崔開博，趙宏宇，陳 曦，朱 紅，袁乃昌

（國防科學(xué)技術(shù)大學(xué) 電子科學(xué)與工程學(xué)院，湖南 長沙 410073）

近年來，江河上行駛的船只種類越來越多，如采沙船、漁船、客運船等等，很多船只不按照規(guī)定的時間段和航線行駛，很容易造成不必要的事故發(fā)生，這給有關(guān)部門的監(jiān)管造成了極大地不便。一些采集資源的船只，如采沙船、漁船等，為了謀取暴利，違反規(guī)定進行作業(yè)，嚴重的破壞了環(huán)境。由于這些不法行為大多在夜間進行，給執(zhí)法部門進行監(jiān)管和處理工作造成很大的困難。本文提出了一種采用車載毫米波高分辨SAR技術(shù)進行河流采沙船只監(jiān)控的方法，首先簡單的介紹了毫米波合成孔徑雷達的概況、實時成像系統(tǒng)的算法過程，目標識別算法過程、ISAR成像跟蹤以及整個SAR系統(tǒng)的工作流程，然后對實測河流進行了實驗，驗證了該毫米波SAR系統(tǒng)可以全天候?qū)崟r的對河流進行高分辨成像，識別出船只種類，進行實時跟蹤，從而可以方便的進行管理。

1 毫米波SAR系統(tǒng)介紹

合成孔徑雷達（Synthetic Aperture Radar，SAR）是一種主動式電磁波成像傳感器，可全天候全天時獲得高分辨率雷達圖像，在機載和星載平臺上已經(jīng)得到了廣泛的應(yīng)用[1]。毫米波SAR近年來成為了研究的重點、熱點，并已應(yīng)用于許多重要的民用和軍用系統(tǒng)中，如近程高分辨力防空系統(tǒng)、導(dǎo)彈制導(dǎo)系統(tǒng)、目標測量系統(tǒng)等。毫米波頻譜介于微波和紅外波段之間，因此兼有微波和紅外波段的優(yōu)點:與微波相比，毫米波系統(tǒng)的絕對頻帶較寬，天線波束窄，旁瓣低，抗干擾性能強；與紅外相比，毫米波通過煙、霧、灰、塵的能力強，具有較好的全天候能力；并且毫米波系統(tǒng)體積小，質(zhì)量輕、易于高度集成化，可以采用車載平臺。近年來SAR信號處理技術(shù)的進步、微電子技術(shù)的發(fā)展、大規(guī)模集成電路的開發(fā)以及并行處理器的產(chǎn)生已經(jīng)使得實時成像不再受到諸多因素的制約。

作為一種高分辨率毫米波成像雷達，毫米波SAR通過發(fā)射高穩(wěn)定度的相干脈沖，綜合運用合成孔徑技術(shù)、脈沖壓縮技術(shù)等信號處理方法來獲得高分辨率。距離向通過發(fā)射大的時寬帶寬積信號，進行脈沖壓縮來實現(xiàn)高分辨率；方位向則利用雷達和目標之間的相對運動—多普勒效應(yīng)，通過匹配濾波或頻率分析的方法進行脈沖壓縮，實現(xiàn)高分辨率。SAR成像技術(shù)發(fā)展到如今已經(jīng)有適應(yīng)于不同平臺、不同成像場景、不同應(yīng)用領(lǐng)域的多種算法，如RD算法、算法、CS算法、FS算法等等。RD算法是通過距離向和方位向分別使用匹配函數(shù)進行脈沖壓縮來獲得時域圖像的一種經(jīng)典算法，針對不同的成像條件和距離徙動量影響的不同，其存在多種改進形式。進行河面檢測的毫米波SAR，一般工作在正側(cè)視或者小斜視，這種情況下，采用校正距離徙動的改進RD算法：將距離脈壓后的信號乘以一個線性相位項來校正距離徙動，然后進行方位匹配濾波。為滿足實時處理的要求[4]，在距離脈壓多普勒參數(shù)估計和徙動校正時將數(shù)據(jù)按方位向分塊進行處理，再將校正后數(shù)據(jù)進行距離向分塊，同時方位向整合進行整體的匹配濾波、多視處理，最后將距離向數(shù)據(jù)整合得出一副完整的高分辨SAR圖像[2]，算法框圖如圖1所示。成像處理模塊采用FPGA+多塊DSP的方法，距離和方位的分塊處理有利于實時成像的實現(xiàn)，優(yōu)化處理速度。

圖1 成像算法框圖Fig.1 Imaging algorithm block diagram

在得到高分辨率的SAR圖像以后，對圖像進行一定的處理，從而識別出河流湖泊中的船只目標[3]。船只一般情況下會在河湖中行駛或者?？吭诎哆叄诤恿髦行旭偟拇煌ㄟ^河岸分離便能夠從陸地中分割開，但?？吭诎哆叺拇粫捎谂c陸地距離太近而無法直接分割，本系統(tǒng)中采用角點判斷方法，提取可能為駐泊船只的陸地部分，然后利用駐泊船只判斷準則切割二值圖像，得出河岸分離的結(jié)果，從而提取出陸地模板，進行CFAR求解。然后對CFAR結(jié)果進行聚類，合并一定區(qū)域的二值圖像，去除大于船只面積的島嶼等信息。一般來說CFAR會將所有船只全部提取出來，但會存在虛警，本系統(tǒng)中采用提取特征特性的方法，根據(jù)船只的長度、寬度、長寬比、直徑、面積、周長、形狀復(fù)雜度、歸一化轉(zhuǎn)動慣量、主軸轉(zhuǎn)動慣量、方差系數(shù)、加權(quán)填充比、分形維數(shù)、間隙度等特性去除虛警目標，提取出正確的目標[5-6，8]。系統(tǒng)中帶有GPS+INS組合的導(dǎo)航器件，提取出目標后，根據(jù)其在SAR圖像中的位置信息便可以得出它的地理信息，如：位置，與雷達的相對距離，方位角度等等，方便下一步進行跟蹤。目標識別算法框圖如圖2所示。

圖2 目標識別算法框圖Fig.2 Target recognition algorithm block diagram

提取出船只目標和其地理信息后，便對目標進行ISAR成像，實現(xiàn)實時跟蹤。同SAR一樣，ISAR也是依靠雷達與目標之間的相對運動進行成像的，但ISAR一般是雷達不動，目標移動。本系統(tǒng)中，通過ISAR成像可以觀測船只在河流中的是否在運動、運動的方向等各項參數(shù)，并且實時的更新船只的地理信息。ISAR也采用RD算法，與SAR成像做相同的處理，來滿足實時性的要求。

通過高分辨SAR成像、目標提取、ISAR成像跟蹤，便可以識別出船只種類，并確定其運動狀態(tài)以及地理信息，從而實現(xiàn)對船只的管理。整個毫米波高分辨SAR系統(tǒng)的工作過程框圖如圖3所示。

圖3 系統(tǒng)工作流程圖Fig.3 System block diagram

2 實測結(jié)果

使用該車載毫米波高分辨SAR系統(tǒng)在湘江的三叉磯大橋上對湘江進行實測實驗，識別、跟蹤江上的船只。

在橋上以60 km/h的速度進行車載實時成像，成像結(jié)果如圖4所示。圖（a）為實時的SAR圖像，圖（b）為從googlemap上下載的光學(xué)圖像，兩者對比可以發(fā)現(xiàn)該實時的SAR圖像具有較高的分辨率，完全呈現(xiàn)了該地區(qū)的特征。

圖4 實時SAR圖像和光學(xué)圖像對比圖Fig.4 Contrast diagram from real-time SAR image to optical image

得到高分辨的SAR圖像后，對圖像進行實時的處理，根據(jù)目標特性提取出江面上船只，算法如圖3所示。圖5-（a）列出了船只的部分特征參數(shù)提取結(jié)果，圖5-（b）為船只目標的識別結(jié)果，圖5-（c）為提取出的單個船只的SAR圖像，其中白框圈出的是船上的傳送帶，初步識別為江中的采沙船只，傳送帶為運輸沙子的工具。圖（d）為提取出船只所對應(yīng)的光學(xué)圖像。從目標特性參數(shù)中可以看出，提出的該船只長度為80米，其中傳送帶的長度為20米，寬度為6米，和實際的采沙船只數(shù)據(jù)相吻合，提取識別結(jié)果正確。所以該系統(tǒng)實時的完成了目標的識別工作，將河流中的船只正確的提取并識別出來。

圖5 目標識別結(jié)果圖Fig.5 Diagram of results of target recognition

對識別出的船只計算出其位置信息，從而進行ISAR成像跟蹤[7]，ISAR成像結(jié)果如圖6所示，圖（a）為江面中一采沙船的光學(xué)圖像，圖（b）到圖（f）為采沙船遠離雷達時實時的ISRA成像結(jié)果。從圖中可以看出該系統(tǒng)能夠?qū)崟r的對采沙船只進行跟蹤，并實現(xiàn)清晰地ISAR成像，確定其位置、運動方向、運動速度等信息。這樣，便實現(xiàn)了采用該車載毫米波高分辨SAR系統(tǒng)對河流船只進行實時的監(jiān)控、管理。

3 結(jié)束語

本文針對江面上船只不按規(guī)定行駛和資源采集船只違法作業(yè)的現(xiàn)狀提出了一種采用車載毫米波高分辨SAR系統(tǒng)實現(xiàn)對船只進行實時監(jiān)控、管理的方法，通過對該系統(tǒng)的實時SAR成像、目標識別分割、實時ISAR成像跟蹤模塊的研究，論證了系統(tǒng)的可實時性和可實現(xiàn)性，并通過對實際河流中的船只進行成像、檢測、跟蹤實驗完成了預(yù)計功能，證明該系統(tǒng)能夠?qū)恿髦写贿M行實時監(jiān)管，從而在河湖資源管理和環(huán)境保護中具有較為廣闊的應(yīng)用前景。

[1]Ian G，Cumming，F(xiàn)rankH.Wong.Digital Processing of Synthetic Aperture Radar Data:Algorithms and Implementation[M].BeiJing:Publishing House of Electronics Industry，2007.

[2]保錚，刑孟道，王彤.雷達成像技術(shù)[M].北京：電子工業(yè)出版社，2005.

[3]朱兵，李金宗，陳愛軍.大尺度遙感圖像中目標快速識別[J].模式識別與人工智能，2006，19（4）：552-556.

ZHU Bing，LI Jin-zong，CHEN Ai-jun.Fast recognition of harbor target in large scale remote sensor images[J].PR&AI，2006，19（4）：552-556.

[4]賀知明，朱江，周波.彈載SAR實時信號處理研究[J].電子與信息學(xué)報，2008，30（4）：1011-1013.

HE Zhi-ming，ZHU Jiang，ZHOU Bo.Research on real-time signal processing of the missile-borne SAR [J].Journal of Electronics&InformationTechnology，2008，30（4）：1011-1013.

[5]W.G.Carrra， R.S.Goodman and R.M.Majoswski，Spotlight Synthetie Aperture Radar:signal processing algorithms，Norwood，MA， Artech House，1995.

[6]李艷，彭嘉雄.港口目標特征提取與識別[J].華中科技大學(xué)學(xué)報：自然科學(xué)版，2001，29（6）：10-12.

LI Yan，Peng Jia-xiong.Feature Extraction of the Harbor Target and Its Recognition.Journal of Huazhong University of Science and Technology：Natural Science，2001，29（6）：10-12.

[7]Bao Z，Sun C Y，Xing M D.Time-Frequency approaches to ISAR imaging of maneuvering targets and their limitatuons[J].IEEETrans.on Aerospace and Electronic Systems，2001，37（3）:1091-1099.

[8]Otsu N.A Threshold Selection Method from Grey-Level Histo-grams[J].IEEE Trans on Systems，M an，and Cybernetics，1978，9（1）：62-66.

圖6 采沙船實時ISAR圖像Fig.6 The real-time ISAR image of mining large junk