基于ISAR图像的火箭目标尺寸估计方法

邓 盛, 陈 健

(1.中国电子科技集团公司第三十八研究所 孔径阵列与空间探测安徽省重点实验室,安徽 合肥 230088; 2.西安电子科技大学 电子工程学院,陕西 西安 710071)

随着宽带雷达技术的不断发展和进步,雷达成像技术在国防和民用领域得到越来越重要的应用。逆合成孔径雷达(inverse synthetic aperture radar,ISAR)成像技术在目标识别、战略反导、反卫星以及战略预警等许多方面都起着越来越重要的作用[1-4],ISAR成像功能己成为继雷达传统功能后的又一项新功能。ISAR通过采用大带宽信号来获得高的距离分辨率, 通过目标和雷达相对运动产生的多普勒信息来获得横向分辨率,从而实现对运动目标的微波成像,因此可以获得目标的二维图像信息。

随着现代科技的飞速发展,未来战争将向着远距离作战、立体化布防、多方位攻击的复杂环境方向发展[5]。为了掌握战争的主动权,研究对火箭的辨别和估计是当前雷达技术领域研究的关键技术之一,火箭目标的检测、识别、跟踪技术在军事上具有重要的意义。因此,基于ISAR成像对火箭目标进行尺寸估计,依据尺寸分析火箭的类型及用途,仍然具有重要的军事意义。通常雷达窄带回波无法获取目标尺寸信息,高分辨一维距离(high range rada porofile,HRRP)成像仅能获取目标径向尺寸,而ISAR成像则可以获得目标的二维图像信息,因而可以依据ISAR成像估计火箭目标尺寸信息。

本文在某型雷达实测ISAR成像数据的基础上提出了一种火箭目标尺寸估计方法。该方法首先对ISAR图像进行图像增强、形态学滤波提取目标大致区域,并在此基础上进行图像分割以分割出目标区域,进一步基于直线检测方法自动提取并估计火箭长度。本文采用实测数据对检测方法进行了验证,结果表明该方法具有较高的应用价值。

1 相关理论和方法

1.1 图像增强

由于ISAR图像自身的成像特点,图像包含大量的斑点噪声。斑点噪声是成像散射体散射回波相互叠加作用所形成的,是ISAR图像中一种常见的干涉现象,使ISAR图像表现出颗粒状外观。Kuan滤波作为一种单参数自适应空域滤波,可以有效地抑制ISAR图像相干斑噪声[6]。

Kuan滤波可以表示为:

(1)

(2)

Kuan滤波这种带有区域选择性的滤波特点在抑制ISAR图像相干斑的同时,较好地保护了边缘等细节信息。

1.2 形态学滤波

ISAR图像由于其成像机理和目标散射特性,目标区域通常不连续,因此可以采用形态学滤波方法对ISAR图像进行进一步处理,得到平滑连通的目标区域。

形态学滤波中膨胀运算具有扩大图像和填充图像中比结构元素小的成分的作用,因此可以利用膨胀运算来填充处理图像中出现的小孔很窄的缝隙，以联通不连续的目标区域。腐蚀运算是一种消除边界点使边界向内收缩的过程,可消除ISAR中的小块噪声区域。开运算即对图像先腐蚀后膨胀,图像被平滑处理,去除尖锐的细节部分。闭运算对图像先膨胀后腐蚀,填充图像中的轮廓缺口或者窄缝[7]。

设集合A为输入图像,集合B为结构元素,则A被B腐蚀可表示为AΘB,即

AΘB={x:B+x⊂A}

(3)

(4)

设集合A为输入图像,集合B为结构元素,则利用B对A作开运算可表示为A∘B,即

A∘B=(AΘB)⨁B

(5)

开运算是腐蚀和膨胀的组合运算,A先被B腐蚀,然后再被B膨胀。

利用结构元素A对集合B作闭运算表示为A·B，即

A·B=(A⨁B)ΘB

(6)

闭运算是开运算的对偶运算,A先被B膨胀,然后再被B腐蚀。

1.3 目标区域分割

恒虚警检测(constant false alarm rate, CFAR)可以通过对图像中像素强度的统计特性估计出目标分割的阈值,从而实现对ISAR图像目标区域的分割[8]。

CFAR分割的基本原理是对于ISAR图像的每个像素点xc,取周围一定的参考窗口,根据窗口的统计特性确定一个阈值x0,使得以下检测具有恒虚警率pfa。若xc>x0,则xc为目标像素点;反之则xc为杂波像素点。阈值为x0时的虚警率为:

(7)

其中,p(x)为雷达杂波分布模型的概率密度数。选取合适的概率密度函数带入虚警率计算公式则可以得出CFAR检测的阈值x0。

1.4 直线检测

Hough变换是一种提取边缘直线特征的有效方法,其基本思想是将原图像变换到参数空间,用大多数边界点满足某种参数形式来描述图像中的线,通过设置累加器进行累积,求得峰值对应的点所需要的信息[9]。

平面中任意一条经过点(x,y)的直线也可以用极坐标方程来表示,即可以用ρ、α2个参数确定下来,对于图像空间任意点,其函数关系为:

ρ=xcosα+ysinα

(8)

其中:ρ为直线到原点的距离;α为原点到直线的垂直线与x轴方向的夹角。由(8)式可知,对位于同一直线L上的n个点进行上述变换,则原图像空间n个点在参数空间中对应得到n条相交于一点的正弦曲线。

基于Hough变换进行直线检测的基本策略为:用图像空间的边缘数据点计算参数空间中的参考点的可能轨迹,并在累加器中计算出参考点的计数,最后得出峰值,该峰值表明在图像空间上有一条共线点较多的直线。

2 本文火箭目标尺寸估计方法

火箭目标尺寸估计流程如图1所示。

图1 火箭目标ISAR图像尺寸估计流程

原始ISAR图像包含斑点噪声。首先对目标ISAR图像进行Kuan滤波,去除其中的斑点噪声;对滤波后的图像进行形态学滤波,在图像中得到平滑连通的目标区域,并采用CFAR将火箭目标区域分割出来;对分割出的目标区域采用基于Hough变换的直线检测方法,检测出目标区域中的直线,以此确定ISAR图像中火箭目标的长度;最后依据ISAR图像距离分辨率、方位分辨率、目标与雷达实现夹角等雷达参数信息计算出火箭目标的尺寸。

本文火箭目标尺寸估计具体步骤如下所述。

(1) 对原始ISAR图像采用(1)式和(2)式计算Kuan滤波参数并进行Kuan滤波,去除其中的斑点噪声,得到图像增强后的ISAR图像。

(2) 对图像增强后的ISAR图像进行形态学滤波。先对ISAR图像闭运算,填充图像中的轮廓缺口,使目标区域联通;再进行开运算,去除图像中的尖锐点。

(3) 基于ISAR图像的特性,选取瑞利分布作为杂波统计模型,其概率密度函数为:

(9)

将(9)式瑞利分布的概率密度函数代入虚警率计算公式(7)中,则可以得出CFAR检测的阈值,对形态学滤波后的ISAR图像采用CFAR进行目标区域分割,并对分割出的目标区域进行二值化操作。

(4) 对于二值化后的ISAR图像采用Hough变换进行直线检测,选取目标区域检测出的最长直线作为ISAR图像中火箭目标的长度方向,以此方向选择目标区域的最小外接矩形。

(5) 依据外接矩形的边长及ISAR图像距离分辨率、方位分辨率计算ISAR图像火箭目标的距离向和方位向长度,并根据成像时目标和雷达视线之间的夹角计算火箭目标的真实长度。

假设目标和雷达视线之间的夹角为θ,依据ISAR图像计算出的目标尺寸为LLOS,则目标的真实长度为:

L=LLOS/cosθ

(10)

3 数据验证

本文选取某型雷达收集到的火箭目标ISAR图像进行火箭长度尺寸估计。火箭目标ISAR图像尺寸估计的处理结果如图2所示。原始ISAR图像经图像增强降低斑点噪声后,进一步进行形态学滤波、目标区域分割获取目标区域的二值化图像,并基于直线检测方法提取出目标图像中的像素长度。

图2 火箭目标ISAR图像尺寸估计流程

由尺寸提取结果可知,火箭目标距离维约为157个距离单元,方位维约为261单元。由雷达ISAR成像信息可得,该ISAR图像的距离分辨率约为0.10 m,方位分辨率约为0.15 m,则火箭目标在图像上的实际尺寸约为42.2 m。该ISAR成像时,目标相对于雷达视线的夹角约为30°,则可计算出该火箭目标的尺寸约为48.7 m,该火箭目标实际尺寸约为50.0 m,估计结果与实际火箭尺寸接近。

由验证结果可以看出,本文提出的火箭目标尺寸估计方法可以由ISAR图像估计火箭目标的实际尺寸,具有较高的应用价值。

4 结 论

本文提出了一种基于ISAR图像的火箭目标尺寸估计方法。

该方法通过图像增强、形态学滤波、图像分割等方法提取出火箭目标轮廓,基于直线检测方法自动提取并估计火箭长度,并在实测数据的基础上进行了验证。结果表明,该方法可以由ISAR图像估计火箭目标的实际尺寸,具有较高的应用价值。

本文所提出的方法仍然有值得改进和研究的问题,因此对该方法提出如下进一步研究的方向：

(1) ISAR图像由于成像原理导致目标区域不连续,后续可对图像增强和分割方法进一步研究,得到完整连续的目标区域分割结果。

(2) ISAR图像中目标区域形态同目标与雷达视线夹角具有一定的关系,可以对图像中目标区域形态进行研究,以自动估计出目标与雷达视线夹角。

(3) 本文方法是基于传统方法对目标尺寸进行估计,后续可采用深度网络等深度学习方法对目标尺寸进行估计。