考慮海雜波特征的SAR 圖像海上運動小目標檢測方法

胡哲，王寧，高東明，鄧杰，黃永立

（中國南方電網超高壓輸電公司廣州局，海南?？?570106）

合成孔徑雷達(SAR)應用范圍廣，成像效果好，但是在海面環境下，由于其復雜多變，難以對其進行相關特性的分析，無法實現對目標的檢測。隨著海洋利用技術的不斷發展，近幾年來，各國對海洋權益保護日益關注，如何從SAR 海洋圖像中提取運動小目標，已成為當前的研究熱點。文獻[1]提出了基于自適應小波閾值的目標檢測方法，該方法使用小波閾值去噪方式，對圖像進行去噪處理。通過對點奇異特征函數的最優逼近，使檢測結果能夠獲取最優解。文獻[2]提出了基于子帶矩陣CFAR 的目標檢測方法，該方法以濾波器組對接收信號進行濾波處理，獲取多普勒頻率。構建基于濾波器組子帶分解最大特征值的矩陣，結合雙雜波抑制方法解決求解矩陣，獲取目標檢測結果。

由于在移動平臺上觀察到的海雜波特征和海浪特征有很大的不同，因此要準確地檢測到海面上的運動小目標是非常必要的。因此，提出了考慮海雜波特征的SAR 圖像海上運動小目標檢測方法。

1 海雜波特征分析

海雜波的運動特征與大多數雜波的運動特征不同，其移動速率隨時間、空間而改變，其徑向速度具有非恒定性[3]。海洋表面是一種隨時間而變的隨機過程，其歷經度和穩定性都較好[4-5]。通過雷達觀察到的波浪傳播方向如圖1 所示。

圖1 波浪傳播方向示意圖

波浪的傳播沿各個方向的能量平均分配，其表達方式為：

式中，φ(E)表示波浪譜；f(θ)表示角度擴展函數。假設主要波浪傳播方向是β，由此得到的角度擴展函數為：

由式（2）可看出，假定波浪方向不變，則沿波浪方向，忽略其他方向的海浪分量。β方向具有最大的波浪能量。

2 SAR圖像海上運動小目標檢測

2.1 SAR圖像海雜波抑制處理

移動平臺陣列雷達具有高靈活性和大視野[6]。但是，雷達檢測造成的多普勒頻譜擴展，使得慢目標很容易淹沒在多普勒信號中。為了提高運動小目標檢測結果，需要抑制海雜波[7-8]。雷達在工作時，將天線分成若干個信道，其中第一個信道作為基準信道，兩者之間的距離是相同的[9]。SAR 圖像正側視工作示意圖如圖2 所示。

圖2 運動平臺SAR正側視工作示意圖

自適應處理SAR 圖像時需要利用空域相位分布差異優化參數，進行海雜波抑制[10]。以現行約束最小方差準則為依據，構建最優自適應海雜波抑制權矢量函數，公式為：

式中，λ表示海雜波抑制權矢量；μ表示海雜波加噪聲協方差；ν表示運動小目標和靜止海雜波速度矢量；x表示共軛轉置；vz表示徑向速度。實際上，未檢測出運動目標之前并不能預先確定運動目標的精準信息[11-13]。設理想目標矢量與實際目標矢量的適配角余弦為：

式中，νs表示理想目標矢量;表示實際目標矢量。式（2）計算結果越大，海雜波對檢測結果造成的影響也就越大[14]。因此，控制適配角余弦，就能抑制SAR 圖像海雜波。

2.2 運動小目標檢測

經過SAR 圖像海雜波抑制處理能夠獲得干擾較少的海上運動目標信息。在SAR 成像中，采用Sobel算子和形態學方法對SAR 圖像進行了海陸分離，以消除地面散射對SAR 圖像影響。采用二值化方法對梯度圖像進行二值化，并針對不同的應用場景設置適當閾值[15]。在閾值較大情況下，將此像素點視為邊緣點。在閾值以下，則將其視為非邊緣點；通過形態學上的擴展算子和腐蝕算子，實現了二值化梯度圖像的分割[16]。膨脹算子計算公式為：

式中，X表示需要膨脹的圖像；Y表示結構元素。腐蝕算子計算公式為：

式中，X表示需要腐蝕的圖像；Y表示結構元素。為了進一步縮小區域范圍，移動相鄰節點，控制節點在領域梯度最小位置處。充分考慮海雜波特征，使用統計平均方式獲取海雜波背景下的平均干涉幅度，公式為：

式中，d表示目標與海雜波背景距離；E表示能量參數。平均干涉相位計算公式為：

式中，a表示相位角度。在干涉的二維特征平面上，由于干涉幅度與相位是不同的量綱物理量，所以使用高斯核函數定義的干涉特征距離可表示為：

式中，H、Hs分別表示潛在目標干涉特征和海雜波干涉特征；Gp表示帶寬系數；p表示干涉特征向量范數；⊕表示向量外積。在干涉空間中，如果目標與海雜波背景差異明顯，那么距離雜波特征越遠的向量就越代表其是運動小目標。

3 實驗

3.1 不同海況設置

在不同海況情況下，對SAR 圖像中的部分海雜波進行了提取，如圖3 所示。

圖3 不同海況背景

圖3 所示三幅圖片均選自于某2 號衛星，分辨率為25 m。海雜波背景的灰度分布主要集中在海面上，當海雜波背景面積太小時，其擬合效果不理想。在中等海況和復雜海況下，由于背景灰度值分布已發生了局部的改變，為了使海雜波的擬合盡可能精確，采用100×100 的海雜波區域進行擬合處理。

3.2 檢測裝置

實驗所選取的檢測裝置為CA-CFAR 檢測器，該檢測器使用了CA-CFAR 算法，通過提取兩個滑窗內的樣本數據，求得采樣平均值，其基本原理如圖4所示。

圖4 CA-CFAR檢測器原理示意圖

由圖4 可知，CA-CFAR 檢測器能夠在不同海況下提取海雜波相關數據，其海雜波數據處理主要通過求和采集來實現。選取少量海雜波背景取樣值進行處理，能夠有效地去除某些干擾，而且當目標距離很近時，該方法應用效果更好。

3.3 實驗結果與分析

在正常海況條件下，使用文獻[1]、文獻[2]和所研究方法不會受到海雜波影響，檢測到的運動小目標不會出現丟失情況，但對于目標位置的檢測需要進行對比分析，結果如表1 所示。

表1 三種方法目標位置檢測對比分析

由表1 可知，使用文獻[1]、文獻[2]的目標位置中均存在三個位置與實際位置不一致，而使用文中方法所有位置與實際位置均一致。

在中等海況和復雜海況條件下，可能會出現運動小目標出現丟失情況?；诖藢Ρ热N方法的運動小目標檢測結果，如圖5 所示。

圖5 三種方法目標檢測結果對比分析

由圖5 可知，使用文獻[1]、文獻[2]目標檢測結果出現了丟失情況，且部分位置發生改變，這與實際運動小目標位置不一致。使用文中方法目標檢測結果沒有出現丟失情況，且位置均與實際位置一致。由此可知，使用文中方法檢測結果精準。

4 結束語

在SAR 圖像中進行運動小目標檢測時，由于傳統SAR 目標檢測技術存在著能量依賴性，采用了一種結合海雜波特性的SAR 圖像海上運動小目標檢測方法。有效區分海雜波與海上運動小目標，提高目標檢測精度，有助于改善海雜波與實際干擾特征分布的差異。隨著觀察場景的復雜性和可觀察性的持續下降，所提方法的性能將不斷下降，相關的動態目標檢測技術還需要進一步研究和探索。