都为[0，1]；当r(S1,S2)=1或rg(T1,T2)=1时，表明两个散射体具有相同的后向散射特性；当r(S1,S2)=0或rg(T1,T2)=0时，表明二者的后向散射特性完全不同.

2.1.2相关矩阵

Leducq等[12]基于矩阵熵[13]提出了N个子视单极化复数影像间的相关矩阵Rs，即

(4)

式中，s1，s2，…，sN分别为各子视的复数影像；上标*表示复数共轭.相关矩阵Rs的行列式|Rs|可以用来衡量N个子视影像间的相关程度.当各子视影像数据相等时，则相关矩阵Rs的所有元素都为1，那么|Rs|=0；当各子视影像数据都完全不等时，则相关矩阵Rs为单位矩阵，那么|Rs|=1；因此，|Rs|的取值范围为[0～1].所以，相关矩阵的行列式|Rs|越小，则各子视影像间的相关性越高，反之越低.

同样地，本文引入相似性参数和GSP，定义了N个子视全极化数据之间的相关矩阵：

(5)

式中，k1，k2，…，kN分别为各子视全极化数据的Pauli目标散射矢量.根据GSP的性质，当各子视影像的后向散射特性相同时，rg(T1,T2)=rg(T1,T3)=…=rg(T1,TN)=1，即相关矩阵的各个元素都为1，那么|Rg|= 0；当各子视影像的后向散射特性各不相同时，则rg(T1,T2)=rg(T1,T3)=…=rg(T1,TN)=0，那么相关矩阵为单位阵，|Rg|=1.因此，与|Rs|类似，相关矩阵Rg行列式值|Rg|的取值范围也为[0～1].行列式值|Rg|越小，则各子视影像间的相关程度越高，反之就越低.

2.1.3广义多子视相干算子

对于两个子视全极化数据的Pauli目标散射矢量k1和k2，可定义二者的相关系数|ρpol|2为

(6)

根据多子视全极化SAR相关矩阵式(5)，式(6)可转化为：

(7)

那么，将式(7)推广到N个子视全极化数据，广义多子视相关系数ρGIC定义为：

(8)

2.2基于广义多子视相干的海面船只检测算法

利用广义多子视相干算子ρGIC可计算获得船海对比度增强的相干影像.接着，利用相干影像计算全局检测阈值ε；然后，判断当相干影像中的像素值大于检测阈值ε时，则判定为船只目标；否则，为背景海杂波.全局检测阈值ε的计算方法类似于恒虚警率(Constant False Alarm Rate，CFAR)检测法[14,15]，即

(9)

式中，ε为检测阈值；Pfa表示恒虚警率；f(·)表示相干影像ρGIC的统计分布函数，F(·)表示相应的累积分布函数.假定相干影像共有M个像素{x1,x2,…,xM}，且各像素按升序排列(即x1≤x2≤…≤xM)，那么，某像素xk的累积分布函数F(xk)，k=1，2，…，M，可根据式(10)进行估算，

(10)

式中，Num(·)表示统计元素个数.利用计算得到的累积分布函数曲线，并结合预设的恒虚警率Pfa，可确定检测阈值ε.

3　实验分析

3.1实验数据介绍

为了验证本文算法的检测性能，本节选择覆盖日本玉野市Kojimawan海湾的L波段AIRSAR全极化数据进行实验.首先，根据彩色RGB合成原理，通过目视判读解译，将同时位于C波段和L波段影像上相同位置的白色亮点目标S1、S2、…、S21(共有21个)人工判定为船只目标(如图1所示)，并作为后续算法的验证参考数据.

3.2广义多字视相干算子对船海对比度增幅的影响

为了便于验证广义多子视相干算子ρGIC对增强船只对比度的有效性，本节以船只目标S6、S7为例，分别计算2个子视相干(2L-ρGIC和Pol-IHP)、5个子视相干(5L-ρGIC)和9个子视相干(9L-ρGIC)，其结果如图2所示，相应的船海对比度增幅情况见表1.

表1　多子视相干后船海对比度的增幅情况(单位：dB)

为了便于直观比较，图2中各3D示意图的纵轴(Z轴)都限定在同一范围(-63.5～54.5)之间.结合表1和图2可知，同为两个子视相干时，2L-ρGIC和Pol-IHP相干结果船海对比度增幅情况相当.但随着子视个数的增加，广义多子视相干在不断抑制海杂波散射强度的同时，也相应提高了船只目标的散射强度，使得船海对比度随之不断增大.这就证明了本文算法能够突破子视个数的限制，更大程度地提高船海对比度.

3.3算法检测性能的验证

为了验证本文算法的检测性能，本节选择Pol-IHP算法和5子视相干5L-ρGIC算法进行对比实验，其检测结果如图3所示，并采用检测概率Pd和品质因数FoM(Figure of Merit)[7,15]进行了定量比较，其统计结果见表2.

表2　各算法检测精度对比

图3中，椭圆形虚框为检测虚警、矩形虚框为漏检目标，黑色矩形框标识正确检测目标.对比分析图3和表2，Pol-IHP检测结果中同时存在着虚警(22个)和漏检(2个).而5L-ρGIC的检测结果，实测的21个船只目标全部被检测出来，漏检数为0，极大程度地减少了弱小船只目标的漏检，检测概率为100%；而且也大大降低了检测虚警，提高了品质因数.由此可见，本文算法的检测精度优于Pol-IHP.

4　结论

本文针对弱小船只目标容易产生漏检的问题，利用全极化SAR数据，推导出一种广义多子视相干算子ρGIC，突破了以往2个子视相干算法中子视个数的限制，更大程度地提高了船海对比度，并将其应用于海面船只目标检测.实验结果表明，本文算法优于Pol-IHP检测算法.但检测结果中仍存在着某些虚警，这主要是因某些海杂波的后向散射特性存在着明显异常引起的.这也将是我们今后工作进一步研究的重点.另外，下一步也将利用其他传感器(机载SAR/星载SAR)在不同成像模式、不同观测角度、不同波段、不同海况等条件下获得的全极化数据，结合地面实测数据进一步分析本文算法的优劣.

[1]ARNAUD A.Ship detection by SAR interferometry[A].IEEE 1999 International Geoscience and Remote Sensing Symposium.IGARSS′99 Proceedings[C].Hamburg:IEEE,1999.2616-2618.

[2]IEHARA M,OUCHI K,TAKAMI I,et al.Detection of ships using cross-correlation of split-look SAR images[A].IEEE 2001 International Geoscience and Remote Sensing,Symposium.IGARSS′01 Proceedings[C].Sydney:IEEE,2001.1807-1809.

[3]SOUYRIS J C,HENRY C,ADRAGNA F.On the use of complex SAR image spectral analysis for target detection:assessment of polarimetry[J].IEEE Transactions on Geoscience and Remote Sensing,2003,41(12):2725-2734.

[4]HENRY C,SOUYRIS J C,ADRAGNA F,et al.Target detection and analysis based on spectral analysis of a SAR image:A simulation approach[A].IEEE 2003 International Geoscience and Remote Sensing Symposium,IGARSS′03 Proceedings[C].France:IEEE,2003.2005-2007.

[5]王超,张红,刘智,等.星载SAR合成孔径雷达干涉测量[M].北京:科学出版社,2002.153-155.

[6]CLOUDE S R,PAPATHANASSIOU K P.Polarimetric SAR interferometry[J].IEEE Transactions on Geoscience and Remote Sensing,1998,36(5):1551-1565.

[7]魏钜杰,李平湘,杨杰,张继贤.利用全极化SAR数据去方位向模糊的舰船目标检测方法[J].测绘学报,2013,42(4):530-539.

WEI J J,LI P X,YANG J,ZHANG J X.Removing the effects of azimuth ambiguities on ships detection based on polarimetric SAR data[J].Acta Geodaetica et Cartographica Sinica,2013,42(4):530-539.(in Chinese)

[8]FERRO-FAMIL L,REIGBER A,POTTIER E,et al.Scene characterization using subaperture polarimetric SAR data[J].IEEE Transactions on Geoscience and Remote Sensing,2003,41(10):2264-2276.

[9]FERRO-FAMIL L,REIGBER A,POTTIER E.Nonstationary natural media analysis from polarimetric SAR data using a two-dimensional time-frequency decomposition approach[J].Canadian Journal of Remote Sensing,2005,31(1):21-29.

[10]YANG J,PENG Y N,LIN S M.Similarity between two scattering matrices[J].Electronics Letters,2001,37(3):193-194.

[11]AN W T,ZHANG W J,YANG J,et al.On the similarity parameter between two targets for the case of multi-look polarimetric SAR[J].Chinese Journal of Electronics,2009,18(3):545-550.

[12]LEDUCQ P,FERRO-FAMIL L,POTTIER E.Time-frequency analysis of polarimetric SAR images[A].EURAD 2005 European,Radar Conference Proceedings[C].Paris:IEEE,2005.109-112.

[13]SCHNEIDER R Z,PAPATHANASSION K,HAJNSEK I,et al.Analysis of Coherent Scatterers over Urban Areas[EB/OL].http://www.earth.esa.int/work-shops/polinsar2005/participants/124/paper-Paper-PolinSAR-2005-Schneider.pdf,2005-01-17/2005-01-21.

[14]WANG Y,LIU H.A hierarchical ship detection scheme for high-resolution SAR images[J].IEEE Transactions on Geoscience and Remote Sensing,2012,50(10):4173-4184.

[15]WEI J J,LI P X,YANG J,ZHANG J X.A new automatic ship detection method using L-band polarimetric SAR imagery[J].IEEE Journal of Selected Topics Applied Earth Observations and Remote Sensing,2014,7(4):1383-1393.

魏钜杰男，博士，1983年10月生于福建平潭.主要从事合成孔径雷达影像的几何处理与地物解译识别等方面的研究.

E-mail:weijujie0417@gmail.com

张继贤男，1965年5月出生于陕西商洛.现任中国测绘科学研究院院长、研究员，博士生导师.主要研究方向为摄影测量与遥感、地理信息系统、资源与环境遥感监测.

E-mail:zhangjx@casm.ac.cn

A New Ship Detection Method Based on Generalized Multi-sublooks Correlation Using POLSAR Data

WEI Ju-jie,ZHANG Ji-xian,HUANG Guo-man,ZHAO Zheng

(ChineseAcademyofSurveying&Mapping,Beijing100830,China)

The traditional ship detection algorithms,such as 2L-IHP (Two Looks Internal Hermitian Product), Pol-IHP (Polarimetric Internal Hermitian Product),etc,usually utilized two sub-look images cross-correlation to decrease omitted detection for small ships.However,because they were constrained by the number of sub-look images,the previous methods could not increase ship-sea contrast to much extent,which affected the ship detection accuracy.Therefore,this paper proposes a detection algorithm based on generalized multi-sublooks correlation using polarimetric SAR (POLSAR) data.Firstly,the sub-look decomposition method is applied for POLSAR data to get multi-sublook POLSAR images.Then the correlation matrix and the coherence operator based on the generalized similarity parameter (GSP) are defined to calculate the coherence image of the multi-sublook images.Finally,the constant false alarm rate (CFAR) detection method is utilized for ship detection by the calculated cumulative distribution function (CDF) of the coherence image.The experiments prove that ship-sea contrast can be increased with the number of sublook images by the propose method,which reduces the undetected probability of the ships and also improve the ship detection accuracy significantly.

polarimetric SAR;multi-sublooks correlation;generalized similarity;constant false alarm rate;ship detection

2015-01-09;修回日期:2015-03-02；责任编辑：覃怀银

测绘地理信息公益性行业科研专项项目(No.201412002);中国博士后科学基金资助项目(No.2016M591219)

TP75

A

0372-2112 (2016)06-1516-05