劉雨潔，齊向陽

(1 中國(guó)科學(xué)院空天信息創(chuàng)新研究院，北京 100190；2 中國(guó)科學(xué)院大學(xué)電子電氣與通信工程學(xué)院，北京 100049)( 2019年12月22日收稿； 2020年3月20日收修改稿)

艦船目標(biāo)的檢測(cè)和跟蹤是管理海上交通運(yùn)輸?shù)闹匾獌?nèi)容，也是微波遙感領(lǐng)域的研究熱點(diǎn)之一。合成孔徑雷達(dá)(synthetic aperture radar，SAR)可實(shí)現(xiàn)高分辨率、大幅寬成像[1]，工作不受云霧天氣因素限制，在海洋監(jiān)視領(lǐng)域發(fā)揮了重要作用。出于重訪時(shí)間的限制，現(xiàn)在的研究成果主要集中于單張SAR圖像的艦船檢測(cè)和尾跡檢測(cè)方面，無法獲得動(dòng)態(tài)變化的目標(biāo)信息。其他基于雷達(dá)的目標(biāo)跟蹤主要是利用斜距、信號(hào)強(qiáng)度等信息對(duì)點(diǎn)目標(biāo)進(jìn)行跟蹤，無法獲得目標(biāo)的結(jié)構(gòu)特征信息[2]。在不久的將來，星載SAR能夠?qū)⒅卦L時(shí)間降低到30 min，實(shí)現(xiàn)優(yōu)于20 m的分辨率，可以近實(shí)時(shí)檢測(cè)、跟蹤運(yùn)動(dòng)艦船。

基于SAR圖像的艦船檢測(cè)技術(shù)發(fā)展至今已有幾十年的歷史，也研發(fā)了許多成熟的艦船檢測(cè)系統(tǒng)，有加拿大海洋商業(yè)應(yīng)用軟件OMW系統(tǒng)、英國(guó)海洋特征檢測(cè)MaST系統(tǒng)、法國(guó)CLS艦船檢測(cè)系統(tǒng)用于漁業(yè)監(jiān)控，中國(guó)科學(xué)院電子學(xué)研究所的Ship Surveillance系統(tǒng)實(shí)現(xiàn)艦船目標(biāo)及尾跡檢測(cè)等[3-5]。

針對(duì)SAR圖像的目標(biāo)跟蹤早期主要集中于對(duì)冰川的運(yùn)動(dòng)跟蹤，Kwok等[6]通過計(jì)算輪廓特征和區(qū)域強(qiáng)度信息互相關(guān)系數(shù)進(jìn)行冰川區(qū)域的匹配，通過運(yùn)動(dòng)參數(shù)、圖像統(tǒng)計(jì)信息的限制去除虛假匹配。湯宏權(quán)[7]通過提取仿真圖像的小波矩特征，利用粒子濾波進(jìn)行單目標(biāo)跟蹤。為了實(shí)現(xiàn)多目標(biāo)跟蹤，汪洪橋等[8]提取圖像的多分辨率特征并識(shí)別，采用無損卡爾曼濾波算法跟蹤。

由于序貫SAR圖像時(shí)間間隔較長(zhǎng)，艦船目標(biāo)位置變化大，因此難以應(yīng)用傳統(tǒng)的目標(biāo)跟蹤方法；另一方面，艦船目標(biāo)運(yùn)動(dòng)可能導(dǎo)致目標(biāo)姿態(tài)、成像入射角的變化，造成艦船目標(biāo)屬性特征改變，給序貫圖像的目標(biāo)匹配帶來困難。本文針對(duì)這些問題，融合航跡起始算法與艦船圖像特征差異進(jìn)行長(zhǎng)時(shí)間間隔序貫圖像間的目標(biāo)匹配，根據(jù)速度和加速度設(shè)置約束波門，對(duì)艦船目標(biāo)的不同特征設(shè)置不同的權(quán)值計(jì)算目標(biāo)間的差異，利用差異最小原則篩選航跡，實(shí)現(xiàn)目標(biāo)跟蹤。

1 運(yùn)動(dòng)艦船跟蹤方法流程

本文采用的運(yùn)動(dòng)艦船跟蹤方法總體流程如下所述：首先對(duì)圖像進(jìn)行預(yù)處理，包括幾何校正、噪聲濾波、地理定位等；接著采用級(jí)聯(lián)恒虛警算法(constant false alarm rate，CFAR)檢測(cè)艦船目標(biāo)，截取切片圖像；然后提取艦船切片的圖像特征和地理位置信息。最后采用融合航跡起始和圖像特征的方法對(duì)艦船進(jìn)行匹配跟蹤。

2 艦船檢測(cè)與特征提取

采用兩級(jí)級(jí)聯(lián)的CFAR檢測(cè)算法進(jìn)行艦船檢測(cè)，第一級(jí)CFAR設(shè)置的虛警率較高，在子圖像(塊大小由圖像采樣間隔決定)上進(jìn)行全局CFAR檢測(cè)，第二級(jí)CFAR為實(shí)現(xiàn)精確檢測(cè)，虛警率設(shè)置較低，使用精確分布模型進(jìn)行局部檢測(cè)，其流程如圖1所示。

圖1 艦船檢測(cè)流程Fig.1 Flow chart of ship detection

艦船特征分為幾何特征、灰度特征、電磁散射特征和其他特征[9-16]，本文采用9個(gè)特征，分別是幾何特征中的面積、長(zhǎng)、寬、長(zhǎng)寬比、周長(zhǎng)、轉(zhuǎn)動(dòng)慣量、形狀復(fù)雜度，以及標(biāo)準(zhǔn)差、分形維數(shù)這2個(gè)灰度紋理特征。

3 匹配跟蹤算法

3.1 航跡起始算法

航跡起始是一種典型的多目標(biāo)檢測(cè)技術(shù)，指對(duì)目標(biāo)未進(jìn)入穩(wěn)定跟蹤之前的航跡建立確認(rèn)過程。邏輯法航跡起始首先初始化時(shí)刻相鄰的2次量測(cè)作為候選航跡集，然后通過一階多項(xiàng)式預(yù)測(cè)外推下一次采樣周期的位置，尋找落入約束波門的目標(biāo)。之后繼續(xù)用二階多項(xiàng)式外推候選航跡，通過外推信息和波門的關(guān)系尋找潛在航跡。一般采用m/n原理判斷航跡是否起始成功，如果在n次連續(xù)探測(cè)周期里，有m次探測(cè)量測(cè)值滿足準(zhǔn)則，則成功起始了航跡。工程上通常取2/3邏輯作為快速航跡起始，3/4作為正常航跡起始[17]。

航跡起始算法中速度大小約束為

(1)

由向量夾角公式可得速度變化角度

θ=

(2)

角度限制可表示為

|θ|≤θmax,0≤θmax≤π,

(3)

加速度大小約束為

amax(t(k+1)-t(k)),

(4)

其中：ri(k)是第k個(gè)時(shí)刻測(cè)量的第i個(gè)目標(biāo)位置；t(k)代表第k個(gè)時(shí)刻;Vmax，θmax，amax分別是速度、轉(zhuǎn)向角、加速度的最大值。

在本文算法中，對(duì)于位置和圖像特征都相近的群體目標(biāo)，先計(jì)算群體運(yùn)動(dòng)航跡，然后根據(jù)不穩(wěn)定性刪除錯(cuò)誤航跡。如圖2所示，l1，l2，l3是3條暫態(tài)航跡，其中l(wèi)1，l2均與l3互斥。將l1，l2，l3涉及到的目標(biāo)分為一組，計(jì)算每個(gè)時(shí)刻的平均位置，得到群體航跡lg。其中l(wèi)1，l2始終在群航跡lg的一側(cè)，置信度較高，保留。l3與lg多次交叉，剔除。

圖2 群體航跡篩選Fig.2 Group trajectories screening

3.2 目標(biāo)特征差異

單特征差異度計(jì)算公式如下

(5)

其中：F和Fi分別代表當(dāng)前檢測(cè)的艦船目標(biāo)特征和歷史艦船目標(biāo)特征。

目標(biāo)的特征差異為多個(gè)特征的差異線性加權(quán)，特征權(quán)重系數(shù)wF,i與單特征的歸一化方差系數(shù)ρi成反比。

(6)

3.3 匹配跟蹤算法流程

匹配跟蹤算法的輸入是N個(gè)時(shí)刻的艦船目標(biāo)集合S，k=1,2,3,…,N，一般情況下4≤N≤8，si(k)是第k個(gè)時(shí)刻檢測(cè)到的第i個(gè)目標(biāo)的信息，包括目標(biāo)的圖像特征與位置信息。算法的輸出是航跡集合L，lj(m)是第m條航跡的目標(biāo)在第j次檢測(cè)到的信息。其具體流程如下：

1)將首次檢測(cè)獲得的目標(biāo)si(1)作為暫態(tài)航跡集合的根點(diǎn)跡；

2)將當(dāng)前時(shí)刻檢測(cè)到的目標(biāo)集合s(k)與上次檢測(cè)到的目標(biāo)集合s(k-1)計(jì)算特征差異，若差異度超過閾值，則將此目標(biāo)作為根航跡點(diǎn)加入；

4)對(duì)于時(shí)刻k的候選航跡集合，從互斥的候選航跡(同時(shí)刻單個(gè)目標(biāo)出現(xiàn)在多條候選航跡)中選擇差異度最小的l加入航跡集合L，并將時(shí)刻k暫態(tài)航跡集合中與l互斥的航跡刪除；

5)重復(fù)第2)～4)步，直到k=N。對(duì)于時(shí)刻N(yùn)的暫態(tài)航跡集合，將出現(xiàn)在同一條暫態(tài)航跡中的目標(biāo)分為一組。計(jì)算每組目標(biāo)在每個(gè)時(shí)刻的平均位置，擬合出群航跡，保留始終在群航跡一側(cè)的暫態(tài)航跡，將其加入航跡集合L。

4 實(shí)驗(yàn)結(jié)果

為驗(yàn)證本文所提方法的有效性，進(jìn)行仿真實(shí)驗(yàn)和機(jī)載SAR數(shù)據(jù)處理實(shí)驗(yàn)，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行定量評(píng)價(jià)。

4.1 跟蹤效果評(píng)價(jià)指標(biāo)

本文主要使用位置誤差和速度誤差作為評(píng)價(jià)指標(biāo)。其中位置誤差衡量的是檢測(cè)跟蹤的絕對(duì)誤差，而速度誤差能夠避免系統(tǒng)定位誤差帶來的影響，衡量跟蹤算法誤差。

位置誤差計(jì)算公式為

(7)

相對(duì)速度誤差為

(8)

運(yùn)動(dòng)方向誤差為

(9)

另外還使用匹配跟蹤正確的目標(biāo)數(shù)與檢測(cè)到的目標(biāo)數(shù)比值衡量匹配正確率。

4.2 仿真實(shí)驗(yàn)

4.2.1 數(shù)據(jù)集介紹

OpenSARShip是使用Sentinel-1干涉寬幅模式產(chǎn)品的艦船數(shù)據(jù)集，包括單視復(fù)數(shù)(single look complex，SLC)圖像和地距檢測(cè)(ground range detected，GRD)圖像。除SAR切片圖像，還有AIS(automatic identification system)信息，來自Marine Traffic的實(shí)時(shí)艦船運(yùn)動(dòng)信息。實(shí)驗(yàn)選擇的GRD圖像，距離向分辨率為20 m，方位向分辨率為22 m，方位像素間隔和距離像素間隔均為10 m[18]。

4.2.2 實(shí)驗(yàn)參數(shù)

在仿真實(shí)驗(yàn)中設(shè)置5個(gè)艦船目標(biāo)，對(duì)于每個(gè)目標(biāo)，不同時(shí)刻的圖像采用的是OpenSARShip數(shù)據(jù)集中同一目標(biāo)不同時(shí)間的SAR圖像切片。圖3給出2個(gè)目標(biāo)示例，可見，對(duì)于每個(gè)目標(biāo)，在不同的時(shí)刻成像視角不同、目標(biāo)的特征變化較大。

圖3 不同船只樣本Fig.3 Samples of different ships

由于本算法主要針對(duì)遠(yuǎn)海區(qū)域進(jìn)行實(shí)驗(yàn)，因此將艦船運(yùn)動(dòng)模型設(shè)為勻速直線運(yùn)動(dòng)，實(shí)驗(yàn)參數(shù)如表1所示。為使仿真接近實(shí)際過程中可能出現(xiàn)的情況，在仿真的過程中加入位置隨機(jī)噪聲，分別在X方向和Y方向添加50 m、100 m的誤差。目標(biāo)不是同時(shí)出現(xiàn)和消失在觀測(cè)區(qū)域，即出現(xiàn)目標(biāo)數(shù)量不相等的情況，檢驗(yàn)算法是否能夠進(jìn)行目標(biāo)的添加、匹配和刪除。

表1 仿真實(shí)驗(yàn)參數(shù)Table 1 Simulation parameters

4.2.3 實(shí)驗(yàn)結(jié)果與分析

在匹配跟蹤過程中，以最大速度25 knot(節(jié)，即海里/h，1 knot=1.852 km/h)和加速度0.125 m/s2設(shè)置波門去預(yù)測(cè)外推下一時(shí)刻的位置。

以目標(biāo)4為例，說明目標(biāo)的匹配跟蹤過程。時(shí)刻1第1次檢測(cè)到目標(biāo)4。時(shí)刻2，目標(biāo)4和目標(biāo)5都與時(shí)刻1的目標(biāo)4構(gòu)成疑似航跡。以此類推，產(chǎn)生所有待選航跡只有1條正確，最后選擇圖像差異、預(yù)測(cè)外推位置與實(shí)際位置偏差最小的“4 4 4 4”航跡，作為匹配跟蹤的航跡。

仿真場(chǎng)景如圖4(a)～4(e)所示，圖4(f)展示最終的目標(biāo)匹配跟蹤航跡。從時(shí)間上看，時(shí)刻1檢測(cè)到目標(biāo)1、2、4、5。時(shí)刻2新加入目標(biāo)3，由于目標(biāo)3與其他目標(biāo)的圖像差異大，新增為根航跡中的點(diǎn)，其余目標(biāo)與前時(shí)刻匹配。時(shí)刻3后目標(biāo)5離開場(chǎng)景，找不到后繼目標(biāo)而結(jié)束航跡。其他一直檢測(cè)到的目標(biāo)完成每個(gè)時(shí)刻運(yùn)動(dòng)狀態(tài)的更新。本例中5個(gè)目標(biāo)均關(guān)聯(lián)正確，匹配正確率為100%，說明通過融合航跡起始算法和目標(biāo)屬性特征進(jìn)行航跡篩選，能夠?qū)崿F(xiàn)艦船跟蹤。

4.3 實(shí)測(cè)數(shù)據(jù)實(shí)驗(yàn)結(jié)果與分析

4.3.1 實(shí)驗(yàn)飛行方式與系統(tǒng)參數(shù)

采用的實(shí)驗(yàn)數(shù)據(jù)為中國(guó)科學(xué)院電子學(xué)研究所利用機(jī)載SAR獲取的序貫圖像，飛行方式為沿著東西向航線重復(fù)飛行，對(duì)特定成像區(qū)域連續(xù)觀測(cè)4次。實(shí)驗(yàn)采取條帶模式，HH極化。載機(jī)速度為77 m/s，脈沖重復(fù)頻率(pulse repetition frequency，PRF)為1 000 Hz。圖像幅寬為8 km，分辨率為0.5 m。序貫圖像的間隔時(shí)間分別為9、20、9 min。

4.3.2 實(shí)驗(yàn)結(jié)果與分析

圖5說明從SAR圖像中檢測(cè)艦船目標(biāo)切片的過程，其中艦船運(yùn)動(dòng)導(dǎo)致圖像散焦。CFAR檢測(cè)通過局部幅度比較得到目標(biāo)點(diǎn)集合，通過形態(tài)學(xué)處理可以連接斷開的部分，彌補(bǔ)空洞，防止因?yàn)樯⑸渲行姆植疾痪鶎?dǎo)致艦船目標(biāo)幾何特征計(jì)算偏差。圖5(d)白框部分表示該目標(biāo)最后用于特征計(jì)算的切片圖像。

圖5 艦船檢測(cè)示例Fig.5 Ship detection example

圖6(a)～6(d)為該區(qū)域序貫圖像示例，圖6(e)為該區(qū)域目標(biāo)匹配跟蹤的結(jié)果。其中目標(biāo)1和目標(biāo)2位置相近易混淆，通過計(jì)算群航跡可以得到正確航跡。目標(biāo)1和目標(biāo)2以4.2 knot左右的速度由東北向西南方向運(yùn)動(dòng)(與北向夾角約250°)，目標(biāo)3基本處于靜止?fàn)顟B(tài)。

圖6 序貫圖像及跟蹤結(jié)果Fig.6 Sequential images and tracking result

因只有目標(biāo)2的AIS信息，因此主要分析目標(biāo)2的位置誤差和速度誤差。目標(biāo)2的2個(gè)時(shí)刻的位置誤差如表2所示，位置誤差分別為116 m和44 m，誤差來源主要有飛機(jī)速度測(cè)量誤差、高程測(cè)量誤差等系統(tǒng)誤差[19]、以及AIS信息插值處理帶來的誤差。目標(biāo)2的速度誤差見表3，與AIS信息對(duì)比分析，得到目標(biāo)2的平均速度測(cè)算誤差為0.35 knot(約0.18 m/s)，平均相對(duì)速度誤差為9%，平均運(yùn)動(dòng)方向誤差為4.4°。

表2 目標(biāo)2位置誤差Table 2 Position error of target 2

表3 目標(biāo)2速度誤差Table 3 Velocity error of target 2

5 結(jié)論

本文提出一種基于長(zhǎng)時(shí)間間隔序貫SAR圖像的運(yùn)動(dòng)艦船跟蹤方法。與傳統(tǒng)跟蹤方法相比，該方法能克服長(zhǎng)時(shí)間間隔下目標(biāo)位置變化大、特征變化的問題。由仿真實(shí)驗(yàn)和機(jī)載SAR實(shí)測(cè)數(shù)據(jù)處理結(jié)果可以看出，通過融合航跡起始和圖像特征，能夠較好地實(shí)現(xiàn)運(yùn)動(dòng)艦船的匹配跟蹤。