SAR图像自动目标识别系统研究与设计

Ab stract : Synthe tic A perture R adar ( SAR ) m i age au tom atic ta rget recogn ition syste m is studied . Sy stem co m position, algo rithm m i p le m enta tion , process design and exper m i enta l resu lt o f SAR ATR system are analyzed by the co m pa rison among advanced SAR A uto m atic T a rget R ecogn ition ( ATR ) syste m in the w orld . Structure and flow diagra m o f recogn ition of SAR ATR syste m are designed . S tructure of system is co m po sed o f SAR m i age character istic library , feature library and model li brary . P ro cessing cha in for ATR inc ludes detec tion, discr m i ina tion and c lass ification. T he m a in eva luating princ ip les of SAR ATR syste m are g iven finally . K ey words : SAR I m age ; T a rget D e tection ; I m age P ro cessing ; T arg et R ecogn ition
第 11期
袁礼海等 : SAR 图像自动目标识别系统研究与设计
( 249(
SAR 图像自动目标识别系统研究与设计
袁礼海, 宋建社, 薛文通, 赵伟舟
( 第二炮兵工程学院 信息工程研究所, 陕西 西安 710025)
*
摘 要: 研究了 SAR 图像自动目标识别系统 。通过分析国际上先进的 SAR 自动目标识别系统的组成 、 算法实 现、 流程设计和所得到的结果 , 设计出 SAR 自动目标识别系统结构和识别流程图 。系统结构主要由 SAR 图像特 性库、 特征库和模型库组成。识别流程在系统结构的基础上, 分为检测、 辨识和分类三步。 最后给出了 SAR 图 像自动目标识别系统的主要评价原则 。 关键词: SAR 图像 ; 目标检测; 图像处理 ; 目标识别 中图法分类号 : TP317 4 文献标识码: A 文章编号 : 1001 3695( 2006) 11 0249 03
1 国际上 SAR ATR 系统的研究与分析
当前发展较 快的 SAR 图像的军事目标识别应用 系统主要 美 国 陆 军 实 验 室 ( Am erica A r m y Laboratory , ARL ) SAR ATR 系统 ; ! 美国麻省 理工 学院 林肯 实验 室基 于模 板的 SAR ATR 系统 ; ∀ 美 国运 动 和 静 止目 标 获 取 与识 别 ( M ov ing and Sta tiona ry T arget A cqu isition and R ecogn ition, M STAR ) 计划 的基 于模型的 SAR ATR 系统 ; #美国 Sandia国家 实验室 SA R ATR 系统 ; ∃ % 北 约 & 组 织 的 RG 20 项 目。 但 在 国 内 仍 未 见 SAR ATR 系统的相关 论述。 本文 从实 际需 求出 发 , 深入 研究 了国 际上各种 SAR ATR 系统 , 提出 创建 SAR ATR 系统 的新构 思 , 阐述了 ATR 系统的结构和流程图。 1 1 美国 陆军实验室 SAR ATR 系统 美国陆军实 验室 SAR ATR 系 统对 无人 驾 驶飞 行器 ( U n m anned A ir V ehicle , UAV ) 采 集的数据 进行 处理。 ATR 软 件集 成在 UAV 的地面控制站中 , 在 SAR 收集数据的 范围内检测和 识别目标的类型 。它分为 三个阶段 , 即检 测 ( 有 序统计 滤波器 O SF 及方位估计算法 ) 、 虚警抑制 ( 目标 ∋ 背景 比算法 ) 和分类 ( 均方差模板匹 配算 法 ) 。检 测阶段 利用 三个 恒虚 警率 ( Con stant F alse A larm R ate , CFAR ) 检测器在整幅图像中定位可能的 目标 ; 虚警抑制阶段采用二 值相关 算法 , 利用模 板从杂 波中检 测目标 ; 分类阶段通过对前两个阶段输出的高分辨率图像进行 灰度相关处理 , 以识别目标的类型。 1 2 MI T L inco ln L ab SAR ATR 系统 麻省理工学 院林肯实验室是最早开 展高分辨 率 SAR ATR
tract) 、 特征匹配 (M atch) 以及搜索 ( Search ) 模块 , 也就是 PEM S 循环。预测模块给出索 引模块 产生的每 个假设 的特征 矢量及 其不确定性 ; 提取模 块从 RO I提 取测 量的 特征 矢量 及其 不确 定性 ; 匹配模块计算每个预测的特征矢量集和提取的特征矢量 集之间的似然比 ; 搜索模块 对假设 进行改 进修正 , 以得 到似然 比匹配的局部极 大值 , 决定 是否需 要继续 迭代 , 以及如 何修正 目标假设。一旦搜索模 块决定 继续对假 设进行 改进并 产生新 的假设 , 则要求预测模块产生新假设的预测特征矢量及其不确 定性 , 然后匹配模块再计算新的预测特征矢量和提取特征矢量 之间的似然 比。在 M STAR PEM S 循 环中 , 搜索 是迭 代的 控制 器 , 对每 次分 类 , 提取模 块只 运行 一次 , 但是 按搜 索模块 的要 求 , 每迭代一次 , 预测模块 和匹配模块就重新运行一次。 1 4 美国 Sand ia国家 实验室 SAR ATR 系统 美国 Sand ia国家 实验 室 SAR ATR 系 统能 从 SAR 图 像中 迅速可靠地识 别出 重要军 事目 标。自从 1986 年 , Sand ia 信号 与图像处理 部门开 始为 SAR 传感 器设计 ATR 算 法。 1991 年 率先论证了实时 SAR ATR 的可 能性 , 从此 之后 Sand ia 不断将 最新识别算法集成到硬件 之中。 ATR 实 时处理 系统要 求高处 理能 力和短 等待时 间。对于常 规图像 大小 , 在输 入 SAR 图像 到 ATR 输出结果等待时间少于 10s 。 Sandia 实验室通过设计高速硬件 系统如 SAR 目标 识别与 定位系 统 ( Synthetic A perture R adar T arge t R ecognition and Lo ca tion Syste m, STARLO S) 来开 发实 时 ATR 系统。目 前计算 速度 的不断提高使得 利用已有的硬件、 高速数据总线和网络来设计 ATR 硬件成为可能。 Sandia 实验室的实时 ATR 基本 配置是采 用 12 块 300MH z CPU, 能 对 感兴 趣的 目标 以 1M bps 的处 理速 度进行图像处理 。 Sand ia 实验室 的 ATR 流 程如 图 2 所示 , 其 关键步骤 为检 测 和识 别。 检测 分 为聚 焦 ( F ocus o f A ttention, FOA ) 和索引 ( Second L eve l D etection, SLD ) 。识别 主要是 对多 源信息进行融合 处理。
合成孔 径雷 达 ( Synthetic A perture R ada r , SAR ) 的概 念是 1951 年 由美 国 G oodyear 航空 公司 的 Car lW iley首 次 提出 的。 SAR 是一种主动式 微波 传感 器 , 它利 用脉 冲压 缩技 术提 高距 离分辨率 , 利用合成孔径原 理提高 方位分 辨率 , 从而获 得大面 积的高分辨率雷达图 像。 SAR 具有全天时、 全 天候、 多波段、 多 极 化工作 方式、 可 变侧视 角、 穿透 能力强 和高 分辨率 等特 点。 它不仅可以较详细、 较准确地观测地形、 地貌 , 获取地球表面的 信息 , 还可以透过一定地表和自然植被收集地下的信息。 目前 , SAR 图像 处理 的研 究热 点主 要集 中在 提高 图 像质 量、 特征提取、 目标分 类与 识别等 [ 1, 2] 。 由于 SAR 图像形 成机 理不同于普通可见光 图像 , 因此适合普通光学图像的算法通常 不能直接应用于雷达 图像。因此 必须研 究地物 在不同 极化条 件、 不同波段、 不同视角下的影 像特征 , 进而探索地物目标的几 何、 代数和电 磁特 征 , 达 到识 别 SAR 图 像目 标 的 目的。 随着 SAR 的不断发展和 应用 的日 益广 泛 , SAR 图像 的自 动目 标识 别成为研究的 重点 [ 3~ 5] 。自动目 标识 别 ( Autom atic T arge t R e cognition, ATR ) 系统的目的是在 没有人 工直接 干预 的情况 下 , 较短的时间内从场景 中自动检测 出可能 的目标 并识别 出目标 的种类。 SAR ATR 综 合现代 信号 处理 和模 式识 别技 术 , 利用 计算机对采集的信息 进行自动分析 , 完成发现、 定位、 识别目标 的任务 , 提高信息的处理速度和精度 , 为侦查数据处理、 精确打 击等任务应用提供了 有力支持 , 具有重要军事应用价值。 有:
收稿日期 :
2005 10 18; 修返日期 :
2005 12 14
基金项目 : 国家自然科学基金 用研究
2006 年
研究的 单 位 之 一。它 利 用 研 制 的 毫 米 波 SAR /RAR 传 感 器 ADT S( A dvanced D e tection T echno logy Sensor) 数据 , 进行目标识 别研究。 ADT S( 1987∋ 1993) 共执行 大约 400 次 任务 , 收 集了 大量地貌和目标的实 验数据 , 为林肯实验室自动目标识别奠定 了基础。 M I T L inco ln L ab 将 SAR 图像自动目 标识别归 纳为两 个主要部分 , 即采用极化 数据进 行 SAR ATR 和采 用超分 辨率 图像进行 SAR ATR。第 一部 分阐 述了完 全极 化 K a 波段 SAR 传感器 , 为极化数据的优化 处理设 计了不 同的技术 , 开 发了完 整的 End to End 目标识别系 统。系统 运行在 0. 3m ) 0. 3m 和 1. 0m ) 1 . 0m 分辨率的 HH 极化数 据或者 HH, HV, VV 极化优 化组合数据中。第二部分阐述了应用 于 SAR 数据的 不同超分 辨率 处 理算 法 , 如 高清 晰度 成 像算 法 ( H igh De finition I m age , HD I) 、 空间变 迹算 法 ( Spatially V ary ing A podiza tion, SVA ) 和其 他一些特征向量方法 。 M I T L inco ln L ab SAR ATR 系统 主要分 为三部分 , 即预处理、 辨识器、 分类器 ( 图 1) 。预处理 阶段采用 双参数 CFAR, 以定位可能存在目 标的区域。辨 识阶段 分三步 进行 : 采用模板方法确定 目标的位 置和方 位 ; ! 计算 简单的 纹理、 大小、 对比度和极化特征 ; ∀ 将这些特征组合成一个辨识 向量 , 以度量检测出的物体是目标的可能性。分类阶段对目标 与匹配模板进行相关 运算 , 进行目标的分类。虽然基于模板的 分类方法原理简单 , 理论上比较容易实现 , 但是限制较多 , 要求 测试图像和训练图像 条件比较接近。 据 N ovak 的 报 告 [ 4] , 林肯 实验 室 的 ATR 系统 在 0 3m ) 0 3m, 0. 5m ) 0 . 5m, 1. 0m ) 1 . 0m 分辨率下 , 对 10 种 不同地面 军事目标的正确分 类率 分别为 93. 9% , 84. 1% , 45 . 4 % , 而采 用超分辨率处理后在 0. 3m ) 0 . 3m, 1. 0m ) 1. 0m 分辨率下 , 正 确分类率分别是 96 . 4 % 和 73 . 4% 。
R esearch and D esign o f SAR Im age A utom atic Target R ecogn ition Syste m
YUAN L i ha, i SONG Jian she , XU E W en tong , Z HAO W e i zhou
( Institu te of Infor ma tion Eng in eering, S econd Art illery E ng ineering S chool , X i an Shanxi 710025 , China )