（中國西南電子技術研究所 成都 610036）

1 引言

雷達導引頭采用SAR成像技術，通過對圖像進行目標檢測與識別，可對感興趣目標進行全天候、全天時的觀測，獲得目標的位置、距離、角度以及多普勒等信息［1～3］。穩(wěn)健性強、適用性廣、自動化程度高、快速智能的SAR圖像目標識別是雷達導引頭精確制導的基礎［4～6］。

由于導引頭機動性較強，SAR成像受飛行器航跡及前斜角影響較大，目標聚焦效果較差，圖像質量較低，目標特性不夠穩(wěn)定，從而使得目標的檢測與識別變得困難。而導彈運動速度快，且發(fā)射后無法進行人工干預，因此相較于傳統(tǒng)星載、機載SAR等，導彈對目標識別的實時性和準確性要求更高［7～9］。當雷達波束照射區(qū)域內存在人造假目標或其它強雜波等干擾時，SAR圖像則會存在較多虛警，目標識別處理壓力急劇上升，這對有效目標的正確識別和選擇以及后續(xù)跟蹤系統(tǒng)的性能均有較大影響。

為了降低虛警過多對目標識別處理帶來的壓力，本文針對目標以集群形式出現(xiàn)的特性，根據群目標內所包含個體目標的數量及其間距等先驗信息，提出了基于編隊提取的SAR圖像群目標識別方法，保留形成編隊的目標，剔除未形成編隊的目標，同時，在后續(xù)目標的精細識別中，可根據目標編隊信息對可信度進行排序，達到降低虛警目標的效果，提高雷達對有價值目標的選擇能力。

2 傳統(tǒng)SAR圖像目標識別方法

傳統(tǒng)SAR圖像目標識別流程如圖1所示，包括目標檢測、目標鑒別以及目標分類等三個階段。目標檢測階段完成目標的預篩選，主要對SAR圖像中的亮像素區(qū)域進行檢測，提取出疑似目標的ROI（Region of Interest，ROI）切片；目標鑒別和目標分類階段完成對ROI切片的精細分割、特征提取、特征鑒別以及目標分類等［10～13］。

圖1 傳統(tǒng)目標識別流程

傳統(tǒng)的SAR圖像目標識別方法在完成目標鑒別后，剩余目標數目可能較多，其中包含了許多孤立目標，如雜波虛警、角反等干擾，這會造成后續(xù)目標的選擇或精細識別的困難，對SAR圖像目標識別方案的實時性以及后續(xù)目標跟蹤性能有較大影響。本文針對傳統(tǒng)SAR圖像目標識別方法的這一問題，考慮目標以集群形式出現(xiàn)的特性，提出基于編隊提取的SAR圖像群目標識別方法，對編隊目標進行提取，該方法基于目標的空間位置關系以及數量關系，而這種空間位置關系為雜波、孤立目標所不具備，可濾除大量雜波虛警、角反等孤立強散射目標，從而達到對目標進行有效選擇的目的。

3 基于編隊提取的SAR圖像群目標識別方法

群目標以一定數量、一定分布形式出現(xiàn)，其中任意兩目標的質心距離以及所含目標數量均在一定范圍內。如果兩個目標的質心間距在一個允許值范圍內，則被認為屬于同一編隊，并且當某目標與已知編隊里的任意目標的間距小于該允許值范圍，則認為此目標屬于該編隊。如果一個區(qū)域含有的目標數量太少，則有可能是由孤立目標或者雜波構成的，如果一個區(qū)域含有的目標數量太多，則有可能是由人造假目標或雜波虛警構成的，如大片的建筑群，因此含有的目標數量在一定范圍內才能確認為編隊目標。

編隊提取方法正是基于上述特性，設置目標的距離條件和數量條件，進行編隊提取。SAR圖像在通過目標檢測和目標鑒別后，得到疑似目標，編隊提取的流程如圖2所示。

圖2 編隊提取流程

首先根據目標間的質心距離關系對疑似目標進行聚類，聚類方法的示意圖如圖3所示，根據編隊內個體目標間距的經驗信息，設定距離門限Tdist，以任意一個目標為中心，計算該目標與其他未被關聯(lián)目標的質心距離，當兩目標質心距離小于距離門限Tdist時，則將其聚為一類，再以關聯(lián)到的目標為中心，遍歷所有未被關聯(lián)的目標，直至所有目標都被關聯(lián)后結束，每個聚類對應一個疑似編隊。得到疑似編隊后，再根據編隊內個體目標數量的經驗信息，設定編隊包含目標的最小值與最大值，對疑似編隊進行篩選，保留滿足數量條件的編隊。最后提取編隊信息，計算編隊內目標的加權質心作為編隊質心，計算編隊內目標到編隊質心的最大距離作為編隊半徑。

圖3 目標聚類示意圖

在完成編隊目標提取后，當編隊提取成功時，剔除未形成編隊的個體目標，僅保留編隊內的目標，對編隊目標進行輸出，或對保留目標進行精細識別以及其它處理。當編隊未提取成功時，則保留個體目標。

4 結果與分析

為了驗證本文所述方法的有效性，分別采用傳統(tǒng)目標識別方法與基于編隊提取的群目標識別方法，對同一數據分別進行仿真處理。本次試驗采用的數據為仿真生成的SAR圖像數據，圖像像素點總數為1000×1000，包括低分辨率和高分辨率兩種，圖4給出了典型的仿真SAR圖像，中間位置為車輛群，車輛周圍為若干角反。

圖4 典型SAR圖像

采用傳統(tǒng)SAR圖像目標識別方法和本文所述方法分別對試驗數據進行處理，編隊提取主要對目標間距以及目標個數設置閾值，本文采用的設置如表1所示。

表1 編隊提取主要參數

圖5給出了圖4典型SAR圖像目標識別的結果。圖5（a）為傳統(tǒng)SAR圖像目標識別方法的結果，結果中包含車輛目標以及角反、雜波虛警等。圖5（b）為本文方法的識別結果，結果中僅包含一編隊目標，剔除了角反和雜波虛警，篩選出了有效的車輛目標，驗證了本文方法的有效性。

圖5 低分辨率圖像目標識別結果

圖6 高分辨率圖像目標識別結果

為了驗證本文方法的適用性，對30幅低分辨率以及27幅高分辨率的仿真SAR圖像進行處理，目標識別結果統(tǒng)計如表2所示。對于低分辨率圖像，傳統(tǒng)目標識別結果中目標個數為330，而基于編隊提取的目標識別結果中目標個數為158，目標個數減少52.12%。對于高分辨率圖像，傳統(tǒng)目標識別結果中目標個數為117，而基于編隊提取的目標識別結果中目標個數為90，目標個數減少23.08%。

表2 目標識別結果統(tǒng)計

從表2中可以看出，基于編隊提取的目標識別結果中仍包含一些虛警目標不能完全剔除，且在低分辨率圖像中，提取的編隊個數多于實際編隊個數，這是由于試驗中部分角反也成編隊形式，角反編隊內包含4個角反，在編隊提取時無法根據距離信息和數量信息將這部分目標剔除，而在高分辨率圖像中，提取的編隊個數少于實際編隊個數，這是由于部分目標未能有效檢測，導致其他目標不能形成編隊。這部分目標則需在后續(xù)處理中加以精細識別和分類等處理，或融合其它測量信息，對目標可信度進行計算，以剔除干擾目標。

5 結語

本文針對導引頭SAR圖像目標識別存在較多強干擾雜波或其它孤立目標的問題，提出基于編隊提取的SAR群目標識別方法，該方法可有效剔除無效目標，試驗處理結果表明，目標個數可減少52.12%，極大地提升了檢測輸出目標的可信度。該方法已通過試驗驗證，可推廣應用于實際雷達系統(tǒng)中。