葉簇穿透合成孔徑雷達(dá)增強(qiáng)成像方法

葉簇穿透合成孔徑雷達(dá)增強(qiáng)成像方法金添【摘要】葉簇穿透合成孔徑雷達(dá)(FOPENSAR)為了探測樹林中隱藏目標(biāo)，通常工作在低信雜比(SCR)的環(huán)境中，目標(biāo)檢測難度極大。該文提出一種基于目標(biāo)散射方位變化特性的增強(qiáng)成像方法，在保證高空間分辨率的同時(shí)，增強(qiáng)隱蔽目標(biāo)圖像SCR。對于感興趣的車輛類目標(biāo)，目標(biāo)主側(cè)面與地面形成二面角。當(dāng)電磁波沿二面角法線方向入射時(shí)，回波能量最強(qiáng)。該方法能夠獲得該方位角對應(yīng)的高分辨率圖像，從而增強(qiáng)目標(biāo)SCR，提高檢測性能。實(shí)測機(jī)載FOPENSAR數(shù)據(jù)驗(yàn)證了該方法的有效性。%FOliagePENetrationSyntheticApertureRadar(FOPENSAR)isusedinlowSignal-to-ClutterRatio(SCR)conditionstodetecttargetshiddeninforests,whichintroducesdifficultiesintargetdetection.Inthisstudy,anenhancedimagingmethodbasedonthescatteringaspectvariabilityofthetargetisproposed,whichimprovestheSCRoftheformedimagesofhiddentargetswhilemaintaininghighspatialresolution.Inthecaseofavehicletarget,thedihedralisformedbyitsmainsideandtheground.Theechoisstrongestwhentheincidentelectromagneticwaveisalongthenormaldirectionofthedihedral.Ahigh-resolutionimagecorrespondingtothisaspectangleisformedbytheproposedenhancedimagingmethodtoincreasetheSCRofthetargetandimprovethedetectionperformance.AirborneFOPENSARdatawereusedtovalidatetheefficiencyoftheproposedmethod.【期刊名稱】《雷達(dá)學(xué)報(bào)》【年(卷)，期】2015(000)005【總頁數(shù)】6頁(P503-508)【關(guān)鍵詞】葉簇穿透;合成孔徑雷達(dá);增強(qiáng)成像【作者】金添【作者單位】國防科學(xué)技術(shù)大學(xué)電子科學(xué)與工程學(xué)院長沙410073【正文語種】中文【中圖分類】TN958為了探測隱藏在樹林中的目標(biāo)，雷達(dá)通常工作在樹葉對電磁波吸收較弱的低波段(如VHF/UHF波段)。工作在低波段的葉簇穿透合成孔徑雷達(dá)(FOliagePENetrationSyntheticApertureRadar，F(xiàn)OPENSAR)能夠獲得樹林中隱蔽目標(biāo)的雷達(dá)圖像，提高對隱蔽目標(biāo)探測能力［1］。盡管葉簇對電磁波的反射較弱，但是粗大的樹干對電磁波的反射很強(qiáng)，在FOPENSAR圖像上形成很多亮點(diǎn)，稱為樹干雜波。強(qiáng)烈的樹干雜波幾乎會淹沒目標(biāo)，導(dǎo)致目標(biāo)與所在區(qū)域的葉簇、樹干背景對比度降低，使目標(biāo)的檢測難度增大。與此同時(shí)，F(xiàn)OPENSART作波長較長，大多數(shù)散射體處在瑞利區(qū)，目標(biāo)的回波主要由大的散射體回波構(gòu)成，接收回波僅僅反映目標(biāo)總體輪廓，略去了目標(biāo)大部分精細(xì)結(jié)構(gòu)信息，很難通過雷達(dá)圖像的幾何形狀特征區(qū)分感興趣目標(biāo)和樹干雜波。目前SAR目標(biāo)檢測/識別普遍采用美國林肯實(shí)驗(yàn)室提出的分級處理流程［2］,首先對成像得到的大面積SAR圖像進(jìn)行預(yù)篩選，提取若干感興趣區(qū)域(RegionOfInterest,ROI)，每個(gè)ROI包含一個(gè)疑似目標(biāo)；接著進(jìn)行目標(biāo)鑒別，剔除大部分自然雜波；最后進(jìn)行目標(biāo)識別。分級處理流程3個(gè)階段待處理數(shù)據(jù)量依次降低，但采用的算法復(fù)雜性依次增加，在保證檢測/識別性能的同時(shí)提高處理效率。然而，該處理流程最初是針對高波段SAR設(shè)計(jì)的，沒有考慮到工作在低波段的FOPENSAR在回波數(shù)據(jù)量和目標(biāo)特性上與高波段SAR的區(qū)別，因此直接套用這種分級處理框架對于FOPENSAR并不合適。目標(biāo)散射函數(shù)不僅與空間位置有關(guān)，還與頻率、觀測角度和極化等有關(guān)［3］。FOPENSAR為了獲得與高波段SAR相當(dāng)?shù)姆轿环直媛?，需要更大的積累角，于是獲得相同場景需要處理的回波數(shù)據(jù)量也相應(yīng)增加。為了提高處理效率，Kaplan等人［4］提出了修剪四分樹算法，它是將預(yù)篩選結(jié)合到四分樹形式的快速后向投影成像算法中，在分辨率由粗到精不斷提高的過程中對各個(gè)階段的圖像都進(jìn)行預(yù)篩選處理，確定可能包含目標(biāo)的局部區(qū)域，然后只對這些局部區(qū)域進(jìn)一步提高分辨率。通過各個(gè)階段的預(yù)篩選不斷剔除一些不可能包含目標(biāo)的區(qū)域，減小了成像的運(yùn)算量。但是在修剪四分樹算法中，預(yù)篩選仍然采用基于圖像幅度特征的恒虛警率技術(shù)，由于粗分辨率圖像目標(biāo)信噪比不高，使得目標(biāo)區(qū)域的確定十分困難。實(shí)際中，F(xiàn)OPENSAR感興趣對象主要為樹林中隱藏的車輛等目標(biāo)。上述目標(biāo)與地面構(gòu)成了比較明顯的二面角結(jié)構(gòu)。因此，可以利用二面角散射隨方位變化特性提高FOPENSAR目標(biāo)探測性能。子孔徑處理［5-9］是提取目標(biāo)散射方位角特征常用的方法，可以結(jié)合成像算法或是針對圖像切片進(jìn)行，但是子孔徑在獲得方位角特征的同時(shí)犧牲了方位分辨率。Chaney等人［10］提出了方位相關(guān)成像算法，在成像處理中利用目標(biāo)散射函數(shù)隨方位角的變化特性增強(qiáng)目標(biāo)信噪比，提高預(yù)篩選性能。雖然方位相關(guān)成像算法在成像過程中自適應(yīng)調(diào)整成像孔徑的長度和位置，但它需要在方位角特征提取精度和方位分辨率之間取折衷，不利于后續(xù)鑒別和識別處理。樹干雜波作為FOPENSAR目標(biāo)探測面臨的主要干擾，可以等效為圓柱體，其散射具有方位不變特性；而二面角目標(biāo)的散射隨方位變化較大，當(dāng)雷達(dá)視線與二面角軸線垂直時(shí)，二面角散射最強(qiáng)，稱為正側(cè)散射。本文提出一種利用二面角正側(cè)散射的增強(qiáng)成像方法，該方法通過提高車輛類目標(biāo)圖像的信雜比，在相同檢測概率的情況下減少預(yù)篩選輸出的ROI數(shù)量，避免鑒別處理飽和，保證整體信息處理流程效率與子孔徑處理犧牲方位分辨率不同，提出的方法在利用二面角正側(cè)散射的同時(shí)，仍能提供與傳統(tǒng)成像方法相當(dāng)?shù)母叻轿环直媛蕡D像，不會減少后續(xù)鑒別和識別階段的信息量。在正側(cè)視條帶工作方式下，天線波束指向始終與雷達(dá)速度方向垂直（不考慮載機(jī)運(yùn)動誤差），其成像幾何如圖1所示，其中x，y，z和r分別稱為地距，方位，高度和斜距。x和y確定的平面x-y稱為地距平面（ground-plane），r和y確定的平面r-y為斜距平面（slant-plane）。由于SAR只具有2維成像能力，因此SAR圖像是實(shí)際場景在斜距平面的投影，因此斜距平面也稱為成像平面。圖1（a）中陰影部分表示被雷達(dá)天線波束掃過的區(qū)域，稱為測繪帶；圖1（b）中陰影部分是圖1（a）中陰影部分在成像平面上的投影。FOPENSAR2維回波時(shí)域和頻域（波數(shù)域）模型分別如式（3）和式（5）所示，定量表示了回波中目標(biāo)散射隨頻率和方位角變化的信息。3.1成像模型FOPENSAR為了獲得與高波段SAR相當(dāng)?shù)姆轿环直媛?，需要更大的積累角，距離向和方位向存在強(qiáng)耦合。距離遷移（RM）算法針對該特性，利用Stolt變換在2維回波波數(shù)域?qū)嚯x向和方位向解耦。Stolt變換定義為：性通過2維逆Fourier變換耦合到圖像空間域，其中利用了由Stolt變換得到的回波域變量與圖像域變量的關(guān)系：3.2增強(qiáng)成像算法考慮到地面，車輛目標(biāo)可以近似為二面角結(jié)構(gòu)，樹干可以近似為頂帽結(jié)構(gòu)，其參數(shù)化散射模型分別為［11］：式中，為俯仰角，為二面角姿態(tài)角，和分別為二面角的軸長和邊寬，和分別為頂帽的高和其圓柱部分半徑。當(dāng)雷達(dá)視線與二面角軸線垂直時(shí)，即，二面角散射最強(qiáng)；而頂帽散射強(qiáng)度不隨方位角變化。根據(jù)前面推導(dǎo)的成像模型可知，二面角散射強(qiáng)度隨著方位角偏離其軸線垂直方向逐漸減弱；而雷達(dá)圖像為積累角范圍內(nèi)不同方位角目標(biāo)散射的疊加。由于FOPENSAR地面雜波和葉簇雜波能量在積累角范圍近似均勻分布，雖然增大積累角能夠提高方位分辨率，但會一定程度降低二面角目標(biāo)的圖像信雜比；而樹干雜波散射基本不隨方位角變化，增大積累角對其圖像信雜比影響不大。為了增強(qiáng)車輛目標(biāo)的圖像信雜比，一個(gè)途徑是獲得方位角等于車輛姿態(tài)角對應(yīng)的雷達(dá)圖像。因此根據(jù)成像模型，可以借鑒時(shí)頻分析的思想，在波數(shù)域數(shù)據(jù)對雷達(dá)回波進(jìn)行增強(qiáng)成像處理。Wigner-Ville分布(WVD)是雙線性時(shí)頻分析方法的基礎(chǔ)和核心［12］，它最早由Wigner在1932年提出并將其應(yīng)用在量子力學(xué)上，后來由Ville引入信號的時(shí)頻分析領(lǐng)域中。可以獲得信號的2次時(shí)頻聯(lián)合分布，基于WVD的增強(qiáng)成像公式可以表示為：WVD作為最基本的雙線性時(shí)頻表示方法，其主要缺點(diǎn)是存在交叉項(xiàng)的干擾，為了克服這個(gè)問題，需要對WVD進(jìn)行改進(jìn)，對交叉項(xiàng)進(jìn)行抑制。Choi-Williams分布(CWD)具有好的交叉項(xiàng)抑制能力，與WVD相比它只需在運(yùn)算中添加一個(gè)核函數(shù)［13］?；贑WD的增強(qiáng)成像公式可以表示為采用機(jī)載FOPENSAR實(shí)測數(shù)據(jù)對提出的增強(qiáng)成像方法進(jìn)行驗(yàn)證。該機(jī)載FOPENSAR發(fā)射線性調(diào)頻信號，工作在VHF/UHF波段。成像區(qū)域?yàn)樵诿艿臉淞种须[藏著4輛卡車。傳統(tǒng)成像和基于CWD的增強(qiáng)成像結(jié)果如圖2所示，圖像動態(tài)范圍30dB。傳統(tǒng)成像結(jié)果中，目標(biāo)淹沒在雜波背景中，為了保證高檢測概率，預(yù)篩選會出現(xiàn)大量虛警；而增強(qiáng)成像結(jié)果中，葉簇散射得到大幅度抑制，僅剩余了若干較強(qiáng)的樹干散射，而卡車目標(biāo)散射并沒有減弱，因此目標(biāo)信雜比大幅度增加，有利于提高預(yù)篩選性能。本文提出了一種FOPENSAR增強(qiáng)成像方法，能夠有效提高樹林中車輛類目標(biāo)圖像的信雜噪比，從而提高預(yù)篩選性能，大幅度減少包含虛警雜波的ROI數(shù)目，從而提高信息處理流程的整體效率。在增強(qiáng)成像處理的基礎(chǔ)上，可以結(jié)合圓周孔徑和極化信息[14],—方面提供更豐富的角度信息，另一方面提供3維成像能力，區(qū)分植被區(qū)的冠層和樹干，從而進(jìn)一步提高FOPENSAR隱蔽目標(biāo)圖像信雜比。金添(1980-)，男，國防科學(xué)技術(shù)大學(xué)，教授，博士生導(dǎo)師，主要從事隱蔽目標(biāo)雷達(dá)成像與檢測識別、新型微波傳感器機(jī)理與系統(tǒng)實(shí)現(xiàn)等方面的研究工作。2009年獲全國優(yōu)秀博士學(xué)位論文獎，2010年入選教育部“新世紀(jì)優(yōu)秀人才支持計(jì)劃”，2015年獲國際無線電科學(xué)聯(lián)盟青年科學(xué)家獎。承擔(dān)國家自然科學(xué)基金、武器裝備探索等多項(xiàng)課題，獲省部級科技進(jìn)步一等獎1項(xiàng)、二等獎1項(xiàng)?！ㄐ盘柼幚砼c系統(tǒng)”國家精品課程和資源共享課主講教師，信號處理系列課程國家級教學(xué)團(tuán)隊(duì)主要成員。已發(fā)表論文100余篇，獲授權(quán)國家發(fā)明專利5項(xiàng)，出版專著3部、譯著1部、教材1部?！ㄐ畔⒏兄夹g(shù)”國家協(xié)同創(chuàng)新中心特聘研究員，荷蘭代爾夫特理工大學(xué)訪問學(xué)者。E-mail:.cnReferenceformat:JinTian.Anenhancedimagingmethodforfoliagepenetrationsyntheticapertureradar[J].JournalofRadars,2015,4(5):503-508.DOI:10.12000/JR15114.【相關(guān)文獻(xiàn)】[1]DavisME.FoliagePenetrationRadar:DetectionandCharacterizationofObjectsunderTrees[M].SciTechPublishing,Inc,2011:60-92.[2]NovakLM,HalversenSD,OwirkaGJ,etal..EffectsofpolarizationandresolutiononSARATR[J].IEEETransactionsonAerospaceandElectronicSystems,1997,33(1):102-116.[3]吳一戎.多維度合成孔徑雷達(dá)成像概念[J].雷達(dá)學(xué)報(bào)，2013,2(2):135-142.WuYi-rong.ConceptonmultidimensionalspacejointobservationSAR[J].JournalofRadars,2013,2(2):135-142.[4]KaplanLM,McClellanJH,andSeung-MokOh.Prescreeningduringimageformationforultrawidebandradar[J].IEEETransactionsonAerospaceandElectronicSystems,2002,38(1):74-88.[5]CarinL,YbarraG,BharadwajP,etal..Physics-basedclassificationoftargetsinSARimageryusingsubaperturesequences[C].IEEEInternationalConferenceonAcoustics,SpeechandSignalProcessing,Phoenix,AZ,USA,1999:3341-3344.[6]RunkleP,NguyenLH,McClellanJH,etal..Multi-aspecttargetdetectionforSARimageryusinghiddenMarkovmodels[J].IEEETransactionsonGeoscienceandRemoteSensing,2001,39(1):46-55.[7]SoumekhM,GuntherG,LindermanM,etal..DigitallyspotlightedsubapertureSARimageformationusinghighperformancecomputing[C].ProceedingsofSPIE,2000,4053:260-271.[8]WongDandCarinL.Analysisandprocessingofultrawide-bandSARimageryforburiedlandminedetection[J].IEEETransactionsonAntennasandPropagation,1998,46(11):1747-1748.[9]楊威，陳杰，李春升.面向目標(biāo)特性精細(xì)提取的SAR數(shù)據(jù)融合成像處理方法[J].雷達(dá)學(xué)報(bào),2015,4(1):29-37.YangWei,ChenJie,andLiChun-sheng.SARdatafusionimagingmethodorientedtotargetfeatureextraction[J].JournalofRadars,2015,4(1):29-37.[10]ChaneyRD,WillskyAS,andNovakLM.Coherentaspect-dependentSARimageformation[C].ProceedingsofSPIE,1994,2230:25