魏媛 周冬梅 許秀富

【摘要】 介紹了SAR圖像模式識別系統(tǒng)及SAR圖像模式識別與普通光學(xué)圖像模式識別的區(qū)別。

【關(guān)鍵詞】 SAR圖像 模式識別 區(qū)別

合成孔徑雷達(dá)（SAR）是一種具有高分辨力的成像雷達(dá)，能夠全天時(shí)、全天候工作，并具有多波段、多極化、視角可變、有穿透性等特點(diǎn)，越來越多地應(yīng)用于遙感、地質(zhì)研究、安全救助、軍事偵察等領(lǐng)域。因此，SAR圖像自動目標(biāo)識別具有重要意義。

一、系統(tǒng)流程

如圖1所示，SAR圖像目標(biāo)識別系統(tǒng)由數(shù)據(jù)獲取、預(yù)處理、特征提取選擇、分類決策及分類器設(shè)計(jì)五部分組成。由未知類別模式的分類及分類器設(shè)計(jì)的訓(xùn)練過程兩個(gè)部分組成。[1]

SAR圖像目標(biāo)識別一般采用分層的方法。由于SAR成像的特殊機(jī)理，獲取的原始數(shù)據(jù)中含有大量斑點(diǎn)噪聲，經(jīng)A/ D變換、二值化后，必須去除斑點(diǎn)噪聲，再經(jīng)過圖像變換、增強(qiáng)、濾波等處理，為檢測提供目標(biāo)圖像；其次進(jìn)行目標(biāo)檢測，從整個(gè)SAR圖像中提取可能包含目標(biāo)的小區(qū)域，去除虛假目標(biāo)，為分類識別降低運(yùn)算量，提高識別效率；然后提取合理的特征值，降低特征維數(shù)；最后通過訓(xùn)練確定滿足一定虛警率、識別率的判決規(guī)則，選擇合理的分類器進(jìn)行分類識別。[2]

二、系統(tǒng)區(qū)別

由于SAR的特殊成像機(jī)理，衰落引起本來具有相同后向散射系數(shù)的均勻區(qū)域出現(xiàn)隨機(jī)分布的顆粒狀噪聲，稱為相干斑噪聲，嚴(yán)重影響圖像的質(zhì)量。因此，在進(jìn)行SAR圖像模式識別之前，必須抑制相干斑。早期通過降低處理器帶寬的多視 平均處理法犧牲了SAR圖像的空間分辨率，且相干斑噪聲抑制效果并不理想，隨后出現(xiàn)了空域?yàn)V波算法、小波域的相干斑抑制方法以及基于各向異性擴(kuò)散的斑點(diǎn)抑制技術(shù)等。相干斑抑制要充分考慮均勻區(qū)域的等效視數(shù)、空間分辨率和輻射分辨率的損失、圖像平均后向散射系數(shù)保持能力以及圖像的自然視覺特性保持度等指標(biāo)?；诟飨虍愋詳U(kuò)散的斑點(diǎn)抑制技術(shù)隱含了自動標(biāo)定棱邊位置和取向，實(shí)施各向異性平滑，且無需采取窗口機(jī)制的數(shù)值計(jì)算，抑制效果良好，因此被廣泛用于圖像處理領(lǐng)域。這里簡單介紹Catte各向異性擴(kuò)散模型。先對圖像進(jìn)行平滑處理，降低噪聲點(diǎn)的梯度，再進(jìn)行迭代運(yùn)算，抑制效果良好。

為進(jìn)一步重構(gòu)圖像，增強(qiáng)目標(biāo)像素強(qiáng)度，可使用基于正則化的目標(biāo)增強(qiáng)技術(shù)。假設(shè)包含噪聲的情況下SAR距離像觀測模型為；從給定含加性測量噪聲的觀測數(shù)據(jù)矢量，利用成像投影算子，估計(jì)反射率場的取樣數(shù)據(jù)矢量。充分體現(xiàn)了幾何觀測模型，增加了先驗(yàn)知識，同時(shí)考慮了點(diǎn)特征與區(qū)域特征的增強(qiáng)。[3]由于SAR斜距成像和背景起伏等因素容易引起圖像的幾何變形，因此在預(yù)處理階段還要進(jìn)行幾何糾正，將圖像重投影到指定的坐標(biāo)系統(tǒng)中，主要方法包括多項(xiàng)式糾正方法、共線方程方法、距離-多普勒（R-D）模型法以及基于DEM的模擬方法等。此外還需進(jìn)行圖像配準(zhǔn)，利用特征和灰度匹配，由粗到精進(jìn)行圖像配準(zhǔn)，提高全局子像素級精度的基礎(chǔ)上，增加算法的靈活性和穩(wěn)健性。

對于目標(biāo)檢測率越高、虛警率越低檢測結(jié)果越好。常見的檢測技術(shù)包括恒虛警檢測、多分辨率檢測以及利用相位和極化信息的檢測方法等。為了節(jié)省計(jì)算量，可采用在圖像生成過程中來檢測目標(biāo)的多尺度方法。當(dāng)目標(biāo)檢測器獲得足夠多的信息可以判斷某一塊區(qū)域沒有目標(biāo)的時(shí)候，提示圖像生成器中止繼續(xù)生成該區(qū)域的圖像，以節(jié)省結(jié)算量。[2]

SAR圖像目標(biāo)模式識別與光學(xué)圖像的目標(biāo)模式識別最大的不同就在預(yù)處理階段 。在充分考慮SAR圖像特點(diǎn)的基礎(chǔ)上特征提取與分類判別時(shí)可參照光學(xué)圖像的模式識別進(jìn)行設(shè)計(jì)。其分類器要有較好的泛化能力，能進(jìn)行模糊的信息處理，因此，常用神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)（SVM）的分類器。

三、總結(jié)

相比普通光學(xué)圖像的目標(biāo)識別，SAR圖像目標(biāo)識別需要克服的困難比較多。首先，由于SAR圖像成像機(jī)理特殊，對方位角十分敏感，易受強(qiáng)噪聲（特別是相干斑噪聲）及陰影、透視收縮、迎坡收短、頂?shù)椎怪玫葞缀巫冃蔚挠绊懀疑⑸鋸?qiáng)度隨目標(biāo)的形狀、姿態(tài)和視角可變，視覺可讀性差，使得特征的提取非常困難。其次，目標(biāo)環(huán)境無法控制，某些目標(biāo)在其他物體的遮蓋下變得不易識別， 且目標(biāo)運(yùn)動易造成圖像模糊。另外，隨著SAR數(shù)據(jù)源、分辨率、成像模式不斷增加，目標(biāo)信息呈爆炸式增長，需大量的目標(biāo)模板建立完備的數(shù)據(jù)庫以正確判別圖像目標(biāo)，因此，一個(gè)成功的SAR目標(biāo)識別系統(tǒng)，必須充分考慮雷達(dá)、目標(biāo)及所處的電磁環(huán)境，要根據(jù)用戶需求及SAR圖像特點(diǎn)，滿足 SAR圖像模式識別系統(tǒng)的識別率、錯誤率、復(fù)雜度、抗噪性能及實(shí)時(shí)性等性能，建立各種目標(biāo)的描述模型和分類模型，選擇合適的算法及分類器。

參 考 文 獻(xiàn)

[1]楊淑瑩. 張樺.模式識別與智能計(jì)算—MATLAB技術(shù)實(shí)現(xiàn)[M].北京：電子工業(yè)出版社，2015.

[2]張紅. 王超，等.高分辨率SAR圖像目標(biāo)識別[M].北京：科學(xué)出版社，2009.

[3]皮亦鳴.楊建宇，等.合成孔徑雷達(dá)成像原理[M].成都：電子科技大學(xué)出版社，2007