一种合成孔径雷达图像舰船假目标检测判别算法*

李晨波，刘永信，张 晖，王玲琳

(内蒙古大学电子信息工程学院，内蒙古 呼和浩特 010021)

一种合成孔径雷达图像舰船假目标检测判别算法*

李晨波，刘永信**，张 晖，王玲琳

(内蒙古大学电子信息工程学院，内蒙古 呼和浩特 010021)

由于合成孔径雷达(SAR)发射脉冲频率以及成像机理的影响，导致SAR图像在成像时存在方位模糊噪声，严重时会在图像上出现假目标，此时若采用传统的目标检测算法，将会把假目标误判为检测目标，降低目标检测的准确率，影响目标的分类识别。本文分析了假目标产生的原因，从理论上导出了假目标在SAR图像中出现的具体位置。从信号处理的角度，对SAR图像进行方位模糊抑制的仿真。然后采用双参数CFAR检测算法对SAR图像进行目标检测，依据真假目标区域连通面积大小不同，且假目标区域具有不连通、面积小等特点，在目标检测的同时，对真假目标进行判别。最后，采用10 m×10 m分辨率的SAR图像进行实验验证。实验结果证明该算法可以对由于方位向模糊产生的假目标进行有效检测。

合成孔径雷达； 假目标； 恒虚警率

随着合成孔径雷达(Synthetic Aperture Radar，SAR)技术的不断完善，使用SAR图像实现对海上船只目标的监测，已成为重要的工具[1]。SAR图像目标检测的方法已有很多，主要有恒虚警率(CFAR)检测方法、多分辨率检测方法、基于方位信息的检测方法等。其中，CFAR是一种常用的舰船检测算法，传统双参数CFAR检测算法假设海杂波符合高斯分布。但是，该算法对样本要求较大，只有在样本被多视平均时，高斯模型才适用。Xing等人采用两级CFAR的快速检测算法，先用基于韦布尔分布的CFAR算法确定全局阈值对SAR图像进行预筛选，然后再用基于K分布的CFAR算法进行精细检测[2]；Ji等也提出了一种基于K分布确定全局阈值进行预筛选，双参数CFAR进行精检的两级快速检测算法[3]；Jung等提出了一种针对高分辨率SAR图像中多个目标的两步快速CFAR检测算法[4]，与经典的双参数CFAR算法相比，运算速度得到提高。

然而，SAR作为一种微波成像系统，在成像过程中，由于雷达发射的脉冲重复频率(Pulse Repetition Frequency，PRF)过低，目标回波信号的多普勒频谱欠采样等因素，产生了方位模糊噪声[6-11]。方位模糊噪声使得图像质量下降，严重时将会形成假目标，俗称“鬼影”。此时若采用传统的检测算法，将会把“鬼影”误判为检测目标，为SAR图像分类识别，带来更大的误差。因此，关于真假目标的判别研究，对合成孔径雷达特别是星载合成孔径雷达的设计和应用有重要的实际意义。文献[6-7]研究了方位向模糊噪声产生的原因；文献[8]利用PolSAR数据对运动目标进行了时频域分析；文献[10]结合模拟数据和CV-580PolSAR数据研究发现了运动目标会在其方位向上产生方位向模糊甚至发生位移。本文针对星载SAR成像导致假目标出现，影响检测分类等问题，先从信号处理的角度进行方位模糊抑制；然后在双参数CFAR检测算法基础上，与区域连通相结合，在目标检测的同时，将假目标加以区分。

1 假目标抑制原理分析

1.1 假目标产生原因

SAR图像的模糊是来自观察区域外的回波信号对观察区域回波信号的干扰造成的[11]。共分为两种：距离模糊、方位模糊。其中距离模糊是由于PRF过高引起的：观察带内有用的回波信号与前一个发射脉冲的回波信号或后一个发射脉冲的回波信号在时间上重叠，造成对当次发射脉冲信号的干扰，或者说所有非当次周期内发射的回波信号都是模糊信号；方位模糊是PRF过低引起，即回波信号的多普勒频谱欠采样引起的，更严重时即会出现假目标[5]。而且假目标容易出现在高频率SAR图像中的低散射区域，比如在海面上，同时由于强反射目标的折射信号的干扰，以及平滑滤波中旁瓣的加权比、散焦等因素，导致假目标的出现几率大大增加[9]。

1.2 假目标抑制原理与仿真

1.2.1 回波模型 本文主要研究方位向模糊的问题，假设已完成距离向的处理，并且暂不考虑距离迁移效应，则点目标回波模型可简化为一维函数：

h(x)=Wa2(x)exp[j4πr1(x)/λ]，

(1)

则此一维函数以慢时间域时间变量s为坐标的表达形式为：

h(s)=Wa2(x)exp[-j4πr1(x)/λ]，

exp[j2π(fDS+fRS2/2)]，

(2)

fD=2Vsinθs/λ，

(3)

fR=-2V2/λRC。

(4)

式中：RC为雷达与点目标的最近距离；V为雷达运动速度；λ为波长；fD为多普勒中心频率；fR为多普勒调频率；θS为雷达波束中心前向斜视角，正侧视时θS等于0；fD也就等于0。即(5)式是一个点目标，经过了距离向处理和距离迁移校正后，在方位向的连续形式的回波模型。对h(s)进行方位向采样得：

(5)

式中：δ(s)为抽样函数；PRF为脉冲重复频率，将其变换到频域可以得到：

(6)

由式(5)可见，hs(s)的频谱为h(s)频谱周期性延拓形成的，重复周期为PRF。若PRF过低，就会出现较频谱混叠的现象，混叠的频谱会进入处理带宽内，产生模糊信号。从时域波形上看，模糊信号似乎为主信号向时间轴的正负方向延拓，幅度被天线方位向双程方向图加权，波形如图1所示。

1.2.2 抑制方法与仿真 由点目标在方位向上抽样形式的回波模型可知，回波是由主信号和一系列模糊信号组成，模糊信号的位置由公式(7)决定。通常情况下，第一模糊区信号，即公式(7)中的i=±1，能量最大，所以本文主要讨论第一模糊区的抑制问题。

图1 压缩前的方位回波信号Fig.1 Compression in front of the echo signal

(7)

由1.2.1的分析可知，压缩前的点目标回波信号，其主信号和模糊信号的波形是相似的，主要区别在于天线方向图加权不同。由图2压缩后的波形可见，主信号和模糊信号也是相似的。因此，可以把模糊信号看成由主信号经过平移再乘以一个相位因子和一个衰减因子得到的。

图2 方位向压缩后信号波形

设y(n)为点目标回波经过方位向压缩后的输出信号，其中含有模糊响应，其频谱为Y(ω)，x(n)为去除模糊响应后的信号，其频谱为X(ω)。则y(n)可以看成是x(n)与一个函数d(n)卷积得到的，即：

y(n)=x(n)⊗d(n)，

(8)

现在已知y(n)，只需要对y(n)进行一个反卷积运算，即可得到x(n)，在频域上，即：

X(ω)=Y(ω)/D(ω)，

(9)

式中D(ω)称之为模糊滤波器。由文献[7]的公式推导，最后给出仿真效果图：

图3 方位模糊抑制后的信号

2 假目标判别算法介绍

假目标判别算法流程如图4所示，首先将目标切片中待检测的目标与AIS信息匹配，将匹配到的目标标记为真实目标，同时查看该目标方位向上是否有目标，且进行距离测量，根据真假目标距离计算公式：

Δx=PRF·λ·R0/2V0。

(10)

其中：PRF为脉冲重复频率；λ为雷达发射波长；R0为雷达对地距离；V0为雷达速度。

2.1 目标检测算法介绍

CFAR是在图像全局或局部场景背景已知的条件下，自适应地选取检测阈值的检测方法。CFAR检测算法的核心思想是根据虚警概率和SAR图像杂波的统计特性计算得到阈值，通过阈值判别被检测对象是目标还是背景。设单个像素的灰度值为I，理论上可以采用Bayes准则最优地判定每个像素是属于背景还是属于目标。

假设P=(ωb)、P=(ωt)分别为背景和目标分布的先验概率，则检测到目标的贝叶斯准则为：

(11)

同理对于背景有：

(12)

图4 假目标判别流程

(13)

由于很难事先知道先验概率p(ωt)和p(ωb)，现假设其为等概率。则有：

(14)

在实际的SAR图像中，像素属于目标的先验概率远远小于属于杂波的概率，因此背景和目标概率的假设是不合理的，从而采用一个折中的准则(Neyman-Pearson准则)，该准则认为满足如下条件时，目标存在：

(15)

双参数CFAR检测方法根据目标与背景杂波反射率的不同，辨别目标与杂波，通过使用一个滑窗遍历SAR图像中的每一个像素，根据贝叶斯判决准则及其各种派生准则对被测像素点做出二元判决，以确定该像素点是否为目标像素点。滑动窗口由目标区、保护区、背景杂波区3个部分组成(图5)，待检测像元被保护窗口和背景窗口包围，其目的是保证目标像元被排除在背景窗口外，以确保得到高精度的背景统计。背景窗口是为了杂波统计，其大小依赖目标尺寸大小。其检测方法计算如下：

(16)

并做出如下的检测判决：

(17)

其中：Xt为待测像素点的灰度值；KCFAR为CFAR检测门限，通常为常数，它控制着检测的虚警概率。当D>KCFAR被判断为目标时，虚警概率随着KCFAR的增加而增加，反之当D

(18)

(19)

图5 双参数CFAR检测器示意图Fig.5 Double parameter CFAR detector diagram

式中：Θ为图1中参考窗；N为Θ中的样本点数；s(i，j)为Θ中的样本点。如果上式中被测像素的统计值超出检测门限KCFAR，则该像素被认为是目标像素，否则为杂波像素。

2.2 双参数CFAR检测

本文在双参数CFAR检测算法的基础上，依据真假目标能量差异较大且假目标区域不连通等特点，采用双参数CFAR算法与目标区域连通相结合的方法，同时依据距离位置判断等条件作为区分真假目标的标准。算法流程如图6所示：

图6 目标判别算法流程Fig.6 Target discriminate algorithm process

3 实验结果与讨论

论文采用加拿大RADARSAT-2卫星于2013年11月13日某时拍摄的SAR数据，图像的点像素分辨率为10 m，同时获取了对应该时刻的船舶自动识别系(Automatic Identification System，AIS)船只的相关信息作为海面船只验证信息来进行实验分析。

3.1 假目标特性分析

在SAR图像局部区域检测时，发现部分“目标”船只未能与AIS匹配，且呈现一定的规律，如未能匹配的船只目标与匹配的船只目标对应形状相似，距离表现为多对目标等距，亮点强度相比已配对的点目标较弱，但是远远强于海杂波背景。具体如图8所示。

在图7中，红色圆圈内的5个船只目标为已与AIS匹配成功的合作船只，而红色箭头所指的5个目标，则没有找到对应的AIS信息，且5对目标之间还具有以下几个共同特点：

(1)未知目标均出现在已知目标的方位向上；

(2)5对目标两两之间的距离基本相等；

(3)5个未知的目标信号强度均比对应的真实目标弱；

(4)5个已知目标的像素强度与未知的目标相比较强，且目标表现为具有一个较大的连通区域，而未知的目标则表现为两个小型的连通区域。

通过上述几点共同特性，初步判断5个未知目标并非真实的船只目标，而很大程度上是雷达成像机理导致的假目标。根据真假目标距离公式(10)来计算真假目标的相对距离，这里的参数选取PRF=1 350次/s，λ=54 mm，R=800～960 km，V=7.45 km。经计算，对应SAR图像中，真假目标间的理论距离为：3.914～4.696 km。通过NEST软件进行实际距离标测，实测距离为4.1 km左右，符合理论推导的距离范围。

3.2 假目标自动检测

对于SAR图像中的另一个场景进行假目标自动检测分析，选用局部多目标样本图中，有6艘已成功匹配到AIS信息的船只目标，其AIS的基本信息如表1所示，对应的SAR图像如图8所示，AIS对应的6艘船只在图中使用对应序号的数字已经进行了标注。

图7 等距离目标显示

序号Number经度/(°)Longitude纬度/(°)Latitude船长Long/m船宽Wide/m类型type1121.07538.4629614捕捞2121.11338.4638814捕捞3121.14038.4499915货船4121.18138.4349716货船5121.22038.42115721货船6121.19938.3908714货船

使用双参数CFAR进行检测，检测结果如图9所示，其中绿色标记的位置为检测出的疑似假目标，红色为可以配对AIS信息的目标，蓝色为其它无法验证的检测目标。从图中检测结果可以看出，对于假目标造成的虚警目标在图像中与真实船只的类似，并不能通过设置合适的阈值消除，通过假目标判别算法分析，可以快速定位假目标。

4 结论

论文首先从理论上分析了假目标产生的原因，给出了方位回波模型，仿真实现了方位模糊的抑制。其次，理论推导了假目标出现的位置，并依据真假目标能量差异较大且假目标区域不连通等特点，采用双参数CFAR算法与目标区域连通相结合的方法，用来区分真假目标，并将检测到的真假目标通过不同颜色矩形框来标注。通过实验验证，所提算法可以将SAR图像中真假目标进行判别。对由于方位向模糊造成的鬼影目标有很好的抑制作用，为后续的舰船识别去除了部分虚警。但是，所提算法是需要逐点进行比较判断，算法执行的效率较低，后续需要进一步对算法的效率进行改进。

图8 原始图像Fig.8 Origin image

图9 假目标检测结果

[1] 张军,高贵,周蝶飞.SAR图像机动目标检测的两种CFAR算法对比研究[J].信号处理，2008,24(1):78-82.Zhang J,Gao G,Zhou D.Comparison on two CFAR algorithm of vehicle target detection in SAR images[J].Signal Processing,2008,24(1):78-82.

[2] Xing X W,Chen Z L,Zou H X,Zhou S L.A Fast Algorithm Based on Two-stage CFAR for Detecting Ships in SARimages[C].Proceedings of 2nd Asian-Pacic Conference onSynthetic Aperture Radar (APSAR).Xian:IEEE,2009.506:509.

[3] Ji Y G,Zhang J,Meng J M,Zhang X.A new CFAR shiptarget detection method in SAR imagery [J].Acta Oceanologica Sinica,2010,29(1):12-16.

[4] Jung C H,Song W Y,Rho S H,et at.Double-step fast CFAR Scheme Formultiple Target Detection in High Resolution SAR Images [C].Proceedings ofthe 2010 IEEE International Radar Conference.WashingtonD C:IEEE,2010：1172-1175.

[5] He Zhi-Guo,Zhou Xiao-Guang,Lu Jun,Kuang Gang-Yao.A fast CFAR detection algorithm based on the G0 distri-bution for SAR images [J].Journal of National University of Defense Technology,2009,31(1):47-51.

[6] ZHANG Yongjun.Analysis of synthetic aperture radar ambiguities [J].Journal of Electronics and Information Technology,2004,26(9):1455-1460.

[7] Di Martino G,Iodice A,Riccio D.Filtering of azimuth ambiguity in stripmap synthetic aperture radar images [J].Selected Topics in Applied Earth Observations and Remote Sensing,IEEE Journal of,2014,7(9):3967-3978.

[8] 徐辉,赵迪,辛培泉.星载SAR方位模糊研究[J].火控雷达技术，2011 (2):1-5.Xu H,Zhao D,Xin P.Research on azimuth ambiguty of spaceborne SAR [J].Fire Control Radar Technology,2011(2):1-5.

[9] Zhang Q.Research on Detection Methods of Vehicle Targets from sar Images Based on Statistical model [D].Hunan：Master′s thesis,National University of Defence Technology,2005.

[10] Touzi R,Charbonneau F J,Hawkins R K.Ship detection and characterization using polarimetric SAR[J].Canadian Journal of Remote Sensing,2004,30(3):552-559.

[11] Brusch S,Lehner S,Fritz T,et al.Ship surveillance with TerraSAR-X [J].Geoscience and Remote Sensing,IEEE Transactions on,2011,49(3):1092-1103.

责任编辑 陈呈超

A False Ship Target Discrimination Algorithm in SAR Image

LI Chen-Bo,LIU Yong-Xin,ZHANG Hui,WANG Ling-Lin

(College of Electronic Information Engineering,Inner Mongolia University,Huhhot 010021,China)

Because of the firing pulse frequency,imaging mechanism and other factors cause the azimuth ambiguity noise appeared in SAR imaging.There will be false targets appear on this image when the noise is in severe cases.In this case,the traditional target detection algorithm will mistake the false target as detection target,it will reduce the detection accuracy,and it will affect the target classification.The reason of false target appearance is analyzed,specific location decoy appeared in SAR images is deduced.From the point of signal processing view,orientation blur suppression simulation of SAR image is implemented.Then double parameter CFAR detection algorithm is used for SAR image target detection.Because true and false target connected area size are different,and the false target area is not connected and area size is smaller.At the same time target detection,characteristics of the target area are used to discriminate between true and false targets.Finally,10 m resolution SAR images are used to verify the target detection.The result of experiment shows that this proposed algorithm can detect the false target caused by the azimuth ambiguity.

SAR; false target; CFAR

国家自然科学基金项目(61362002)；海洋公益性科研专项(201505002)资助。

Supported by National Nature Science Foundation of China (61362002); National Marine Technology Program for Public Welfare ( 201505002)

2016-09-15；

2016-12-10

李晨波(1990-)，男，硕士生。E-mail:lichenbo62731@126.com

** 通讯作者：E-mail:yxliu@imu.edu.cn

TP274

A

1672-5174(2017)02-079-06

10.16441/j.cnki.hdxb.20160279

李晨波，刘永信，张晖,等.一种合成孔径雷达图像舰船假目标检测判别算法[J].中国海洋大学学报(自然科学版),2017,47(2):79-84.

LI Chen-Bo,LIU Yong-Xin,ZHANG Hui,et al.A false ship target discrimination algorithm in SAR image [J].Periodical of Ocean University of China,2017,47(2):79-84.