董 平,林嘉宇,劉 瑩

(1.國(guó)防科技大學(xué) 電子科學(xué)與工程學(xué)院,湖南 長(zhǎng)沙 410073;2.長(zhǎng)沙芯?？萍脊?湖南 長(zhǎng)沙 410000)

一種基于峰值匹配的SAR目標(biāo)識(shí)別方法

董 平1,林嘉宇2,劉 瑩1

(1.國(guó)防科技大學(xué) 電子科學(xué)與工程學(xué)院,湖南 長(zhǎng)沙 410073;2.長(zhǎng)沙芯?？萍脊?湖南 長(zhǎng)沙 410000)

文章提出了一種基于峰值匹配的SAR目標(biāo)識(shí)別方法.采用最近鄰匹配算法構(gòu)建測(cè)試樣本峰值特征集與模板樣本峰值特征集之間的對(duì)應(yīng)關(guān)系.在此匹配關(guān)系的基礎(chǔ)上,設(shè)計(jì)了穩(wěn)健的匹配度準(zhǔn)則評(píng)價(jià)兩組峰值特征集的匹配度,并根據(jù)最大匹配度的準(zhǔn)則判定目標(biāo)類別.在MSTAR數(shù)據(jù)集進(jìn)行目標(biāo)識(shí)別實(shí)驗(yàn)驗(yàn)證提出方法的有效性.

合成孔徑雷達(dá);目標(biāo)識(shí)別;匹配度準(zhǔn)則

合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)作為一種主動(dòng)式的微波遙感,因具有全天時(shí)、全天候等巨大優(yōu)勢(shì),因而成為現(xiàn)代戰(zhàn)場(chǎng)偵察的重要手段.SAR自動(dòng)目標(biāo)識(shí)別(Automatic Target Recognition,ATR)作為SAR解譯的關(guān)鍵步驟,成為一項(xiàng)研究熱點(diǎn)[1-2].

峰值特征是SAR圖像的一種重要特征,反映了目標(biāo)散射中心的空間分布,對(duì)于SAR目標(biāo)識(shí)別具有重要的作用.針對(duì)SAR圖像峰值特征提取、峰值穩(wěn)定性分析以及峰值特征在SAR目標(biāo)識(shí)別中的應(yīng)用,證明了峰值特征可以有效完成穩(wěn)健的SAR目標(biāo)識(shí)別[3-5].由此,本文提出一種基于峰值匹配的SAR目標(biāo)識(shí)別方法.該方法首先取待測(cè)試SAR圖像和其對(duì)應(yīng)的模板圖像的峰值特征.通過(guò)峰值特征的屬性差異構(gòu)建合理的代價(jià)矩陣,采用最近鄰匹配算法實(shí)現(xiàn)測(cè)試圖像峰值特征集與模板峰值特征集的一一匹配.在此匹配關(guān)系的基礎(chǔ)上,設(shè)計(jì)了穩(wěn)健的匹配度度量準(zhǔn)則評(píng)價(jià)峰值特征集之間匹配度,并根據(jù)最大匹配度的準(zhǔn)則確定目標(biāo)類別.為了驗(yàn)證本文方法的有效性,采用運(yùn)動(dòng)和靜止目標(biāo)獲取與識(shí)別(Moving and Stationary Target Acquisition and Recognition,MSTAR)數(shù)據(jù)集進(jìn)行了驗(yàn)證實(shí)驗(yàn).

1 峰值特征提取

本文采用SAR圖像上的局部極大值作為峰值特征,提取過(guò)程如公式(1)所示.

其中,當(dāng)Qij=1時(shí),則當(dāng)前像素為目標(biāo)峰值;當(dāng)Qij=0時(shí),則當(dāng)前像素非目標(biāo)峰值.aij代表當(dāng)前像素的灰度值;N(i,j)表示(i,j)的局部領(lǐng)域.設(shè)定公式(1)中的鄰域大小為8(即3X3滑動(dòng)窗),一幅SAR圖像峰值提取的結(jié)果如圖1所示,圓形符號(hào)標(biāo)記了峰值點(diǎn)的分布,可以看出峰值特征集可以有效描述了目標(biāo)散射中心的分布,并且一定程度上反映了目標(biāo)的物理結(jié)構(gòu).

2 峰值特征集的最近鄰匹配

記測(cè)試樣本和模板樣本的峰值特征集為X=[X1,X2,X3,…,Xm]和Y=[Y1,Y2,Y3,…,Yn].其中Xi(i=1,2,…,m)和Yj(j=1,2,…,n)代表一個(gè)峰值,包含(x,y,|A|)3個(gè)屬性參數(shù).為建立兩組峰值特征集之間的對(duì)應(yīng)關(guān)系,首先定義兩個(gè)峰值之間的距離測(cè)度:

圖1 峰值特征提取結(jié)果

基于定義的距離測(cè)度,本文采用最近鄰算法實(shí)現(xiàn)兩組峰值特征集的一一匹配[6],具體實(shí)施步驟如下:

Step1:按照公式(2)計(jì)算匹配關(guān)系矩陣,矩陣中的每一個(gè)元素代表兩個(gè)峰值之間的距離.

Step2:選擇M中同時(shí)滿足行、列最小的元素mij,確定測(cè)試樣本第i個(gè)峰值與模板樣本第j個(gè)峰值的匹配關(guān)系.

Step3:遍歷測(cè)試樣本的每一個(gè)峰值,輸出測(cè)試樣本峰值集的匹配關(guān)系.

根據(jù)建立的配對(duì)關(guān)系,計(jì)算測(cè)試樣本峰值特征集與模板樣本峰值特征集的匹配度如下:

公式(4)中Γ((i)表示與第i個(gè)測(cè)試樣本峰值對(duì)應(yīng)的模板樣本峰值序號(hào).由此,可以計(jì)算出測(cè)試樣本峰值與各類模板的匹配度.采用最大匹配度的原則可以判定目標(biāo)類別.

3 實(shí)驗(yàn)與分析

3.1 實(shí)驗(yàn)數(shù)據(jù)集

MSTAR數(shù)據(jù)集采集了X波段HH極化下多類軍事目標(biāo)的SAR圖像,圖像大小128X128,原始分辨率為0.3 mX0.3 m.本文對(duì)MSTAR數(shù)據(jù)集中的3類目標(biāo)-BMP2,BTR70和T72進(jìn)行了目標(biāo)識(shí)別實(shí)驗(yàn).3類目標(biāo)的光學(xué)圖像如圖2所示.本文使用的模板樣本和測(cè)試樣本如表1所示,采用俯仰角17°下的3類目標(biāo)圖像作為模板樣本,俯仰角15°下的3類目標(biāo)圖像作為測(cè)試圖像.

圖2 BMP2,BTR70和T72 3類目標(biāo)的光學(xué)圖像

表1 本文使用的訓(xùn)練和測(cè)試樣本

3.2 實(shí)驗(yàn)結(jié)果

3.2.1 3類目標(biāo)的識(shí)別結(jié)果

本文首先測(cè)試了提出算法在3類目標(biāo)-BMP2,BTR70和T72上的識(shí)別性能.本文方法對(duì)3類目標(biāo)的識(shí)別結(jié)果如表2所示.可以看出,本文方法在3類目標(biāo)上平均識(shí)別率達(dá)到94.02%,較好地完成了3類目標(biāo)的識(shí)別任務(wù),證明了方法的有效性.

表2 3類目標(biāo)的識(shí)別結(jié)果統(tǒng)計(jì)

3.2.2 噪聲添加

考慮到實(shí)際獲取的SAR圖像可能存在較為嚴(yán)重的噪聲干擾,本文對(duì)測(cè)試樣本按照文獻(xiàn)[7]中的方法添加高斯噪聲.不同信噪比下的SAR如圖3所示.本文方法在不同信噪比下的平均識(shí)別率如表3所列,可以看出,即使在很低的信噪比(如-10 dB)的情形下,本文方法仍然有62.17%的正確識(shí)別率,隨著信噪比的不斷提高,本文方法的識(shí)別率也不斷上升,證明了本文算法對(duì)于噪聲干擾具有一定的穩(wěn)健性.

圖3 不同信噪比下的SAR圖像

表3 不同信噪比下的識(shí)別性能

4 結(jié)語(yǔ)

本文提出了一種基于峰值匹配的SAR目標(biāo)識(shí)別方法.采用最近鄰匹配算法構(gòu)建測(cè)試圖像峰值特征集與對(duì)應(yīng)模板峰值特征集之間的一一對(duì)應(yīng)關(guān)系,進(jìn)而評(píng)價(jià)兩者之間的匹配度.根據(jù)最大匹配度的準(zhǔn)則判定目標(biāo)類別完成目標(biāo)識(shí)別.基于MSTAR數(shù)據(jù)的實(shí)驗(yàn)表明,本文算法對(duì)于3類目標(biāo)的平均識(shí)別率達(dá)到94.02%,并且對(duì)噪聲干擾具有一定的穩(wěn)健性.

[1]文貢堅(jiān),朱國(guó)強(qiáng),殷紅成,等.基于三維電磁散射參數(shù)化模型的SAR目標(biāo)識(shí)別方法[J].雷達(dá)學(xué)報(bào),2017(2):115-135.

[2]KHALID E,ERIC W G,PETER M,et al.Automatic target recognition in synthetic aperture radar imagery:a state-of-the-art review[J].IEEE Access,2016(4):6014-6058.

[3]張翠,酈蘇丹,鄒濤,等.一種應(yīng)用峰值特征匹配的SAR圖像自動(dòng)目標(biāo)識(shí)別方法[J].中國(guó)圖像圖形學(xué)報(bào),2002(7):729-734.

[4]計(jì)科峰,高貴,賈承麗,等.一種利用方位角信息給予峰值匹配的SAR圖像目標(biāo)分類方法[J].信號(hào)處理,2005(z1):526-530.

[5]高貴,計(jì)科峰,匡綱要,等.高分辨率SAR圖像目標(biāo)峰值提取及峰值穩(wěn)定性分析[J].電子與信息學(xué)報(bào),2005(4):561-565.

[6]唐濤,粟毅.散射中心序貫匹配的SAR圖像目標(biāo)識(shí)別方法[J].系統(tǒng)工程與電子技術(shù),2012(6):1131-1135.

[7]丁柏圓,文貢堅(jiān),余連生,等.屬性散射中心匹配及其在SAR目標(biāo)識(shí)別中的應(yīng)用[J].雷達(dá)學(xué)報(bào),2017(2):157-166.

A SAR target recognition method based on peak matching

Dong Ping1, Lin Jiayu2, Liu Ying1
(1.School of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, China;2.Sincechip Technology Company, Changsha 410000, China)

This paper proposes a SAR target recognition method based on peak matching. The peak sets of the test sample and its corresponding templates are matched by the nearest matching scheme. On the basis of the matching relationship, a robust matching degree is designed to evaluate the similarities between the test peak set and various peak sets from different classes. The target type is determined according to the criterion of maximum matching degree. To validate the effeteness of the proposed method, experiments are conducted on public MSTAR dataset.

synthetic aperture radar; target recognition; criterion of matching degree

董平(1985- ),男,四川宜賓人,學(xué)員,碩士;研究方向:圖像處理,通信理論.