一种联合的SAR目标方位角估计方法

A Com b in ed M ethod for Az i m uth Esti m a tion of SAR Target
ZHOU L in, J I Ke - feng
( College of Electronic Science and Engineering, NUDT, Changsha Hunan 410073, China ) ABSTRACT: Azi m uth esti m ation is very important in the field of Automatic Target Recognition (ATR ) of Synthetic Aperture Radar ( SAR ) i m ages . Accurate azim uth estim ation is helpful for increasing the accuracy and accelerating the p rocess of target classification. The leading contour method and the encap sulating box method are both universal and effective for azim uth estim ation of SAR target, but they have their respective disadvantages . After introducing the leading contour method and the encap sulating box method, advantages and disadvantages of them are analyzed. Then the two methods are combined, and a novel azim uth estim ation method integrating leading contour and encap sulating box is p roposed. Finally, the experim ental results using M STAR data indicate that the accuracy and adjustability of the p roposed method are higher than those of both the leading contour method and the encap sulating box method. KEYWO RD S: Synthetic aperture radar ( SAR ) ; Automatic target recognition (ATR ) ; Azi m uth esti m ation
种方法结合起来 , 提出一种主导边界与包络盒联合的 SAR 目标方位角估计方法 。该方法首先对图像进行目标检测 ,得 到目标区域以及虚警 , 然后去除虚警 , 再对图像进行形态学 变换 ,并提取其主导边界 , 最后 , 根据判决条件 , 选择主导边 界法或包络盒法获得方位角的估计值 。
2 主导边界法
由于成像结果受到相干斑和目标自身阴影的影响 ,目标边缘 与矩形有较大差别 。通过进一步观察发现 ,虽然相干斑和自 身阴影对目标成像结果有一定影响 ,但是影响主要体现在目 标与阴影交界的部分 , 即目标的远雷达端 , 而在目标的近雷 达端 ,目标的两条边缘 (一条长边 、 一条短边 ) 却可以比较清 晰地反映目标轮廓 [ 9 ] 。图 1 给出了从原始切片图像中提取 长主导边界时各个步骤的结果 。图 1 ( a) 是原始切片图像 , 图 1 ( b)是将原始切片图像分割后的图像 ,图 1 ( c) 是提取的 近雷达端边界 ,图 1 ( d )是提取的长主导边界 。
图 2 方位角位于 0 ° 或 180 ° 附近时从原始切片图像中提取长主导边界
图 2 中目标的真实方位角是 1. 49 ° , 如果按照 211 节中 的方法进行处理 ,会选用目标右侧的边缘作为主导边界 , 导 致估计结果为 161. 57 ° ,误差很大 。对这种情况 ,原文中将图 像旋转 90 ° ,提取目标方位向的边界作为主导边界进行处理 。 但是实验发现 ,这样的改进同样不能取得好的结果 。为克服 这一问题 ,当目标方位角接近 0 ° 或 180 ° 时 , 本文采用包络盒 法进行估计 。
(长边比短边 ) 小于阈值 T2 (实验中 T1 和 T2 的取值分别为
10 和 116) ,则判定方位角位于 0 ° 或 180 ° 附近 ,转入步骤 6) ,
即目标 - 背景比值准则 。目标 - 背景比指 的是在包络盒算法中 ,在所拟合的各边均与目标区域相切的 矩形内部 ,目标区域像素个数与背景像素个数之比 :
0° 或 180 ° 附近时估计性能优于主导边界法 ,因此本文将这两
目标的方位角可以近似地由长主导边界来估计 。由图 1 ( c )可以看到 ,目标近雷达端的两条边缘可以明显地区分出 长短 ,故可以很容易地找到长主导边界来估计方位角 。所 以 ,如果提取了近雷达端的边缘 (图 1 ( c ) ) ,并选出一条较长 的可以反映目标真实方 位角 的边缘 (即 长主 导边界 , 图 1 ( d) ) ,便可以比较准确地估计出目标的方位角 。 212 方位角位于 0 ° 或 180 ° 附近时的情况 当目标方位角位于 0 ° 或 180 ° 附近时 , 由于只有目标的 短主导边界与雷达相对 ,此时从近雷达端提取出的两条主导 边界都非常短 ,并且不易从长度上进行区分 , 若仍然使用近 雷达端边缘中较长的边作为长主导边界来估计方位角 ,则可 能出现错误 ,如图 2 所示 。
[1 ]
只含有一个目标 ,所以对检测结果进行标记之后 , 选取其中 最大的连通域作为目标区域 ,其余的小块虚警便可以全部标 记为背景 。若检测后的目标区域内部出现小的孔洞 ,则需要 对这些孔洞进行填充 ,得到单连通的目标区域 。 3)对只包含单连通目标区域的图像进行形态学闭变换 和开变换 ,使目标区域的边界更加平滑 。 4)对于经过形态学处理的切片图像 ,提取目标区域在近 雷达端的边缘 。去除近雷达边缘中距离向坐标最小的部分 , 将近雷达端边缘分成两部分 ,即两条主导边界 。 5 )判断目标的方位角是否位于 0 ° 或 180 ° 附近 。当两条 主导边界的长度都小于阈值 T1 并且两主导边界的长度之比
211 算法描述
பைடு நூலகம்
主导边界法的基本原理 [ 7 ]是对 SAR 图像中的机动目标 建立一个矩形模型 ,通过拟合出矩形的长边并计算其斜率来 估计方位角 。首先检测出目标区域并提取其主导边界 , 利用 其中较长的一条主导边界上的像素进行最小二乘拟合 ,由所 拟合直线的斜率计算出目标的方位角 。
SAR 图像中地面静止机动目标可近似看作一个矩形 ,但
1 引言
SAR 图像目标识别在情报生成 、 威胁评估 、 打击效果分 析中发挥着巨大的作用 ,是图像解译的重要环节 。 SAR 目标分类识别中 ,一般是将待分类目标的切片图像 或特征与数据库中预存 (或实时 、 近实时生成 )的目标在各个 方位角下的切片图像或相应的特征进行匹配 ,选取数据库中 与待分类目标匹配程度最高的目标作为最后的分类识别结 果 。如果对各个方位角下的图像或特征均进行匹配处理 ,则 非常耗时 。为了获得较快的分类速度 ,通常在分类之前预先 估计待识别目标的方位角 ,然后仅在数据库中搜索该方位角 附近的目标切片图像或特征 。显然 , 若方位角估计得准确 , 则可在很大程度上提高分类的准确性和速度 。
现有的 SAR 目标方位角估计方法主要有以下三大类 :
1)基于目标区域估计方位角 , 如文献 [ 1 ]利用包络盒拟合的
方法 ,文献 [ 2 ]基于线性回归的方法 。此类方法思路清晰 ,实 现方便 ,但估计精度较差 ; 2 )基于目标特征估计方位角 ,如文 献 [ 3 ]通过主成分分析法计算散射中心主轴拟合方位角 , 文 献 [ 4 ] [ 5 ]通过计算目标峰值拟合方位角 ,文献 [ 6 ]通过计算 目标区域的最小惯性矩主轴估计方位角 , 文献 [ 7 ]利用目标 主导边界估计方位角 。此类方法在估计时非常依赖先期提 取的特征 ,在该类的前三种算法中 ,所提取的特征 (散射中心 主轴 、 峰值 、 最小惯性矩 ) 本身便存在不同程度的误差 , 通过 拟合通常不能很准确地反映目标方位角信息 。文献 [ 7 ]中的 主导边界特征能更好地反映方位角信息 , 估计结果较为精 确 ; 3 )在变换域中估计方位角 ,如文献 [ 8 ]基于 Radon变换的 目标方位角估计 。该类方法的不确定性较大 , 有时容易将目 标对角线方向估计成其主轴方向 。 上述方法各有优劣 ,其中主导边界法 [ 7 ]和包络盒法 [ 1 ]应
第 25 卷 第 8期 文章编号 : 1006 - 9348 ( 2008) 08 - 0027 - 05
计 算 机 仿 真
2008 年 8 月
一种联合的 SAR目标方位角估计方法
周 琳 ,计科峰
(国防科技大学电子科学与工程学院 ,湖南 长沙 410073)
摘要 : 方位角估计是 SAR 图像自动目标识别中的重要问题 ,精确的方位角估计有利于提高目标分类的准确性和速度 。主导 边界法与包络盒法是两种常用且有效的 SAR 图像方位角估计方法 , 但是这两种方法存在各自的缺陷 。在分析这两种方法 优缺点的基础上 ,将两种方法结合 ,提出了一种主导边界与包络盒联合的 SAR 目标方位角估计方法 。自动程度高 , 扩展了 原算法的适应性 ,与原来的两种算法相比提高了 SAR 目标方位角估计的精度 。最后利用 MSTAR 数据的实验结果验证了该 算法的精度与适应性 。 关键词 : 合成孔径雷达 ; 自动目标识别 ; 方位角估计 中图分类号 : TP753 文献标识码 : B
3 包络盒法
311 算法描述
图 1 从原始切片图像中提取长主导边界
包络盒法的原理 [ 1 ]是在 [ 0 ° , 90 ° ]区间旋转一个各边均 与目标区域相切的矩形框 ,依据某种准则计算各个角度下的 判决参数 ,该参数最大值对应的角度即为目标方位角的估计 结果 。在计算各角度下的判决参数时 ,本文使用 TBR ( Target
收稿日期 : 2007 - 07 - 16 修回日期 : 2007 - 08 - 03
— 27 —
用最广泛 。然而 ,主导边界法当目标方位角位于 0 ° 或 180 ° 附近时估计误差很大 , 包络盒法在 [ 0 ° , 180 ° ]区间内估计精 度普遍较低 。但考虑到主导边界法在目标方位角不位于 0 ° 或 180 ° 附近时估计较为准确 ,而包络盒法在目标方位角位于
— 28 —
, 其 具 体 含 义 将 在 312 节 详述 。 在使用包络盒法时 [ 10 ] , 首先根据已分割的切片图像中 目标的位置确定出目标的最小外接矩形 ,该矩形各边至少有 一点与目标区域重合 ,即矩形各边都与目标区域相切 。然后 将此矩形逆时针旋转角度 α,此时矩形的各边便不一定与目 标区域相切 ,应该调整矩形的边长 , 使得矩形的各边再次与 目标区域相切 ,并在该角度下根据 TBR 准则计算对应的判 决参数 。重复如上步骤 ,当 α扫描过 [ 0 ° , 90 ° ]区间后 , 计算 结束 ,得到各角度下判决参数的最大值 , 该值所对应的角度 即目标方位角的估计值 。包络盒法在目标方位角位于 [ 0 ° , 180 ° ]的区间内估计精度普遍较低 ,但当目标方位角接近 0 ° 或 180 ° 时其估计精度要优于主导边界法 ,第 5 节的实验证明 了这一点 。 312 TBR准则 - to - Background Ratio ) 准 则