基于编队提取的SAR图像群目标识别方法研究∗

2021-04-06

舰船电子工程 2021年3期

（中国西南电子技术研究所成都 610036）

1 引言

雷达导引头采用SAR成像技术，通过对图像进行目标检测与识别，可对感兴趣目标进行全天候、全天时的观测，获得目标的位置、距离、角度以及多普勒等信息［1～3］。稳健性强、适用性广、自动化程度高、快速智能的SAR图像目标识别是雷达导引头精确制导的基础［4～6］。

由于导引头机动性较强，SAR成像受飞行器航迹及前斜角影响较大，目标聚焦效果较差，图像质量较低，目标特性不够稳定，从而使得目标的检测与识别变得困难。而导弹运动速度快，且发射后无法进行人工干预，因此相较于传统星载、机载SAR等，导弹对目标识别的实时性和准确性要求更高［7～9］。当雷达波束照射区域内存在人造假目标或其它强杂波等干扰时，SAR图像则会存在较多虚警，目标识别处理压力急剧上升，这对有效目标的正确识别和选择以及后续跟踪系统的性能均有较大影响。

为了降低虚警过多对目标识别处理带来的压力，本文针对目标以集群形式出现的特性，根据群目标内所包含个体目标的数量及其间距等先验信息，提出了基于编队提取的SAR图像群目标识别方法，保留形成编队的目标，剔除未形成编队的目标，同时，在后续目标的精细识别中，可根据目标编队信息对可信度进行排序，达到降低虚警目标的效果，提高雷达对有价值目标的选择能力。

2 传统SAR图像目标识别方法

传统SAR图像目标识别流程如图1所示，包括目标检测、目标鉴别以及目标分类等三个阶段。目标检测阶段完成目标的预筛选，主要对SAR图像中的亮像素区域进行检测，提取出疑似目标的ROI（Region of Interest，ROI）切片；目标鉴别和目标分类阶段完成对ROI切片的精细分割、特征提取、特征鉴别以及目标分类等［10～13］。

图1 传统目标识别流程

传统的SAR图像目标识别方法在完成目标鉴别后，剩余目标数目可能较多，其中包含了许多孤立目标，如杂波虚警、角反等干扰，这会造成后续目标的选择或精细识别的困难，对SAR图像目标识别方案的实时性以及后续目标跟踪性能有较大影响。本文针对传统SAR图像目标识别方法的这一问题，考虑目标以集群形式出现的特性，提出基于编队提取的SAR图像群目标识别方法，对编队目标进行提取，该方法基于目标的空间位置关系以及数量关系，而这种空间位置关系为杂波、孤立目标所不具备，可滤除大量杂波虚警、角反等孤立强散射目标，从而达到对目标进行有效选择的目的。

3 基于编队提取的SAR图像群目标识别方法

群目标以一定数量、一定分布形式出现，其中任意两目标的质心距离以及所含目标数量均在一定范围内。如果两个目标的质心间距在一个允许值范围内，则被认为属于同一编队，并且当某目标与已知编队里的任意目标的间距小于该允许值范围，则认为此目标属于该编队。如果一个区域含有的目标数量太少，则有可能是由孤立目标或者杂波构成的，如果一个区域含有的目标数量太多，则有可能是由人造假目标或杂波虚警构成的，如大片的建筑群，因此含有的目标数量在一定范围内才能确认为编队目标。

编队提取方法正是基于上述特性，设置目标的距离条件和数量条件，进行编队提取。SAR图像在通过目标检测和目标鉴别后，得到疑似目标，编队提取的流程如图2所示。

图2 编队提取流程

首先根据目标间的质心距离关系对疑似目标进行聚类，聚类方法的示意图如图3所示，根据编队内个体目标间距的经验信息，设定距离门限Tdist，以任意一个目标为中心，计算该目标与其他未被关联目标的质心距离，当两目标质心距离小于距离门限Tdist时，则将其聚为一类，再以关联到的目标为中心，遍历所有未被关联的目标，直至所有目标都被关联后结束，每个聚类对应一个疑似编队。得到疑似编队后，再根据编队内个体目标数量的经验信息，设定编队包含目标的最小值与最大值，对疑似编队进行筛选，保留满足数量条件的编队。最后提取编队信息，计算编队内目标的加权质心作为编队质心，计算编队内目标到编队质心的最大距离作为编队半径。

图3 目标聚类示意图

在完成编队目标提取后，当编队提取成功时，剔除未形成编队的个体目标，仅保留编队内的目标，对编队目标进行输出，或对保留目标进行精细识别以及其它处理。当编队未提取成功时，则保留个体目标。

4 结果与分析

为了验证本文所述方法的有效性，分别采用传统目标识别方法与基于编队提取的群目标识别方法，对同一数据分别进行仿真处理。本次试验采用的数据为仿真生成的SAR图像数据，图像像素点总数为1000×1000，包括低分辨率和高分辨率两种，图4给出了典型的仿真SAR图像，中间位置为车辆群，车辆周围为若干角反。

图4 典型SAR图像

采用传统SAR图像目标识别方法和本文所述方法分别对试验数据进行处理，编队提取主要对目标间距以及目标个数设置阈值，本文采用的设置如表1所示。

表1 编队提取主要参数

图5给出了图4典型SAR图像目标识别的结果。图5（a）为传统SAR图像目标识别方法的结果，结果中包含车辆目标以及角反、杂波虚警等。图5（b）为本文方法的识别结果，结果中仅包含一编队目标，剔除了角反和杂波虚警，筛选出了有效的车辆目标，验证了本文方法的有效性。

图5 低分辨率图像目标识别结果

图6 高分辨率图像目标识别结果

为了验证本文方法的适用性，对30幅低分辨率以及27幅高分辨率的仿真SAR图像进行处理，目标识别结果统计如表2所示。对于低分辨率图像，传统目标识别结果中目标个数为330，而基于编队提取的目标识别结果中目标个数为158，目标个数减少52.12%。对于高分辨率图像，传统目标识别结果中目标个数为117，而基于编队提取的目标识别结果中目标个数为90，目标个数减少23.08%。

表2 目标识别结果统计

从表2中可以看出，基于编队提取的目标识别结果中仍包含一些虚警目标不能完全剔除，且在低分辨率图像中，提取的编队个数多于实际编队个数，这是由于试验中部分角反也成编队形式，角反编队内包含4个角反，在编队提取时无法根据距离信息和数量信息将这部分目标剔除，而在高分辨率图像中，提取的编队个数少于实际编队个数，这是由于部分目标未能有效检测，导致其他目标不能形成编队。这部分目标则需在后续处理中加以精细识别和分类等处理，或融合其它测量信息，对目标可信度进行计算，以剔除干扰目标。