（通信与信息系统专业论文）sar图像干扰效果评估.pdf

第一章引占 概述 第一章引言 雷达成像是现代探测科学领域的一项划时代成就，它使雷达的基本功能发生 了质的变化，从根本上扩展了人类观察自然界和生存环境的能力。s a r 成像技术 作为雷达成像技术的主攻方向，一直受到_ = 界各国的高度重视，已研匍j 成功 批 实用星载、机载s a r 系统。目前，星载系统已达到1 米分辨力，机载系统则达到 o 1 米缎分辨力。现已广泛应用于军事侦察、资源勘探、重大灾情估计、大地测绘 等领域。随着s a r 系统的分辨力越来越高以及三维s a r 技术的实现，凄系统在 现代战争的战略和战术侦察中的作用愈来愈大，己成为一种重要的军事侦察手段。 从而对s a r 系统的干扰技术的研究也成为信乜对抗研究中的重要课题【2 j i ”。 作为一种利用微波进行感知的主动传感器，和光学、红外等其他传感器相比， s a r 成像不受天气、光照等条件的限制，可以对感兴趣的目标进行全天候、伞天 时的侦察。另外，利用微波的穿透性，还可实现刘隐蔽目标的探测。目前，s a r 已经成为一种不r 叮或缺的对地观测和军事侦察手段。 随着信号处理技术、大规模集成电路和微波毫米波技术的飞速发展，相继出 现了系列多频、多极化、多模式的机载和星载s a r 系统。1 9 7 8 年5 月美围发射 了海洋卫星r s e a s ，在卫星上首次装载了s a r ，对地球表面1 亿平方公早的面 积进行了测绘，标志着s a r 已成功地进入了空问领域。此后，星载s a r 技术得到 了迅速的发展，一系列星载s a r 先厉升空。除s e a s a l 、外，n a s a 还发射了“航 天飞机成像雷达”s i r a 、s i r b 和s 1 r a x s a r ：前苏联于1 9 9 1 年发射了a l m a z 星载s a r ；欧空局于1 9 9 1 年发射了e r s 一1 ；f 1 本于1 9 9 2 年发射了j e r s 一1 ；加拿 大于1 9 9 5 年发射了r a d a i s a i 等等。在1 9 9 1 年的海湾战争中，美国的两架载有x 波段s a r 的卜一s t a r s 预警飞机和一颗“长曲棍球”s a r 卫星充分显示了s a r 技术在现代高技术战争中所表现出柬的卓越的饯场监视和侦察能力，被认为是赢 得这场现代高技术战争的关键闵素之一。 从九十年代起，对能够提供三维信息的干涉s a r 的研究引起了世界各国的格 外关注，成为s a r 技术发展的新热点。2 0 0 0 年2 月，美国占进号航天飞机顺利的 实现了全球范围内的高精度三维成像，在全世界引起了不小的震动。当前一些发 实现了全球范围内的高精度三维成像，在全世界引起了不小的震动。当前一些发 电子科技大学硕士学位论文 达国家正在筹划和研制新的可长期进行观测的各种技术先进的空间雷达卫星。如 欧洲空间局预计发射的a s a r 是到目前为止正在研制的最先进的星载s a r ：美国 目前正在进行“发现者二号”天基雷达的研究。纵观国外空间s a r 的发展过程， 可以看出随着技术的不断进步，s a r 的水平和功能也在不断提高。 由于s a r 的可以不受气象影响，对测绘区的地形、没施、固定和低速运动目 标完成高分辨的成像侦察，因此具有重要的军事应用价值，这在近年来的多次局 部战争中得到了充分的验证。因此，为了掩护我重要军事设施和作战装备，隐蔽 军事行动，迫切需要研究对s a r 有效干扰技术。 目前，对s a r 系统的干扰在技术方面的可分为压制性干扰和欺骗式干扰1 0 。 利用压制性干扰技术压制或掩盖雷达目标信号，即用噪声或噪声样的干扰信号遮 盖或淹没有用信号，阻止敌方获取目标信息，干扰的目的是妨碍或阻止s a r 雷达 检测目标：利用欺骗式干扰技术施放和目标信号_ 卜分相似的干扰信号，使雷达操 纵员难以辨别真假，将干扰误认为目标，以达到s a r 系统不能提供准确的目标信 息的目的。 1 _ 2 问题的提出 由于s a r 不同于常规雷达，对其干扰的结果反映在成像后的图像上，影响对 真实目标的检测和识别。目前，对s a r 系统的干扰效果评估的标准主要还停留在 传统干扰效果的评估方法上，例如采用干信比或主观视觉效果评估。对于人工渎 图评估，由于判读人员受环境、情绪以及身体状态的影响较大，并需要较多的先 验知识，叫重复性较差因此，以人工方式进行干扰质量的主观评判存在实现上的 困难。图像干信比虽在一定程度上能反映受干扰程度，但是它并不能准确反映s a r 受干扰后目标信息的损失程度。 因此需要针对s a r 的技术特点，分析干扰对雷达图像应用的影响，实现对干 扰效能的评估，以准确度量雷达受干扰的程度。另外，随着国内有关单位在s a r 干扰技术研究上的深入，也迫切需要针对不同干扰产生技术和干扰样式进行干扰 效能的评估，以对有关干扰技术和干扰样式进行验证、改进和优化。 国内外在s a r 军事应用的研究中，重点研究了s a r 图像军事目标自动识别技 术( p 口r ) 。a t r 技术在以林肯实验室等单位的大力研究下已有很大的发展，因此 研究基于目标识别的s a r 图像于扰效果评估方法是很有意义的。 目前，国外对s a r 系统的干扰效果评估的研究未见有公开的报道，而国内对 2 第一章引言 此技术的研究由于受限于s a r 实验数据较少，研究不够还深入。目前迫切需要在 干扰效果评估方面做出更加深入的研究。 本文的研究目标是研究s a r 干扰效果评估技术，但由于目前尚无适用于s a r 图象识别的成熟技术，所以，需根据s a r 雷达成像机理研究s a r 仿真系统，实现 地面场景和干扰以及成像的全过程模拟，需研究s a r 图像的目标识别技术，进而 研究基于目标识别和信息获取的干扰效果评估方法，最后，通过干扰仿真实验， 验证评估方法的有效性。 1 3 论文章节安排及作者主要工作 雷达干扰效能的评估历来就是雷达对抗研究的重点和难点，通过对干扰效能 的评估，可以为干扰技术的选择和干扰样式的优化提供依据，对于降低对干扰机 的功率需求，做到干扰资源最大限度的合理分配具有重要意义。因此作者分析了 雷达成像原理，从干扰的角度充分分析干扰对象特征，研究了s a r 干扰效能的评 估技术，主要进行了基于目标识别的客观干扰效能评估技术的研究。本论文主要 内容和安排如下： 第一章，论述了研究动态和项目背景。 第二章，首先分析了s a r 图像的目标特性，然后分析了s a r 图像的质量评估 指标和目标检测指标。 第三章，主要讨论s a r 图像的目标检测方法，作者分析了可应用于s a r 图像 目标检测、分类和识别的一般方法，编程实现了这些算法，并利用实际s a r 图像 数据进行了算法验证，验证了这些方法的有效性，为后续的基于目标识别的干扰 效能评估研究创造条件。 第四章，对s a r 干扰方法进行了研究和建模。针对欺骗干扰和压制干扰，进 行了干扰仿真实验，为后续的干扰效能评估试验完成了干扰数据的准备。 第五章，介绍了作者所完成的基于目标识别的干扰效能评估工作。利用所建 立的雷达成像、目标检测和识别算法软件，采用不同的评估方法，对不同干扰样 式、干扰功率条件下的成像结果进行了仿真实验和干扰效能评估。根据信息对抗 的机理，提出了基于信息熵的干扰效果评估方法，仿真实验结果证实了该方法的 有效性。 第六章为全文总结及后续工作展望。 本文从逻辑结构来看可以分为两部分：第一部分包括第二章和第三章主要是 3 电子科技大学硕士学位论文 进行对象分析。第二部分包括第四章和第五章主要是进行干扰效能评估分析，并 且进行了大量的仿真实验，完成了对一些重要干扰样式的客观干扰效能评估工作。 本文的主要工作内容为： 1 从干扰对抗的角度出发，对雷达图像特性、目标统计特性等几个方面进行了研 究，分析了合成孔径雷达图像的特性。 2 针对s a r 图像的目标识别，给出了综合采用图像增强、恒虚警检测、目标分 类、边缘检测的目标检测算法，并针对特定目标( 车辆、坦克、桥梁、城市等) ， 给出了相应的目标检测算法，并完成了计算机软件实现和算法验证。 3 对合成孔径雷达的干扰方法进行了分析，给出了对合成孔径雷达的欺骗干扰和 压制干扰的模型，并实现了这些干扰模型。 4 对雷达成像、干扰信号产生、目标检测等进行了仿真，对于不同干扰样式、干 扰功率条件下的成像结果进行了大量的成像和对特定目标的识别处理，从而完 成对不同干扰样式的干扰效能评估，评估结果与人工判读结果基本吻合。 5 提出了一种新的干扰评估算法，并对各种干扰样式、干扰功率条件下的成像结 果进行初步的定量分析。 4 第二章s a r 图像的目标特性分析 第二章s a r 图像的目标特性分析 s a r 图像就是地面场景的后向散射特性分布的灰度图像。研究s a r 的根本目 的是获得场景内更丰富、更有价值的信息。要获得这些信息就必须对s a r 图像进 行充分的理解，在理解s a r 图像特性的情况下，才能建立起有效的目标检测和识 别算法。 本章主要讨论s a r 信息获取相关的理论基础。首先对s a r 图像的目标特性、 统计分布进行了分析研究，然后总结了现有的s a r 图像纹理特性标识方法，最后 给出了s a r 图像的质量指标及其计算方法。 2 1s a r 图像的目标特征 2 1 1s a r 图像目标散射特性 测、跟踪和识别的基础，它是雷达系统模拟、雷达对抗、精确制导、隐身与反隐 加速发展目标对电磁散射特性分析方法，目的在于对各种目标给出有效实用的散 射计算软件和结果并用于各种目标的电磁散射特性预估和控制。 目标的雷达散射截面积( 简称为雷达截面r c s ) 是在给定方向上返回或散射 化以使得由于散射波的球面扩散引起的衰减不致成为计算雷达截面的一个因子。 这样归一化的目的是消除距离r 的影响，使其不取决于目标和雷达之间的间距。 扎4 州删隧嘞1 i 积隧 ( 2 1 ) “。阱“。科 与目标尺寸、形状和电气性能有关外，还与下列因素有关：雷达频率；目标的姿 态角；雷达波相对于同一坐标的极化等。雷达目标特性原则上是能够计算和测量 电子科技大学硕士学位论文 的。目前，能够进行精确计算的仅限于少数简单形状的目标，但是已经研究出了 多种近似算法，而且还给出了多种测量技术。 在光学区，即散射体尺寸远大于入射波长的情况，物体的每部分基本上都是 独立的散射能量而与其他部分无关。一个散射体可以作为各自独立的即没有相互 影响的散射中心的集合来处理，散射场主要是从各个独立的散射中心来的回波的 矢量叠加。 2 1 2s a r 图像的相干斑 s a r 图像中不可避免的存在相干斑噪声，它是一种乘性噪声，降低了图像的 质量，增加了s a r 图像边缘检测、图像分割、目标检测识别的难度。下面首先分 析相干斑的起因及其分布特性。 212 1 相干斑的起因 对分布目标，可以认为s a r 图像中的单个分辨单元有许多离散的散射源，当 电波作用于目标时，每个散射源都产生一个后向散射波，这些散射波的相位和幅 度与该散射源有关。图2 1 给出了分辨单元和散射源示意图。因此该分辨单元的回 波是各个散射源回波之和： s = 爿e 埘= y 一 p 聃 ( 2 2 ) 其中a 是回波幅度，妒是回波相位，4 和纯分别是第k 个散射单元反射雷达电磁 波的幅度和相位。 图2 1 相干斑产生示意图 从公式( 2 2 ) 可以得出：同类目标的回波幅度受不同散射源间的相位差异的 影响而有起伏。s a r 图像的相干斑噪声特性的根本起因是散射单元回波的随机相 位项暾。 根据( 2 2 ) 式可以求得该分辨单元回波的实部和虚部的表达式： 6 第二章s a r 图像的目标特性分析 z 1 = 4 c o s 庐= 4c o s 丸 = l z ：= 爿s i l l 庐= 4s i n 政 ( 2 3 ) 因为通常每个分辨单元有很多散射源，所以采用中心极限定理，z ，和厶服从正态 分布。假设相位欢在 一7 c ，羽服从与幅度4 无关的均匀分布，便可以得到z 1 和z ：的 均值为零，且相互独立。可以得到联合概率密度： p ( 毛，z 1 ) = 三t e x p 卜( z j + s ；) 盯2 】 ( 2 - 4 ) 由此可以得到幅度和相位的联合分布： p ( 4 ，妒) = 兰了e x p 一4 2 盯2 ( 2 5 ) 幅度和相位的概率密度函数分别是 p ( 爿) ：三譬e x p 卜爿：盯2 ( 2 6 ) p ( 妒) 2 嘉 p o ，2 石】 2 m 它们分别是瑞利分布和均匀分布。 2 1 2 2 相干斑统计分布 s a r 实际上测量了实部爿c o s 和虚部4s 访。每点的局部反射可以用复数表 示为彳g ”。在这种情况下，s a r 图像是复图像。从复图像可以得到其他各种形式 的图像，如：实部( 爿c o s 庐) 图，虚部( 一s i n ) 图，幅度图a ，相位图庐，功率 图，= 爿2 ，功率对数图l o g 。对数图有时被称为“d b ”图。 根据相干斑产生模型可以得到下列分布性质： ( 1 ) 实部和虚部图像分别服从零均值，方差为口2 的高斯( g a l _ l s s i a n ) 分布。它 们的联合概率密度函数( p d f ) 为： ( 舻：) = 去e x p ( 一互) ( 2 - 8 ) ( 2 ) 相位服从卜一兀，兀 的均匀分布。 ( 3 ) 幅度a 服从瑞利( r a y l e i 曲) 分布。 只( ) ：丝e x p ( 一竺) 4 o( 2 9 ) 7 电子科技大学硕士学位论文 其均值为半，标准差为j ( 1 一署归，相对偏差为= 万；五，约等于o 5 2 。 ( 4 ) 观测强度或功率，= 4 2 服从负指数分布。 只( j ) = 二e x p ( 一二) ( 2 1 0 ) 平均值和标准差都是盯。相对偏差为1 。 ( 5 ) 对数强度d = 1 0 9 ，服从f i s c h e r t i p p e t t 分布。 昂( d ) ：兰e x p ( 一生)( 2 1 1 ) 均值和方差分别是盯一和，2 6 。符号是e u l e r 常数，近似值为0 5 7 7 2 2 。 这五个分布是处理s a r 数据的基础。除了相位分布以外，其他分布都完全由 一个参数盯确定，它带有所有目标的有用信息。从强度分布可以看出，盯代表了 平均强度。 ( 1 ) 相位不起任何作用，因为它的分布与目标无关。 ( 2 ) 实部和虚部提供了信息，但是需要估计局部方差来识别不同的区域。 标准差的估计比均值估计需要更多的样本数据( 2 倍) 。与标准差相比，人眼更易 识别均值的差别。 ( 3 ) 幅度数据虽然因为r a y l e i 曲分布比较宽，但是在均值中带有信息。 ( 4 ) 强度数据比幅度数据有更宽的动态范围，呈现更强的噪声性，因为指 数分布相对偏差比r a y l e i 出分布更大。对于幅度数据相对偏差为0 5 2 ，对强度数 据相对偏差为1 。 ( 5 ) 对数数据比强度数据的动态范围小，人眼容易反映出均值，因为取对 数操作标准化了方差。 相干斑模型很重要，如果对单一图像的分布目标感兴趣，那么相位没有任何 信息，可以去除掉它，只用幅度，对数，或强度图。相位在极化和干涉数据中很 重耍。 2 2 s a r 图像统计分布 s a r 图像的分布特性无论对s a r 图像相干斑抑制问题，还是s a r 图像中目标 第二章s a r 图像的目标特性分析 检测的问题，都是很重要的。在图像滤波算法和目标检测当中都要用到图像的分 布特性，因此下面首先了解一下s a r 图像的分布特性。 对于低分辨的均匀场景s a r 图像，幅度服从r a y l e i 曲分布，强度服从负指数 分布。对于分辨率较高的s a r 图像，广泛应用的是对数正态分布和w e i b u l l 分布。 下面是各种分布适合的情况： ( 1 ) r a y l e i 曲分布：低分辨率的海杂波幅度；地面的均匀区域； ( 2 ) 对数正态分布：高分辨率的海杂波幅度；建筑区域； ( 3 ) w e i b u l l 分布：大范围的海洋；陆地、气象和海冰杂波； 对数正态分布、w e i b u l l 分布以及k 分布在s a r 图像统计特性的描述中有重要 的作用，在对s a r 图像作图像滤波时常常要使用这些分布。下面将简单介绍这些 分布。 ( 1 ) 对数正态分布 贴) = 击e x p _ 监1 ( 2 吨) 口和矿分别是i t l z 的均值和方差。分布的均值和n 阶标准矩( n mn o 咖a l i z e d m o m e m ) ： = e ) p 眦争a n 虹等= 啪”1 ) 争 ( 2 州) 由于对数正态分布在零值处的概率密度是零，因此不能很好的表达单视图像， 但是通常与幅度分布相吻合，特别是空间起伏大的图像，如城市区域。 ( 2 ) w e i b u l l 分布 m ) = 等e x p _ ( 扣 其中b 是尺度参数( s c a l i l l gp 煳e t e r ) ，c 控制形状( s h a p e ) 。 是 堋+ 砌妒= 等= 等瓮 ( 2 1 4 ) 均值和n 阶标准矩 ( 2 1 5 ) 当c = 2 时就是r a y l e i 曲分布，当c = 1 时就是指数分布。因此它可以表述单视幅度 和强度图像。但是它不能很好地描述多视图像。r c s 的方差( v 撕a t i o n ) 增大c 值 减小。 ( 3 ) k 分布模型的推导 9 皇王型垫奎堂堡圭堂垡堕奎 观察到的图像强度i 可以认为是雷达截面( r c s ) 与相干斑噪声的乘积 ，= 口n ( 2 1 6 ) 相干斑噪声的分布可以表示为： m ) = 等e x p ( 刊 ( 2 _ 1 7 ) 图像的强度分布就可以表示成 胁p 咖( 州一篙骖e x p ( - 争加) ( 2 _ 1 8 ) o1 、u ，nu o 现在如果知道了r c s 的分布就可以得到观测到的s a r 图像强度的分布。w a r d 认为海杂波的r c s 服从g 釉a 分布 加，= ( 南y 高酬一青，( 叫= ( 譬y ! 并 c z 一，。， 归一化的方差为v a r a ( a ) 2 = 1 v 在这样的假设情况下可以得到图像强度和幅度的分布都是k 分布，强度分布 为： 朋2 如m 州一= 币南斛”2 _ 2 】“k 隅 c z 咄， 对于l 视图像，甄一小 是修正的b e s s e l 函数，阶数为v 一。当v 。时，趋于 g 觚皿a 分布。 幅度的分布 剐，= m 咖把币南槲”2 “一“m 甜 c z 吲， k 分布虽然能较好地描述s a r 图像分布，但是在较大的区域中才能拟合出分 布曲线。因此在相干斑抑制、目标检测和边缘检测中常常用对数正态分布和卫a m m a 分布作为近似。 前面的统计分析是建立在均匀场景区域的s a r 图像基础上的，而大多数的场 景是非均匀的，这时大多数场景使服从高斯分布的：大小为分辨单元的地域回波u 可分解为同相和正交的两个分量： “2 u ，c o s 埘+ u 口s i n 埘 ( 2 2 2 ) 1 0 电子科技大学硕士学位论文 4 i 峰值( k u r t o s i s ) k u r t 0 8 i 弘南；护删r0 1 ) 蹦r 4 午乍 。 反映了直方图的相对平坦性，具有一定的区分能力。 5 熵( e n t r o p y ) e n t r o p y 一一功1 0 甙岛) 其中码：丛堑l 反映了一幅图像内容随机性的度量。 朋，) f 6 w r f ( w e i g h t e d r a n kf i l l r a t i o ) 厅最亮的灰度值之和 w r f = 1 甄砑爵萌百一 k 的通常取值是5 。 在一定程度上反映亮度不同的区域。 2 - 3 2 灰度共生矩阵吲 2 8 】 4 3 】 ( 2 2 8 ) ( 2 2 9 ) 空间灰度共生矩阵方法，是建立在估计图像的二阶矩组合条件概率密度函数 基础上的。这个方法是当前公认的效果较好的纹理分析方法。其基本原理如下： 在纹理图像中，在某个方向上相隔一定距离的一对像元灰度出现的统计规律， 应当能具体反应这个图像的纹理特征。可以用灰度共生矩阵来描述这个统计规律， 进而由共生矩阵统计量来定量描述这个纹理特性。 灰度共生矩阵是描述在0 方向上，相隔d 像元距离的一对像元分别具有灰度 层i 和j 的出现率，其元素可记为p ( i ，粥，0 ) 。当e 和d 选定时，也可简记为p i 。 显然灰度共生矩阵是一个对称矩阵，其阶数由图像中的灰度层数决定。这个矩阵 是距离和方向的函数，在规定的计算窗口或图像区域内统计符合条件的像元对数， 严格的灰度共生矩阵的定义为： 铲# ( 2 _ 3 0 ) 甲 l ， 式中醑8 是灰度i 和j 出现的频率，该频率由距离d 和方向角。决定。分母为 满足d ，e 条件的所有共现点对数之和，当d = l ，o = 0 0 时，对一幅c r 的图 像，每一行有2 ( r - 1 ) 个相邻点对，因此总共有2c ( r 一1 ) 相邻点对。在给定方向和 1 2 第二章s a r 图像的目标特性分析 距离后，实际常通过计算共现灰度i 和 的像元对数来表示。 如何选择距离d 和方向0 ，以及如何用共生矩阵的参数作纹理分析，长期以 来一直是研究者关心的课题。距离的选择通常不是用一个单距离，而是对一组距 离作组合分析。w e s z k a ，c k e r s ，u n s e r 等人对此作了详细的研究。事实上最佳距 离( 或位移) 很大程度上依赖于所实验图像本身的纹理构成，不同类型的纹理应 当具有不同的最佳距离。由独特成像原理而得到的s a r 图像，其纹理特征由被 照射区域目标的后向散射系数决定，近似一随机场。 2 - 3 3 基于灰度共生矩阵的统计量 一副图像的灰度共生矩阵反映了图像灰度关于方向、相邻间隔、变化幅度的 综合信息。它是分析图像的局部模式和它们排列规则的基础，从它出发，可进一 步提取描述图像纹理的一系列特征。常用的统计量有： ( 1 ) 角二阶矩或称为能量( a n g u l a rs e c o n dm o m e n t ) ： 一跗= 盹i d ，口) ) 2 ( 2 3 1 ) f ， 这是图像灰度分布均匀性或平滑性的度量。当灰度共生矩阵中j p ( d ，臼) 的数值 分布较集中于主对角线附近时，说明从局部领域范围观察图像的灰度分布是较均 匀的，即图像呈现有较粗的纹理，其相应的a m 值较大。反之，较小。 ( 2 ) 对比度( c o n t r a s t ) ： c o n = ( f 一p ( f ，l d ，p ) ( 2 3 2 ) i j 对于粗纹理，p ( d ，目) 的数值较集中于主对角线附近；此时，因( f j ) 的值较 小，所以相应的c o n 值也较小。相反，对于细纹理则相对具有较大的c o n 值。 ( 3 ) 相关( c o r r e l a t i o n ) ： ( f 一以) ( j 一以) p ( f ，ld ，口) 其中，心= f 盹 x 电子科技大学硕士学位论文 噪声中检测信号一样，可以把信号检测理论中的门限技术和最佳判决准则应用进 来。 线目标 线目标指在雷达图像上表现为线状的目标，通常表示不同类目标的界限或者 当地面线性目标的横向尺寸小于分辨单元尺寸时的目标。在s a r 图像上常见的线 性目标包括道路、河流、水陆边界、植被边界、高压输电线等。 对于s a r 图像来说，由于绝大多数道路路面基本属于平滑表面，雷达回波很 弱，往往呈现出较暗的线性体。可以通过方向滤波、边缘增强等方法对其进行预 处理，之后重点研究特定的线性目标检测识别算法，完成对线目标的检测。 面目标 面目标通常由许多散射单元所组成，散射单元的回波幅度呈现一定的随机性， 一般不存在某点占主导位置的情形。 根据目前s a r 图像应用的特点、研究现状和技术可行性，可用于s a r 图像目 标检测和识别的面目标特征( 或类型) 包括目标的几何分布、能量分布状况、纹 理特征、极化特征量等。 纹理特征主要考虑s a r 图像在一定范围内经常出现的纹理特性，在具体识别 过程中，考虑针对大面积的城市区域和具有相似纹理特征的山地、林区等。 几何特征主要针对s a r 图像上一些典型的目标类型，虽然s a r 图像目标的几 何特性有时会出现大的差异，但对于特定的s a r 系统，其成像后目标形状具有一 定的规律特性，可以考虑目标的几何特性。 在以后的工作中，将对包含多种典型目标的s a r 场景，通过仿真生成带有各 种干扰信号的s a r 原始数据，通过成像处理，得到被干扰的s a r 图像，然后，采 用典型的目标检测算法，进行目标检测试验，通过对检测概率和虚警概率的测量 和分析，评价干扰对目标检测的影响。 本章小节 本章以电子对抗干扰的观点出发从s a r 目标统计特性、纹理特性等方面论述 了s a r 的特征。目标的电磁特性是目标与电磁波相互作用的理论知识，是目标识 别的理论基础；s a r 图像的统计分布和图像的纹理特性是研究s a r 图像处理的基 础知识。s a ri 羽像的质量评估指标和目标指标，建立了s a r 成像图像性能判断模 型，对抗干扰效能评估提供判决方法。 在后续的仿真实现中，主要采用图像质量中的分辨率、积分旁瓣比、峰值旁瓣 1 6 第二章s a r 图像的目标特性分析 比指标进行性能评估。s a r 图像的目标检测和识别能力的评估，点目标将重点讨 论坦克和车辆，线目标将讨论桥梁，面目标将讨论城市区域。 1 7 电子科技大学硕士学位论文 第三章s a r 图像目标检测、分类和识别方法研究 为了分析干扰对s a r 图像目标检测和识别能力的影响，需要研究s a r 图像目 标检测和识别方法。本章对s a r 图像的增强、分类、边缘检测方法以及几种特殊 目标识别等进行论述，并用真实s a r 图像数据进行了算法验证。 由于典型目标在s a r 图像上呈强反射，一般的分类和识别分类过程如图3 1 所示。首先对图像进行增强处理，在目标检测阶段主要去掉s a r 图像中的强地杂 波，通常采用恒虚警( c f a r ) 检测器，达到对目标的预示功能；最后，综合目标 的各种特征进行目标分类和识别。 3 1 图像增强技术 图3 1 目标识别方案 图像增强是相对于图像识别、图像理解而言的一种前期处理。在图像信号的 采集、输入等过程中，总会使得图像质量下降，s a r 图像也不例外。在要处理的 s a r 图像中，一般来说对比度都不够强，所以需要对原s a r 图像进行图像增强。 图像增强的一些基本方法有：图像变换、直方图变换、灰度变换、图像平滑 和图像锐化等等。 3 1 1 图像变换增强： 图像变换是一种为了达到某种目的而对图像使用的一种数学技巧，经过变换 后的图像将更为方便、容易的处理和操作。在图像变换中，应用最广泛的变换就 是傅立叶变换，可以利用傅立叶变换在空域或频域以简单的方法进行图像变换增 强。除了傅立叶变换以外，还有一些其他的很重要的图像变换方法，如d c t 离散 余弦变换、r a d o n 变换和哈达码变换等。 1 8 电子科技大学硕士学位论文 其中，a 、b 和c 是可调参数，用于调整曲线的位置和形状而引入的参数，它 是图像的低灰度区得以扩展，而高灰度区得到压缩，以使图像的灰度分布均匀， 与人的视觉特性匹配。指数变换的一般式为： g ( m ，n ) = 6 c 7 ”，“一一1 ( 3 5 ) 其中a 、b 和c 参数用来调整曲线的位置和形状，它的效果与对数相反，它 将对图像的高灰度区进行扩展。 3 1 3 直方图变换增强 2 7 【2 8 】： 面积为a 的连续图像厂( _ y ) 经过数字化以后，成为m 行n 列的数字图像 ，( m ，”) 。一般而言，在数字图像，( m ，n ) 中取不同灰度值的象素的数目是不同的。 直方图是用于表达图像灰度分布情况的统计图表。对数字图像厂，”) 而言，其横 坐标是灰度值r ，纵坐标是出现这个灰度值的概率值p ( ) 。 设数字图像象素的灰度值为，_ ，t 1 则概率p ( ) 为： p ) = 型f _ o ，1 ，三一1 ( 3 6 ) 其中n ( ) 是灰度为的象素点总数，n 是一副图像的总象素点，且 一1 p ( ) = 1 ( 3 7 ) 尽管灰度直方图不能表示除有某灰度级的象素在什么位置，更不能直接显示 图像内容，但是具有统计特性的直方图却能描述该图像的灰度分布特性，使人们 从中得到的诸如总体明亮程度、对比度、对象物的可分性等与图像质量有关的灰 度分布概貌，成为一些处理方法的重要依据。 直方图均衡化是另一种灰度增强的算法。一副对比度小的图像，其直方图分 布一定集中在某一比较小的范围内，经过均匀化处理的图像，其所有灰度级出现 的概率相同，此时图像的熵最大，图像包含的信息量最大。 直方图均衡化的计算步骤为： ( 1 ) 列出原始图像的灰度级，f _ o ，l ，一l ，其中l 是灰度级的个数。 ( 2 ) 统计各灰度级的象素数目n ( ) ，f _ 0 ，1 ，三一1 。 ( 3 ) 计算原始图像直方图各灰度级的频数尸( ) = ( ) ，f _ 0 ，l ，三一1 ，其 中n 为原始图像总的象素数目。 t ( 4 ) 计算累计分布函数r ( ) = p ( r 。) ，f i o ，l ，l 一1 。 j 写 ( 5 ) 应用以下公式计算映射后的输出图像的灰度级昌，f _ o ，1 ，尸一1 ，p 为 第= 要嘴旗穰菲嘉糕毂酲藕 抖稚为! 法硒蒸题鬻翡鹫鞋鲥鞠j 妇i 莓囊m 襄夔受蠢黪。 瑟蒜滏己蜒童越蹦粪；：甘忑斡筑计映射眉瑟履辙鲫銎耄赢錾熏；沁坚蠢 蟮霉叠圳蟊憨藤犏滗埠篙；喾翟鬈理煮塑秀窍骷熊嚣剐烈；掳彰积一引塑 两鼬雅魏始鬯? 剌a g 要。获i j 二；= 耋j ； ；图掬习分布前输出图像生_ j 剥也靼查莹 ”i 键骷攫i 静邦酾涵辅播莪骥孥躺嚣谢捅笮高薪誊先荫簿；佯甚悟慵滢耀型瑶 撙鼋臻雠瞄旧睡霾嚣翮i 囊婺黧黉瓣塑鬻愿雏童鏊i 蓥萋磅增? 霍县黎趱辇葡繇 藜型曼勤萋鬟霪姜雾霉毫羹需籀塑；马曩藉露瞪i 鬻 ! l 羹囊雾錾熏荔壅蒿著囊蠢霉 一谬世谛强 x 电子科技大学硕士学位论文 是s a r 应用的一大障碍，例如当需要提取s a r 图像窃啦稠潆飞j 酌壁囊滦嘲罐 = ! 霸并蒜；醵秘翡o n 而鹣鞭霎；毅终罐骢蚕丽鐾妻篝莱j 蜂翱引瑟薪鼯赫睡! 加 囊澎薏奄际两j 冉；磊蠢舞篷嘴羹磊刘襄蓼翌髟臻眇謦型譬- ：妻烈i 驸始q 蛰争 莨型谨嚣翌嚣搠比峰： 睚甥飙甘嵯顶限聿糯僻壤鼍编菩：! ；! 唧乏咧雕淀麓幢莩耋蛆酣裂；孺掣命凳i i 81 磊稠 之比。在 s a r 图像中，点目标主瓣的峰值功率与最大旁瓣的峰值功率之比为峰值旁瓣比。 该指标可以检测s a r 系统对弱小目标的检测能力。 积分旁瓣比 在理想的成像系统中，单一象元的全部能量应来自于地面上单一分辨单元。 没有任何一部雷达能完全避免能量向相邻单元泄漏。对于p t r f 的额定区域之外的 能量的限定是成像质量的一个重要因素。但能量泄漏的原因除了来自不可避免的 点目标响应的旁瓣外，还可能由于不适当的采样及处理器的失配而引起的图像混 迭。后者对成像的影响与旁瓣能量一样，与主瓣的能量强度成正比。其定义为： 主瓣能量与主瓣之外的能量之比。应用在s a r 图像中就是点目标主瓣的峰值功率 与最大旁瓣的峰值功率之比。 2 4 2 基于s a r 图像的目标检测和识别能力的评估技术 在评价试验用的s a r 图像中，至少应该包括点目标、线目标和面目标，需要 根据这些目标的特点，设计典型的目标检测和识别算法，通过对被干扰图像的目 标检测效果的分析和比较，考察干扰信号对目标检测和识别概率的影响。 点目标 sa r 图像上的点目标，指以亮点的形式出现在雷达图像上的目标。通常其几 何尺寸小于图像的一个分辨单元对应的地面尺寸。大多数战术目标如坦克、战车、 大炮、船只等，及工业设施，如高压输电线塔、油井、孤立的小建筑等都呈现出 点目标特点。 能否从背景中检测出点目标，不仅与点目标的性质有关，也与背景的特性和 干扰噪声信号有关。由于从图像中检测点目标的主要方法是依据其与背景的对比 度，因此加入干扰信号后的背景目标分布特性中的高电平部分造成对点目标的误 第三章s a r 图像目标检测、分类和识别方法研究 当c o 。) c “时，蠢( 气) = e o 。) 当白 p ( w ji x ) ，则把x 归类一个类别w 1 ，反之，p ( w l l x ) p ( w 2 l x ) ，则把 x 归类为另一个类别。 3 3 - 2 仿真实验 由于分类过程数据计算量大，时间有限，因此仅选取了模糊c 一均值聚类分类 和最近邻法来做了一定的实验。窗口取2 5 2 5 大小，选取信息熵为特征，按3 类 进行分类。如图3 1 1 是原始s a r 图像，图3 1 2 是模糊c 一均值聚类结果，图 3 1 3 是最近邻分类结果。 从模糊c 一均值分类结果图中可见：分类结果中白色区域为人造目标，包括建 筑物、点状强目标等，后向散射强，图像起伏变化大；灰色区域为草地、绿化地 带，后向散射较弱，图像起伏变化较小；黑色区域为光滑地面，代表后向散射很 弱，图像起伏很小的区域。从图3 1 2 中可见，分类效果较好，错误分类较少。 最近邻分类结果；灰色区域为后向散射很弱、图像起伏很小的较为光滑的地 面：白色区域为后向散射较弱，图像起伏较小的草地、绿化地等；黑色区域为后 向散射较强，图像起伏变化大的人造物。从图3 1 3 中可见，被错误分类的区域 较多。 比较模糊c 一均值聚类和最近邻聚类结果可见，模糊c 一均值聚类在划分s a r 绿化地、光滑地面和人造物方面比最近邻聚类方法好。 第三章s a r 图像目标检测、分类和识别方法研究 圈3 一1 1 原始图像 图3 1 2 用模糊c 一均值聚类持类结果图3 1 3 用最近邻法分类结果 3 4 几种典型目标识别 在第二章中分析论述的目标类型主要有：点目标、线目标和面目标。下面将 对应这几类目标选定相应的典型目标进行分析。点目标将讨论坦克和车辆，线目 标将讨论桥梁，面目标将讨论城市区域。整个识别系统的流程框图如图3 一1 4 所 示。首先将雷达图像进行预处理，包括图像增强、相干斑抑制等；然后分别就不 同目标采用不同的目标识别算法。对于桥梁的识别，先进行恒虚警检测，再用方 向比值法识别；对于车辆的识别，先进行恒虚警检测，再提取特征进行识别；对 油库的识别，先进行恒虚警检测，再用形态学的方法识别；对于城市区域的识别， 采用统计特征和纹理特征，采用模糊c 一均值聚类方法进行分类。 2 9 电子科技大学硕士学位论文 3 4 1 油库识别 恒虚警 _ 一桥梁识别 s a r 预 检测 图像处 4 _ 一油库识别 - - 理 _ j 油库识别 一 城市区域分类 图3 1 4 目标识别流程框图 3 4 1 1 数学形态学 腐蚀：集合a 被集合b 腐蚀，表示为以 四，其定义为： 爿 曰= ( 工：日+ x 彳) ( 3 2 2 ) 膨胀：集合a 被集合b 膨胀，表示为爿。曰，其定义为： 4 0 口= 石：( 一b + 砷n 一庐 ( 3 2 3 ) 膨胀是腐蚀的对偶运算( 逆运算) ，可以通过补集的腐蚀来定义。即： 爿。口= 一。o ( 一口) 。 ( 3 2 4 ) 开启运算：利用图像b 对图像a 作开运算，用符号4 。曰表示，定义为： 4 。b = u ( 口+ x ：b + x c 爿) ( 3 2 5 ) 事实上这正是先腐蚀后膨胀的结果，即：4 。占= ( 一) 0 曰( 3 2 6 ) 开启运算 可以把比结构元素小的突刺去掉，切断细长搭接而起到分离作用。 闭合运算：利用图像b 对图像a 作闭运算，用符号4 b 表示，定义为： 爿曰= 4 0 ( 一b ) 】 ( 一b ) ( 3 2 7 ) 闭合运算可以把比结构元素小的缺口或孔填充上，搭接短的间断而起到连通作用。 闭运算和开运算互为对偶运算，满足下面的关系： 爿日= ( 爿。曰1 ( 3 2 8 ) 一。艿= ( 4 。b ) 。 3 0 ( 3 2 9 ) 第三章s a r 图像目标检测、分类和识别方法研究 3 4 1 2 油库识别 因油库在通常情况下都是按照一定的规则排列成一定的形状，故可根据其形 状，采取适当的形态模板比对，如圆形，椭圆形等。根据本文选用的数据特征， 模板采用圆形。具体处理过程如下： o o oo 0 0 o oo o o o o o oo oo o o oo 口o 0 o o o曩 图3 1 57 + 7 和5 4 5 模极图像 根据实际情况选择圆形模板大小，模版如选择太大，将会丢失太多的信息， 并不能很好地检测到较小的耳标，反之，将会使目标被分割且会造成计算量过大 效率低而达不到目的。在此采用7 ；7 或5 + 5 的模版，如图3 1 5 所示，并对模板内 的每一分量赋予适当的权值，如采用上下文相关的加权法，具体做法为：从0 、4 5 、 9 0 、1 3 5 度不同方向的像素间灰度差来确定权矩阵各元素的值，若灰度越大，令权 值越小，用较灵敏的e 为底的指数函数来反映这变化规律；若灰度差为i l ，则 令e x p ( 一j 厂j ) 为欲加之权值。 因图3 2 l 中模板内每行( 列) 象素数为l 、3 、5 、7 ，若把模板按顺时针方向 旋转4 5 度，即近似为4 ；4 和3 + 3 模板，下面仅以3 e 3 来讨论确定权矩阵： 4 6 c 设3 4 3 个像素灰度记为：ide ，l g f ( i ) 先考虑0 度方向像素灰度相同，即a - b = c ；d = e = f g = h = i ；这时在9 0 度 口 口 a 方向存在灰度差，相应权矩阵为：il 11 l 卢l 其中口= e x p 卜 1 + 6 + c ) 一( d + e + 删盯 ) ， 声= e x p ( g + a + f ) 一( d + 。+ 刊盯 盯是一个预先指定的参数，由实验确定，其越小灰度差越敏感。 3 1 电子科技大学硕士学位论文 ；! ，其中y = 黜甲t c l c 口+ 。+ d ， 即a _ b = d ；c = c = g ；f 兰h = i ；则权矩阵为 ( c + e + g ) l 盯 ) ， 占= e x p 一i i ( ，+ 矗+ f ) 一( c + e + g ) l 盯l 。 ( 3 ) 考虑9 0 度方向像素灰度相同，即a _ d = g ；b = e = h ；c = 仁i ；则权矩阵为： 占 1 喜 s 1 善i ，其中占= e x p 一 i ( + d + g ) 一( 6 + e + ) l 盯 ) ， l 占 1 善j 掌= c x p 一ll ( c + 厂+ f ) 一( 6 + 8 + ) i 盯l 。 ( 4 ) 考虑1 3 5 度方向像素灰度相同，即b = c _ f a _ f i ：d = 亭h ；则权矩阵为： 1，7坤 l 口l 坤l ，其中，7 = e x p 一 1 ( 6 + c + ，) 一( a + e + f ) l 仃 ) ， p 臼lj 臼= e x p ( d + g + ) 一( 口+ e + f ) l 口 。 最后将四个矩阵相乘组合起来，