基于极化SAR数据的图像分类识别算法

张 军 王 勇 郝万兵 杨 磊 郭鹏程

(西安电子工程研究所 710100 西安)

0 引言

在传统的目标识别中，雷达发射和接收电磁波的极化方式是不变的，称作单极化雷达目标识别。单极化方式只能反映出雷达目标在固定收发方式下的极化特性，而目标在不同的极化电磁波照射下，电磁散射特性是不同的，通过不同极化方式的接收，就可以得到目标更加全面的极化信息，基于此的目标识别称作全极化目标识别。

1950年，学者George Sinclair 提出著名的“Sinclair 极化散射矩阵”［1］，即在特定的姿态和频率下，可以用一个2 ×2 的复散射矩阵来描述雷达目标的散射特性，开启了雷达极化信息处理的研究。早期的极化目标识别主要是直接依据散射矩阵元素进行的，其中Bickel 和Lowebshuss 在对极化散射矩阵变换和目标表征的研究基础上，提出了三参数轨迹法，并将其应用于目标识别。1965年，Bickel 提出了不随目标绕雷达视线方向的旋转或者雷达极化基改变的极化不变量，并指出它们是可用于目标识别的良好特征［2］。以上极化雷达目标识别方法都是对目标宏观散射特性的分析和描述，而对目标局部散射特性的描述甚少。其实最有希望解决目标识别问题的方向是将高分辨目标识别技术和全极化加以综合。Kennaugh 和Boerner 等都强调了高分辨背景下目标极化特性研究。Cameron、Huynen、Krogager 等人相继提出了基于极化散射矩阵分解的目标识别方法，即将目标分解为若干个子散射体叠加的形式，每一个子散射体对应着确定的物理散射机制。之后又出现了Mueller 矩阵、Kennaugh 矩阵等表征方式。这些表征方式极大地推动了极化理论的进一步完善，促进了极化检测、极化滤波、极化识别等极化技术的蓬勃发展。

在全极化雷达高分辨距离像(HRRP)目标识别方面，通常有两种方法:一种将距离像信息与极化信息按照某种规则结合起来提出了距离像-极化多维匹配识别方法。另外一种是使用多数投票准则和证据理论准则(D-S)对四种极化状态下的HRRP 的识别结果进行融合。

图1 雷达自动目标识别系统框图

1 极化测量体制

极化雷达测量体制，发端于早期出现的变极化、双极化雷达;伴随着后期技术的不断进步，软硬件水平的不断提高以及高测量精度的需求，继续从变极化雷达体制、双极化测量体制发展到全极化雷达体制，从分时极化测量体制发展到同时极化测量体制。

1．1 变极化雷达体制

这种雷达体制只需要一路发射通道和接收通道，通过极化选择开关来实现发射极化状态的改变，接收时采用同极化接收。这种测量模式由于只能利用连续两个脉冲测量得到目标极化散射矩阵的同极化分量，并且对转换开关和脉冲重复周期有严格要求，故只有少数警戒雷达为了特定的目标探测和抗干扰需要，在频率分集时采用这种体制。

1．2 双极化测量体制

在原有单极化雷达基础上增加一副正交极化天线及对应的接收通道就可使其具有部分极化测量能力，称此种体制雷达为双极化测量雷达。在这种模式下，每个PRI能得到极化散射矩阵的一列元素。通过对两路正交极化接收信号的融合处理，用于增强其目标检测和抗干扰性能，可将信噪比提高几个分贝。比如美国的Millstone Hill 跟踪雷达、ALTAIR导弹防御雷达。但是，受其极化测量能力的限制，这种体制雷达在提高雷达目标分类和识别能力等方面的作用有限。

1．3 全极化测量雷达体制

1.3.1 分时极化测量体制

该体制雷达以PRI为周期轮流发射正交极化信号，并同时接收H、V 极化信号，利用连续两个脉冲测量得到完整的极化散射矩阵。分时极化测量雷达具有一路极化可变的发射通道、两路独立的正交极化接收通道，主要用于战场侦查与监视、防空反导、地理遥感和气象探测等。

一般而言，分时极化测量雷达通过对多个脉冲的处理能够获得目标的完整极化散射矩阵，但该体制雷达存在以下固有缺陷:

(1)对极化散射特性快起伏、非平稳目标(包括结构较为复杂或运动速度较快的飞机，导弹等)，该体制会造成目标散射矩阵的两列元素测量值间产生去相关效应;

(2)由于目标运动引起的多普勒效应会造成目标散射矩阵的两列元素测量值之间产生相位差，利用相位补偿技术难以达到理想的测量精度;

(3)发射通道极化切换器件存在固有的交叉极化耦合干扰，对极化测量精度产生不利影响。

1.3.2 同时极化测量体制

同时极化测量体制的核心思想是雷达发射信号由两个具有一定带宽的调制信号相干叠加得到，两个正交极化通道的发射波形尽可能正交，然后对雷达回波信号同时进行两路正交波形的相关接收，利用信号调制的正交性分离出不同发射极化对应的回波，从而利用一个脉冲重复周期得到目标极化散射矩阵4 个元素的估计值。

同时极化测量体制可以实现对动态、时变的全极化信息进行获取，处理和利用，从而极大提高雷达在目标检测、抗干扰、目标识别和参数反演方面的能力。

1．4 简缩极化测量体制

全极化SAR 能够提供更多的目标散射信息，揭示更准确详尽的目标地物特性。但该系统对存储空间及采样频率要求较高。为了缓解硬件压力，同时提高数据采集速率，扩大场景录取范围，简缩极化SAR 模式从提出以来就备受关注。

这种测量体制主要用于空间SAR 探测中。一种是π/4 模式，即发射45°线极化信号，同时接收H、V 极化信号;另一种是发射圆极化信号，同时接收H、V 极化信号。这种体制的优势在于制造工艺相对简单，具有自校准特性，不易受到噪声和交叉极化通道影响。表1 从五个方面对5 种极化测量体制进行比较。从表1 可以看出，同时极化测量体制虽然系统复杂度高，但其信号处理能力和极化测量能力也高。

表1 极化测量体制比较

2 基于极化分解的目标识别算法

2．1 极化散射矩阵

1950年Sinclair 首次提出著名的“Sinclair 极化散射矩阵”的概念。其特定姿态和辐射源频率下的极化散射特性可以由一个2 ×2 的复的二维散射矩阵来表示。如果给定矩阵中所有元素的相位和幅度，S 矩阵能够将目标散射的能量、相位、极化特性统一的表示出来，完整的描述目标电磁散射特性。

在远场条件下，电磁波可以看作是平面波，在选定散射空间坐标系及相应的极化基后，整个散射过程就可以看作是一个线性变换过程:

Es= SEi

即

其中的S 矩阵就是所谓的Sinclair 极化散射矩阵，r 表示接收天线和雷达目标之间的距离，为电磁波的波数，S 矩阵中元素两个下标分别代表接收电磁波的极化方式和发送电磁波的极化方式，例如表示以水平极化方式发送电磁波，以垂直极化方式接收电磁波。

2．2 相干分解

相干分解是基于极化散射矩阵S 的分解方法，其主要思想是将任意的S 矩阵分解成若干散射矩阵的和的形式，每一个矩阵对应着某种确定的散射机制，即:

其中si代表标准的极化散射矩阵，并且假设各矩阵具有独立性;αi代表si的权值系数，代表该成分在S 矩阵中所占的比重。

2.2.1 Pauli 分解

Pauli 分解的表达式为S=aSa+bSb+cSc

表2 Pauli 分解的物理意义

Pauli 分解的优点是形式简单，且Pauli 基为完备正交基。它的缺点是，分解对应的物理散射机制只有奇次散射和偶次散射两种，不能完整描述目标的散射特性。a 表示奇次散射机制;b 表示偶次散射机制;c 表示旋转45°偶次散射。直接利用最大值归一化后的|a|2、|b|2和|c|2作为特征就可以进行识别。

3 实验结果

本文利用全极化SAR 数据，数据采集区域为美国旧金山海岸，左边是旧金山的海岸与海湾，右边是太平洋，近海处停放了四艘较大的舰船，建筑物区域位于左侧海岸。如图2所示，该SAR 图像是四个极化通道合成的伪彩图为了识别舰船目标，首先对舰船附近的海面特性进行分析，截取的目标区域选取海杂波区域，横坐标(550，650)纵坐标(750，900)，X轴代表样本数，Y 轴代表强度。

从图3 可以看出，同极化通道的信噪比相当，约为16dB，而交叉极化的信噪比强度比同极化通道信噪比强度大概高10dB。虽然海杂波的强度在不同的极化通道相差较大，但其近似于均匀分布。

图2 全线极化通道的SAR 图像

图3 不同极化通道海杂波的HRRP 的强度对比

图4 海杂波特性拟合

通常，在低海情的情况下，韦布尔分布的拟合效果较好，而高海情下对数正态分布的拟合较好。从图3 拟合效果来看，所选区域的海情较低，这与其靠近海湾的地理位置相符。

图5 选取舰船区域:横坐标(555，，601)，纵坐标(101，250)进行Pauli 分解

图6 选取建筑物区域:横坐标(50，200)，纵坐标(200，350)进行Pauli 分解

图7 选取海杂波区域:横坐标(550，750)纵坐标(600，800)进行Pauli 分解

由舰船和建筑物的pauli 分解可知，场景中目标的二面角分量较多，因此偶次散射b、c 较强。舰船二面角和45°二面角分量比建筑物对应分量多，该特征可用于舰船和建筑物目标的分类。海面由于奇次散射，因此a 分量较强。

4 结束语

图5 舰船区域的Pauli 分解

图6 建筑物区域的Pauli 分解

图7 海杂波区域的Pauli 分解

利用公开的旧金山的全极化SAR 数据，根据四个线极化通道合成伪彩色图像，实现对场景进行初步认知。利用四个线极化通道海杂波的HRRP 的强度对比，比较同极化通道和交叉极化通道的信噪比强度。通过对目标进行Pauli 分解得到场景中奇次散射和偶次散射分量，从而完成对海杂波、建筑物和舰船的相干分解分量的研究。

［1］Sinclair G...The transmission and reception of elliptically Polarized radar waves ［J］.Proc.IRE，1950，38(2):148-151.

［2］Brichel S.H，Some invariant properties of the polarization scattering matrix［J］.Proc.IEEE，1965:1070-1072.

［3］Krogager，E.，A new decomposition of the radar target scattering matrix［J］，Electronics Letter，1990，26(18):1525-1526.

［4］C.J.C.Burges，A tutorial on support vector machines for pattern recognition［J］.Data Mining and Knowledge Discovery，1998，2:121-167.

［5］J.R.Huynen.A new approach to radar crosssection measurements ［J］.IRE Internal Conv.，1962.