劉鳴秋，熊龍杰，章 林，沈 麟

(1.湖北國際物流機場有限公司，湖北 鄂州 436000；2.南京萊斯電子設備有限公司，江蘇 南京 210000)

0 引言

機場跑道異物(Foreign Object Debris，F(xiàn)OD)泛指可能損傷航空器或系統(tǒng)的某種外來的物質(zhì)[1]，如金屬器件、碎石塊、高爾夫球等。國際民航組織(ICAO)規(guī)定，每天至少需檢查4次跑道。當前，許多機場的FOD檢查還依靠人工[2]，不僅檢查效率低，而且一旦出現(xiàn)大霧等不良情況，人眼也很難檢查出較小異物。

雜波是雷達檢測產(chǎn)生虛假目標的主要原因，當目標保持運動狀態(tài)時，使用恒虛警檢測[4-5]方法能夠比較容易檢測到目標[6]；當目標保持靜止時，從雜波中分辨目標會變得困難，所以在強雜波背景下的靜態(tài)目標檢測是系統(tǒng)面臨的重要問題。常規(guī)的FOD處理流程由預處理和異物檢測組成。首先，預處理定位目標所在區(qū)域，通常是選定機場的跑道區(qū)域作為觀測區(qū)域；然后，過濾掉區(qū)域中的雜草、不均勻路面、積水和跑道燈等易產(chǎn)生的大量雜波的物體；最后，運用FOD檢測算法從接收到的回波中找出跑道異物。FOD監(jiān)視雷達通常安裝在位于機場跑道附近的草地上，允許距離跑道中心50 m。在實際應用中，雷達掃描區(qū)域為非均質(zhì)草地和準光滑表面，安裝高度也要限定在特定范圍，掠射角很低，因此雜波功率要比常規(guī)雷達高。雜波往往隨著天線的掃描具有時變特性。在復雜的背景中，特別是雜波背景能量強于異物回波時，F(xiàn)OD檢測能力會大大降低，容易漏檢目標，這時FOD就需要人工排查。

文章針對邊燈式FOD雷達在雜波區(qū)域常規(guī)檢測算法異物檢測能力差的問題，提出了一種基于圖像的區(qū)域生長雜波區(qū)域目標提取算法。首先，分析區(qū)域生長方法的原理并其生長流程；其次，通過仿真驗證了區(qū)域生長方法對特征區(qū)域提取的有效性；最后，將區(qū)域生長方法應用到跑道雷達異物檢測中。實測試驗結(jié)果表明，該方法能夠有效抑制雷達雜波區(qū)域的虛假目標，降低機場跑道異物(FOD)檢測系統(tǒng)虛警，提高雷達目標發(fā)現(xiàn)能力。

1 信號模型

Arc-SAR快速成像算法信息處理流程，如圖1所示。在極坐標下，雷達通常采用調(diào)頻連續(xù)波[7](Frequency Modulated Continuous Wave，F(xiàn)MCW)體制，采集的原始回波可以表示為：

圖1 Arc-SAR快速成像算法信息處理流程

(1)

式中：λ表示發(fā)射信號的中心波長，θbw為無線波束寬度，pm,t表示第m個脈沖的t時刻，φ表示方位角。

隨后，進行傅里葉變換，并通過“駐定相位定理”得到信號的二維頻域表達式：

(2)

其中：Bθ為方位向帶寬，f和fθ分別為t和θ的頻率。

接下來需要對二維頻域信號做頻域匹配濾波，二維頻域匹配濾波器可以表示為：

(3)

式中：

(4)

(5)

最后，對二維頻率濾波結(jié)果做二維傅里葉逆變換，可得到點目標在極坐標格式下的時域Arc-SAR圖像。

2 基于圖像區(qū)域生長的雜波抑制方法

2.1 區(qū)域生長原理

二維仿真圖像的分辨力與作用距離無關(guān)，且圖像背景雜波的統(tǒng)計結(jié)構(gòu)分布極為復雜，很難用一種概率分布函數(shù)描述雜波空間的分布特征，這些都增加了圖像準確分割與特征提取的難度，如圖2所示。區(qū)域生長基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成最大一致性的區(qū)域，可以有效地提高圖像分割與特征提取的準確度。

圖2 距離-方位網(wǎng)格示意

雜波圖恒虛警檢測技術(shù)對于慢變雜波有一定的抑制作用，其原理是將監(jiān)測區(qū)域劃分成距離-方位的二維網(wǎng)格，通過統(tǒng)計單個網(wǎng)格內(nèi)的數(shù)據(jù)回波隨時間的變化特性，利用時間平均消除雜波能量。但雜波對消的方法對于雜波存在于邊緣位置的效果不好，容易產(chǎn)生邊緣的微小顆粒雜波，從而導致雷達檢測錯誤，產(chǎn)生虛假目標。通過圖像閾值法處理，設圖像為f(x,y)，其灰度范圍是[0,L]，在0和L之間選擇一個合適的灰度閾值T可以實現(xiàn)圖像的灰度分割。由于圖像閾值法的直觀性和易于實現(xiàn)的性質(zhì)，使它在圖像分割領(lǐng)域中處在中心地位，但在閾值分割后不可避免地會出現(xiàn)與目標灰度接近的背景區(qū)域，從而產(chǎn)生噪聲干擾[8]，影響檢測結(jié)果。

區(qū)域生長就是考慮到了圖像的空間性質(zhì)，將相同性質(zhì)的像素合并起來形成統(tǒng)一的區(qū)域。將此原理運用于雷達回波圖像中，先把回波劃分成互相連通的距離-方位網(wǎng)格，再通過閾值分割和屬性合并的方法實現(xiàn)雜波區(qū)域的提取[9]。區(qū)域生長就是指將感興趣的區(qū)域(雜波區(qū)域)從圖像中分離出來，通過區(qū)域分割方法將圖像劃分為不同的區(qū)域，來達到雜波抑制的目的。

2.2 區(qū)域生長流程

區(qū)域生長首先對每個需要分割的區(qū)域找一個種子像素，將其作為區(qū)域生長的起點；然后，利用能夠?qū)⑾噜徬袼匕ㄟM來的準則，依據(jù)準則搜索種子周圍的像素，將具有相同或相似性質(zhì)的像素合并到種子像素所在的區(qū)域，再將新像素作為新的種子重復上述搜索過程；最后，制定生長過程停止的條件或規(guī)則。當搜索過程滿足停止條件時，退出搜索，完成區(qū)域提取。

具體處理流程：(1)對接收的雷達圖像進行預處理，按照距離-方位劃分圖像網(wǎng)格；(2)選定感興趣的像素區(qū)域(雜波區(qū)域)，選擇其中一個像素點作為種子點；(3)以該種子點為中心，搜索它的相鄰像素(4鄰域或者8鄰域)，若像素點的灰度差小于給定的閾值，將它們進行合并；(4)以新合并的像素為中心，重復步驟3；(5)若區(qū)域不能進一步擴張，則退出。

2.3 示例分析

圖3是區(qū)域生長的例子，其中圖3(a)是區(qū)域生長之前的圖像，數(shù)值的大小代表了能量的差異。假定數(shù)值大的區(qū)域是雜波區(qū)域，可以采用區(qū)域生長的方法實現(xiàn)雜波區(qū)域的提取。首先，選擇圖像的中心區(qū)域數(shù)字5作為雜波區(qū)域的起始點，即種子點，如圖3(a)所示；然后，以種子點5為中心，基于區(qū)域灰度差準則開始搜索它的相鄰像素，給定的灰度差閾值是1.5，那么當周圍區(qū)域的數(shù)字大于3.5以上時，則將他們合并到雜波區(qū)域；最后，將新加入雜波區(qū)域的網(wǎng)格位置看作新的種子，重復搜索步驟，直到雜波區(qū)域不再增加新的種子為止。圖3(b)是區(qū)域生長之后的結(jié)果。

圖3 區(qū)域生長

3 試驗結(jié)果

以2021年11月淮安機場的FOD探測系統(tǒng)的圖像數(shù)據(jù)為例進行分析。采用邊燈式FOD雷達進行測試，系統(tǒng)采用FMCW信號體制，架設于跑道一側(cè)，觀測10°～170°扇區(qū)范圍內(nèi)異物，系統(tǒng)最大探測量程100 m，發(fā)射功率20 dBm。跑道異物探測示意，如圖4所示。

圖4 跑道異物探測示意

從包含異物的跑道圖像，可以看到圖像中包含均勻的背景噪聲，并且近距離有較強的雜波，如圖5所示。選取距離-方位網(wǎng)格中的近距離雜波點作為種子點，按照區(qū)域生長的方法提取雜波區(qū)域，經(jīng)過區(qū)域生長后的雷達回波圖像，如圖6所示?？梢钥匆?，經(jīng)過區(qū)域生長能夠準確標示雜波區(qū)域。在未采用區(qū)域生長方法的包含異物的跑道圖像進行FOD檢測的結(jié)果，雜波區(qū)域產(chǎn)生了虛假目標，如圖7所示。對區(qū)域生長后的跑道圖像進行FOD檢測，由于剔除了雜波區(qū)的虛警的影響，近距離的虛警得到抑制，F(xiàn)OD檢測結(jié)果如圖8所示。對比圖7和圖8可知，運用區(qū)域生長方法提高了FOD檢測的準確性。圖5—8縱坐標距離標尺為0.15，單位為米；橫坐標方位單位為度。

圖5 含異物的跑道圖像

圖6 區(qū)域生長后的跑道圖像

圖7 區(qū)域生長的異物檢測

圖8 區(qū)域生長的異物檢測

4 結(jié)語

跑道異物檢測是保障機場安全的重要內(nèi)容，針對規(guī)檢測算法在雜波區(qū)域FOD檢測能力差的問題，本文分析區(qū)域生長方法的原理并其生長流程，仿真驗證了區(qū)域生長方法對特征區(qū)域提取的有效性，并將區(qū)域生長方法應用到跑道雷達異物檢測中。實測試驗結(jié)果表明該方法能夠有效抑制雷達雜波區(qū)域的虛假目標，提高FOD檢測能力。