基于高分辨率SAR的目标识别技术研究

张国宾 韩如雪 陈晨

摘 要：本文以高分辨率SAR在舰船目标识别方面的应用为研究对象，论文首先分析了SAR成像的特点，提出一种基于Radon变换和直方图分析等方法改善舰船目标几何特征提取的性能，在此基础上，结合SAR图像舰船目标分类自身存在的问题和特点，引入稀疏表示理论，提出一种基于特征字典的稀疏表示分类算法，将其应用于TerraSAR-X SAR图像中三类典型舰船目标分类识别，验证了稀疏表示分类对SAR图像舰船目标分类识别的有效性。

关键词：高分辨率宽测绘带 合成孔径雷达 舰船目标监视

中图分类号：TP751.1 文献标识码：A 文章编号：1672-3791（2018）05（a）-0011-02

高分辨宽幅（High Resolution Wide Swath，HRWS）星载SAR成像技术解决了高成像分辨率和宽测绘带宽之间的矛盾，成像能力大幅度提升。在基本的SAR成像模式基础上，方位向电扫描模式、马赛克模式、滑动聚束模式等都在一定程度上实现了HRWS成像，涉及的技术方法主要包括俯仰向多波束、方位向多波束、波束形成、斜视成像和宽带宽角二维相控阵天线设计等。单发多收、多发多收等多通道接收体制进一步促进了HRWS SAR成像技术的发展。根据不同的成像算法和应用需求，未来的HRWS星载SAR将可以在多种成像分辨率和成像幅宽的组合模式下进行成像，如德国宇航中心在研的HRWS系统将能够获取70km幅宽和1m高分辨率的SAR数据，与TerraSAR-X条带模式（30km测绘带和3m分辨率）的成像能力相比大大提高。欧空局计划发射的Sentinel-1星载SAR系统将具有400km最大幅宽和5m最高分辨率的成像能力。图1给出了HRWS星载SAR多模式成像的示意图。

1 高分辨SAR图像舰船目标特征提取

特征提取是SAR图像解译的重要步骤，也是HRWS SAR图像舰船目标监视研究中的关键技术之一。通过提取SAR图像舰船目标的相应特征，一方面可以进一步鉴别检测结果中的虚警；另一方面通过提取特征降低原始数据的维数，并揭示不同目标的内在本质特性，从而有助于对目标进行分类识别。

在高分辨率SAR图像中，舰船目标的几何尺度、区域等特征受船体区域后向散射起伏、成像旁瓣效应、相邻目标干扰等因素的影响，使得提取结果不准确。笔者重点针对十字旁瓣和邻近目标的现象，提出一种基于Radon变换和直方图分析等方法改善舰船目标几何特征提取的性能。算法流程如图1所示。

SAR成像技术的发展为SAR图像舰船目标电磁散射特征提取提供了条件。电磁散射特征是SAR图像中舰船目标的本质特征，揭示了舰船目标各个部位的散射机理，具有易于理解和直观的物理意义，但限于图像分辨率和极化/极化干涉SAR数据处理的限制，SAR图像舰船目标电磁散射特征提取仍需深入研究。

宏结构是指由船体、上层建筑、功能性设备等引起较强雷达后向散射的舰船部件所组成的结构。不同舰船目标具有不同的几何结构，特别是起重架、驾驶舱、船舷、舱口、输油管等部件在SAR图像上形成了强散射点。这些部件反映了舰船目标中强散射结构的分布，描述了舰船目标在SAR图像中的宏观散射特点，因此称之为宏结构散射特征。笔者针对油船、集装箱、货船3种典型的舰船目标，从分析它们的宏结构及散射特点出发，利用图像处理的方法从SAR图像中提取了它们的宏结构特征宏结构散射特征的提取方法。

2 高分辨SAR图像舰船目标分类识别

相对于舰船目标检测技术的深入研究和应用而言，关于星载SAR图像舰船目标分类识别的研究还处于起步阶段。目前，国外研究机构开发的舰船目标识别系统还不能完全地实现舰船目标的分类识别。在过去相当长的一段时间内，受分辨率的限制，SAR图像舰船目标分类识别研究主要基于仿真数据、高分辨机载SAR以及ISAR（Inverse SAR）数据开展。SAR图像舰船目标分类识别的实现途径主要有基于图像模板匹配的分类识别以及基于特征模板匹配的分类识别两种。与直接基于图像的方法相比，基于特征方法的效率更高，因此大多数研究都集中在基于特征方法上。已有文献表明总结已有研究，一个典型的SAR图像舰船目标分类识別框架如图2所示。

目标切片数据库的建立是实现高分辨SAR图像舰船目标识别的前提条件。受分辨率和高分辨SAR图像数据获取能力的限制，目前的研究大多基于通过对舰船目标的三维CAD模型根据不同的成像参数、目标姿态等条件进行电磁散射计算，然后对仿真计算结果进行SAR成像处理，建立仿真的SAR舰船目标切片数据库。

随着高分辨SAR系统的成功研制和投入使用，高分辨SAR图像的获取能力大大增强，从而可以从实测的高分辨SAR图像中获取大量的舰船目标切片，再根据AIS等地面验证数据得到其对应的舰船类型、型号等真实信息，最后建立实测的高分辨SAR舰船目标切片数据库。基于获取的实测TerraSAR-X聚束模式高分辨SAR图像数据，建立了包含有50只集装箱船、150只货船和50只油轮三类典型舰船目标的切片数据库。部分切片数据如图3所示。

在建立高分辨SAR图像舰船目标切片数据库的基础上，分类算法也是影响SAR图像舰船目标分类识别性能的重要因素。在其他条件相同的情况下，研究具有更优分类性能和鲁棒性的分类识别算法尤为可贵。因此，结合SAR图像舰船目标分类自身存在的问题和特点，引入稀疏表示理论，提出一种基于特征字典的稀疏表示分类算法，将其应用于TerraSAR-X SAR图像中三类典型舰船目标分类识别，验证了稀疏表示分类对SAR图像舰船目标分类识别的有效性。

3 结语

HRWS SAR图像舰船目标监视关键技术研究是SAR图像海洋遥感应用的前沿性课题，具有较高的理论价值和广阔的应用前景。虽然本文对该问题的研究取得了一些阶段性的成果，但结合HRWS SAR成像技术的发展和实际应用需求，下一步需要开展的研究还有很多，具体表现在以下几个方面：（1）HRWS SAR图像舰船目标检测算法性能仍需进一步提高。在实际的舰船目标监视应用中，特别是在近岸或港口区域，现有的舰船目标检测结果中仍存在大量虚警。因此，需要进一步对SAR图像舰船目标检测算法开展更深入的研究，并充分利用目标上下文、多极化散射特性等信息提高检测性能。（2）将HRWS SAR与极化/极化干涉、全息等成像技术相结合，进一步提取更为有效、更为本质的舰船目标分类识别特征。在现有的成像模式和图像分辨率条件下，提取的舰船目标特征只能反映目标较为简单的后向散射、宏观结构等特点，因此，需要研究利用极化/极化干涉、全息SAR等对不同类型舰船目标进行反射甚至重构，提取更有效、更本质的分类识别特征。

参考文献

[1] 邓云凯，赵凤军，王宇.星载SAR技术的发展趋势及应用浅析[J].雷达学报，2012，1（1）：1-10.

[2] 林幼权.星载高分辨率宽幅成像技术分析[J].现代雷达，2011，33（1）：1-6.

[3] 赖涛.星载多通道SAR高分辨宽测绘带成像方法研究[D].长沙：国防科学技术大学，2010.

[4] 邢相薇.SAR图像舰船目标检测研究[D].长沙：国防科学技术大学，2009.