C波段紧缩极化合成孔径雷达船只目标检测性能分析*

曹成会,张 杰,张 晰,孟俊敏,岳 军

(1.青岛理工大学,山东 青岛 266033; 2国家海洋局第一海洋研究所,山东 青岛 266061)

C波段紧缩极化合成孔径雷达船只目标检测性能分析*

曹成会1,2,张 杰2,张 晰2,孟俊敏2,岳 军1

(1.青岛理工大学,山东 青岛 266033; 2国家海洋局第一海洋研究所,山东 青岛 266061)

本文全面分析了C波段紧缩极化SAR 40种极化特征的船只目标检测性能。首先利用船只目标和海面的欧式分类距离统计分析了各极化特征的船只目标检测性能，结果表明，极化特征圆极化比、圆极化度、椭圆方位角、圆度、相对相位、平均散射角和紧缩极化散射角的船只目标检测性能最好。在此基础上，针对上述7个紧缩极化特征，进一步分析了船海对比度、入射角、窗口大小和船长对紧缩极化SAR船只目标检测性能的影响。

紧缩极化SAR 船只目标 检测能力 统计分析

中国是海洋大国，为了提高我国的海防预警能力和海运监督调度及管理能力[1]，需要对海上船只目标进行监测。自动识别系统AIS和船载X波段雷达是船只监测的传统方法，但监测范围有限。上述问题的出现推动了遥感手段的发展，其中最主要的是合成孔径雷达(SAR)。SAR是一种主动发射电磁脉冲的微波遥感传感器，相比光学红外等其他传感器，SAR具有全天时，全天候，不受云雾影响的特点，现已成为海上船只目标监测的重要传感器。

经过50多年的发展，SAR已从单极化发展到具备多极化甚至全极化观测的能力。单极化SAR是通过幅度或强度信息对海杂波的统计分布进行建模，进而利用船只目标与其周围海杂波在幅度或强度上的差异，实现船只目标检测[2-3]。代表性的有，Walkerman等人[4]研究了双参数CFAR船只目标检测算法，采用的数据为RADARSAT-1数据；Vachon等人[5]研究了基于K分布的CFAR检测算法，并对RADARSAT-1 SAR影像进行了船只检测；Ferrara等[6]发展了单元平均CFAR船只目标检测算法；Lombardo和Sciotti[7]利用分形方法检测SAR船只目标。相比单极化SAR，全极化SAR可完整地描述目标入射波与散射波之间的矢量关系，能获取丰富的目标散射信息，可极大提高目标的识别能力。针对全极化SAR数据，Ringrose和Harris[8]采用Cameron分解法进行海上船只目标检测，分析了利用目标散射特性进行舰船检测的可行性；Yeremy等[9]将目标分解法与Vanzy分解法[10]结合起来进行船只目标检测，得到了较好的结果；Touzi等人[11-12]提出了对称散射特征方法，并对机载全极化SAR数据进行了船只目标检测，证实了对称散射特征方法的有效性。然而全极化SAR幅宽很窄(如RADARSAT-2全极化SAR数据的幅宽仅为25/50 km)，无法满足业务化应用的需求。

为解决全极化SAR系统的问题，2002年，Souyris提出紧缩极化这一概念[13]。与全极化SAR系统相比，紧缩极化SAR系统不仅能够降低SAR系统设计复杂度和维护成本、减少数据量和提升SAR成像覆盖的幅宽，还能在一定程度上保持全极化系统的极化能力[14,16]。紧缩极化SAR在目标检测等领域已取得了初步研究，其中，Shirvany等[17]基于紧缩极化SAR数据的极化度P或去极化度1-P，检测出了海面上的船只；Charbonneau等人[18]利用全极化RADARSAT-2数据构造了紧缩极化SAR数据，并比较了单极化、全极化和紧缩极化SAR的舰船检测能力；Li等人[19]利用CTLR模式紧缩极化SAR的相对相位δ对人造目标和海面进行区分，并利用RS-2数据证实了相对相位在海上检测的发展潜力；Yin等[20]基于修正的四分量分解模型修正了重建模型，并利用极化SAR数据测试了紧缩极化的船只目标检测性能，实验结果表明紧缩极化在船只检测方面潜力很大。

然而上述文献仅是基于一个或几个紧缩极化SAR特征进行的，没有全面分析紧缩极化SAR的船只目标检测性能。针对这一问题，本文利用紧缩极化SAR数据得到40个极化特征，详细分析了40个紧缩极化SAR参数的船只目标检测性能，并给出最优的紧缩极化SAR船只目标检测参数。本文的结构为：第一节介绍了紧缩极化SAR理论；第二节分析了40个紧缩极化SAR特征的船只目标检测能力；第三节分析了船海对比度、入射角、窗口大小和船长对紧缩极化SAR船只目标检测性能的影响。

1 紧缩极化SAR理论基础

1.1 紧缩极化SAR

紧缩极化SAR实质上是一种特殊的双极化SAR。典型的工作方式为发射左/右旋圆单极化电磁波，然后用水平和垂直双极化通道接收。本文采用右旋圆极化发射，水平和垂直线极化接收的模式，其紧缩极化散射矢量[19]可表示为

(1)

(2)

其中：T表示矩阵转置；电磁场E下标表示极化方式；下标RH表示右旋圆极化发射，水平极化接收；下标RV表示右旋圆极化发射，垂直极化接收。

(3)

(4)

其中：g0表示电磁波总功率；g1表示水平或垂直线极化分量功率值；g2表示倾角为45°或135°时的线极化分量功率值；g3为右旋圆极化分量的功率值；Re()，Im()分别表示复数的实部和虚部。

1.2 紧缩极化SAR分解

极化分解是最有效的提取和分析SAR极化特征的方法。Raney[14-15]提出了针对紧缩极化SAR数据的m-δ和m-χ极化分解方法；Cloude等人[21]将H-α分解方法应用于紧缩极化SAR数据，提出了改进的三分量分解方法，并利用RADARSAT-2数据进行火灾区域检测。Wang等人[22]利用协方差矩阵与Stokes矢量间的关系，建立了紧缩极化SAR的三分量散射模型，并通过AIRSAR和RADARSAT-2数据验证了算法的有效性。

本文通过提取散射矩阵，得到紧缩极化协方差矩阵，进而求得其特征值和特征向量。再根据上述常用的紧缩极化SAR分解方法，得到了40个极化特征，分别为紧缩极化协方差矩阵，Stokes矢量，椭圆角，椭圆方位角[14]，矩阵特征值、特征值概率，极化熵，各向异性指数，线极化度，圆极化度，线极化比，圆极化比，极化度，相对相位，圆度，偶次散射分量，表面散射分量，体散射分量[14-15]，协方差矩阵特征值，特征值概率，极化熵，平均散射角，体散射系数，面散射系数[21]，紧缩极化散射角，散射参数，表面散射，偶次散射，体散射，面散射与体散射比例[22]。

2 基于紧缩极化SAR特征的船只目标检测性能分析

由于当前还没有紧缩极化SAR数据，通常利用全极化SAR数据构造得到[19]。本文选取了5景RADARSAT-2全极化SAR数据，构造了右旋圆极化发射的紧缩极化SAR数据。原始数据均为单视复数据，C波段，分辨率为8m，影像具体信息见表1。

表1 5景影像的数据信息

其中，5景数据的VV极化影像如图1-5所示，船只目标散射回波强度明显大于海面，呈现很强的十字旁瓣。5景影像与AIS数据经过匹配，影像中的亮目标是船只目标。

基于船只目标与海面区域的散射特性的差异性，本节利用船只目标与海面区域之间的欧式距离分析各极化特征对船只目标的检测性能。欧式距离的定义为[23]

图1 原始VV极化数据影像(RADARSAT-2 2008-12-16 22:23)

图2 原始VV极化数据影像(RADARSAT-2 2014-01-22 21:43)

图3 原始VV极化数据影像(RADARSAT-2 2014-09-25 22:07)

图4 原始VV极化数据影像(RADARSAT-2 2015-03-29 09:55)

图5 原始VV极化数据影像(RADARSAT-2 2015-11-21 11:14)

(5)

图6 景影像中各紧缩极化特征的船海距离

从图6可以看出，圆极化比，圆极化度，椭圆方位角，圆度，相对相位，平均散射角，紧缩极化散射角这7个极化特征的欧式距离值较大。在同一景数据中，上述7个特征的值是其他极化特征值的几倍到十几倍，尤其在时间为2015年11月21日的数据中，上述7个特征的值更加突出。

3 船只目标检测性能的影响因素分析

上节利用船海欧式距离得到了7个能够较好识别船只目标的极化特征，分别为圆极化比、圆极化度，椭圆方位角，圆度，相对相位，平均散射角，紧缩极化散射角。但影响船只目标检测能力的影响因素有很多，如入射角、船只长度等。为了详细分析上述7个极化特征对船只目标检测的稳定性，本节将从入射角、船只长度、窗口大小因素出发，详细分析圆极化比、圆极化度，椭圆方位角，圆度，相对相位，平均散射角，紧缩极化散射角等7几个极化特征对船只目标检测的稳定性。

3.1 船海对比度

可以看到，对紧缩极化数据进行极化分解而得到的极化特征中，有些特征的船只目标和海面区域有正负之分，如极化特征圆度，相对相位等。船只目标和海面区域的散射机制不同，海面主要为表面散射，船只目标散射机制比较复杂，包含偶次散射和体散射。散射机制的不同导致船只目标和海面极化特征值的差异性，表现为正负、大小不同。

如图7所示，RH极化(右旋圆极化发射，水平极化接收)的原始影像中海面上的船只目标不明显，难以检测。由图8可以看到，Raney分解后得到的相对相位特征χ中，除左上角船只外，其余船只目标的特征值为均正，海面的特征值为负。说明利用阈值零可将大部分船只目标从海面上分辨出来，即极化特征有一定的船只目标检测能力。

图7 RH极化原始SAR影像

图8 Raney分解得到的相对相位特征

为分析船只目标和海面的散射差异程度，评价7个探测性能较好的极化特征，本节定义了船海对比度指标，公式如下

C=M船/M海。

(6)

其中，M船和M海分别表示极化特征的舰船和海面样本均值。当C的绝对值越大时，船和海的对比度越大。因此，可利用船与海面的均值之比-船海对比度评价挑选出的7个极化特征，从而进行船只目标探测性能分析。结合统计得到的样本均值和标准差，计算得到各极化特征的船海对比度值，如图9所示。

由图9可知，极化特征圆极化度，椭圆方位角，圆度，相对相位和紧缩极化散射角的船海对比度取值基本小于0，说明船只目标和海面区域的取值一正一负，可以利用阈值0很好地将船海区分开，因此极化特征圆极化度，椭圆方位角，圆度，相对相位和紧缩极化散射角的船只目标检测性能很好。而极化特征圆极化比和平均散射角的值为正，在0～2之间，所以这两个特征的船只目标的检测能力相对较弱。

3.2 入射角对船只目标检测性能的影响

基于上述7个紧缩极化特征，本节分析了入射角对船只目标探测性能的影响。已知5景影像的入射角分别为28°，44°，40°，27°，20°。图3.2(a)～(g)表示船海距离与入射角之间的关系。

由图10(a)～(g)可知，当入射角为20°时，该景影像中船只目标与海面的距离值最大，且方差较小。由原始SAR影像可以看到，入射角为20°时，海面的特征值比较稳定，船只目标受海面的影响不大，船只目标的散射回波强，可将船只目标和海面区分开。在其他4景图像中，随入射角的增大，同一极化特征的距离值较稳定，略有增大，且方差变小，所以随入射角越大，船只目标检测性能越好。

图9 景影像中7个紧缩极化特征的船海对比度

3.3 窗口大小对船只目标检测性能的影响

紧缩极化分解时的窗口大小对极化特征值有一定影响，本文对紧缩极化分解时的窗口大小对船只目标探测性能的影响进行了分析。窗口大小分别取为3、7、11、15，依次对5景紧缩极化数据进行分解得到40个紧缩极化特征，并对船只目标和海面样本进行均值和标准差统计，最后利用距离公式计算船只目标和海面区域的距离。

图11(a)～(e) 为船海距离值随窗口大小的变化规律，可以看到随窗口的增大，7个极化特征的船海距离值均逐渐变大。进行紧缩极化分解时，随窗口的增大，一些噪声和杂波会在分解过程中被消除掉，因而随窗口的增大，船只目标和海面区域的散射特性差异更加明显，也即船只目标的检测性能稳步提升。相比于其他极化特征，圆极化比和相对相位的船海距离值较大，且随窗口的变大增长趋势明显，说明窗口越大，圆极化比和相对相位对船只目标探测的性能更优。

3.4 船只长度对船只目标检测性能的影响

本节针对5景影像中选择的73个船只目标样本，根据每个船只长度的像素点个数和采样间隔，计算船的长度，得到的船长范围为115～362 m。为便于分析，将统计得到的船只长度分为110～150 m，151～200 m，201～250 m，251～300 m，301～350 m，350～370 m 5个区间，统计每个区间内船的个数及区间内每个船的长度，并计算船长的均值和方差。7个极化特征的船海距离随船长的变化如图12(a)～(g)所示。

图10 船海距离随入射角的变化

图11 距离随窗口大小的变化

图12 船海距离随船长的变化

由图12(a)～(g)可知，船只长度越大，则其散射回波强度越大，船和海的距离值也越大。从图可以看到，随船长的增大，曲线整体呈现递增的趋势，船和海的距离值逐渐增大；当船的尺寸较小时，船只散射强度弱，周围海面对船只影响较大，SAR影像的船只检测值不稳定。因此，船长越长，船海距离值越大，船只目标的检测性能越好。

4 结论

本文利用RADARSAT-2全极化SAR模拟的紧缩极化SAR数据，提取了紧缩极化SAR的40种极化特征；并基于欧式分类距离全面分析了40种紧缩极化SAR特征的船只目标检测性能；在此基础上，进一步详细分析了船海对比度、入射角、窗口大小和船只目标长度等因素对紧缩极化SAR船只目标检测性能的影响。得到的结论如下：

(1)40个极化特征中，圆极化比，圆极化度，椭圆方位角，圆度，相对相位，平均散射角，紧缩极化散射角的欧式距离值较大，具有较好的船只目标检测性能，可用于船只目标检测。

(2)基于上述较好的7个极化特征，极化特征圆极化度，椭圆方位角，圆度，相对相位和紧缩极化散射角的船只目标和海面值呈正负对比，具有较强的船只目标检测能力。而极化特征圆极化比和平均散射角的船只目标和海面值均为正值，目标检测能力相对较弱。

(3)入射角对所选特征的船只目标检测性能影响不大。

(4)在一定范围内，随窗口的增大，船海的欧式距离值越大，从而船只目标的检测性能越好。

(5)船长越长，极化特征的距离值增大，方差变小，极化特征的船只目标检测性能随船长的增大而增加。

致谢：感谢加拿大空间局提供的RADARSAT-2数据。

[1] 张宝茹.利用 SAR 卫星监测海上船舶及船舶速度的方法研究[D].大连：大连海事大学,2009.Zhang B R.The Method of Monitoring Ships and Its Speed Using SAR Satellite[D].Da Lian:Dalian Maritime University,2009.

[2] 鲁统臻,张杰,纪永刚,等.基于G0分布的高海况SAR船只目标检测方法[J].海洋科学进展,2011,29(2):186-195.Lu T Z,Zhang J,Ji Y G,et al.Ship Target Detection Algorithm Based on G0 Distribution for SAR Images under Rough Sea Conditions[J].Advances in Marine Science,2011,29(2):186-195.

[3] 陈利民,孟俊敏,杨学志,等.基于H-CFAR的SAR图像快速舰船目标检测[J].合肥工业大学学报:自然科学版,2012,35(12):1633-1636.Chen L M,Meng J M,Yang X Z,et al.H-CFAR based rapid ship targets detection in SAR imagery[J].Journal of Hefei University of Technology,2012,35(12):1633-1636.

[4] Walkerman C C.Automatic ship detection of ships in Radarsat SAR imagery[J].Canadian Journal of Remote Sensing,2001,27(5):371-385.

[5] Vachon P W,Campbell J,Bjerklund C,et al.Ship detection by the RADARSAT SAR:Validation of detection model predictions[J].Canadian Joural of Remote Sensing,1997,23(1):49-59.

[6] FerraraMN,Torre A,Automatic moving targets detection using a rule-based system:Comparison between different study cases[J].IEEE International Geo-science and Remote Sensing Symposium(IGARSS’98),1998,3:1593-1595.

[7] Lombardo P,Sciotti M.Segmentation-based technique for ship detection in SAR images[J].IEEE Proceedings:Radar,Sonar & Navigation,2001,148(3):147-159.

[8] Ringrose Robert,Nicola Harris.Ship Detection Using Polarimetric SAR Data [C].SAR workshop:CEOS Committee on Earth Observation Satellites,2000:450:687.

[9] Yeremy M,CamPbell J W,Mattar K,et al.Ocean surveillance with Polanmetric SAR[J].Canadian Journal of Remote Sensing,2001,27(4):328-344.

[10] vanZylJJ.Unsupervised classification of scattering behavior using radar polarimetry data[J].IEEE Transactions on Geoscience and Remote Sensing,1989,27(1):36-45.

[11] Touzi R,Charbonneau F.Characterization of target symmetric scattering using Polarimetric SARs[J].IEEE Transactions on Geoscience and Remote Sensing,2002,40(11):2507-2516.

[12] Touzi R,Raney R K,Charbonneau F.On the use of Permanent symmetric scatterers for ship characterization[J].IEEE Transactions on Geoscience and Remote Sensing,2004,40(10):2039-2045.

[13] SouyrisJ C,Sandra M.Polarimetry Based on One Transmitting and Two Receiving Polarizations:The pi/4 Mode[C].2002 IEEE International Geoscience and Remote Sensing Symposium,IGARSS’02,2002,629-631.

[14] Raney R K.Hybrid-polarity SAR architecture[J].IEEE Transactions on Geoscience and Remote Sensing,2007,45(11):3397-3404.

[15] Raney R K,Cahill J T S,Patterson G W,et al.Them?chidecomposition of hybrid dual-polarimetric radar data[J].J GEOPHYS RES,2012.

[16] Souyris J C，lmbo P，FjortofiR，et a1.Compact polarimetry based on symmetry properties of geophysical media:The pi/4 mode[J].IEEE Transactions on Geoscience and Remote Sensing，2005，43(3)：634-646．

[17] Shirvany R，Chaben M，Tourneret J Y． Ship and oil-spill detection using the degree of polarization in linear and hybrid/compact dual-pol SAR[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2012，5(3)：885-892．

[18] Charbonneau FJ,Brisco B,Raney R K.Compact polarimetry overview and applications assessment[J].Can J Remote Sensing,2010,36(2):S298-S315.

[19] Haiyan Li,William Perrie.Target Detection on the ocean with the relative phase of compact polarimetry SAR IEEE[J].Trans Geosci Remote Sens,2013,51(6):3299-3305.

[20] Yin J，Yang J，Zhang X． On the Ship Detection Performance with Compact Polarimetry[C].Proceedings of IEEE CIE International Conference on Radar． Chengdu：IEEE Press，2011:675-680．

[21] Cloude S R,Goodenough D G,Chen H.Compact Decomposition Theory [J].IEEE Geoscience and Remote Sensing Letters,2012,9:28-32.

[22] Hanning Wang,Zhimin Zhou,John Turnbull.Three Component Decomposition Based on Stokes Vector for Compact Polarimetric SAR[J],Sensors,2015,15:24087-24108.

[23] 杜阳.基于贝叶斯分类器的最小欧氏距离图像检索相关反馈及DSP实现[D].长春:吉林大学,2006.Du Y..A Minimum Euclidian Distance Image Retrieval Relevance Feedback Algorithm Based on the Bayesian Classifierand Implementationon DSP[D].Chang Chun:Jilin University,2006.

[24] Dabboor M,Geldsetzer T.Towards sea ice classificationusing simulated RADARSAT constellation missioncompact polarimetric SAR imagery [J].Remote Sensingof Environment,2014,140:189-195.

责任编辑 陈呈超

The Analysis of Ship Target Detection Performance with C Band Compact Polarimetric SAR

CAO Cheng-Hui1,2,ZHANG Jie2,ZHANG Xi2,MENG Jun-Min2,YUE Jun1

(1.Qingdao Technological University,Qingdao 266033,China; 2.The First Institute of Oceanography,State Oceanic Administration,Qingdao 266061,China)

The ship target detection performance of the forty compact polarimetric SAR parameters with C band wascomprehensively analyzed.First,Euclidean distance between the ship target and sea was used to analyzethe performance of the polarimetric parameters,it turned out that the circular polarization ratio,the degree of circular polarization,the elliptical azimuth angle,circular degree,relative phase,the average scattering angle and compact polarimetric scattering angle achieved better performance on ship target detection.Based on the seven polarimetric parameters obtained above,further analysis was studied,including the influence of the ship and sea contrast,incident angle,the size of the window,and the length of the ship onthe ship target detection performance.

compact polarimetric SAR; ship targets; detection performance; statistical analysis

国家海洋公益性科研专项(201505002; 201305025)资助

Supported by the Public Science and Technology Research Funds Projects of Ocean of China ( 201505002,201305025)

2016-10-05;

2016-12-11

曹成会(1990-)，女，硕士生。E-mail:chenghui_cao@126.com

TP753

A

1672-5174(2017)02-085-09

10.16441/j.cnki.hdxb.20160347

曹成会,张杰，张晰，等.C波段紧缩极化合成孔径雷达船只目标检测性能分析[J].中国海洋大学学报(自然科学版),2017,47(2):85-93.

CAO Cheng-Hui,ZHANG Jie,ZHANG Xi，et al.The analysis of ship target detection performance with C band compact polarimetric SAR[J].Periodical of Ocean University of China,2017,47(2):85-93.