【摘要】目標(biāo)逆合成孔徑雷達（inverse synthetic aperture radar，ISAR）像通常受多種噪聲的影響，這些噪聲影響了ISAR圖像的質(zhì)量，使得對圖像的理解以及特征提取變得困難。提高圖像質(zhì)量，減少噪聲的干擾成為識別過程中重要的步驟。首先根據(jù)所得ISAR成像分別對圖像進行橫條紋干擾抑制和去除噪聲干擾然后提取出清晰的目標(biāo)像。對ISAR像進行邊緣提取，計算邊緣圖像上點的馬氏距離，得到馬氏距離陣列，并作為目標(biāo)特征向量。實驗表明，對目標(biāo)進行預(yù)處理有效地提高了ISAR特征的穩(wěn)定性，有利于后續(xù)的目標(biāo)特征提取與識別。

【關(guān)鍵詞】逆合成孔徑雷達預(yù)處理斑點噪聲橫條紋干擾馬氏距離

逆合成孔徑雷達是一種高分辨成像雷達，依據(jù)雷達二維成像對目標(biāo)進行識別和分類，是目前研究的熱點之一[1，2]。由于測量條件和成像原理等原因，相比普通光學(xué)圖像，ISAR像存在如下特點[3，4]：（1）通常表現(xiàn)為稀疏、孤立的散射中心分布；（2）存在斑點噪聲和條紋干擾，使得ISAR像質(zhì)量下降；（3）ISAR像隨雷達視角變化而變化等。因此，圖像的預(yù)處理對后續(xù)基于圖像的特征提取和分類識別至關(guān)重要。

本文先對ISAR成像進行斑點噪聲和橫條紋干擾抑制，提高圖像質(zhì)量，再通過小波變換和馬氏距離性質(zhì)提取，獲得目標(biāo)的有效特征，有利于后續(xù)分類識別。

一、圖像預(yù)處理

橫條紋干擾產(chǎn)生的主要原因是相位補償時聚焦不良、螺旋槳調(diào)制效應(yīng)以及強散射點的副瓣。有兩種方法可以用來減少橫條紋干擾[5]：（1）成像過程中提高相位補償?shù)木龋唬?）成像后，根據(jù)所得圖像特征選取合適的方法進行橫條紋干擾抑制。

本文中，采取將各個距離單元中幅度小于該點最大幅度1/10以下的點全部置零的方法。由此，強散射點所在的單元橫條紋干擾有效減少了，弱散射點仍有部分噪聲保留，還需進行進一步處理。

小波變換不改變信號所引起的小波變換系數(shù)的極值點的位置，而噪聲所引起的小波變換系數(shù)的極值點主要表現(xiàn)在第一、二尺度上，且隨著尺度增大，小波系數(shù)的極值點越來越少。用小波變換系數(shù)的局部極大值點，可得出圖像信號突出點的位置，即得到圖像邊緣。利用小波變換的極大值檢測進行邊緣檢測。步驟如下[9]：

（1）設(shè)圖象的灰度函數(shù)為p（m，n），進行Mallat快速算法，得

根據(jù)以上分析可以看出，首先利用小波變換實現(xiàn)圖像的邊緣檢測，計算邊緣圖像上點的馬氏距離，得到馬氏距離，將其作為目標(biāo)的穩(wěn)定的特征向量。

圖3、圖4分別為Yak-42飛機和An-26飛機得到邊緣圖像。計算邊緣圖像上各點的馬氏距離以及各圖馬氏距離陣列之間的相關(guān)系數(shù)，結(jié)果見表1（其中a1，a2，b1，b2分別代表Yak-42的兩個飛機以及An-26兩個飛機）。由表1可以看出，同一種飛機目標(biāo)之間的馬氏距離的相關(guān)系數(shù)較大，不同種飛機目標(biāo)之間馬氏距離相關(guān)系數(shù)較小，有利于后續(xù)進行不同類別的分類識別。

三、結(jié)術(shù)語

基于ISAR目標(biāo)二維像的識別，重要的步驟之一即對成像的后處理，即對圖像進行去除噪聲和橫條紋干擾，這對后續(xù)的特征提取和有效識別至關(guān)重要。本文對ISAR成像的橫條紋以及噪聲干擾進行了抑制，通過對ISAR圖像進行圖像的邊緣檢測以及馬氏距離陣列的提取，得到穩(wěn)定有效的目標(biāo)特征向量，從而能夠進一步進行不同類別目標(biāo)間的分類識別。

參考文獻

[1] M. J. Prickect，C. C. Chen. Principle of inverse synthetic aperture radar（ISAR）imaging. FASCON record，1 980：340-345

[2] Zhang X G， Bai Y C. ISAR target 2D images pre-processing in ATR [C] Proc. of the World Congress on Computer Science and Information Engineering，2009：542-544.

[3] Martorella M；Giusti E，Demi L，et al. Automatic target recognition by means of polarimetric ISAR images： a model matching based algorithm[C] //Proc. of the Radar International Conference，2008： 27-31.

[4] Zeljkovic V，Li Q，Vincelette R，et al. Automatic algorithm for ISAR images recognition and classification [J]. IET Radar，Sonar，and Navigation，2010，4（1）： 96-109

[5] S. Musman，D. Kerr，C. Bachmann. Automatic recognition of ISAR ship images. IEEE Trans. Aerospace Electron. Syst.，Vol.32，No. 4，1996：1392-1404

[6]陳善麗.浙大逆合成孔徑雷達圖像識別研究[D].浙江大學(xué)碩士學(xué)位論文. 2008.06

[7]張興敢.逆合成孔徑雷達成像及目標(biāo)識別[D].南京航空航天大學(xué)博士學(xué)位論文. 2001.10

[8]唐寧，高勛章，黎湘. ISAR像自動識別中的預(yù)處理算法[J].系統(tǒng)工程與電子技術(shù)，2011，33（3）：46 - 48