基于合成孔径雷达图像的伪装遮障目标特性建模技术

庞海洋，王岩飞2，张健1

（1.63956部队，北京100093；2.中国科学院电子学研究所，北京100022；3.中国科学院大学，北京100039）

基于合成孔径雷达图像的伪装遮障目标特性建模技术

庞海洋1，2，3，王岩飞2，张健1

（1.63956部队，北京100093；2.中国科学院电子学研究所，北京100022；3.中国科学院大学，北京100039）

针对高分辨率全极化合成孔径雷达（SAR）侦察条件下，伪装目标特性模型存在空白的问题，通过SAR图像特征参数的选取，建立特征向量。设置实验获取SAR图像，在此基础上，引入象限坐标系和变异系数分析不同极化方式下伪装遮障目标特征参数变化规律，构建极化方式与特征参数的数值变化及稳定性关系，实现伪装遮障目标特性模型的定性描述。研究结果表明，使用特征向量能够有效表征不同目标，建立的模型能够用于分析、预测伪装遮障目标的特性，为伪装目标检测与伪装效果评估等应用奠定了基础。

兵器科学与技术；遥感图像的解译识别与处理；合成孔径雷达图像；伪装遮障；目标特性模型

0 引言

随着合成孔径雷达（SAR）技术的成熟与发展，SAR系统的分辨率不断提高。由于该系统具有全天候、全天时、覆盖面积大等优点，使SAR图像被广泛应用于军事领域，成为战场信息获取的一个重要手段［1-3］。针对伪装的SAR图像应用，一是对战场敌军伪装与隐蔽目标实施检测与识别［4-8］，二是对我军伪装目标实施伪装效果评估［9］。伪装目标检测与效果评估的战场应用离不开特性数据的支撑，需要通过分析目标特性数据，有针对性地检测识别伪装隐蔽目标，或是降低其暴露征候，实施有效伪装。为了适应新时期作战使命任务，提高战场生存力，提升作战保障能力，急需开展该类目标特性建模工作。

因此，建立基于高分辨率全极化SAR图像的伪装遮障目标特性模型，可为战场伪装与隐蔽目标的侦察提供技术支持，也可为军事演训中的伪装效果评估提供方法手段。

1 构建模型原则

选取模型参数要目的明确，应遵循以下原则：

一是固有特性原则。模型参数要能够反映伪装遮障目标的共性，即具有共性代表性，表征伪装遮障目标自身固有特性；

二是差异特性原则。模型参数要能够反映实施伪装后的差异性，表征不同伪装遮障目标或实施伪装策略的差异特性；

三是利于应用原则。伪装遮障目标特性模型是伪装与隐蔽目标检测、伪装效果评估等研究的基础，因此，建立的模型要适用于这些方面的应用。

2 模型特征参数选取

SAR成像的过程是从回波信号中提取目标的雷达后向散射系数，所以SAR图像反映了被测目标的雷达散射特性，只有具有相同后向散射系数的目标，才能获得相同的图像灰度。防SAR侦察实施的伪装就是通过改变某一目标的雷达散射特性，达到模拟另一个目标的目的，具体到SAR图像上，就是尽可能使两个目标的SAR图像特征保持一致，即针对防SAR侦察的目标伪装特性可以使用SAR图像特征来分析，因此，图像特征参数可以用作表征伪装目标的SAR特征参数。

纹理是SAR图像中常用的概念［10-11］，纹理可认为是图像强度在空间以一定形式变化而产生的图案，是图像区域固有的特征之一。本文使用灰度共生矩阵的能量、对比度、相关、同质度、熵等5个最常用的特征。除了纹理特征，还使用了均值、方差两个统计特征。

灰度共生矩阵是按图像灰度值的空间关系描述像元点对之间的空间结构特征及其相关性。对M× M大小的图像，设其灰度级分别为i及j，则具有一定空间关系的灰度共生矩阵为

式中：#｛x｝表示集合x的元素个数；（r1，c1）与（r2，c2）表示图像空间上的一个点对。

将P（i，j）中每一个元素除以所有元素的和，得到各元素都小于1的归一化值，由此可得到归一化的共生矩阵

1）能量

能量反映了图像灰度分布均匀程度和纹理粗细度，它是灰度共生矩阵各元素的平方和。fene大时纹理粗，能量大；反之，fene为小时纹理细，能量小。

2）对比度（惯性矩）

对比度可理解为图像的清晰度。纹理的沟纹深，fc大，效果清晰；反之，fc为小时沟纹浅，效果模糊。

3）相关

相关用来衡量灰度共生矩阵元素在行或列方向上的相似程度。例如水平方向纹理，在θ=0°方向上的fd大于其他方向上的fd.

4）熵

熵是图像信息量的量度。无纹理则fent值为0；满纹理则fent最大。

5）逆差矩（同质度）

逆差矩表现出共生矩阵内各元素在主对角线附近的聚集程度.

对M×M大小的图像，设其像素位置（i，j）处的灰度值为f（i，j）.

6）均值

SAR图像的均值反映了地物目标的散射系数强弱，是SAR图像分析中最直接的特征。

7）方差

方差反映了图像偏离中心的离散度度量。

本文研究选取X波段、分辨率为0.3 m的SAR图像为实验对象（图1为实验用SAR图像）。实验图像场景中包含林地、草地、黄土地等自然背景以及伪装目标，其中伪装目标是在车辆上方采用架设伪装网的方式实施遮障伪装。从实验图像场景中选取伪装目标、草地、树木、地面等4类目标，每类目标选取了多个对象提取其特征值，最后通过求均值得到各个特征值（表1为不同目标的特征值）。

图1　实验用SAR图像Fig.1 SAR image for test

表1　不同目标的特征值Tab.1 Characteristic values

从表1可以看出，不同目标的特征值存在差异，通过选取合适的特征量组成一个特征向量，能够用于表征不同的目标。

通过把对SAR图像提取得到的特征数值量化成图像（图2为特征值量化成的图像），从而能够更直观反映各种特征对目标场景特性差异的表现。

通过以上分析，基于SAR图像提取的纹理特征和统计特征能够用于表征目标，可以用作特征参数来描述目标特性并建立模型。

图2　特征值量化成的图像Fig.2 Images quantized with characteristic values

3 实验数据获取与分析

根据我国的地理位置，结合战略战术军事目的，选取华北平原某典型军事训练场为实验区域，训练场中包含林地、草地、黄土地等自然背景和建筑物、装备等人造背景，在其中布置了5种类型共30个伪装遮障目标。

实验用SAR为自研的飞艇载全极化SAR（图3 为SAR和飞艇），该雷达工作中心频率9.5 GHz，条带模式工作分辨率为0.3 m×0.3 m（800 MHz）.

图3　合成孔径雷达和飞艇Fig.3 SAR and airship

在飞行获取数据后，提取全极化SAR图像数据伪装遮障目标的特征值，并进行初步分析，通过对不同类型伪装遮障目标的特征值比对可以得到：

一是剔除了异常点，如受SAR成像阴影区影响的目标，或是位于SAR数据较差成像质量较差区域内的目标等；

二是采取了综合伪装措施的目标与自然背景的特征值差异小于未采取综合伪装措施的目标与自然背景的特征值差异，即采用综合伪装措施后的伪装效果要优于未附加综合伪装措施的伪装目标；

三是伪装遮障目标的特征值受极化方式影响。

3.1极化方式与特征值关系分析

使用（2）式～（8）式对实验获取的5种类型共30个伪装遮障目标的SAR图像数据进行处理，提取不同极化方式下目标的特征值，并针对特征值大小趋势的变化分析了特征值与极化方式的关系。表2给出了极化方式与特征参数能量数值变化的关系，表中L表示特征值偏大，S表示特征值偏小。

表2　极化方式与特征参数能量数值变化关系Tab.2 Relationship between polarization mode and energy

利用平面直角坐标系的4个象限代表不同极化方式，综合7个特征值与极化方式的分析结果，将提取得到各个伪装遮障目标的特征参数值代入坐标系中，定义特征值的大小与原点距离呈正比，即距离远说明特征值较大，距离近说明特征值较小。通过对这些特征参数值的分类和汇总，形成极化方式与特征值关系图，表3给出了不同类型伪装遮障极化方式与特征值的关系。

根据以上对伪装遮障类目标的特征值与极化方式的关系分析，可以得出：

1）对于该类伪装目标，HH极化、VV极化对其SAR图像特征值的影响相近；

2）全极化、HV极化对其SAR图像特征值的影响相反；

3）全极化方式对该类目标SAR图像特征值的影响具有一致性。

表3　极化方式与特征值关系Tab.3 Relationship between polarization mode and characteristic value

3.2极化方式与特征值变化分析

通过极化方式与特征值关系分析，能够定性地得到各个特征参数数值的变化趋势，但要准确地把握变化规律，还需要定量分析数据的变化。

对表4中的变异系数分析可以得出：

1）伪装遮障类目标的同质度、熵这两个特征值，在不同的极化方式、不同的伪装遮障对象的条件下，特征值的变化波动很小，说明伪装遮障目标的特性有其稳定的共性地方；

2）能量、对比度、相关、均值、方差等特征值的变化波动大，尤其是在一定的极化方式下，或是不同的伪装遮障对象时，因此，这些特征参数反映了不同伪装遮障目标的自身差异的特性；

3）伪装时使用不同的伪装器材，选择不同的策略，将不同程度的影响伪装后目标的特性，导致其特征参数存在差异。因此，特征参数的波动也说明了伪装器材或策略对伪装目标的影响，伪装性能是具有差异性的；

4）表征固性的特性由于波动小，说明受外界影响后变化不大，相当于性质稳定，对伪装性能产生的影响相对要小；

5）表征差异的特性由于波动大，说明受外界影响后变化大，在对伪装性能的改变上居主导地位，通过相应策略的使用，能够明显改变特性。

表4　不同极化方式下各特征参数的变异系数Tab.4 Variation coefficients of characteristic values　%

4 目标特性模型的定性描述

由于不同的伪装遮障目标在不同的极化方式下，各个特征参数对其影响程度是不一致的，通过上述分析，特征参数可以分为两种类型：一类为稳定性参数，在针对同一伪装遮障目标的情况下，针对不同的极化方式，稳定性参数受外界影响变化不大；还有一类为差异性参数，这类参数易受外界影响。因此，本文研究将伪装遮障目标特性模型的参数抽象为稳定性参数和差异性参数两类。

根据特征参数划分，则可以得到如下伪装遮障目标特性模型原型描述：稳定性参数包括熵和同质度，差异性参数包括能量、对比度、相关、均值和方差。

结合极化方式对特征值大小影响的分析，考虑到模型的简约化，使得模型的描述直观、易懂，只将特征值分为“大”、“小”两类。通过合并后，对于遮障类伪装目标，具有下列规律：

1）在HH极化、HV极化和VV极化方式下，对特征值的影响相近，即HH=HV=VV；

2）全极化与其他3种极化方式对特征值的影响相反，即全极化∽HV；

3）对比度、熵、均值、方差这4个参数在全极化方式下值偏小；

4）能量、相关、同质度这3个参数在全极化方式下偏大。

根据特征参数的稳定性特点及极化方式的影响，可以得到如下基于高分辨率全极化SAR图像伪装遮障类目标特性模型的定性描述（见图4）。

图4　伪装遮障类目标特性模型的定性描述Fig.4 Target characteristic model of camouflage screen

5 结论

本文选取SAR图像的纹理特征参数和统计特征参数组成特征向量，分析不同目标特征参数的差异性，验证了基于SAR图像的特征向量能够用于表征目标。通过组织实验获取多种伪装遮障目标的全极化SAR图像数据，引入象限坐标系分析不同极化方式与特征参数数值变化规律，引入变异系数分析特征参数稳定性，建立了伪装遮障目标特性模型。该模型通过数理逻辑框图描述了伪装遮障目标的特性变化规律，是伪装遮障目标真实特性的一种抽象，能够用于分析、预测伪装遮障目标的特性。该模型在总装备部高分专项伪装目标分类算法、总装备部预先研究项目伪装效果评估算法中进行了应用，证明模型可为伪装遮障目标的检测、伪装效果评估等提供数据支撑，具有一定的应用价值。

（References）

［1］ 焦李成，张向荣.智能SAR图像处理与解译［M］.北京：科学出版社，2008. JIAO Li-cheng，ZHANG Xiang-rong.Intelligent SAR image processing and interpretation［M］.Beijing：Science Press，2008.（in Chinese）

［2］ 金添.超宽带SAR浅埋目标成像与检测的理论和技术研究［M］.长沙：国防科技大学出版社，2011. JIN Tian.Research ontheory and technology of ultra-wideband SAR shallow buried targets imaging and detection［M］.Changsha：National University of Defense Technology Press，2011.（in Chinese）

［3］ 胡利平.合成孔径雷达图像目标识别技术研究［D］.西安：电子科技大学，2009. HU Li-ping.Study on SAR images target recognition［D］.Xi’an：Xidian University，2009.（in Chinese）

［4］ 彭荣鲲，周鑫，王沛，等.基于区域的GLRT车辆目标检测方法［J］.南京航空航天大学学报，2014，46（6）：931-937. PENG Rong-kun，ZHOU Xin，WANG Pei，et al.Region-based GLRT method for vehicle target detection［J］.Journal of Nanjing University of Aeronautics&Astronautics，2014，46（6）：931-937.（in Chinese）

［5］ 徐万朋，陈向宁，徐春宇，等.SAR图像机场区域的掩体目标检测方法［J］.测绘科学技术学报，2013，30（5）：494-499. XU Wan-peng，CHEN Xiang-ning，XU Chun-yu，et al.SAR image of airport areas cover target detection method［J］.Journal of Geomatics Science and Technology，2013，30（5）：494-499.（in Chinese）

［6］ 王广学，黄晓涛，周智敏.基于领域统计分布变化分析的UWB SAR隐蔽目标变化检测［J］.电子与信息学报，2011，33（1）：49-54. WANG Guang-xue，HUANG Xiao-tao，ZHOU Zhi-min.UWB SAR change detection of target in foliage based on local statistic distribution change analysis［J］.Journal of Electronics&Information Technology，2011，33（1）：49-54.（in Chinese）

［7］ 陈华杰，张渝，曾亮，等.伪装网遮蔽目标多波段多极化SAR图像融合检测［J］.光电工程，2011，38（7）：106-118. CHEN Hua-jie，ZHANG Yu，ZENG Liang，et al.Targetcovered by camouflage netting detection based on multi-band and polarization SAR image fusion［J］.Opto-Electronic Engineering，2011，38（7）：106-118.（in Chinese）

［8］ 刘向君，饶伟，杨小小.多波段SAR图像隐蔽和暴露目标标注［J］.雷达科学与技术，2008，6（4）：278-281. LIU Xiang-jun，RAO Wei，YANG Xiao-xiao，Hidden andexposed targets labeling in multi-band SAR images［J］.Radar Science and Technology，2008，6（4）：278-281.（in Chinese）

［9］ 庞海洋，刘凯龙，王岩飞.基于假设检验及SAR图像统计分布特性的伪装效果评价方法［J］.吉林大学学报：工学版，2013，43（3）：313-316. PANG Hai-yang，LIU Kai-long，WANG Yan-fei.A camouflage effectiveness assessing method based on hypothesis testing and the characteristic of SAR image［J］.Journal of Jilin University：Engineering and Technology Edition，2013，43（3）：313-316.（in Chinese）

［10］ 胡召玲，李海权，杜培军.SAR图像纹理特征提取与分类研究［J］.中国矿业大学学报，2009，38（3）：422-427. HU Zhao-ling，LI Hai-quan，DU Pei-jun.Study on theextraction of texture features and its application in classifying SAR images ［J］.Journal of China University of Mining&Technology，2009，38（3）：422-427.（in Chinese）

［11］ 刘高峰.极化SAR图像特征提取与分类方法研究［D］.西安：西安电子科技大学，2014. LIU Gao-feng.Feature extraction and classification of PolSAR image［D］.Xi’an：Xidian University，2014.（in Chinese）

［12］ 李永乐，胡庆军.应用数理统计［M］.长沙：国防科技大学出版社，1999. LI Yong-le，HU Qing-jun.The application of mathematical statistics［M］.Changsha：National University of Defense Technology Press，1999.（in Chinese）

Modeling Technology of Camouflage Screen Target Characteristics Based on SAR Images

PANG Hai-yang1，2，3，WANG Yan-fei2，ZHANG Jian1
（1.Unit 63956 of PLA，Beijing 100093，China；2.Institute of Electronics，Chinese Academy of Science，Beijing 100022，China；3.University of Chinese Academy of Sciences，Beijing 100039，China）

A camouflage target characteristic model is lack for the threat of high resolution polarimetric synthetic aperture radar（SAR）.The characteristic parameters of SAR images are chosen to set up the feature vectors.On this basis，the quadrant coordinate system and the coefficient of variation are used to analyze the regular pattern between polarization mode and characteristic parameter，establish the relations of parameter value and stability，and implement the qualitative description of camouflage screen target characteristic model.The research results show that the feature vectors can characterize different targets. The proposed model can be used to analyze and predict the characteristics of camouflage screen target，which lays a foundation for camouflage target detection and camouflage effectiveness evaluation.

ordnance science and technology；identification and processing of remote sensing image；SAR image；camouflage screen；target characteristic model

TP75

A

1000-1093（2016）03-0559-06

10.3969/j.issn.1000-1093.2016.03.024

2015-04-25

装备预先研究基金项目（9140A03010814KG18036）

庞海洋（1978—），男，博士研究生。E-mail：hy_p@163.com；王岩飞（1963—），男，研究员，博士生导师。E-mail：yfwang@mail.ie.ac.cn