机载SAR雷达实时图像变化检测的实现

邬伯才+牛蕾+翁元龙+王磊

摘要：本丈针对某机载雷达图像实时变化检测系统工程实现，阐述了SAR图像变化检测原理和表征形式，分析了机上实时变化检测实现流程和处理方式，并给出了考核方法和飞行试验成果，最后对该系统的应用前景进行了分析和总结。

【关键词】SAR 图像 变化检测 机上实时

1 概述

合成孔径雷达（Synthetic Aperture Radar，SAR）是一种工作在微波波段的相干成像雷达。它以其高分辨率和全天候、全天时、大而积的数据获取能力而成为世界各国普遍重视的对地观测技术，充分显示出在对地军事情报侦察领域中的重要作用和应用潜力。

目前随着SAR军事装备技术的发展，军事判图员日益而对着各型雷达海量侦察图像数据。由于SAR图像的复杂性，军事判图员对SAR图像的判读注定是个高难度的任务，主要体现在以下几个方而SAR图像对系统参数、成像环境特别敏感：目标运动造成SAR图像模糊；散射强度依赖于目标的形状、姿态和视角；SAR图像且受到噪声、阴影、透视收缩、迎坡缩短、顶底倒置等几何形变的影响；SAR图像不像光学图像那样被直观理解：综上，由于SAR图像可读性差，导致军事判图员判读任务量之大远远超出人工迅速做出判断的极限，同时SAR图像特殊的成像机理增加了图像判读的难度。

随着海量SAR军事侦察情报数据的积累，如何从浩如烟海的数据中迅速挖掘提取有效信息，摒弃不感兴趣的冗余信息，成为了目前SAR图像判读的难点。机上实时图像变化检测（DSAR）利用同一地區不同时段SAR图像，检测同一场景是否有变化产生，自动聚焦于感兴趣的地物与地表目标，能快速实现对战场军事目标动态、毁伤效果评估等方而监视情报的获取，有力地提升了战场军事情报保障能力。

2 SAR图像变化检测原理和表现形式

变化检测是根据不同时问、同一地区获取的多幅图像来确定地物变化特征和过程的技术。它主要通过提取和分析图像问光谱特征差异或空问结构特征的差异，来实现识别地物类型的转变或内部条件和状态的变化。最主要表现在灰度值或局部纹理之问的变化，并在此基础上获取感兴趣区域在形状、位置、数量及其他属性的变化情况。

技术研究上，S Hachicha等指出两幅图像的变化检测技术为：对不同时问获取的己配准的两幅SAR图像处理，产生一幅图像以表示图像场景中发生的变化。变化检测分析的最终目标是产生一幅指示了变化和未变化类两类的二值图像。因此，变化检测问题可以分解为两步：一是产生变化图像，即初始差异图；二是初始差异图进行闽值处理，产生二值变化检测图，即分类差异图。应用背景下，是以历史时刻获取的图像作为基准图像，实时获取的图像作为待检测图像，对基准图像和待检测图像进行配准后，产生初始差异图，再自动地对初始差异图中的像元进行判决、鉴别，生成分类差异图，供判图员判读。一般分类差异图为二值图像，1代表变化像素，O代表发生变化的像素，即白色代表变化，黑色表示未发生变化。

根据人的认知习惯，遵循人性化设计理念，变化检测结果除了以图像形式展现，使用色彩进一步明确目标变化的类别将更易于判图员判读。因此，我所对分类差异图进行了改进，对目标的增加或减少进行分类，生成一个三值的分类差异图提供给情报判图分析人员，更方便其及时有效地对变化信息进行确认。三值分类差异图中O代表未变化像素，250代表待检测图像中消失的目标，125代表待检测图像中增加的目标。

为了更利于判图员判图，将分类差异图与待检测图像融合，用彩色标注目标的增减，红色表示消失目标，绿色表示增加目标，其余为未变化区域。

3 机载雷达图像变化检测实现方案

某雷达变化检测的应用流程如图3所示。在SAR雷达第一次经过侦察监视区域时，启动基准图制作模式，生成侦察监视区域的变化基准图，作为后续变化检测的基准。在SAR雷达重复经过侦察监视区域时，启动变化检测模式，将实时获取的侦察监视区域的SAR图像与之前生成的该区域的基准图进行自动目标变化检测，生成分类差异图。鉴于人眼对颜色的敏感性，分类差异图上的目标在保持其原有形状、分布特征基础上，用彩色表示目标的去留，更符合人的认知习惯，便于情报判图分析人员进行变化信息确认和目标识别。

（1）为了降低变化检测受航线变化的影响程度，SAR图像数据都要按照成像参数经过几何校正，保证校正后SAR图像按照正南正北排列，方便后期情报判图分析人员判图。

（2）在图像配准阶段，采用逐级配准的策略，实现基准图与实时图之问的精配准。首先，根据地理坐标信息，提取基准图和实时图中的公共部分。此时，配准精度在10-30个像素以内。其次，在图像范围内，均匀选择少量的几个（比如3×3=9）控制点，取大窗口数据，采用相关系数的准则将两图像的配准精度提高到1个像素以内。最后，通过过采样处理，在亚像元级上配准，达到在控制点上的亚像素级配准。通过控制点信息，在全图范围内拟合，对实时图进行重采样，实现与基准图的精确匹配。

（3）在变化检测阶段，利用对数比值法构造初始差异图，并作为变化检测的依据。在充分分析变化和未变化区域统计特性的基础上，依次采用最大似然初始分割、基于CFAR的统计分割完成对初始差异图的分割。

（4）经过上一步之后，由于幅度差异导致的变化大部分都能被检测出来，这其中不仅包括了有用的目标变化区域，还包括了各种背景变化，如农田植被变化、土壤含水量变化等。为了更有利于变化情报的提取，需要将各种背景变化消除，采用目标筛选的方法，摈弃而积、辐射强度等参数不符合目标特征的区域，生成最终的分类差异图。

4 飞行试验与结果分析

在某型雷达机载实际飞行中，对机场内的车辆、飞机、角反射器等目标的变化。通过考核检测率和虚警率来验证实际检测性能。检测率和虚警率分别定义如下：检测率Pd：检测变化目标数/实际变化目标数；虚警率Pf：检测虚假目标数/总检测数。endprint

实际变化目标数指判图分析人员通过对比变化前后两个时相SAR图像，找出的考核区域中实际发生变化的目标的个数；总检测数指判图分析人员对分类差异图中给出的变化情况，结合变化前后的图像进行判图分析，去除分类差异图中因场景变化等因素引起的虚警，剩余变化结果中检测目标数，作为总检测数；检测变化目标数指总检测目标中与实际变化目标匹配的目标的数量；检测虚假目标数指总检测目标中没有发生变化的目标数量。

试验过程中通过移动角反射器和车辆来验证雷达实时变化检测性能。图5中Tl时问，角反射器位于图像右上方，T2时问将角反射器放置于图像左下方，并且开进1台车辆。变化检测结果用绿色代表新增加目标，红色代表消失目标。变化检测结果准确表明在T2时问，观测区目标发生变化，在图像左下方新增1个角反目标，图像右上方消失1个角反目标，同时在右上角新增1台车辆。

试验过程中同时对机场停放飞机进行监视。图6中Tl时问，机场停放5架运5飞机，T2时问时问只剩4架飞机，从机上实时变化检测结果可以清晰看出中问停放的运5飞机己飞走。

本次实验结果表明，SAR图像自动目标变化检测技术，通过图像配准将基准图像和待检测图像先关联起来，然后将基准图像作为先验信息，对待检测图像中的感兴趣的信息进行提取，能够提取监视区域的人工目标（飞机、车辆、角反射器）的变化，摒弃冗余信息，结果以分类差异图形式给出，简洁直观，有利于判图员判图。监视区域目标检测率达到100%，虚警率低，多个架次长航时工作，实时性高，证实了该检测系统的稳健性和有效性。

5 结束语

遥感图像变化检测的研究可以追溯到上世纪七十年代末，由于卫星可以提供同一地区不同时期的遥感数据，一些研究者尝试利用卫星遥感数据进行变化检测。当时，由于技术条件还不发达，研究人员主要通过目视解译来完成变化检测。但是目视解译方法要求要求解译人员具有丰富的目视判读经验，通常效率低下，且结果具有很大的主觀性，也很难保持前后的一致性，在实际应用中有很大的局限性。因此，随着科学技术的发展，用计算机代替判图员进行变化检测是必然发展趋势之一，本雷达系统实现了机上SAR图像实时变化检测结果，开展了针对合作目标的飞行试验，已经基本实现实用化，具有广阔的应用情景。

参考文献

[1]S. Hachicha，F. Chaabane. On the SAR change detection review and optimal decisionlnternational Journal of Remote Sensing. Vol. 35， Iss.5， 2014.

[2]李应岐，田军，钟晓声，方晓峰.一种基于SAR图像变化检测的军用港口毁伤效果快速评估算法[J].微电子学与计算机，2009， 26（09）：190-195.

[3]颜结，刘建坡，唐伟广，基于遥感图像变化检测的毁伤效果分析[J].信号与信息处理，2010，40（04）： 30-31，

[4]黄勇.SAR图像变化检测及相关技术研究[D].电子科技大学博士论文，2006.endprint