一种ISAR图像性能定量评估方法

2018-01-09黄璐,王洋,金胜

雷达科学与技术 2017年1期

关键词：旁瓣敏感度定量

黄璐,王洋,金胜

(1.北京跟踪与通信技术研究所,北京100094;2.空间目标测量重点实验室,北京100094)

一种ISAR图像性能定量评估方法

黄璐1,2,王洋1,2,金胜1,2

(1.北京跟踪与通信技术研究所,北京100094;2.空间目标测量重点实验室,北京100094)

为便于ISAR图像的后续处理和应用,急需建立一种客观有效的ISAR图像性能定量评估方法。综合点目标评估指标、面目标评估指标、信息熵和对比度等多种客观评估指标,提出一种基于线性加权和准则的ISAR图像性能评估模型。通过仿真实验,对各客观评估指标对于带宽、成像积累脉冲数和信噪比等典型客观因素变化的敏感度进行分析。根据敏感度定量分析结果,确定各评估指标在模型中所占的权重系数,建立综合的ISAR图像性能定量评估模型。实测数据处理结果验证了本文所提方法的有效性。

ISAR图像;评估模型;敏感度;权重系数

0 引言

近年来,ISAR成像技术在诸多领域都发挥了重要作用。然而,ISAR图像的信息处理能力发展相对缓慢,尤其是对目标的分类识别能力,而进一步应用图像进行目标探测与识别的效能主要取决于获取的图像性能。因此,ISAR图像性能评估是ISAR图像应用的前提和首要环节,是ISAR图像目标分类识别过程的关键技术之一。

雷达图像与一般的光学图像有着显著的区别,光学图像的评价方法不能直接应用。雷达图像反映的是物体对于电磁波的后向反射系数,其质量问题表现为多个方面,如分辨率低于系统设定值、旁瓣强度过高、散焦、“鬼影”、噪声、定位不准等,导致图像模糊、对比度差,严重影响后续目标提取、分类、识别的处理。ISAR和SAR图像性能评估通常包括对分辨率、峰值旁瓣比、积分旁瓣比、辐射分辨率、等效视数等基本参数的评估,还有对图像模糊程度、图像对比度等的评估,且属于无参考图像质量评估。另外,与SAR图像相比,ISAR图像有其自身的特点,其目标通常为背景固定的舰船、飞机、空间目标等,而非单纯的点目标或面目标[1],不能直接利用点目标或面目标的评估指标进行图像性能评估。

目前国内对ISAR图像性能评估问题的研究还比较浅显,没有形成体系。文献[2]和[3]均对SAR图像质量评估进行了相关研究,对于ISAR图像有一定借鉴意义。文献[4]综合了三个定量评价准则和一个主观评价准则,提出了一种ISAR图像质量评估方法,但在实际应用中,未指出各评价准则量化值的权值取值方法。

本文综合了点目标评估指标、面目标评估指标、信息熵及对比度等多种客观评估指标,提出了一种基于线性加权和准则的ISAR图像性能定量评估模型。从能够直接影响ISAR图像性能的带宽、成像积累脉冲数和信噪比这三个典型的客观因素出发,通过仿真实验,对各评估指标对于这三个客观因素变化引起的图像性能变化的敏感度进行分析。根据定量分析结果,确定各评估指标在模型中所占的权重系数,建立综合的ISAR图像性能定量评估模型。实测数据处理验证了该方法的有效性。

1 一种ISAR图像性能定量评估方法

ISAR图像的性能可由点目标评估指标、面目标评估指标、信息熵及对比度等多种客观评估指标进行评估。其中,由于原始ISAR图像通常包含背景,进行图像分割后再对目标部分进行面目标指标计算。本文采用区域目标相干相关函数的距离向峰值旁瓣比(Range Peak Side Lobe Ratio,RPSLR)、距离向积分旁瓣比(Range Integrated Side Lobe Ratio,RISLR)、方位向峰值旁瓣比(Azimuth Peak Side Lobe Ratio,APSLR)、方位向积分旁瓣比(Azimuth Integrated Side Lobe Ratio,AISLR)、均值、方差、等效视数、辐射分辨率、信息熵和对比度等10个评估指标。各评估指标均能在某一方面反映图像的性能,但又具有片面性,须综合各评估指标建立一种客观有效的ISAR图像性能的定量评估模型,通过加权求和得到定量评估值,评估方法设计框图如图1所示。

图1 评估方法设计框图

1.1 ISAR图像性能定量评估指标

1.1.1 点目标评估指标

1)峰值旁瓣比(Peak Side Lobe Ratio,PSLR)

定义为理想点目标脉冲响应函数的最强旁瓣峰值与主瓣峰值之比[5]:

式中,Asmax和Am分别表示IRF距离向或方位向序列上最强旁瓣峰值和主瓣峰值。PSLR的值越小,表明旁瓣幅度越小,图像质量越高。

2)积分旁瓣比(Integrated Side Lobe Ratio,ISLR)

定义为理想点目标脉冲响应函数的旁瓣能量与主瓣能量之比[5]:

式中,区间(m,n)表示主瓣所在位置,(-∞,m)和(n,∞)表示旁瓣位置。实际应用中,常定义旁瓣区间为位于主瓣外包含若干有限个旁瓣范围的区域。ISLR的值越小,表明旁瓣能量越小,图像质量就越好。

3)相干相关函数

在大多数实际ISAR成像场景中,难以在图像中提取到独立有效的点目标以重构脉冲响应函数[6],利用一种基于复数图像区域相干相关函数(Coherent Correlation Function,CCF)[7]的ISAR图像质量评估方法进行点目标指标评估。理论分析及实验结果都证明,在点散射模型理论前提下,区域目标的CCF具有IRF的sinc型函数结构,能够代替IRF计算图像的峰值旁瓣比和积分旁瓣比[2]。

ISAR图像的CCF是其复数据的自相关,等价于图像功率谱的傅里叶反变换:

式中,I(x,y)表示图像在(x,y)处的复数值,F和F-1分别指二维傅里叶变换和二维傅里叶反变换。

1.1.2 面目标评估指标

ISAR图像目标通常为背景固定的舰船、飞机、空间目标等,而非单纯的面目标,因此可认为图像通常由目标和背景两部分组成。首先利用图像分割[8]提取出感兴趣的目标区域,再利用均值、方差、等效视数、辐射分辨率、动态范围等指标进行面目标指标评估。

1)均值

定义为图像的平均灰度值,反映了图像对应场景目标的平均后向散射系数。它描述了图像的整体特征。

式中,I ij表示图像中的每个像素值;M,N分别表示图像两维的个数。

2)方差

反映图像灰度值的起伏程度,即图像的不均匀性。它也描述了图像的整体特征。

3)等效视数

用于衡量图像相干斑的相对强度,等效视数越大,表明图像上斑点越弱。式中,μ和σ2分别表示图像的均值和方差。

4)辐射分辨率

反映了ISAR图像区分目标间后向散射系数的能力,用于衡量图像灰度分辨率。

1.1.3 信息熵评估指标

假设有随机事件集合{X i,i=1,2,…,N},它们出现的概率分别为D i,并满足条件0≤D i≤1,i=1,2,…,N,则定义Shannon熵[4]为

对于一幅M×N大小的ISAR图像,定义ISAR图像熵H(f)为

式中,I(m,n)表示ISAR图像中像素位置是(m,n)的像素灰度值,D mn为I(m,n)在图像中的概率。熵是一种基于信息论的统计量,ISAR图像熵越小,说明ISAR图像所包含的信息量就越多,而且其聚焦性能也越好;反之,图像的聚焦性越差,图像不清晰。

式中,I(m,n)表示ISAR图像中像素位置是(m,n)的幅度,E(·)为求期望。

1.1.4 对比度评估指标

图像对比度反映像素强度的变化情况,对比度越大表示图像强度越分明,说明存在强散射点的概率越大,反之,存在强散射点的可能性越小。采用图像强度的均方差与均值的比值作为对比度准则[9],即

1.2 各评估指标在模型中权重系数的取值

此评估方法的关键问题是如何确定各评估指标在模型中的权重系数,确定依据应尽量客观准确,避免主观的人为标准差异带来的局限性。本文根据仿真图像进行统计获得,统计时依据指标对图像参数变化的敏感度获取,且获取时进行线性拟合,符合实际情况,使得权重系数的表达更为客观准确。

在ISAR成像过程中,信号带宽和成像积累脉冲数分别对图像的距离向和方位向分辨率产生直接影响,且图像信噪比也是影响图像性能的一个重要因素。因此,本文从带宽、成像积累脉冲数和信噪比这三个典型的客观因素出发,通过仿真实验,对各评估指标随这三个因素变化引起的图像性能变化的敏感度进行分析,据此确定各指标在模型中的权重系数取值。

仿真产生一个由若干点组成的飞机目标的雷达回波,目标真实图如图2所示。分别改变带宽、成像脉冲积累数和信噪比,可得到不同性能的ISAR图像,然后利用各评估指标进行定量评估,分析其敏感度。下面以成像积累脉冲数为例进行分析,另外两个因素同理。

图2 仿真目标真实图

在成像处理过程中,固定其他因素,改变成像积累脉冲数,可得到不同方位向聚焦程度的ISAR图像。分别令成像积累脉冲数在256至1 256之间取值,然后成像。其中成像积累脉冲数为256,756和1 256的成像结果如图3所示。利用各评估指标进行定量评估,各指标归一化后的变化情况如图4所示。

由图4可以看出,固定其他因素,各评估指标随成像积累脉冲数的变化均近似为线性,但变化程度不同,即敏感度不同。进行线性拟合,拟合后的直线斜率越大,则表明此指标对成像积累脉冲数变化引起的图像性能变化的敏感度越高,即评估结果越准确。因此,拟合后的直线斜率可作为定量的敏感度分析结果。线性拟合的结果如图5所示,敏感度分析结果如表1所示。

图3 仿真目标不同积累脉冲数的ISAR图像

图4 不同评估指标随积累脉冲数的变化

图5 不同评估指标随积累脉冲数变化曲线的线性拟合

表1 各评估指标的成像积累脉冲数敏感度

1.3 ISAR图像性能定量评估模型

基于线性加权和准则的ISAR图像性能的定量评估模型为

式中:G表示ISAR图像性能综合评估值;G1,G2,…,G10分别表示10个评估指标在模型中的评估值;f1,f2,…,f10分别表示各评估指标的权重系数,且满足

1)G k(k=1,2,…,10)由以下方法确定:

若评估指标的评估值越小,代表图像性能越好,则该评估指标在模型中的量化值为

若评估指标的评估值越大,代表图像性能越好,则该评估指标在模型中的量化值为

式中,G k表示第k个评估指标在模型中的评估值,表示对待评估的第i幅ISAR图像进行评估时第k个评估指标的评估值。

2)f k(k=1,2,…,10)由以下方法确定:

本文1.2节已对各评估指标随带宽、成像积累脉冲数及信噪比变化的敏感度进行了分析,定量分析结果综合如表2所示。

各评估指标在模型中所占的权重系数与敏感度成正比,且需满足令权重系数1,2,3分别表示由带宽、积累脉冲数、信噪比确定的权重系数,则根据表2得出的权重系数结果如表3所示。考虑到三个因素对于图像性能的影响相互独立,则平均权值系数即各评估指标在模型中的权重系数取值。

表2 各评估指标的带宽、脉冲数及信噪比敏感度

表3 各评估指标的权重系数

最终,基于上述模型,可对ISAR图像性能进行评估,评估值G在0到1之间,数值越大,表明ISAR图像性能越好,反之越差。另外,本文所提评估方法只给出待估图像的定量评估值,不能作为判定图像是否达标的依据。

2 实测数据处理结果及分析

利用某空间目标的实测数据对本文方法进行验证,如图6所示为某空间目标同一时刻的不同性能图像,直观可看出图(a)、(b)、(c)的性能依次递减,利用本文方法进行评估,得到各指标在模型中的评估值如表4所示。

G(a)=0.944 4×0.118 5+1×0.097 3+1×0.130 6+1×0.211 5+1×0.081 6=0.632 9

G(b)=1×0.118 5+0.909 1×0.097 3+0.273 8×0.068 0+0.011 9×0.235 7-0.483 9×0.028 3+0.571 4×0.130 6+0.538 5×0.075 4+0.645 8×0.009 6+0.700 0×0.211 5+0.604 2×0.081 6=0.533 5

G(c)=1×0.068 0+1×0.235 7-1×0.028 3+1×0.075 4+1×0.009 6=0.360 4

即(a)、(b)、(c)的性能评估结果分别为0.632 9,0.533 5,0.360 4,数值越大图像性能越高,与实际相符,验证了本文所提评估方法的有效性。

图6 同一目标实测数据的不同性能ISAR图像

表4 同一目标实测数据不同性能图像在模型中的评估值

3 结束语

本文专门针对ISAR图像,建立了一种基于线性加权和准则的图像性能定量评估模型,模型综合了点目标评估指标、面目标评估指标、信息熵及对比度等多种客观评估指标,并提出了一种各评估指标在模型中所占权重系数的确定方法,该方法从带宽、成像积累脉冲数和信噪比这三个典型的客观因素出发,通过仿真实验,对各评估指标对于这三个客观因素变化引起的图像性能变化的敏感度进行分析,据此确定了权重系数,使评估模型实用有效。

[1]金胜,朱天林.ISAR高分辨率成像方法综述[J].雷达科学与技术,2016,14(3):251-260.JIN Sheng,ZHU Tianlin.A Review of High-Resolution Inverse Synthetic Aperture Radar Imaging Methods[J].Radar Science and Technology,2016,14(3):251-260.(in Chinese)

[2]张晗.SAR图像质量评估方法研究[M].长沙:国防科学技术大学,2012:1-55.

[3]张倩.SAR图像质量评估及其目标识别应用[M].合肥:中国科学技术大学,2010:1-87.

[4]句彦伟,张燕.ISAR图像质量评估方法[J].系统工程与电子技术,2015,37(2):297-303.

[5]MARTINEZ A,MARCHAND J L.SAR Image Quality Assessment[J].Revista de Teledetección,1993,2(1):1-7.

[6]LAMBERS M,KOLB A.Automatic Point Target Detection for Interactive Visual Analysis of SAR Images[C]∥IEEE International Geoscience and Remote Sensing Symposium,Boston,MA:[s.n.],2008:903-906.

[7]BROWN L M J,SMITH D J.A SAR Data Quality Assessment Scheme for the ERS-1 Mission[C]∥International Geoscience and Remote Sensing Symposium,Edinburgh,Scotland:[s.n.],1988:887-888.

[8]肖凯凯.ISAR图像横向定标及特征提取研究[D].西安:西安电子科技大学,2012:49-50.

[9]MARTORELLA M,BERIZZI F,HAYWOOD B.Contrast Maximisation Based Technique for 2-D ISAR Autofocusing[J].IEE Proceedings-Radar,Sonar and Navigation,2005,152(4):253-262.

A Quantitative Evaluation Approach for ISAR Image Performance

HUANG Lu1,2,WANG Yang1,2,JIN Sheng1,2
(1.Beijing Institute of Tracking and Telecommunication Technology,Beijing100094,China;2.Key Laboratory of Space Object Measurement,Beijing100094,China)

An objective and effective approach to quantitatively evaluate ISAR image performance is desired for subsequent processing and application of ISAR image.By synthesizing multiple quantitative evaluation indicators including point target evaluation indicator,area target evaluation indicator,information entropy and contrast,an ISAR image performance evaluation model based on linear weighted sums criterion is proposed.The evaluation indicators change with some typical object factors including bandwidth,imaging accumulated pulse number and signal to noise ratio.The change sensitivity is analyzed by simulation experiment.Then the weighting factors of the evaluation indicators in the model are determined.Therefore,a comprehensive quantitative evaluation model for ISAR Image performance is built.Finally,the effectiveness of the proposed approach is demonstrated by processing the real data.

ISAR image;evaluation model;sensitivity;weighting factor

TN957

1672-2337(2017)01-0043-07

10.3969/j.issn.1672-2337.2017.01.008

2016-07-12;

2016-09-05