張 晰, 張 杰, 孟俊敏

基于旋翼無(wú)人機(jī)雷達(dá)的船只目標(biāo)成像與類型識(shí)別研究進(jìn)展綜述

張 晰, 張 杰, 孟俊敏

(自然資源部第一海洋研究所, 山東 青島 266061)

載有成像雷達(dá)的旋翼無(wú)人機(jī)具有成本低廉、對(duì)起降條件要求低、飛行姿態(tài)靈活多樣等優(yōu)點(diǎn), 可以在熱點(diǎn)區(qū)域進(jìn)行普查、詳查或長(zhǎng)時(shí)間懸停凝視等多模式成像監(jiān)測(cè), 現(xiàn)已成為海上船只目標(biāo)監(jiān)測(cè)識(shí)別的重要手段。本文分別從旋翼無(wú)人機(jī)雷達(dá)硬件系統(tǒng)、無(wú)人機(jī)載雷達(dá)動(dòng)目標(biāo)成像、船只目標(biāo)類型識(shí)別和目標(biāo)三維結(jié)構(gòu)特征提取等四方面開(kāi)展國(guó)內(nèi)外研究進(jìn)展綜述?？偨Y(jié)分析發(fā)現(xiàn)當(dāng)前利用旋翼無(wú)人機(jī)雷達(dá)進(jìn)行船只目標(biāo)成像和類型識(shí)別, 尚存在運(yùn)動(dòng)船只成像散焦、三維結(jié)構(gòu)重建難度大、類型識(shí)別精度低等問(wèn)題, 迫切需要推動(dòng)相關(guān)技術(shù)的發(fā)展。

旋翼無(wú)人機(jī); 無(wú)人機(jī)雷達(dá); 船只目標(biāo); 三維成像; 類型識(shí)別

我國(guó)是一個(gè)海洋的大國(guó), 海域遼闊、海島眾多、資源豐富, 海洋已成為我國(guó)經(jīng)濟(jì)可持續(xù)發(fā)展的戰(zhàn)略空間和國(guó)家安全的重要屏障。隨著海洋開(kāi)發(fā)力度的不斷加大, 用海供需矛盾日益升級(jí), 領(lǐng)海爭(zhēng)議和海洋侵權(quán)問(wèn)題時(shí)有發(fā)生。當(dāng)前我國(guó)的海洋維權(quán)形勢(shì)非常嚴(yán)峻, 部分國(guó)家船只經(jīng)常非法進(jìn)入我國(guó)管轄海域獲取水文、地質(zhì)資料等重要信息, 布設(shè)水下監(jiān)視監(jiān)聽(tīng)設(shè)備; 在我國(guó)專屬經(jīng)濟(jì)區(qū)內(nèi)進(jìn)行石油、天然氣開(kāi)采, 海底礦藏挖掘, 漁業(yè)捕撈等活動(dòng), 大肆掠奪我國(guó)海洋資源, 極大的侵害了我國(guó)的海洋權(quán)益。因此, 為維護(hù)我國(guó)海洋權(quán)益, 亟需探索海上船只目標(biāo)監(jiān)測(cè)識(shí)別技術(shù), 提升海上目標(biāo)預(yù)警管控能力, 維護(hù)國(guó)家領(lǐng)海主權(quán)和海洋權(quán)益。

與光電傳感器、高頻超視距地波雷達(dá)、導(dǎo)航雷達(dá)等船只目標(biāo)遙感探測(cè)手段相比, 合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)或逆合成孔徑雷達(dá)(Inverse Synthetic Aperture Radar, ISAR)等微波成像雷達(dá)具有二維成像、高分辨率(米級(jí)甚至亞米級(jí))、不受光照云霧影響、全天時(shí)全天候工作的優(yōu)勢(shì), 長(zhǎng)期以來(lái)都是船只目標(biāo)監(jiān)視監(jiān)測(cè)的主要手段。岸/島基是ISAR的主要工作平臺(tái), 其通常受場(chǎng)地限制, 架設(shè)高度有限, 只能監(jiān)測(cè)近岸固定區(qū)域, 無(wú)法勝任大范圍監(jiān)測(cè)的需求。衛(wèi)星、飛機(jī)是SAR的最主要工作平臺(tái)。星載SAR雖然分辨率高、觀測(cè)范圍大, 但也存在圖像獲取周期長(zhǎng)、過(guò)境時(shí)間固定、無(wú)法長(zhǎng)時(shí)間連續(xù)觀測(cè)等缺點(diǎn)。與衛(wèi)星平臺(tái)相比, 無(wú)人機(jī)特別是旋翼無(wú)人機(jī)作為一種新型遙感監(jiān)測(cè)手段, 具有成本低廉、對(duì)起降條件要求低、飛行姿態(tài)靈活多樣等優(yōu)點(diǎn)。近幾年在電子技術(shù)的推動(dòng)下, 搭載有體積小、重量輕、成本低的微型成像雷達(dá)(兼具SAR和ISAR模式)的輕小型旋翼無(wú)人機(jī)日益普及, 已成為國(guó)內(nèi)外競(jìng)相研究的重要裝備。實(shí)踐發(fā)現(xiàn), 搭載有成像雷達(dá)的旋翼無(wú)人機(jī)可以在熱點(diǎn)區(qū)域進(jìn)行普查、詳查或長(zhǎng)時(shí)間懸停凝視等多模式成像監(jiān)測(cè), 已成為海上船只目標(biāo)監(jiān)測(cè)識(shí)別的重要手段, 逐漸在軍事、民事應(yīng)用中發(fā)揮重要作用。

本文將對(duì)旋翼無(wú)人機(jī)雷達(dá)在船只目標(biāo)的成像識(shí)別領(lǐng)域中的文獻(xiàn)進(jìn)行綜述, 總結(jié)分析目前尚存在的問(wèn)題, 并對(duì)未來(lái)的發(fā)展方向進(jìn)行探討。

1 旋翼無(wú)人機(jī)雷達(dá)硬件系統(tǒng)研究進(jìn)展

進(jìn)入新世紀(jì)后無(wú)人機(jī)技術(shù)發(fā)展迅速, 逐漸在環(huán)境監(jiān)測(cè)、情報(bào)偵察和邊境監(jiān)視等方面發(fā)揮重要作用, 推動(dòng)了小型化成像雷達(dá)的研制?，F(xiàn)階段基于小型無(wú)人機(jī)的SAR/ISAR裝備研發(fā)進(jìn)入高速發(fā)展階段, 國(guó)內(nèi)外多個(gè)研究機(jī)構(gòu)已成功研制出多款無(wú)人機(jī)載小型/微型成像雷達(dá)系統(tǒng)。

典型的微型SAR系統(tǒng)主要有德國(guó)防御通信公司的Ka波段“MiSAR”系統(tǒng)、德國(guó)Fraunhofer FHR的W波段SAR系統(tǒng)、美國(guó)的C波段SAR系統(tǒng)、以及荷蘭Delft理工大學(xué)研制的X波段SAR系統(tǒng)。這些微型SAR系統(tǒng)不僅重量低于4 kg, 而且分辨率可達(dá)0.5 m以上。除了SAR系統(tǒng)外, 加拿大國(guó)防研究與發(fā)展部的無(wú)人機(jī)載XWEAR雷達(dá)系統(tǒng)、美國(guó)海軍MQ-4C Triton無(wú)人偵察機(jī)和MQ-8B無(wú)人直升機(jī)配備的MFAS雷達(dá)系統(tǒng)都設(shè)計(jì)有圓掃ISAR工作模式, 目標(biāo)分辨率優(yōu)于1 m。

國(guó)內(nèi)中科院電子所、航天23所、北京遙測(cè)技術(shù)研究所(航天704所)、中電38所、西安電子科技大學(xué)、北京航空航天大學(xué)、北京理工大學(xué)、國(guó)防科技大學(xué)、哈爾濱工業(yè)大學(xué)等單位已成功研制出重量輕、體積小、功耗低、成像分辨率高的無(wú)人機(jī)載SAR系統(tǒng)。由自然資源部第一海洋研究所和北京遙測(cè)技術(shù)研究所在海洋公益性行業(yè)科研項(xiàng)目“海上非法艦船SAR和地波雷達(dá)立體監(jiān)視監(jiān)測(cè)應(yīng)用技術(shù)系統(tǒng)”和“海上船只目標(biāo)星–機(jī)–島立體監(jiān)視監(jiān)測(cè)技術(shù)系統(tǒng)”連續(xù)兩個(gè)項(xiàng)目的支持下, 研制了適配小型旋翼無(wú)人機(jī)和中型無(wú)人機(jī)的多款機(jī)載搜索與成像一體化雷達(dá), 該雷達(dá)具備廣域搜索、SAR和ISAR三種工作模式, 并結(jié)合中國(guó)海警的業(yè)務(wù)工作, 已開(kāi)展了多次海上船只目標(biāo)探測(cè)示范應(yīng)用。

總的來(lái)看, 國(guó)內(nèi)外在無(wú)人機(jī)載成像雷達(dá)硬件系統(tǒng)研制方面已發(fā)展的較為成熟, 能夠?yàn)闊o(wú)人機(jī)載雷達(dá)動(dòng)目標(biāo)成像、船只目標(biāo)類型識(shí)別和目標(biāo)三維結(jié)構(gòu)特征提取等技術(shù)研究奠定較好的硬件基礎(chǔ)。

2 海面動(dòng)目標(biāo)成像研究進(jìn)展

SAR和ISAR成像技術(shù)是通過(guò)脈沖壓縮來(lái)獲得距離向的高分辨, 通過(guò)沿方位向的回波相干積累來(lái)實(shí)現(xiàn)方位向高分辨。由于相干積累要求回波信號(hào)間必須是相干的, 因而雷達(dá)回波在方位向上對(duì)相位的變化非常敏感, 雷達(dá)與目標(biāo)間非常微小的非合作運(yùn)動(dòng)都會(huì)引起方位相位的較大變化, 從而造成相位誤差。引入相位誤差的原因主要有兩種情況: ①雷達(dá)的真實(shí)運(yùn)動(dòng)軌跡與建立的信號(hào)幾何模型失配; ②觀測(cè)目標(biāo)的非合作運(yùn)動(dòng)。要實(shí)現(xiàn)精確成像必須對(duì)上述相位誤差進(jìn)行補(bǔ)償。

2.1 對(duì)雷達(dá)平臺(tái)的運(yùn)動(dòng)補(bǔ)償

該補(bǔ)償方法常用于SAR成像技術(shù)。理想的SAR信號(hào)幾何模型要求平臺(tái)做勻速直線運(yùn)動(dòng), 然而無(wú)人機(jī)機(jī)體小、飛行高度低, 載機(jī)受氣流影響較大, 運(yùn)動(dòng)平穩(wěn)性很難達(dá)到SAR成像的要求。針對(duì)這一情況, 國(guó)外的無(wú)人機(jī)SAR成像可以利用高精度的慣導(dǎo)和GPS來(lái)補(bǔ)償平臺(tái)非理想運(yùn)動(dòng)所帶來(lái)的誤差。然而由于技術(shù)封鎖和載重限制, 國(guó)內(nèi)的小型無(wú)人機(jī)無(wú)法使用高精度的慣導(dǎo)。為克服上述問(wèn)題, 實(shí)際工作中國(guó)產(chǎn)無(wú)人機(jī)SAR系統(tǒng)通常采用“Two-Step”的運(yùn)動(dòng)補(bǔ)償處理流程: 先用中等/低精度的慣導(dǎo)系統(tǒng)對(duì)回波數(shù)據(jù)進(jìn)行粗補(bǔ)償, 然后再基于回波數(shù)據(jù)的自適應(yīng)運(yùn)動(dòng)補(bǔ)償技術(shù)進(jìn)行相位誤差精補(bǔ)償[1-3]。因此研究穩(wěn)健的高精度相位補(bǔ)償是無(wú)人機(jī)系統(tǒng)雷達(dá)成像的關(guān)鍵環(huán)節(jié)。

自聚焦算法是典型的高精度相位補(bǔ)償技術(shù)。根據(jù)成像場(chǎng)景中是否含有孤立散射點(diǎn), 可以將自聚焦算法分為兩類: ①圖像偏移[4-5]、單特顯點(diǎn)處理[6]、相位梯度自聚焦[7]等適合有孤立散射點(diǎn)場(chǎng)景的算法; ②基于相位調(diào)整的對(duì)比度增強(qiáng)[8]、最小熵自聚焦[9]、相干圖像偏移[10]等比較適合對(duì)無(wú)強(qiáng)點(diǎn)目標(biāo)、均勻場(chǎng)景的算法。上述相位誤差補(bǔ)償方法均假設(shè)相位誤差是隨慢時(shí)間變化的函數(shù), 并沒(méi)有考慮相位誤差的方位空變性, 即不同方位位置有不同的相位誤差函數(shù)。對(duì)于低分辨的雷達(dá), 相位誤差的空變分量對(duì)于圖像的聚焦影響不大。當(dāng)雷達(dá)的分辨率較高、波束較寬時(shí), 相位誤差的方位空變性對(duì)聚焦精度的影響是必須要考慮的。針對(duì)相位誤差的空變性問(wèn)題, 基于天線相位中心誤差估計(jì)的自聚焦算法[11]、后向投影自聚焦算法[12]和適用于后向投影成像的改進(jìn)相位梯度自聚焦算法[13]相繼提出, 能夠比較好的解決方位空變特性引起的目標(biāo)散焦問(wèn)題。

除載機(jī)運(yùn)動(dòng)姿態(tài)產(chǎn)生的相位誤差之外, 無(wú)人機(jī)旋翼的高速轉(zhuǎn)動(dòng)會(huì)造成雷達(dá)作用距離出現(xiàn)周期性波動(dòng), 從而引入高頻周期性相位誤差, 若不能得到很好的補(bǔ)償, 則會(huì)出現(xiàn)方位重影現(xiàn)象, 嚴(yán)重影響圖像的質(zhì)量。針對(duì)這一問(wèn)題張紅波等提出利用相位梯度自聚集算法提取高頻相位進(jìn)行補(bǔ)償[14]; 李亞超等通過(guò)短孔徑數(shù)據(jù)的頻域去斜成像, 以消除高頻抖動(dòng)影響[15]。Zhang等提出了一種直升機(jī)旋翼震動(dòng)頻點(diǎn)的估計(jì)方法[16], 該方法在震動(dòng)幅度恒定或震動(dòng)頻點(diǎn)單一的情況下, 能夠得到較好的聚焦圖像。Gao等[17]和景國(guó)彬等[18]進(jìn)一步改進(jìn)了針對(duì)直升機(jī)平臺(tái)的SAR方位重影抑制方法, 即便直升機(jī)存在多個(gè)震動(dòng)頻點(diǎn)時(shí), 所提出的方法也能夠有效消除震動(dòng)誤差相位。

2.2 對(duì)非合作船只目標(biāo)的運(yùn)動(dòng)補(bǔ)償

非合作船只目標(biāo)的平動(dòng)、橫滾、俯仰和偏航等運(yùn)動(dòng)狀態(tài)未知。在SAR成像時(shí), 目標(biāo)的運(yùn)動(dòng)會(huì)產(chǎn)生散射點(diǎn)跨越分辨單元的問(wèn)題, 導(dǎo)致圖像距離向展寬和方位向散焦。在ISAR成像時(shí), 雷達(dá)更多的是依賴目標(biāo)三軸轉(zhuǎn)動(dòng)進(jìn)行成像, 而目標(biāo)的平動(dòng)必須被補(bǔ)償?shù)?。所以?duì)非合作運(yùn)動(dòng)目標(biāo)精確成像, 需要進(jìn)行特殊的聚焦處理。

當(dāng)前SAR動(dòng)目標(biāo)成像算法主要分為五種: ①特顯點(diǎn)跟蹤法, 其通過(guò)目標(biāo)的多個(gè)特顯點(diǎn)來(lái)計(jì)算多個(gè)自由度的目標(biāo)旋轉(zhuǎn)參數(shù)[19]; ②時(shí)頻分析法, 其通過(guò)時(shí)頻分析技術(shù)計(jì)算目標(biāo)的方位調(diào)頻率, 用以補(bǔ)償動(dòng)目標(biāo)的方位散焦[20]; ③最優(yōu)參數(shù)搜索法, 其通過(guò)對(duì)動(dòng)目標(biāo)不斷成像, 以目標(biāo)圖像對(duì)比度(有時(shí)也為梯度)最大或熵值最小為最優(yōu)參數(shù), 以得到最高質(zhì)量的成像結(jié)果[21]; ④Keystone變換法, 先利用Keystone變換進(jìn)行距離向補(bǔ)償和方位向聚焦, 再利用方法②或③去除方位剩余的二次及以上相位, 從而提升動(dòng)目標(biāo)聚焦效果[22]; ⑤SAR與ISAR聯(lián)合處理法, 其先用SAR方法進(jìn)行粗成像, 然后從SAR圖像中提取出船只目標(biāo)子圖像, 最后對(duì)各目標(biāo)子圖像進(jìn)行ISAR處理, 從而得到清晰的目標(biāo)圖像[23]。

與SAR不同, ISAR是利用動(dòng)目標(biāo)相對(duì)雷達(dá)視線方向的轉(zhuǎn)動(dòng)角度積累來(lái)獲取方位向高分辨率, 所以實(shí)現(xiàn)高質(zhì)量ISAR成像要對(duì)動(dòng)目標(biāo)進(jìn)行平動(dòng)和轉(zhuǎn)動(dòng)兩種補(bǔ)償, 其中平動(dòng)補(bǔ)償又包括包絡(luò)對(duì)齊和相位校正兩個(gè)步驟。包絡(luò)對(duì)齊的常用算法有相鄰相關(guān)法[24]、整體最優(yōu)法[25]和最小熵法[26]等; 相位校正的常用算法包含特顯點(diǎn)法、多普勒中心跟蹤法、相位梯度自聚焦法[27]和最小熵自聚焦法[28]等。轉(zhuǎn)動(dòng)補(bǔ)償常用算法有極坐標(biāo)法[29]和Keystone變換法[30]等。然而, 船只隨海浪的擺動(dòng)在回波信號(hào)中表現(xiàn)出明顯的非平穩(wěn)特征, 使得傳統(tǒng)的ISAR成像算法失效[31]。針對(duì)這類問(wèn)題常采用短時(shí)傅里葉變換、連續(xù)小波變換、EMD、Wigner-Ville變換和分?jǐn)?shù)階傅里葉變換[32]等時(shí)頻分析工具替代傳統(tǒng)方法, 呈現(xiàn)良好的成像效果。

最近, 微動(dòng)目標(biāo)成像算法的研究發(fā)展為ISAR成像領(lǐng)域又一技術(shù)熱點(diǎn), 美國(guó)的“輻射亡命徒”先期技術(shù)演示計(jì)劃(radiant outlaw ATD)[33]和國(guó)內(nèi)外的學(xué)者初步證明了利用船只目標(biāo)的微動(dòng)信息能夠?qū)?dòng)目標(biāo)進(jìn)行成像和識(shí)別[34-35]。

總體來(lái)講, 我國(guó)在動(dòng)目標(biāo)SAR和ISAR成像理論的研究方面處于國(guó)際領(lǐng)先地位, 但針對(duì)旋翼無(wú)人機(jī)的海上動(dòng)目標(biāo)雷達(dá)成像研究還處于起步階段, 雖然已發(fā)展了較多的方法, 但由于慣導(dǎo)精度低、飛行環(huán)境復(fù)雜以及旋翼高速震動(dòng)等多種不利因素共同作用, 增加了運(yùn)動(dòng)補(bǔ)償難度, 成像能力還有待進(jìn)一步提高。

3 船只目標(biāo)類型識(shí)別研究進(jìn)展

隨著成像技術(shù)的快速發(fā)展, 雷達(dá)分辨率從十米級(jí)提高到米級(jí)甚至亞米級(jí), 船只在雷達(dá)圖像中由點(diǎn)目標(biāo)變?yōu)槊婺繕?biāo), 類型識(shí)別成為可能。利用高分辨率成像雷達(dá)識(shí)別船只類型, 關(guān)鍵在于①挖掘能夠凸顯同類船只相似性和異類船只相異性的有效特征; ②構(gòu)建穩(wěn)定可靠的分類器。

有效特征選擇是船只類型識(shí)別的核心問(wèn)題。最常用的是船只目標(biāo)幾何特征, 代表性工作有: 美國(guó)海軍實(shí)驗(yàn)室在1996年利用船只目標(biāo)的船頭和船尾、輪廓寬度、桅桿高度等特征進(jìn)行類型識(shí)別[36]; 董江曼等采用的是船只面積、周長(zhǎng)、積分光學(xué)密度和主軸方向角等特征量[37]; 杜琳琳等利用船只目標(biāo)的中心線特征進(jìn)行識(shí)別[38], Lang等利用非嚴(yán)格計(jì)算的樸素幾何特征進(jìn)行船只類型識(shí)別[39]。除了船只幾何特征, 船只上層建筑會(huì)引起雷達(dá)散射分布的變化, 張晰等利用船只目標(biāo)的散射強(qiáng)度分布實(shí)現(xiàn)了貨船、油輪和集裝箱船三種船只類型的識(shí)別[40]。Jiang等[41]和Wang等[42]將散射強(qiáng)度分布與船只幾何、紋理特征相結(jié)合進(jìn)行船只類型識(shí)別, 取得了較好的實(shí)驗(yàn)結(jié)果。

分類器的選擇和設(shè)計(jì)是影響船只分類準(zhǔn)確率的另一關(guān)鍵問(wèn)題。研究者廣泛采用結(jié)合船只類型先驗(yàn)知識(shí)的監(jiān)督分類器進(jìn)行類型識(shí)別, 主要有: 模糊邏輯[43]、最近鄰分類器[44]和樹(shù)狀分層分類器[45]等。但這些分類器的船只類型識(shí)別精度依賴于訓(xùn)練樣本和選用的船只特征。相同的特征輸入到不同分類器中, 所得的分類效果并不相同, 需要找到每個(gè)分類器所對(duì)應(yīng)的最適特征才能得到較好的船只類型識(shí)別結(jié)果。最近提出的深度學(xué)習(xí)技術(shù)能夠?qū)崿F(xiàn)自學(xué)習(xí), 具備自己發(fā)現(xiàn)特征提取規(guī)則的能力, 部分學(xué)者開(kāi)展了基于卷積神經(jīng)網(wǎng)絡(luò)的船只類型識(shí)別實(shí)驗(yàn)[46-47]。不過(guò)由于深度學(xué)習(xí)方法需要大量的訓(xùn)練樣本支持, 在當(dāng)前可用船只樣本較少的情況下, 其識(shí)別能力還有待進(jìn)一步挖掘和提高。Lang等針對(duì)分類器的選擇難以與船只類型特征有效匹配的問(wèn)題, 發(fā)展了多特征與分類器集合學(xué)習(xí)選擇的船只類型識(shí)別方法, 找到了不同分類器所需的最適船只類型特征, 有效提高了船只類型識(shí)別精度[48], 為解決成像雷達(dá)船只類型識(shí)別問(wèn)題提供了新思路。

總的來(lái)說(shuō), 目前利用成像雷達(dá)進(jìn)行船只類型識(shí)別主要使用的是幾何、紋理、散射分布等二維圖像特征。但二維圖像特征存在魯棒性差、缺乏穩(wěn)定性的問(wèn)題, 受環(huán)境因素和成像參數(shù)影響大。不同類型的船只可能具有相同的幾何特征和散射特性; 而且同一艘船只在不同視角、運(yùn)動(dòng)狀態(tài)下, 其幾何特征和散射特性變化較大[49]。這一方面會(huì)降低不同類型船只間的可分性, 另一方面還會(huì)引發(fā)分類器在訓(xùn)練上的問(wèn)題。導(dǎo)致所采集的訓(xùn)練樣本需要應(yīng)對(duì)類別特征各種可能的變化, 降低了實(shí)際可操作性。因此需要挖掘新的魯棒性、穩(wěn)定性強(qiáng)的特征進(jìn)行船只類型識(shí)別。

4 船只目標(biāo)三維特征提取技術(shù)研究進(jìn)展

雷達(dá)圖像實(shí)質(zhì)上是三維目標(biāo)在二維平面上壓縮后的投影圖像, 如SAR獲取的是目標(biāo)俯視圖; 而ISAR是依靠目標(biāo)轉(zhuǎn)動(dòng)進(jìn)行成像, 獲得的是目標(biāo)側(cè)視圖。如果能夠從二維雷達(dá)圖像中重構(gòu)出船只目標(biāo)的三維結(jié)構(gòu), 這將會(huì)成為適合于船只目標(biāo)類似識(shí)別的新的魯棒性、穩(wěn)定性強(qiáng)的特征。目前SAR和ISAR船只目標(biāo)三維重構(gòu)方法主要有基于多方位或時(shí)間序列的三維重構(gòu)和基于干涉技術(shù)的三維重構(gòu)兩大類。

基于多方位或時(shí)間序列的船只目標(biāo)三維重構(gòu)方法, 這類方法是根據(jù)剛體目標(biāo)的幾何不變性約束, 從不同方位/角度、不同時(shí)間的目標(biāo)二維SAR/ISAR圖像中提取出能代表目標(biāo)的特征點(diǎn)構(gòu)建矩陣, 利用解投影變換或因子分解的方法進(jìn)行目標(biāo)結(jié)構(gòu)三維重構(gòu)。目前這些方法多應(yīng)用于飛機(jī)、衛(wèi)星等空中目標(biāo)的三維結(jié)構(gòu)探測(cè)[35, 50-52], 海上船只目標(biāo)的三維探測(cè)可查的文獻(xiàn)很少。主要有McFadden利用ISAR時(shí)間序列數(shù)據(jù), 對(duì)船只目標(biāo)進(jìn)行了三維模型重建[53]; 湯立波等在McFadden的基礎(chǔ)上, 引入因子分解方法, 實(shí)現(xiàn)了單天線ISAR運(yùn)動(dòng)船只目標(biāo)的三維形狀重構(gòu)[54]。

基于干涉技術(shù)的船只目標(biāo)三維重構(gòu)方法, 是通過(guò)設(shè)置具有嚴(yán)格位置關(guān)系的多收發(fā)天線, 對(duì)目標(biāo)進(jìn)行同時(shí)觀測(cè), 利用干涉處理重構(gòu)出目標(biāo)的三維圖像。這類方法對(duì)天線配置要求較高, 實(shí)現(xiàn)復(fù)雜且還需要解決圖像標(biāo)定、相位解纏繞等難點(diǎn), 目前哈工大的王勇教授利用仿真數(shù)據(jù), 初步證明了干涉ISAR進(jìn)行船只目標(biāo)三維成像的有效性[55-56], 但其性能還需用真實(shí)數(shù)據(jù)進(jìn)行檢驗(yàn)。

總之, 當(dāng)前利用SAR和ISAR等成像雷達(dá)進(jìn)行目標(biāo)三維重構(gòu)已在飛機(jī)、衛(wèi)星等空中目標(biāo)的探測(cè)中得到了應(yīng)用, 但大多依靠的是對(duì)硬件系統(tǒng)和基線設(shè)計(jì)有較高要求的干涉技術(shù)。文獻(xiàn)未見(jiàn)利用旋翼無(wú)人機(jī)SAR或ISAR進(jìn)行船只目標(biāo)三維重構(gòu)的應(yīng)用, 亟待加強(qiáng)該項(xiàng)技術(shù)的研究探索。

5 總結(jié)與展望

旋翼無(wú)人機(jī)作為新興的遙感技術(shù)手段, 具有成本低廉、對(duì)起降條件要求低、飛行姿態(tài)靈活多樣等優(yōu)點(diǎn), 已成為目標(biāo)監(jiān)測(cè)識(shí)別的重要手段, 逐漸在軍事、民事應(yīng)用中發(fā)揮重要作用。本文對(duì)旋翼無(wú)人機(jī)雷達(dá)在船只目標(biāo)的成像識(shí)別領(lǐng)域中的文獻(xiàn)進(jìn)行綜述。由文獻(xiàn)綜述可知, 當(dāng)前國(guó)內(nèi)外在無(wú)人機(jī)載成像雷達(dá)硬件系統(tǒng)研制方面已發(fā)展的較為成熟, 能夠?yàn)閿?shù)據(jù)獲取和實(shí)驗(yàn)開(kāi)展打下較好的硬件基礎(chǔ)。但在船只目標(biāo)成像和類型識(shí)別方面, 仍有較大的問(wèn)題, 主要表現(xiàn)在:

①在雷達(dá)成像方面, 除了船只目標(biāo)復(fù)雜運(yùn)動(dòng), 導(dǎo)致的散焦、拖影和虛影之外; 由于無(wú)人機(jī)受重量、成本及功耗的限制, 難以安裝高精度的慣導(dǎo)/GPS設(shè)備, 且飛行高度低、受氣流影響較大、飛行軌跡復(fù)雜, 大大影響了雷達(dá)成像質(zhì)量。另外, 無(wú)人機(jī)旋翼的高速轉(zhuǎn)動(dòng)引入的周期性高頻相位誤差, 進(jìn)一步增加了成像難度。②在船只類型識(shí)別方面, 由于船只目標(biāo)在雷達(dá)圖像中的表現(xiàn)取決于目標(biāo)姿態(tài)以及雷達(dá)觀測(cè)方位和角度, 導(dǎo)致不同構(gòu)造的船只在雷達(dá)圖像上可能表現(xiàn)非常相似, 或同一船只目標(biāo)由于目標(biāo)姿態(tài)及觀測(cè)角度的變化使其在雷達(dá)圖像上表現(xiàn)迥異。因此僅通過(guò)單一維度的雷達(dá)信息很難對(duì)船只類型進(jìn)行有效識(shí)別。③在船只目標(biāo)三維結(jié)構(gòu)重構(gòu)方面, 由于無(wú)人機(jī)慣導(dǎo)精度較低、基線保持困難且船只目標(biāo)一直處于運(yùn)動(dòng)狀態(tài), 難以通過(guò)干涉技術(shù)提取目標(biāo)的三維高程。上述原因限制了旋翼無(wú)人機(jī)載船只目標(biāo)探測(cè)應(yīng)用, 迫切需要針對(duì)旋翼無(wú)人機(jī)這種新型平臺(tái)發(fā)展船只目標(biāo)雷達(dá)成像、三維重構(gòu)與類型識(shí)別技術(shù), 實(shí)現(xiàn)海上船只目標(biāo)的高精度監(jiān)視監(jiān)測(cè)。

[1] Jiang R, Zhu D, Shen M, et al. Synthetic aperture radar autofocus based on projection approximation subspace tracking[J]. IET Radar, Sonar & Navigation, 2012, 6(6): 465-471.

[2] Schulz J. Optimal sharpness function for SAR autofocus[J]. IEEE Signal Processing Letters, 2007, 14(1): 27-30.

[3] Zhang L, Qiao Z, Xing M, et al. A robust motion compensation approach for UAV SAR imagery[J]. IEEE Transactions on Geoscience and Remote Sensing. 2012, 50(8): 3202-3218.

[4] Bezvesilniy O, Gorovyi M, Vavriv M. Estimation of phase errors in SAR data by Local-Quadratic map-drift autofocus[C]// IRS 2012, 19th International Radar Symposium, May 23-25, Warsaw, Poland. IEEE, 2012: 376-381.

[5] 侯育星, 邢孟道, 陳士超, 等. 穩(wěn)健多子孔徑圖像偏移的SAR自聚焦算法[J]. 系統(tǒng)工程與電子技術(shù), 2014, 36(9): 1731-1736. Hou Yuxing, Xing Mengdao, Chen Shichao, et al. Robust autofocus algorithm of multiple subaperture mapdrift in SAR[J]. Systems Engineering and Electronics, 2014, 36(9): 1731-1736.

[6] Carrara G, Goodman S, Majewski M. Spotlight synthetic aperture radar: signal processing algorithm[M]. Boston, MA: Artech House, 1995.

[7] Ye W, Yeo S, Bao Z. Weighted least-squares estimation of phase errors for SAR/ISAR autofocus[J]. IEEE Transactions on Geoscience and Remote Sensing, 1999, 37(5): 2487-2494.

[8] Kolman J PACE: An autofocus algorithm for SAR[C]// IEEE International Radar Conference, 2005, 9-12 May, Arlington, VA, USA. IEEE, 2005: 310-314.

[9] Xiong T, Xing M, Wang Y, et al. Minimum-entropy based autofocus algorithm for SAR data using chebyshev approximation and method of series reversion, and its implementation in a data processor[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(3): 1719-1728.

[10] Samczynski P. Super-convergent velocity estimator for an autofocus coherent map-drift technique[J]. IEEE Geoscience Remote Sensing Letters, 2012, 9(2): 204-208.

[11] Hu K, Zhang X, Shi J, et al. A novel antenna phase center estimation method for Synthetic Aperture Radar[C]// IEEE National Radar Conference - Proceedings, 10-15 May, 2015, Arlington, VA, USA. IEEE, 2015: 1340-1344.

[12] Zhang L, Li H, Qiao Z, et al. Integrating autofocus techniques with fast factorized back-projection for high-resolution spotlight SAR imaging[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(6): 1394-1398.

[13] 王昕, 蔣銳, 朱岱寅, 等. 一種改進(jìn)的SAR反投影圖像相位梯度自聚焦方法[J]. 現(xiàn)代雷達(dá), 2016, 38(1): 17-21. Wang Xin, Jiang Rui, Zhu Daiyin, et al. A modified phase gradient autofocus processing method for SAR imagery reconstruction via backprojection algorithm[J]. Modern Radar, 2016, 38(1): 17-21.

[14] 張紅波, 何濤, 陳德民. 一種去除回波頻譜調(diào)制的直升機(jī)SAR成像方法[J]. 數(shù)據(jù)采集與處理, 2012, 27(5): 58l-585. Zhang Hongbo, He Tao, Chen Demin. Removal of spectral modulation from echoes for helicopter-borne SAR imaging[J]. Journal of Data Acquisition & Processing, 2012, 27(5): 58l-585.

[15] 李亞超, 周峰, 邢孟道, 等. 一種直升機(jī)的艦船Dechirp實(shí)測(cè)數(shù)據(jù)SAR成像方法[J]. 電子與信息學(xué)報(bào), 2007, 29(8): 1794-l798. Li Yachao, Zhou Feng, Xing Mengdao, et al. An effective method for Ship Dechirp data imaging in helicopter SAR system[J]. Journal of Electronics & Information Technology, 2007, 29(8): 1794-l798.

[16] Zhang Y, Sun J, Lei P, et a1. SAR-based paired echo focusing and suppression of vibrating targets[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(12): 7593-7605.

[17] Gao Y, Zhang Z, Xing M, et al. Paired echo suppression algorithm in helicopter-borne SAR imaging[J]. IET Radar, Sonar & Navigation, 2017, 11(11): 1605-1612.

[18] 景國(guó)彬, 王輝, 鄭世超, 等. 基于直升機(jī)平臺(tái)SAR的方位重影抑制方法[J]. 上海航天, 2018, 35(6): 92-97. Jing Guobin, Wang Hui, Deng Shichao, et al. Azimuth ghost reduction method for Helicopter-borne synthetic aperture radar systems[J]. Aerospace Shanghai, 2018, 35(6): 92-97.

[19] Perry P, Dipietro C, Fante L. SAR imaging of moving targets[J]. IEEE Transactions on Aerospace and Electronic Systems, 1999, 35(1): 188-200.

[20] Yu W, Su W, Gu H. Ground maneuvering target detection based on discrete polynomial-phase transform and Lv’s distribution[J]. Signal Processing, 2018, 144: 364-372.

[21] Cristallini D, Pastina D, Colone F, et al. Efficient detection and imaging of moving targets in SAR images based on Chirp Sealing[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(4): 2403-2416.

[22] Yang J, Zhang Y. An airborne SAR moving target imaging and motion parameters estimation algorithm with azimuth-dechirping and the second-order keystone transform applied[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(8): 3967-3976.

[23] Zhang Y, Sun J, Lei P, et al. High-resolution SAR-based ground moving target imaging with defocused ROI data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(2): 1062-1073.

[24] Chen C, Andrews C. Target-motion-induced radar imaging[J]. IEEE Transactions on Aerospace & Electronic Systems, 2007, 16(1): 2-14.

[25] 王勇, 姜義成. 一種估計(jì)ISAR成像轉(zhuǎn)角的新方法[J]. 電子與信息學(xué)報(bào), 2007, 29(3): 521-523. Wang Yong, Jiang Yicheng. A new method for estimating the rotation angle of ISAR image[J]. Journal of Electronics & Information Technology, 2007, 29(3): 521-523.

[26] 王根原, 保錚. 逆合成孔徑雷達(dá)運(yùn)動(dòng)補(bǔ)償中包絡(luò)對(duì)齊的新方法[J]. 電子學(xué)報(bào), 1998, 26(6): 5-8. Wang Genyuan, Bao Zheng. A new algorithm of range alignment in ISAR motion compensation[J]. Acta Electronica Sinica, 1998, 26(6): 5-8.

[27] Huang D, Feng C, Tong N, et al. 2D spatial-variant phase errors compensation for ISAR imagery based on contrast maximisation[J]. Electronics Letters, 2016, 52(17): 1480-1482.

[28] Zeng T, Wang R, Li F. SAR image autofocus utilizing minimum-entropy criterion[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(6): 1552-1556.

[29] Liu Y, Xu S, Chen Z, et al. MTRC compensation in high-resolution ISAR imaging via improved polar format algorithm based on ICPF[C]. EURASIP Journal on Advances in Signal Processing, 2014, 2014(1): 179.

[30] Zhao J, Zhang M, Wang X. ISAR imaging algorithm of multiple targets with complex motions based on the fractional tap length keystone transform[J]. IEEE Transactions on Aerospace and Electronic Systems, 2018, 54(1): 64-76.

[31] 趙佳. 復(fù)雜運(yùn)動(dòng)多目標(biāo)ISAR成像研究[D]. 西安: 西安電子科技大學(xué), 2017. Zhao Jia. Study on ISAR Imaging of Multiple Maneuvering Targets[D]. Xi’an: Xidian University, 2017.

[32] Wang B, Xu S, Wu W, et al. Adaptive ISAR imaging of maneuvering targets based on a modified fourier transform[J]. Sensors, 2018, 18(5): 1370.

[33] Shen N, Waeber B, Girata L. Project radiant outlaw[C]//Proceedings of SPIE on Airborne Reconnaissance XVIII. San Diego, America, 1994, p63-74.

[34] 張群, 胡健, 羅迎, 等. 微動(dòng)目標(biāo)雷達(dá)特征提取、成像與識(shí)別研究進(jìn)展[J]. 雷達(dá)學(xué)報(bào), 2018, 7(5): 531-547.Zhang Qun, Hu Jian, Luo Ying, et al. Research progresses in radar feature extraction, imaging, and recognition of target with micro-motions[J]. Journal of Radars. 2018, 7(5): 531-547.

[35] 惠葉, 白雪茹. 基于RID序列的微動(dòng)目標(biāo)高分辨三維成像方法[J]. 雷達(dá)學(xué)報(bào), 2018, 7(5): 548-556.Hui Ye, Bai Xueru. RID image series-based high-resolution three-dimensional imaging of micromotion targets[J]. Journal of Radars, 2018, 7(5): 548-556.

[36] Musman S, Kerr D, Bachman C. Automatic recognition of ISAR ship images[J]. IEEE Transactions of Aerospace and Electronic Systems, 1996, 32(4): 1392-1404.

[37] 董江曼, 李應(yīng)岐, 鄧飚. SAR圖像艦船目標(biāo)的特征識(shí)別[J]. 陜西師范大學(xué)學(xué)報(bào), 2004, (s1): 203-205. Dong Jiangman, Li Yingqi, Deng Biao. Ship targets recognition by ship’s feature in SAR image[J]. Journal of Shaanxi Normal University, 2004, (s1): 203-205.

[38] 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): 1023-1027. 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): 1023-1027.

[39] Lang H, Wu S. Ship Classification in moderate-resolu-tion SAR image by naive geometric features-combined multiple kernel learning[J]. IEEE Geoscience and Remote Sensing Letters, 2017, 14(10): 1765-1769.

[40] 張晰, 張杰, 紀(jì)永剛, 等. 基于結(jié)構(gòu)特征的SAR船只類型識(shí)別能力分析[J]. 海洋學(xué)報(bào)(中文版), 2010, 32(1): 146-152. Zhang Xi, Zhang Jie, Ji Yonggang, et al. The capability analysis of ship classification by structure feature using SAR images[J]. Acta Oceanologic Sinica, 2010, 32(1): 146-152.

[41] Jiang M, Yang X, Dong Z, et al. Ship classification based on superstructure scattering features in SAR images[J]. IEEE Geoscience and Remote Sensing Letters, 2016, 13(5): 616-620.

[42] Wang C, Zhang H, Wu F, et al. A novel hierarchical ship classifier for COSMO-SkyMed SAR data[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11: 484-488.

[43] Margarit G, Tabasco A. Ship classification in single-pol SAR images based on fuzzy logic[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 99: 1-10.

[44] Jiang S, Wang C, Zhang H, et al. Civilian ship classification based on structure features in high resolution SAR images[C]//Proceedings of SPIE—Remote Sensing of the Marine Environment II, 2012, 8525: 852505.

[45] Zhang H, Tian X, Wang C, et al. Merchant vessel classification based on scattering component analysis for COSMO-SkyMed SAR images[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(6), 1275-1279.

[46] Wang C, Zhang H, Wu F, et al. Ship classification with deep learning using COSMO-SkyMed SAR data[C]// 2017 IEEE International Geoscience and Remote Sensing Symposium (IGARSS). IEEE, 2017: 558-561.

[47] Bentes C, Velotto D, Tings B. Ship classification in TerraSAR-X images with convolutional neural networks[J]. IEEE Journal of Oceanic Engineering, 2018, 43(1): 258-266.

[48] Lang H, Zhang J, Zhang X, et al. Ship classification in SAR image by joint feature and classifier selection[J]. IEEE Geoscience and Remote Sensing Letters, 2016, 13(2): 212-216.

[49] Liu P, Jin Y Q. A study of ship rotation effects on SAR image[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(6): 3132-3144.

[50] 王昕, 郭寶鋒, 尚朝軒. 基于二維ISAR圖像序列的雷達(dá)目標(biāo)三維重建方法[J]. 電子與信息學(xué)報(bào), 2013, 35(10): 2475-2480. Wang Xin, Guo Baofeng, Shang Chaoxuan. 3D reconstruction of target geometry based on 2D data of inverse synthetic aperture radar images[J]. Journal of Electronics & Information Technology, 2013, 35(10): 2475-2480.

[51] 張穎康, 肖揚(yáng), 胡紹海. 非合作雷達(dá)目標(biāo)散射中心關(guān)聯(lián)和三維重建算法[J]. 電子與信息學(xué)報(bào), 2011, 33(9): 2076-2082. Zhang Yingkang, Xiao Yang, Hu Shaohai. Method of scattering centers association and 3D reconstruction for non-cooperative radar target[J]. Journal of Electronics & Information Technology, 2011, 33(9): 2076-2082.

[52] 畢嚴(yán)先, 魏少明, 王俊, 等. 基于多假設(shè)跟蹤的散射點(diǎn)關(guān)聯(lián)和三維重建方法[J]. 北京航空航天大學(xué)學(xué)報(bào), 2016, 42(6): 1219-1227. Bi Yanxian, Wei Shaoming, Wang Jun, et al. New method of scatterers association and 3D reconstruction based on multi-hypothesis tracking[J]. Journal of Beijing University of Aeronautics and Astronautics, 2016, 42(6): 1219-1227.

[53] McFadden E. Three-dimensional reconstruction from ISAR sequences[C]//Radar Sensor Technology and Data Visualization. International Society for Optics and Photonics, 2002, 4744: 58-67.

[54] 湯立波, 李道京, 吳一戎. 單天線SAR運(yùn)動(dòng)艦船目標(biāo)三維形狀重構(gòu)[J]. 遙感學(xué)報(bào), 2007, 11(4): 468-472. Tang Libo, Li Daojing, Wu Yirong. Moving ship target 3D reconstruction with the single antenna SAR[J]. Journal of Remote Sensing, 2017, 55(6): 3132-3144.

[55] 王勇, 陳雪飛. 基于稀疏孔徑干涉ISAR技術(shù)的復(fù)雜運(yùn)動(dòng)艦船目標(biāo)三維坐標(biāo)恢復(fù)方法[J]. 雷達(dá)學(xué)報(bào), 2018, 7(3): 320-334. Wang Yong, Chen Xuefei. Three-dimensional geometry reconstruction of ship targets with complex motion for interferometric ISAR with sparse aperture [J]. Journal of Radars, 2018, 7(3): 320-334.

[56] Wang Y, Chen X. 3-D interferometric inverse synthetic aperture radar imaging of ship target with complex motion[J]. IEEE Transactions on Geoscience and Remote Sensing, 2018, 56(7): 3693-3708.

Review of ship target imaging and type recognition by unmanned rotorcraft-borne radar

ZHANG Xi, ZHANG Jie, MENG Jun-min

(First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China)

Unmanned rotorcraft-borne imaging radar has the advantages of low cost, low requirements regarding takeoff and landing conditions, and a flexible flight attitude. This radar can be used for general surveys, detailed investigations, or long-term hovering gaze monitoring in hot spot areas. Unmanned rotorcraft-borne imaging radar is becoming increasingly important in marine reconnaissance and surveillance. In this paper, we review research progress on the rotor UAV radar hardware system, moving target imaging by UAV radar, ship-target type recognition, and the extraction of target 3D structure features. Our findings indicate that problem areas with this radar include defocusing when imaging moving ships, difficulty in the reconstruction of 3D structures, and low accuracy with respect to type recognition, all of which must be addressed to promote the development of related technologies.

unmanned rotorcraft; UAV radar; ship target; three-dimensional imaging; type recognition

Nov. 27, 2019

P237

A

1000-3096(2020)06-0141-07

10.11759/hykx20191127001

2019-11-27;

2020-03-09

國(guó)家重點(diǎn)研發(fā)計(jì)劃(2017YFC1405201); 國(guó)家自然科學(xué)基金(61971455)

[The National Key Research and Development Program of China, No. 2017YFC1405201; the National Natural Science Foundation of China, No. 61971455]

張晰(1981-), 男, 山東濰坊人, 副研究員, 博士, 主要從事海洋雷達(dá)探測(cè)技術(shù)研究, E-mail: xi.zhang@fio.org.cn.

(本文編輯: 趙衛(wèi)紅)