合成孔徑雷達目標自動(dòng)識別研究
摘要：討論了基于物理光學(xué)和幾何繞射理論的散射中心理論模型，對散射中心模型的各個(gè)參數在圖像域進(jìn)行 了估計，詳細分析了基于散射中心理論的SAR圖像目標特征提取算法，采用了先估計目標方位后識別目標類(lèi)型的目 標識別方法以提高目標識別的效率，并利用Delaunay三角化技術(shù)提高了目標方位的估計精度。實(shí)測MSTAR SAR圖 像中目標的識別結果表明了該方法的準確性和有效性。

引言 在高頻段，目標的雷達后向散射可以很好地近 似為目標的多個(gè)散射中心的響應的總和【l J。這些散 射中心是目標的物理關(guān)系更簡(jiǎn)明的描述，因而在自 動(dòng)目標識別(ATR)中可以作為很好的參照物【jJ。 除ATR的應用之外，散射中心的屬性，在數據壓縮、電容表| 電力分析儀| 諧波分析儀| 發(fā)生器| 多用表| 驗電筆| 示波表| 電流表| 鉤表| 測試器| 電力計| 電力測量?jì)x| 光度計| 電壓計| 電流計|  隱身設計降低雷達截面積等方面也有重要的應用。 由于早期雷達的分辨率有限，較早的目標識別 主要集中在點(diǎn)目標的識別上，即用未知點(diǎn)目標的信 息和數據庫中的信息進(jìn)行匹配，從而達到對點(diǎn)目標 的識別目的。對于合成孔徑雷達，目標的圖像不再 只是一個(gè)點(diǎn)，一般情況下目標的圖像是由30～50個(gè) 比較亮的散射中心組成。由于目標上散射點(diǎn)有限的 穩定性以及合成孔徑雷達成像的相干性，目標的圖 像在不同觀(guān)測角的差別很大，近些年來(lái)的目標識別 主要集中在模版匹配技術(shù)上，即用未知目標的圖像 與數據庫中的所有圖像進(jìn)行匹配找出最佳的模版 作為未知目標的分類(lèi)。通過(guò)考察前人的工作，這種 方法的正確識別概率為80％左右【4J。這種方法有一 很大的缺點(diǎn)，即目標模版數據庫需要的數據量太 大，需要考慮各種不同的情況，例如：各種不同的 目標、各種目標的方位以及目標的各種姿態(tài)等(炮 臺開(kāi)沒(méi)開(kāi)蓋，天線(xiàn)情況，油箱情況等等)，這些原 因使得模版匹配方法很難得到真正的應用。為此， 本文采用以目標為基礎的目標識別方案，研究結果 證明使用本文的方法具有計算速度快、識別率高的 特點(diǎn)。

1有屬性的散射中心理論 對于在高頻段測量的物體的后向散射響應，本 文采用新近發(fā)展的以物理為基礎的模型。這種模型 用單個(gè)散射中心響應的總和來(lái)近似地表示目標總 的散射響應；每個(gè)散射中心的響應，利用單站散射 解的主要項來(lái)進(jìn)行模擬。單站散射用物理光學(xué)和幾 何繞射理論兩種方法求解。模型同時(shí)包含了散射中 心的場(chǎng)與頻率和方位的兩種關(guān)系，并且用一組描述 其位置、幅度、形狀和方向的參數來(lái)說(shuō)明每個(gè)散射 中心的特征(本理論不適合于具有波導屬性的散射 中心的情況)。 頻域有屬性的散射中心模型是[1】． m(f， ； )=Σ (廠(chǎng)， ； ) (1) 其中0 =[ ，．．．， 】，并且 · eXp( ( s +yi sinO)]· sinc( n( ))exp(-21rf n ) (2) 其中 是頻率， 是雷達中心頻率， 是方位角， c=3×10 m／s是電波傳播速度。每個(gè) ，( ， ； ) 代表一個(gè)散射中心， 由參數矢量 0j=【4， ，Yf，口l，Ll， ， j] 表示。參量 和Yj是 散射中心距離和橫向距離位置，A 是散射中心振 幅， ∈【-1，一0。5，0，0．5，1】描述散射中心與頻率的 關(guān)系。厶和 為分布式散射中心的長(cháng)度和傾斜角 度。 E．EKnott給出了幾種簡(jiǎn)單幾何形狀的物體的散 射截面的表達式 】(表1只列出幾種)。 從表1中，我們可以看出各種散射中心與頻率 的關(guān)系。公式的第三項是散射中心的相位延遲。第 四項中的sinc()函數是具有一定長(cháng)度的目標的遠 場(chǎng)近似表達式中最常見(jiàn)的一項[6， 。 模型中的參量 和己，用來(lái)區分幾種散射體的 幾何形狀。表2顯示了幾種標準散射體之間的參量 和己的差別( 的值可由表1得出，都是1／2的 整數倍)。 表1 簡(jiǎn)單幾何形狀物體的后向散射系數 表2 參量 和己的具體說(shuō)明 剩下的三個(gè)參數 ，Lj， J主要確定場(chǎng)與角度 的關(guān)系。有兩種類(lèi)型的散射中心：局部的和分布的。 局部散射中心在SAR圖像中具有局限的回波，包 括三面體、點(diǎn)目標和球體等。分布散射中心的響應， 常常包含幾個(gè)像素，包括有二面體、平板和柱體側 面的回波以及側面邊緣繞射等。對于局部的散射中 心，L = =0， ≠0表示響應與角度的微小關(guān) 系。對于分布散射中心， =0，厶是散射中心的 長(cháng)度， 是傾斜角。 在應用散射中心進(jìn)行成像時(shí)，需要把極坐標形 式轉化為直角坐標形式。為求準確，可以采用內插 方法得到直角坐標形式，然后進(jìn)行二維Fourier變 換即可得出SAR圖像。

2 合成孔徑雷達目標自動(dòng)識別 對于合成孔徑雷達，典型的目標圖像是由 30～50個(gè)比較亮的散射中心組成。常見(jiàn)的目標都具 有長(cháng)方形的底盤(pán)和一些其他部件(炮塔、油箱等)。 通過(guò)分析MSTAR數據我們發(fā)現一般的目標在3。 ～ 5。度的方位范圍內有10～15個(gè)散射中心具有相對 的穩定性，可以利用目標較大灰度值的點(diǎn)從目標圖 像中提取目標的方位信息然后進(jìn)行識別。這種識別 方法分為兩個(gè)階段： 方位估計階段和目標識別階 段。
2．1 方位估計階段 方位估計階段主要提取目標的方位信息和建 立散射中心文件。本文所采用的數據均來(lái)自 M STAR (Moving and Stationary Target Acquisition and Recognition)，其工作中心頻率9．6GHz，帶寬 0．591GHz，分辨率為1英尺。圖1、圖2是T62坦 克的圖像。 圖1 T62坦克照片 ZU 4u t t 1UU 120 140 16U 圖2 T62坦克SAR圖象 提取目標的方位信息需要利用圖像中灰度等 級較大點(diǎn)的位置和信號幅度信息。這里試驗了兩種 方法，一種是直接提取目標的散射中心，另外一種 是提取目標的較大信號點(diǎn)。在估算目標的方位時(shí)我 們發(fā)現利用散射中心估計的結果不如第二種的準 確。因此在此階段我們產(chǎn)生兩個(gè)目標極大值文件， 一個(gè)是較大信號點(diǎn)的信息，用來(lái)估計目標的方位； 一個(gè)是目標散射中心，用來(lái)進(jìn)行目標識別。 從上面的T62的SAR圖像可以看出目標靠近 雷達的邊緣部分比較亮，我們稱(chēng)為前緣，估計目標 的方位就是估計目標前緣的方向。圖3為T(mén)62坦克 的峰值圖像(30個(gè)峰值)。 一10 -5 0 5 ’0 圖3 T62坦克SAR圖象峰值圖象 雖然在成像過(guò)程采用了去噪處理，但在目標體 以外仍然會(huì )有較大散射點(diǎn)的存在，需要去除。這里 我們采用Delaunay三角化技術(shù)，圖4是峰值圖像的 Delaunay三角圖像。通過(guò)設置三角形邊長(cháng)的門(mén)限可 以把離目標較遠的點(diǎn)形成的三角形截斷，從而達到 去除非目標的較大點(diǎn)的目的。 圖4 T62坦克SAR圖象峰值圖象的三角化 利用目標的散射點(diǎn)估計目標前緣的方位就是 找出一條最佳擬和目標前緣的直線(xiàn)，計算其方向。 本文采用兩種方法，首先利用最小二乘法找出前緣 的大致方位，然后利用Delaunay三角進(jìn)一步更準確 地估算出前緣的角度。這里我們采用幅度加權值： Σ 。Af 20．2作為標準。其中4是散射點(diǎn)的幅度， 是散射點(diǎn)離擬和直線(xiàn)的距離， 是方差(由圖像 來(lái)確定)。具有最大幅度加權值的直線(xiàn)即為最佳結 果。由于目標的圖像一般存在兩個(gè)邊(長(cháng)邊和短 邊)，利用最小二乘方法估算目標的長(cháng)邊時(shí)，因為 短邊的存在會(huì )對估算結果造成一定的影響，因此需 要進(jìn)一步更準確的估計。 利用Delaunay三角化技術(shù)時(shí)，假設目標邊緣為 “L”形。首先從目標Delaunay三角圖像中提取靠近 雷達部分的包絡(luò )，在包絡(luò )上的每?jì)牲c(diǎn)之間產(chǎn)生一條 直線(xiàn)，利用靠近雷達的幾個(gè)散射點(diǎn)再產(chǎn)生幾條垂直 于前面直線(xiàn)的直線(xiàn)形成“L”形，然后求出使幅度加 權值最大的直線(xiàn)。對于各個(gè)散射點(diǎn)，靠近哪條直線(xiàn) 就對哪條直線(xiàn)求幅度加權值。當包絡(luò )上的點(diǎn)完全計 算一遍后，把包絡(luò )上的點(diǎn)全部去掉，產(chǎn)生下一層的 包絡(luò )，再重復前面的步驟。一般利用三層包絡(luò )即可 得出滿(mǎn)意的結果。在所有的直線(xiàn)假設中，幅度加權 值最大的直線(xiàn)的方位即目標的方位。結合這兩種方 法，方位估算的準確率超過(guò)90％(角度誤差l0。以 內認為是準確估計)，誤差主要出現在目標的方位 接近9O。時(shí)，即目標的短邊面向雷達。如果人工干 預可以使估算結果準確率接近100％。 圖5 SAR 目標自動(dòng)識別框圖
2．2 目標識別階段 目標識別階段就是利用前面獲得的角度信息 從數據庫中找出相同角度的不同目標模版進(jìn)行最 佳匹配處理。由于未知目標的方位已經(jīng)確定，我們 從數據庫中只需找出相同角度的模版即可，而不需 要把未知目標與數據庫中所有方位上的模版都進(jìn) 行匹配。大大減少了計算量。在進(jìn)行模版匹配時(shí)需 要找出未知目標與模版上目標距離最近的散射點(diǎn) 對，我們采用了Delaunay步進(jìn)技術(shù)(Delaunay walk)。匹配最佳的模版即未知目標的分類(lèi)。
2．3 數據庫的構成 數據庫中的信息包括：目標類(lèi)型、角度、散射 中心的位置和幅度。在目標識別階段，通過(guò)未知目 標的角度信息找出此角度下不同目標類(lèi)型的散射 中心信息與未知目標進(jìn)行匹配處理。通過(guò)研究發(fā)現 如果估計角度誤差在5。以?xún)�，對目標識別影響不 大，為了減少計算量并加快識別速度，數據庫中的 數據可以相隔3。左右，這樣每種目標在360。范 圍內的數量為100個(gè)左右。

3 結果與討論 本文應用公式(1)對兩個(gè)點(diǎn)型散射中心和一 個(gè)線(xiàn)型散射中心進(jìn)行了x波段SAR圖像的模擬。 一個(gè)點(diǎn)位于(0，一5)m，另一個(gè)位于(0，5)m， 線(xiàn)型散射中心模擬的是邊緣繞射( =-1／2)，位 于(5，0)m，長(cháng)度為10m。雷達參數為：中心頻 率 =9．599GHz，帶寬為0．591(GHz，方位向、 距離向分辨率約為0．3m。模擬的雷達圖像考慮了乘 性噪聲、加性噪聲以及泰勒加權。下面是模擬的結 果。 圖6 x波段SAR的模擬圖像 20 40 60 80 10o 120 本文采用了落水方法提取目標的散射中心，每 個(gè)散射中心的位置估計利用兩步估計法，首先利用 互相關(guān)函數進(jìn)行初步估值，然后利用Nelder-Mead 方法進(jìn)行精確估計，對于長(cháng)度估計首先利用sinc函 數的泰勒近似求出初值，然后利用Nelder-Mead方 法進(jìn)行精確估計，口的估計利用試探法， 的估計 利用最小二乘法。 表3是對上述模擬圖像進(jìn)行的參數估計結果。 表3 參數估計結果 由表3可以看出，在圖像域中進(jìn)行參數估計的 方法是可行的，散射中心的位置等屬性參數估計得 相當準確。為了利用散射中心理論進(jìn)行目標識別， 我們對MSTAR實(shí)測數據進(jìn)行了以散射中心表示的 SAR圖像仿真(20個(gè)散射中心)， 圖7是SAR原 始圖像， 圖8是對應的散射中心圖像。
20 柏 6o 8o 100 "120 圖8 散射中心圖像 利用前面介紹的方法，結合散射中心理論我們 對MSTAR 提供的十幾種目標進(jìn)行了自動(dòng)識別處 理。表4是其中三種目標的正確識別率。從表中可 以看出不同目標的正確識別率達到了90％以上。本 文的計算和圖像處理是在DELL雙CPu(933MHz) 的圖形工作站進(jìn)行的，每個(gè)目標的自動(dòng)識別耗時(shí)均 小于1s。 表4 MSTAR數據中三種目標的正確率 本文應用散射中心理論對MSTAR數據進(jìn)行了 目標自動(dòng)識別處理，達到了一定的識別效率。在進(jìn) 行角度估計的分析中，我們發(fā)現方位的估計誤差主 要發(fā)生在目標方位接近90。的情況下，這時(shí)目標的 短邊和長(cháng)邊很難區分； 另外目標的方位存在180。 的方位模糊，主要是由于圖像分辨率的限制，目標 的頭部和尾部無(wú)法分辨。如何利用目標陰影等其它 信息進(jìn)一步提高估計目標方位的準確率是下一步 的研究重點(diǎn)。