楊效余， 于 勇， 褚 超， 張 彬

(航天長征火箭技術(shù)有限公司北京100076)

引 言

雷達(dá)成像不僅分辨率高、穿透性好、抗干擾能力強(qiáng)，而且能夠全天時(shí)全天候工作，可以彌補(bǔ)可見光與紅外成像技術(shù)的不足，具有重要的軍用和民用價(jià)值。

ISAR雷達(dá)能夠獲得非合作運(yùn)動目標(biāo)(如飛機(jī)、艦船等)的精細(xì)圖像，是極為重要的一種目標(biāo)探測手段。ISAR工作模式為雷達(dá)固定不動，而目標(biāo)旋轉(zhuǎn)，目標(biāo)方位維成像信息來源于目標(biāo)相對于雷達(dá)的轉(zhuǎn)動。在實(shí)際應(yīng)用中，ISAR除了固定在地面上，也可以裝在飛機(jī)、艦船等運(yùn)動平臺上，對空中、海面或地面的運(yùn)動目標(biāo)成像。由于ISAR成像假設(shè)電磁波前為平面波前，要求目標(biāo)尺寸遠(yuǎn)遠(yuǎn)小于目標(biāo)與雷達(dá)之間的距離，因此ISAR通常用于對遠(yuǎn)距離的非合作運(yùn)動目標(biāo)成像。

艦船目標(biāo)的監(jiān)視、檢測和識別是海面態(tài)勢感知的重要內(nèi)容。海面面積廣闊，各類目標(biāo)分布廣，以岸基ISAR雷達(dá)為傳感器的海面目標(biāo)探測系統(tǒng)，具備搜索、跟蹤、成像等多種工作模式，可以對海面目標(biāo)進(jìn)行捕獲、跟蹤、高分辨率成像。它具有遠(yuǎn)距離探測、高分辨率二維成像能力，能在全天時(shí)、全天候條件下工作，能獲取船只目標(biāo)的距離、航速、航向、位置等信息。由于它具有時(shí)效性強(qiáng)、探測精度高、全天候等優(yōu)點(diǎn)，因而是海面態(tài)勢感知的重要手段?；贗SAR二維圖像提取的特征量包含了較豐富、直觀的目標(biāo)特征信息，可以從獲取的高質(zhì)量艦船ISAR圖像中提取艦船尺寸、形狀、結(jié)構(gòu)等特征作為艦船識別的有效特征量。

國內(nèi)外學(xué)者針對ISAR圖像目標(biāo)特征提取與識別算法［1～7］做了大量研究，提出了基于多特征的船只目標(biāo)識別方法，但算法模型較為復(fù)雜。本文提出一種復(fù)雜度低且較為實(shí)用的艦船ISAR圖像目標(biāo)特征提取方法。

1 ISAR圖像增強(qiáng)

利用岸基ISAR雷達(dá)探測海面艦船目標(biāo)，通過雷達(dá)信號處理［8，9］獲取的實(shí)測ISAR二維距離-多普勒圖像受海況等影響，存在背景噪聲。圖1為實(shí)測ISAR的歸一化灰度圖像。由圖可見，艦船目標(biāo)并不是一個(gè)連續(xù)的整體，且存在大量背景噪聲。為獲取優(yōu)質(zhì)的目標(biāo)二值圖像，減少背景噪聲，需要對實(shí)測ISAR圖像進(jìn)行增強(qiáng)，抑制背景噪聲。這里，我們采用灰度變換進(jìn)行圖像增強(qiáng)，若原始圖像f(i，j)的灰度范圍為［a，b］，變換后圖像g(i，j)的灰度范圍擴(kuò)展到［c，d］，有

其中Mf表示f(i，j)的最大值。

圖1 不同時(shí)刻艦船目標(biāo)ISAR圖像Fig.1 Ship ISAR images at differentmoments

2 圖像分割與特征提取

ISAR圖像的特點(diǎn)是目標(biāo)像素在整個(gè)圖像中只占少量像素，且目標(biāo)像素較暗，因此可以將圖像反色后，采用閾值分割方法把目標(biāo)從背景中提取出來。從分割結(jié)果可以看出，目標(biāo)感興趣區(qū)域會出現(xiàn)斷續(xù)或空心情況，需要先進(jìn)行像素聚類處理［2］，然后再進(jìn)行特征參數(shù)提取。

2.1 迭代圖像分割與像素聚類

2.1.1 圖像分割

對ISAR圖像的背景能量進(jìn)行分析可以看出，背景能量類似瑞利分布，而且目標(biāo)強(qiáng)度在背景之上。對于閾值分割方法，閾值的選取決定了分割效果。對于ISAR圖像，可以采用單閾值分割方法，也可以采用多閾值迭代分割方法，其中多閾值迭代分割方法會獲得更好的分割效果。先統(tǒng)計(jì)整個(gè)圖像的灰度均值μ和標(biāo)準(zhǔn)差σ，取分割閾值TH=μ+kσ，k=4，3，2，1，0，-1，-2，-3，-4，再進(jìn)行圖像分割，得到二值化圖像。由于目標(biāo)灰度值高于背景灰度值，因此分割閾值從大到小取值，首次分割閾值取μ+4σ。

2.1.2 像素聚類

圖像分割得到的二值圖像，可能存在許多孤立點(diǎn)或像素?cái)?shù)量很少的亮區(qū)域，導(dǎo)致目標(biāo)區(qū)域可能會出現(xiàn)斷裂和空心等現(xiàn)象，需要進(jìn)行像素聚類處理。

①濾除孤立像素點(diǎn)或像素?cái)?shù)量很少的區(qū)域

遍歷圖像，利用圖像8鄰域關(guān)系，對感興趣區(qū)域內(nèi)每個(gè)像素進(jìn)行8鄰域關(guān)系判斷，若該像素的8鄰域目標(biāo)像素個(gè)數(shù)大于閾值，則保留該像素;否則，去除該像素。

②標(biāo)記感興趣區(qū)域，濾除面積較小的感興趣區(qū)域

對于艦船目標(biāo)，在高分辨率ISAR成像情況下，其目標(biāo)像素個(gè)數(shù)可達(dá)到幾千個(gè)左右，而不是一個(gè)、幾個(gè)或幾十個(gè)像素組成的點(diǎn)目標(biāo)。依據(jù)這個(gè)特點(diǎn)，對二值圖像進(jìn)行標(biāo)記，去除面積較小的感興趣區(qū)域。

③處理目標(biāo)的斷裂和空心區(qū)域

在濾除了圖像的孤立點(diǎn)和像素?cái)?shù)量少的亮區(qū)域后，可能存在目標(biāo)的斷裂或空心等現(xiàn)象，采用矩形結(jié)構(gòu)元素形態(tài)學(xué)閉操作，可以使整個(gè)包含目標(biāo)的區(qū)域連接成一個(gè)整體。

2.1.3 迭代圖像分割條件判定

受海況散射等原因影響，在ISAR圖像中艦船目標(biāo)有可能會分成船頭、船尾兩個(gè)部分。在首次圖像分割(分割閾值μ+4σ)與像素聚類后，需要判定迭代分割條件，此時(shí)計(jì)算像素聚類處理后圖像中面積最大和面積第三大兩個(gè)感興趣區(qū)域間最小距離。若該距離小于預(yù)設(shè)閾值，并且最大感興趣區(qū)域面積與第三大感興趣區(qū)域面積之比小于預(yù)設(shè)閾值，取分割閾值TH=μ+kσ進(jìn)行圖像分割，第二次分割閾值取μ+3σ，接下來每次分割閾值取k減1，重復(fù)圖像分割和像素聚類處理;否則，結(jié)束圖像分割處理。

圖2為ISAR圖像分割與像素聚類中間處理結(jié)果，其中圖2(a)為雷達(dá)實(shí)測得到的歸一化ISAR反色圖像;圖2(b)為取閾值TH=μ+3σ對圖2(a)分割的結(jié)果;圖2(c)為尺寸濾波后結(jié)果圖像，已去除了分割圖像中孤立像素點(diǎn)、像素?cái)?shù)量很少的區(qū)域和面積較小感興趣區(qū)域;圖2(d)為像素聚類后結(jié)果圖像，已采用矩形結(jié)構(gòu)元素形態(tài)學(xué)閉操作，對艦船目標(biāo)存在的斷裂和空心區(qū)域進(jìn)行處理。

圖2 ISAR圖像分割與像素聚類Fig.2 Image segmentation and pixel clustering of ISAR image

2.2 特征參數(shù)提取

ISAR圖像艦船目標(biāo)特征主要包括艦船長度、輪廓、上部構(gòu)造、主桅高度等，圖3為艦船目標(biāo)特征提取示意圖，圖中L表示艦船長度，Δf表示主桅高度。

2.2.1 中心線特征參數(shù)提取

Hough變換可以用來檢測圖像中的線段［1］。本文將Hough變換對線段的檢測擴(kuò)展至對線段組的檢測，得到與艦船主體相吻合的線段組的位置、寬度和方向，該方向上長度最大位置即為中心線位置。中心線將艦船分成兩個(gè)部分，即上部構(gòu)造和船體(包含甲板)。

2.2.2 船長度和主桅高度特征參數(shù)提取

利用外接矩形提取船長度和主桅高度特征參數(shù)，這里外接矩形的一條邊需與中心線方向平行，而該邊的長度即為船長度，外接矩形的另一條邊與中心線相交，該邊在中心線桅桿一側(cè)的邊長Δf即為主桅高度。

圖3 特征參數(shù)提取示意圖Fig.3 Schematic diagram of featureparameter extraction

3 仿真結(jié)果與分析

在岸基ISAR雷達(dá)觀測試驗(yàn)中，通過雷達(dá)信號處理得到艦船目標(biāo)ISAR實(shí)測圖像數(shù)據(jù)，對其進(jìn)行圖像增強(qiáng)、圖像分割、像素聚類等預(yù)處理后，獲得船只目標(biāo)感興趣區(qū)域。利用Hough變換檢測出船只目標(biāo)的中心線，對船只目標(biāo)感興趣區(qū)域運(yùn)用外接矩形操作提取船長度和主桅高度等特征參數(shù)。圖4為ISAR圖像數(shù)據(jù)特征參數(shù)提取的中間過程圖像。從圖中可以看出，ISAR原始?xì)w一化圖像經(jīng)過圖像增強(qiáng)后，增加了目標(biāo)與背景的對比度，更有利于圖像分割。圖像分割后發(fā)現(xiàn)存在非目標(biāo)區(qū)域，需要進(jìn)行濾波和像素聚類處理，最后獲得有利于特征參數(shù)提取的目標(biāo)感興趣區(qū)域，進(jìn)而得到目標(biāo)特征參數(shù)。

圖4 ISAR圖像特征參數(shù)提取Fig.4 Feature parameter extraction of ISAR image

圖4(a)為合作艦船目標(biāo)光學(xué)圖像;圖4(b)為岸基ISAR雷達(dá)觀測圖4(a)艦船目標(biāo)的實(shí)測圖像數(shù)據(jù);圖4(c)為對圖4(b)進(jìn)行灰度變換圖像增強(qiáng)后的結(jié)果圖像;圖4(d)為取閾值TH=μ+4σ對圖4(c)作第一次閾值分割的結(jié)果圖像;圖4(e)為對圖4(d)進(jìn)行像素聚類處理后的結(jié)果圖像，它去除了圖4(d)中像素?cái)?shù)量少的區(qū)域和目標(biāo)中存在的斷裂及空心，作迭代分割條件判定，減小分割閾值，繼續(xù)分割圖像;圖4(f)為取閾值TH=μ對圖4(c)作第五次閾值分割后的結(jié)果圖像;圖4(g)為對圖4(f)進(jìn)行像素聚類處理后的結(jié)果圖像，它去除了圖4(f)中像素?cái)?shù)量少的區(qū)域和目標(biāo)中存在的斷裂及空心，作迭代分割條件判定，終止圖像分割;圖4(h)為艦船目標(biāo)特征參數(shù)提取圖像。

預(yù)先測量得到合作艦船目標(biāo)的真實(shí)長度lrel為110m，主桅真實(shí)高度frel為28.5m。經(jīng)過ISAR圖像提取得到的艦船長度lmes為116.2m，主桅高度fmes為30.1m，與真實(shí)值誤差較小，驗(yàn)證了本文方法的有效性。

4 結(jié)束語

針對ISAR船只目標(biāo)圖像特征參數(shù)提取問題，本文對獲取的實(shí)測圖像數(shù)據(jù)作線性灰度變換實(shí)現(xiàn)圖像增強(qiáng)，對增強(qiáng)后的圖像進(jìn)行迭代圖像分割與像素聚類處理，獲得目標(biāo)感興趣區(qū)域，最后通過特征參數(shù)提取獲取目標(biāo)特征參數(shù)。仿真實(shí)驗(yàn)驗(yàn)證了算法的有效性。

［1］杜琳琳，安成錦，陳曾平.一種艦船ISAR圖像中心線特征提取新方法［J］.電子與信息學(xué)報(bào)，2010，32(5):1023～1028.Du Linlin， An Chengjin， Chen Zengping.A New Algorithm for Ship Center Line Extraction in ISAR Image［J］.Journal of Electronics&Information Technology， 2010，32(5):1023 ～1028.

［2］Musman S， Kerr D， Bachmann C.Automatic Recognition of ISAR Ship Images［J］.IEEE Transaction on Aerospace and E-lectronic Systems，1996，32(4):1392～1403.

［3］Yuan C， Casasent D.Composite Filters for Inverse Synthetic Aperture Radar Classification of Small Ships［J］.Opt.Eng.，2002，41(1):94～104.

［4］Pastina D， Spina C.Multi-feature Based Automatic Recognition of Ship Targets in ISAR［J］.IETRadar Sonar Navigation，2009， Vol.3， ISS.4，406 ～423.

［5］唐 寧，高勛章，黎 湘.ISAR像自動識別中的預(yù)處理算法［J］.系統(tǒng)工程與電子技術(shù)，2011，33(3):46～48.Tang Ning， Gao Xunzhang， Li Xiang.Pre-processing of ISAR Images in Automatic Target Recognition［J］.Systems Engineering and Electronics，2011，33(3):46～48.

［6］Zeljkovic V， Li Q， Vincelette R， et al.Automatic Algorithm for Inverse Synthetic Aperture Radar Images Recognition and Classification ［J］.IETRadar， Sonar and Navigation， 2010， 4(1):96 ～109.

［7］Maki A，F(xiàn)ukuiK，Onoguchi K，etal.ISAR Image Analysis by Subspace Method:Automatic Extraction and Identification of Ship Profile［C］//Proceedings 11th International Conference on Image Analysis and Processing，2001，523～528.

［8］鄭澤星.艦船目標(biāo)ISAR成像研究［D］.哈爾濱工業(yè)大學(xué)碩士學(xué)位論文，2007.Zheng Zexing.Study of ISAR Ship Imaging［D］.Dissertation for the Master Degree in Engineering， Harbin Institute of Technology，2007.

［9］馬瑜杰.艦船目標(biāo)成像方法及實(shí)時(shí)處理軟件的研究［D］.西安電子科技大學(xué)碩士學(xué)位論文，2009.Ma Yujie.Study of Ship Imaging and Real-time Processing Software［D］.Dissertation for the Master Degree in Engineering， Xidian University， 2009.