高分辨率合成孔径雷达图像舰船检测方法

2003年第17卷第1期

测试技术学报V ol.17　N o.1　2003(总第43期)JOURNAL OF TEST AND MEASUREMENT TECHNOLOGY (Sum N o .43)文章编号:1671-7449(2003)01-0015-04

高分辨率合成孔径雷达图像舰船检测方法

种劲松,朱敏慧

(中国科学院电子学研究所微波成像技术国家重点实验室,北京100080)

摘　要:　寻找针对高分辨率SA R 图像的舰船目标检测算法.利用K SW 双阈值分割技术,其效果比传统检

测方法好,有利于进一步的目标分类和识别.且必须根据SAR 图像分辨率来选择舰船检测算法.

关键词:　目标检测;图像分割;合成孔径雷达

中图分类号:　T N 957.51 文献标识码:A

利用合成孔径雷达(SAR )图像进行舰船检测在海洋遥感科学家中得到高度重视,已经成为SAR 数据重要的海洋应用之一.

在SAR 图像舰船检测方面的研究很多,大多数是使用恒虚警(CFAR)算法[1～4]

针对中低分辨率(25m 以上)的SAR 图像进行的.CFAR 算法是对于给定的虚警概率,根据背景杂波的分布来给出分割阈值.这种方法属于单阈值图像分割,对于中低分辨率图像较适用.

由于SAR 图像逐渐发展到高分辨率,对于舰船目标的研究除了目标检测外,还必须考虑到检测方法是否有利于目标参数提取,从而有利于后续的目标分类和识别.在实际应用中发现,如果将CFAR 算法运用到RADARSAT 精细模式高分辨率图像(分辨率约为8m ),舰船目标的参数提取将很难进行.

本文的研究目的是寻找针对高分辨率SAR 图像的舰船目标检测算法,为此需要先分析高分辨率SAR 图像上舰船目标的特点.1　舰船目标在高分辨率SA R 图像上的特点

在中低分辨率的SAR 图像中,舰船目标是一个、几个或几十个象素组成的强目标,此时对舰船目标的检测问题是典型的点目标检测问题.而在高分辨率的SAR 图像中,舰船目标是具有一定尺寸和一定细节的硬目标,其象素数可达到几百个左右.

真实舰船的首部、中部和尾部的结构是不同的,因此同一舰船的不同部位在高分辨率SA R 图像上必然呈现出不同的灰度,即整个舰船目标的亮度分布是不均匀的.图像中舰船目标由两类点组成.亮度图1　RADARSAT 精细模式舰船图像及其三维细节Fig .1　S hip image of RADARSAT fine m od e and the details

比较高的点是角反射或点

反射(由舰船的上层建筑、

舰桥、桅杆等引起)的结

果,亮度稍低的点是漫反

射的结果(由甲板等引

起).亮度高的点组成强

峰,亮度较低的点组成弱

峰.强峰和弱峰的分布可

以作为目标特征用于目标

分类识别.

图1示出Radarsat

精细模式图像中的舰船目 收稿日期:2002-07-01　作者简介:种劲松(1969-),女,副研究员,博士,主要从事合成孔径雷达图像处理与解译的研究.

标及其三维细节显示,中央的图像为SA R 图像,它的左右两张图对应其中两只舰船的三维细节显示,可以看出舰船目标强峰和弱峰的分布十分明显.

由于SAR 成像机制,在实际目标的两边容易形成小的“拖影”,也称为光点旁瓣或条纹,通常只有在特强目标两边才会出现[5]

.如果“拖影”在距离向和方位向上都存在,则形成图像上的“十字叉”.

图2中的4个舰船目标分别选自两景不同地区RADARSAT 精细模式图像.仔细观察这些舰船目标图像,可以发现,某些舰船产生的旁瓣形成强的“十字叉”,如图2(a);某些舰船上强反射点致使“拖影”从船身伸出,如图2(b),2(c);某些货船伸出的起重架在SAR 图像上也是清晰可见的,如图2(

d).图2　高分辨率舰船SAR 图像

Fig .2　SAR images of high resolution s hip

综上,舰船目标在高分辨率SAR 图像上具有这些特点: 亮度分布不均匀,具有强峰和弱峰分布; 具有SAR 图像强目标的特点,即存在“拖影”或“十字叉”; 目标细节清楚,如可见货船的起重架.

正是由于这些特点的存在,使得传统的CFAR 算法对于高分辨率图像不适用,需要寻找其它方法.2　K SW 双阈值方法

1985年Kapur ,Sahoo 和Wong 提出一种最佳熵自动门限法[6]

,在此简称KSW 方法.它将信息论中Shannon 熵概念用于图像分割,测量图像灰度直方图的熵,由此找出最佳阈值,其出发点是使图像中目标与背景分布的信息量最大.

根据Shannon 熵的概念,对于灰度范围{1,2,…,n }的图像直方图,其熵测量为

H T =- n i =1

p i ln p i ,式中:p i 为第i 个灰度出现的概率.

设阈值t 将图像划分为目标与背景两类,则令P t = t i =1p i ,H t =- t i =1

p i ln p i .由阈值t 分为A ,B 两类后,两类的概率分布分别为

p 1P t ,p 2P t ,…,p t P t ;p t +11-P t ,p t +21-P t ,…,p n 1-P t ,与每个分布有关的熵分别为H A (t )和H B (t )

H A (t )=- t i =0

p i P t ln p i P t =ln P t +H t P t

,H B (t )=- n i =t +1p i 1-P t ln p i 1-P t =ln(1-P t )+H T -H t 1-P t ,

图像的总熵H (t )为H A (t )和H B (t )之和,即H (t )=ln P t (1-P t )+

H t P t +H T -H t 1-P t ,最佳阈值t *为使总熵取最大值,即

t *=Arg max 0 t l -1

H (t ). KSW 方法可以用于双阈值分割,即将图像分为三类,对于两个分割阈值S 1和S 2(S 1

H (S 1,S 2)=ln( S 1i =1p i )+ln( S 2i =S 1+1p i )+ln( n i =S 2+1p i )- S

1i =1p i ln p i S 1i =1p i - S

2i =S 1+1p i ln p i S 2i =S 1+1p i - n i =S 2+1p i ln p i n

i =S 2+1p i ,16测试技术学报2003年第1期

则最佳阈值S *1,S *2为使总熵取最大值,即S *1,S *2=Arg M ax 0 S 1

KSW 方法用于双阈值分割时,本文称为KSW 双阈值方法.

3　实验结果及分析

实验对象为图2中的舰船目标,分别采用CFAR 算法及经过预处理后采用KSW 双阈值算法.

3.1　预处理

从中低分辨率SAR 图像中提取舰船目标时,一般预先不对SAR 图像做相干斑滤波.这主要是考虑到在低分辨率下,舰船目标一般为单点目标或者少数几个点,进行相干斑滤波可能会使得某些舰船目标被当作噪声点过滤掉或抑制某些舰船的回波强度.

对于高分辨率图像,舰船目标面积较大,可以进行相干斑滤波处理,一方面可以滤除相干斑噪声,另一方面也对图像进行平滑,平滑后的图像再进行分割,可以使目标分割后具有连通性.因此,我们考虑对高分辨率SAR 图像先进行滤波平滑,然后运用KSW 熵法进行分割.

候选的相干斑滤波器有Lee 滤波[7]、Kuan 滤波[8]、增强Lee 滤波[9]、Gamma Map 滤波[10],滤波器

窗口大小从3×3～9×9.选用滤波器有二个规则: 对滤波后的舰船图像进行图像分割时,舰船保持连通; 滤波后舰船图像的强峰和弱峰分布不改变.基于这两个方面的考虑,经过实验确定,选用5×5窗口的Lee 滤波器最佳.

3.2　实验结果对比

采用CFAR 算法结果如图3所示.使用Lee 滤波后舰船目标再进行KSW 双阈值分割的结果如图4所示.其中背景为黑色,舰船被分割为两个区域,“十字叉”、“旁瓣”、起重臂以及弱峰点均为灰色,强峰点为白色

.

图3　CFAR 检测结果

Fig .3　Detection results of

CFAR

图4　KSW 双阈值分割检测结果

Fig .4　Detection resu lts of KSW doub le thresholds segmen tation

3.3　结果分析

由于舰船目标亮度在高分辨率SAR 图像上的不均匀性,如果简单地对图像进行单阈值CFAR 分割,则同一舰船上反射较弱的部位可能会被当作背景成为黑色,即可能出现目标被分割成不连通的情况,如图3(b ),3(d ).另一方面,舰船上强反射点产生的“旁瓣”、“十字叉”以及货船伸出的起重架均被划分为舰船目标的一部分,这将影响到对于舰船进行形状分析(如提取船长和长宽比).

17

(总第43期)高分辨率合成孔径雷达图像舰船检测方法(种劲松等)

18测试技术学报2003年第1期

可以总结出单阈值分割算法对高分辨率舰船图像存在的缺陷为: 舰船不连通; 无法体现舰船的强峰与弱峰的分布;不能区分舰船的“旁瓣”和“十字叉”;!货船伸出的起重架,将使舰船形状分析遇到困难.

而使用KSW双阈值分割算法后,可以克服以上缺陷,“十字叉”、“旁瓣”、起重臂以及弱峰点被分为一类(即图中灰色部分),高峰点被分为一类(即图中白色部分),两类之间是连通的.这样,使得后续的形状分析和特征提取算法可以进行.

4　结　论

在合成孔径雷达图像上,必须根据SAR图像分辨率来选择舰船检测算法.SAR图像上的舰船目标,对于中低分辨率SAR图像而言,是目标检测问题;对于高分辨率SAR图像而言,是目标分割问题.本文对于RADARSAT精细模式图像选定KSW双阈值方法,为进一步的目标参数提取和目标分类识别奠定了基础.

参考文献:

[1]　Eldhuset K nut.A n Auto matic Ship and Ship W ake D et ect ion System fo r Spa cebo rne SAR I mages in Co astal R egio ns

[J].IEEE trans.o n Geo science and r emo te sensing,1996,34(4):1010-1019.

[2]　K outi N,Shepher d I,Schwar tz G,et al.Inter gr ating spacebo rne SA R Imag ery int o Oper atio nal Systems fo r

F isheries M onito r ing[J].Canadian Jo urnal of Rem ote Sensing,2001,27(5):291-305.

[3]　W ackerman C C,F riedman K S,Pichel W G,et al.A utom atic Ship Detectio n o f Ships in RA DA RSA T SA R Imager y

[J].Canadian Journal of R emote Sensing,2001,27(5):371-378.

[4]　Cassent David,Su W ei,T ur aga D eepak.SA R Ship Detection U sing N ew Co nditional Co ntrast Box Filter[A].SPI E

Co nfer ence o n Alg or ithms for Synthetic Aper ture Radar Imag ery VI[C].Flo rida:SP IE,1999.274-284.

[5]　舒士畏,赵立平.雷达图像及其应用[M].北京:中国铁道出版社,1988.117-118.

[6]　Kapur J N,Sa ho o P K,Wo ng A K C.A N ew M etho d of Gr ay-lev el Pict ur e T hresholding U sing the Ent ro py o f t he

Hist og ram[J].Co mputer V isio n,Gr aphics,and I mage P ro cessing,1985,29(2):273-285.

[7]　Lee J S.Speckle Suppr ession and A na ly sis fo r Synthetic A pertur e R ada r[J].Optica l Engineer ing,1986,25(5):636

-643.

[8]　K uan D T.Adaptiv e noise smoo thing filter fo r imag es w ith signal-dependent noise[J].IEEE T r ans.P atter n

A naly sis a nd M achine Intelligence,1985,7(2):165-177.

[9]　L opes A,T ouzi R,N ezr y R.Adaptiv e speckle filters and scene heter og eneity[J].I EEE T rans.Geo science and

Remo te Sensing,1990,28(6):1010-1019.

[10]　Lo pes A,T ouzi R,N ezr y E,et al.M ax imum a po sterior i filtering and fir st o rder tex ture models in SA R imag es

[A].Ronnie M ills.IG AR SS1990.T he Instit ut e of Electr ical and Electro nics Eng ineers IN C[C].N ew Y o rk:

1990.2409-2412.

Ship Detection Method of High-resolution SAR Imagery

CHONG Jin-so ng,ZHU Min-hui

(1.N ational Key L abo r ator y o f M icr ow ave I maging T echnolog y,Beijing100080,China;

2.I nstitute of Electro nics,Chinese A cademy o f Sciences,Beijing100080,China)

Abstract:　In or der to find ship targ et detection algorithm for hig h-resolutio n SAR im ag ery,

KSW double threshold segm entatio n method is applied to high r esolutio n SAR imag er y to

detect ship.T he ex perimental results show that this method is better than the traditio nal

method.T he selection of ship detection alg orithm must be based o n the r esolutio n of SAR

imag ery.

Key words:targ et detection;im age seg mentation;synthetic aper ture r adar

合成孔径雷达概述(SAR)

合成孔径雷达概述 1合成孔径雷达简介 (2) 1.1 合成孔径雷达的概念 (2) 1.2 合成孔径雷达的分类 (3) 1.3 合成孔径雷达(SAR)的特点 (4) 2合成孔径雷达的发展历史 (5) 2.1 国外合成孔径雷达的发展历程及现状 (5) 2.1.1 合成孔径雷达发展历程表 (6) 2.1.2 世界各国的SAR系统 (9) 2.2 我国的发展概况 (11) 2.2.1 我国SAR研究历程表 (11) 2.2.2 国内各单位的研究现状 (12) 2.2.2.1 电子科技大学 (12) 2.2.2.2 中科院电子所 (12) 2.2.2.3 国防科技大学 (13) 2.2.2.4 西安电子科技大学 (13) 3 合成孔径雷达的应用 (13) 4 合成孔径雷达的发展趋势 (14) 4.1 多参数SAR系统 (15) 4.2 聚束SAR (15) 4.3极化干涉SAR（POLINSAR） (16) 4.4合成孔径激光雷达（Synthetic Aperture Ladar） (16) 4.5 小型化成为星载合成孔径雷达发展的主要趋势 (17) 4.6 性能技术指标不断提高 (17) 4.7 多功能、多模式是未来星载SAR的主要特征 (18) 4.8 雷达与可见光卫星的多星组网是主要的使用模式 (18) 4.9 分布SAR成为一种很有发展潜力的星载合成孔径雷达 (18) 4.10 星载合成孔径雷达的干扰与反干扰成为电子战的重要内容 (19) 4.11 军用和民用卫星的界线越来越不明显 (19) 5 与SAR相关技术的研究动态 (20) 5.1 国内外SAR图像相干斑抑制的研究现状 (20) 5.2 合成孔径雷达干扰技术的现状和发展 (20) 5.3 SAR图像目标检测与识别 (22) 5.4 恒虚警技术的研究现状与发展动向 (25) 5.5 SAR图像变化检测方法 (27) 5.6 干涉合成孔径雷达 (31) 5.7 机载合成孔径雷达技术发展动态 (33) 5.8 SAR图像地理编码技术的发展状况 (35) 5.9 星载SAR天线方向图在轨测试的发展状况 (37) 5.10 逆合成孔径雷达的发展动态 (38) 5.11 干涉合成孔径雷达的发展简史与应用 (38)

sar合成孔径雷达图像点目标仿真报告附matlab代码

S A R 图像点目 标仿真报告 徐一凡 1 SAR 原理简介 合成孔径雷达(Synthetic Aperture Radar ，简称SAR)是一种高分辨率成像雷达技术。它利用脉冲压缩技术获得高的距离向分辨率，利用合成孔径原理获得高的方位向分辨率，从而获得大面积高分辨率雷达图像。 SAR 回波信号经距离向脉冲压缩后，雷达的距离分辨率由雷达发射信号带宽决定：2r r C B ρ=，式中r ρ表示雷达的距离分辨率，r B 表示雷达发射信号带宽，C 表示光速。同为 (PT x = ,0z =；）， (;)PT R s r = = (2) (;)R s r 就表示任意时刻s 时，目标与雷达的斜距。一般情况下，0v s s r -<<，于是通过傅里叶技术展开，可将(2)式可近似写为： 2 20(;)()2v R s r r s s r =≈+- (3) 可见，斜距是s r 和的函数，不同的目标，r 也不一样，但当目标距SAR 较远时，在观测带

内，可近似认为r 不变，即0r R =。 图2：空间几何关系 (a)正视图 (b)侧视图 图2(a)中，Lsar 表示合成孔径长度，它和合成孔径时间Tsar 的关系是Lsar vTsar =。(b)中，θ?为雷达天线半功率点波束角，θ为波束轴线与Z 轴的夹角，即波束视角，min R 为近距点距离，max R 为远距点距离，W 为测绘带宽度，它们的关系为： 2min (R H tg θθ?=?-） 式中，rect()表示矩形信号，r K 为距离向的chirp 信号调频率，c f 为载频。 雷达回波信号由发射信号波形，天线方向图，斜距，目标RCS ，环境等因素共同决定，若不考虑环境因素，则单点目标雷达回波信号可写成式(6)所示： ()()r n n s t wp t n PRT στ∞=-∞= -?-∑ (6) 其中，σ表示点目标的雷达散射截面，w 表示点目标天线方向图双向幅度加权，n τ表

雷达成像技术(保铮word版)第四章 合成孔径雷达

第四章 合成孔径雷达 合成孔径雷达（Synthetic Aperture Radar ，简称SAR ）是成像雷达中应用最 多，也是本书讨论的重点。在前几章对雷达如何获取高的距离分辨率和横向分辨 的基础上，从本章开始用三章的篇幅对合成孔径雷达作较详细的讨论。 首先，结合工程实际介绍合成孔径雷达的原理。在前面的讨论中已经提到， 根据不同的要求，成像算法（特别是横向成像算法）有许多种，本章只介绍最简 单的距离-多普勒算法的原理，目的是由此联系到对合成孔径雷达系统的要求以 及工程实现方面的问题。 合成孔径雷达通常以场景作为观测对象，它与一般雷达有较大不同，我们将 在本章讨论合成孔径雷达有别于一般雷达的一些技术性能和参数。 4.1 条带式合成孔径雷达成像算法的基本原理 4.1所示，设X 轴为场景的中心 线，Q 为线上的某一点目标，载机以 高度H 平行于中心线飞行，离中心线 的最近距离B R 为 B R = （4.1） 当载机位于A 点时，它与Q 点的斜距 为 R = （4.2） 式中t X 为点目标Q 的横坐标。 当分析中心线上各个点目标的回波状况及成像算法时，可以在包括场景中心 线（即X 轴）和载机航线的平面里进行。至于场景里中心线外的情况将在后面 说明，这里暂不讨论。 一般合成孔径雷达发射线性调频（LFM ）脉冲，由于载机运动使其到目标的 距离发生变化，任一点目标回波在慢时间域也近似为线性调频，而且包络时延也 几何示意图

随距离变化，即所谓距离徙动。合成孔径雷达成像算法的任务是从载机运动录取得到的快、慢时间域的回波数据，重建场景图像，它是二维匹配滤波问题。 严格考虑距离徙动的成像算法比较复杂，在实际应用中，一般均根据情况采用一些较简单的算法，这些将在第五章里系统介绍。在这里我们主要讨论分辨率较低，距离徙动影响可以忽略的最简单的情况，这时可采用简易的距离-多普勒基本算法。 所谓距离徙动的影响可以忽略不计是指雷达波束扫过某点目标的相干处理时间里，目标斜距变化引起的距离徙动值小于距离分辨单元长度的1/4~1/8，即场景中心线上所有点目标的回波（距离压缩后的）在慢时间域里均位于同一个距离单元。当然，因斜距改变引起的二次型相位变化还是需要考虑的，即系统的脉冲响应函数应考虑二次型相位。这种情况下的成像算法是比较简单的，可将回波信号先在快时间域作脉压匹配滤波，然后再对快时间域的每一个距离单元分别沿慢时间作方位压缩的匹配处理，于是得到场景的二维图像。在上面的图4.1中，我们提出只对中心线上的目标进行讨论，场景的二维图像当然包括场景里中心线以外的目标，这将在下一节里说明。 脉压匹配滤波可以在时域用回波数据与系统函数作卷积处理，也可以在频域作乘积处理，由于乘积的运算量小，同时时频域之间的傅里叶变换有FFT快速算法，频域计算用得更多。此外，由于场景有一定宽度，比发射脉冲宽度宽不少，而沿慢时间录取的数据长度一般也比波束扫过一个点目标的相干积累时间长得多，即时域信号长度比系统匹配函数长得多，这里应将信号分段处理后再加以拼接。 4.2合成孔径雷达回波的多普勒特性 信号有时域表示和频域表示，一般情况直接获取的是时域信号，通过傅里叶变换得到它的频谱。合成孔径雷达信号也是如此，快时间表示的发射信号是在时域生成，而慢时间回波则为载机运动过程中回波的变化序列。通过傅里叶变换，可以得到快时间频谱（距离谱）和慢时间频谱（多普勒谱或方位谱）。 合成孔径雷达信号有它的特殊性，它的回波为众多点目标回波的线性组合，而对一个点目标来说，其快、慢时间回波均为（或近似为）线性调频信号。对于

SAR合成孔径雷达图像点目标仿真报告(附matlab代码)

SAR 图像点目标仿真报告 徐一凡 1 SAR 原理简介 合成孔径雷达(Synthetic Aperture Radar ，简称SAR)是一种高分辨率成像雷达技术。它利用脉冲压缩技术获得高的距离向分辨率，利用合成孔径原理获得高的方位向分辨率，从而获得大面积高分辨率雷达图像。 SAR 回波信号经距离向脉冲压缩后，雷达的距离分辨率由雷达发射信号带宽决定： 2r r C B ρ= ，式中r ρ表示雷达的距离分辨率，r B 表示雷达发射信号带宽，C 表示光速。同样，SAR 回波信号经方位向合成孔径后，雷达的方位分辨率由雷达方位向的多谱勒带宽决定：a a a v B ρ= ，式中a ρ表示雷达的方位分辨率，a B 表示雷达方位向多谱勒带宽，a v 表示方位向SAR 平台速度。在小斜视角的情况下，方位分辨率近似表示为2 a D ρ=，其中D 为方位向合成孔径的长度。 2 SAR 的几何关系 雷达位置和波束在地面覆盖区域的简单几何模型如图1所示。此次仿真考虑的是正侧视的条带式仿真，也就是说倾斜角为零，SAR 波束中心和SAR 平台运动方向垂直的情况。 图1 雷达数据获取的几何关系 建立坐标系XYZ 如图2所示，其中XOY 平面为地平面；SAR 平台距地平面高H ，以速度V 沿X 轴正向匀速飞行；P 点为SAR 平台的位置矢量，设其坐标为(x,y,z)； T 点为目标的位置矢量，设其坐标为(,,)T T T x y z ；由几何关系，目标与SAR 平台的斜距为： R PT == 由图可知：0,,0T y z H z ===；令x vs =?， 其中v 为平台速度，s 为慢时间变量（slow time ） ，

高分三号卫星C波段合成孔径雷达卫星简介

北京揽宇方圆信息技术有限公司 高分三号卫星——世界主流C波段合成孔径雷达卫星简介 高分三号卫星于1月23日正式投入使用，其性能与世界主流C波段SAR卫星相比如据新华社新闻，国防科工局于1月23日宣布，我国首颗1米分辨率合成孔径雷达（SAR）卫星高分三号23日正式投入使用。该卫星将满足我国对高空间分辨SAR遥感数据的需求，主要应用于海洋监测、减灾救灾、气象和水利等领域。 合成孔径雷达技术是重要的对地遥感技术手段，合成孔径雷达卫星是装雷达为主要载荷的卫星，其通过自身发射电磁波并接收地物反射的回波，并进行复杂的信形成视觉效果类似黑白光学图片的合成孔径雷达图像。由于其使用其自己发射的电磁波进电磁波对云、雨和雾霾等大气天气现象具有较强的穿透能力，使得合成孔径雷达卫星可以夜，以及被观测区域上方覆盖各种天气现象时，在特定时间对指定区域进行观测。

高分三号合成孔径雷达卫星并不是世界上第一颗C波段合成孔径雷达卫加拿大于2007年12月发射的RADARSAT-2卫星、欧空局分别于2014年4月和2016年4 Sentinel-1A和Sentinel-1B三颗卫星均工作在C波段。本文就以这四颗卫星为例，对其分析。 首先我们用一个表格对这四颗卫星的总体参数进行大概梳理。 从表中可以看出，高分三号在最高分辨率和最大成像幅宽两个参数上，C波段SAR卫星，并且在设计寿命上面具有一定优势。值得注意的是，高分三号和Senti 均选择了具有高极化隔离度的波导缝隙相控阵天线，使得其在多极化性能方面优于RADAR 值得注意的是，这四颗C波段SAR卫星均选择了轨道高度为700-800km 道，与德国X波段TerraSAR-X卫星的509km轨道相差较大，这其中既有波段带来的影响需求带来的取舍（重访）。如果用一张图同时表示这四颗卫星的轨道，那么

(完整版)SAR合成孔径雷达图像点目标仿真报告(附matlab代码)

SAR 图像点目标仿真报告 徐一凡 1 SAR 原理简 介 合成孔径雷达 (Synthetic Aperture Radar . 简称 SAR)是一种高分辨率成像雷达技术。 它利用脉冲压缩技术获得高的距离向分辨率 . 利用合成孔径原理获得高的方位向分辨率 . 从 而获得大面积高分辨率雷达图像。 SAR 回波信号经距离向脉冲压缩后 . 雷达的距离分辨率由雷达发射信号带宽决定： r 2C B r . 式中 r 表示雷达的距离分辨率 . B r 表示雷达发射信号带宽 . C 表示光速。同 样.SAR 回波信号经方位向合成孔径后 . 雷达的方位分辨率由雷达方位向的多谱勒带宽决定： SAR 平台速度。在小斜视角的情况下 . 方位分辨率近似表示为 a D . 其中 D 为方位向合成 2 孔径的长度。 2 SAR 的几何关系 雷达位置和波束在地面覆盖区域的简单几何模型如图 1 所示。此次仿真考 虑的是正侧 视的条带式仿真 . 也就是说倾斜角为零 .SAR 波束中心和 SAR 平台运动方向垂直的情况。 图1 雷达数据获取的几何关系 建立坐标系 XYZ 如图 2 所示. 其中 XOY 平面为地平面； SAR 平台距地平面高 H.以速度 V 沿 X 轴正向匀速飞行； P 点为 SAR 平台的位置矢量 . 设其坐标为 (x,y,z) ； T 点为目标的位 置矢量 .设其坐标为 (x T , y T , z T ) ；由几何关系 .目标与 SAR 平台的斜距为： 由图可知： y 0, z H , z T 0 ；令 x v s . 其中 v 为平台速度 .s 为慢时间变量( slow v a a . 式中 B a a 表示雷达的方位分辨率 B a 表示雷达方位向多谱勒带宽 . v a 表示方位向 uuur R PT (x x T )2 (y y T )2 (z z T )2 (1)

真实和合成孔径雷达

Real and Synthetic Aperture Radar
Real Aperture Radar (RAR) flight direction
azimuth Synthetic Aperture Radar (SAR) flight direction
azimuth
1

Spatial Resolution (1)
2

距离分辨率 与真实孔径雷达距离向分辨率相同。但由于真实孔径 机载雷达一般用短脉冲来实现距离向分辨率，而合成孔 径雷达通常用带宽（脉冲频率的变化范围）为B的线性调 频脉冲来实现作用距离向的良好分辨率。
δr =
1 c cτ = 2 2B
Spatial Resolution (2)
For Real Aperture Radar (Side-looking Radar)
razimuth ?
λR
l cτ 2 sin θ
rground ? range =
For Synthetic Aperture Radar (SAR)
razimuth ?
l 2 c 2 B sin θ
rground ?range =
3

Rr =
τc
2 cos γ
=
ground Range resolution
pulse length × speed of light 2 cos ( depression angle )
Range Resolution (2)
4

合成孔径雷达成像自聚焦算法的比较

合成孔径雷达成像自聚焦算法的比较 【摘要】本文简要地分析和比较两类合成孔径雷达自聚焦算法的特点，并通过多点目标自聚焦成像对其进行验证，表明结论可靠。 【关键词】自聚焦算法；多点目标；孔径雷达 0 引言 SAR自聚焦算法的任务是首先要对经过处理后的未补偿的SAR信号进行相位误差估计，然后消除其相位误差。SAR自聚焦算法就其本质而言是一个二维估计问题，在公式（2）中的相位误差既是空变的又是不可分离的乘性噪声的事实使问题变得极为棘手。影响成像的几何线性，分辨率、图像对比度和信噪比的主要因素取决于相位误差的性质和大小，基于处理孔径上相位误差形式，表1给出两大类相位误差及其每一类对SAR成像的一般影响。 表1 相位误差的分类 1 几种实用的自聚焦算法的比较 一般来说，自聚焦算法可以划分为两类：基于模式算法和非参数算法。基于模式的自聚焦算法估计相位误差的模式展开系数。低阶模自聚焦仅能估计二阶相位误差，而更复杂的方法还可以估计高阶多项式相位误差。子孔径相关法（MD）和多孔经相关法（MAM）是针对低频相位误差补偿提出的基模自聚焦算法的范例。基于模式算法虽然执行起来相对简单而且算法高效。不过只能相位误差被正确估计的情况下才能保证这样的优越性。 第二类自聚焦算法，即非参数自聚焦算法，典型的有相位梯度自聚焦算法，基于最小熵准则和最大对比度准则的自聚焦方法，这些方法都不需要相位误差的先验知识。特别地，相位梯度自聚焦算法几种改进的算法。其中特征向量法是在PGA框架下运用了极大似然算子取代了原始的相位差算子核，改进的相位梯度自聚焦算法的策略通过选择一组高质量的目标以提供非迭代的PGA解。另一种方法是运用加权最小二乘法以实现相位误差最小化的PGA。适用范围扩大，计算高效。 在一些SAR应用中，相位误差显著依赖位置，空变的自聚焦的常用的方法是将大场景分成更小的子图像，每个子图像的误差近似不变的，因此，传统的空间不变的自聚焦程序可以应用到每个子图像。当重新聚焦时，个别的子图像拼接或镶嵌在一起产生完整的场景图像聚焦图像。 2 性能评价标准 第一个测试是检查在方位域一维的点目标响应。聚焦质量质量指标包括3dB

合成孔径雷达概述

合成孔径雷达概述 蔡 Beautyhappy521@https://www.wendangku.net/doc/8814133166.html, 二OO八年三月二十三

1合成孔径雷达简介 (3) 1.1 合成孔径雷达的概念 (3) 1.2 合成孔径雷达的分类 (4) 1.3 合成孔径雷达(SAR)的特点 (5) 2合成孔径雷达的发展历史 (6) 2.1 国外合成孔径雷达的发展历程及现状 (6) 2.1.1 合成孔径雷达发展历程表 (7) 2.1.2 世界各国的SAR系统 (10) 2.2 我国的发展概况 (12) 2.2.1 我国SAR研究历程表 (12) 2.2.2 国内各单位的研究现状 (13) 2.2.2.1 电子科技大学 (13) 2.2.2.2 中科院电子所 (13) 2.2.2.3 国防科技大学 (14) 2.2.2.4 西安电子科技大学 (14) 3 合成孔径雷达的应用 (14) 4 合成孔径雷达的发展趋势 (15) 4.1 多参数SAR系统 (16) 4.2 聚束SAR (16) 4.3极化干涉SAR（POLINSAR） (17) 4.4合成孔径激光雷达（Synthetic Aperture Ladar） (17) 4.5 小型化成为星载合成孔径雷达发展的主要趋势 (18) 4.6 性能技术指标不断提高 (18) 4.7 多功能、多模式是未来星载SAR的主要特征 (19) 4.8 雷达与可见光卫星的多星组网是主要的使用模式 (19) 4.9 分布SAR成为一种很有发展潜力的星载合成孔径雷达 (19) 4.10 星载合成孔径雷达的干扰与反干扰成为电子战的重要内容 (20) 4.11 军用和民用卫星的界线越来越不明显 (20) 5 与SAR相关技术的研究动态 (21) 5.1 国内外SAR图像相干斑抑制的研究现状 (21) 5.2 合成孔径雷达干扰技术的现状和发展 (21) 5.3 SAR图像目标检测与识别 (23) 5.4 恒虚警技术的研究现状与发展动向 (26) 5.5 SAR图像变化检测方法 (28) 5.6 干涉合成孔径雷达 (32) 5.7 机载合成孔径雷达技术发展动态 (34) 5.8 SAR图像地理编码技术的发展状况 (36) 5.9 星载SAR天线方向图在轨测试的发展状况 (38) 5.10 逆合成孔径雷达的发展动态 (39) 5.11 干涉合成孔径雷达的发展简史与应用 (39)

高分辨率合成孔径雷达图像舰船检测方法

2003年第17卷第1期 测试技术学报V ol.17　N o.1　2003(总第43期)JOURNAL OF TEST AND MEASUREMENT TECHNOLOGY (Sum N o .43)文章编号:1671-7449(2003)01-0015-04 高分辨率合成孔径雷达图像舰船检测方法 种劲松,朱敏慧 (中国科学院电子学研究所微波成像技术国家重点实验室,北京100080) 摘　要:　寻找针对高分辨率SA R 图像的舰船目标检测算法.利用K SW 双阈值分割技术,其效果比传统检 测方法好,有利于进一步的目标分类和识别.且必须根据SAR 图像分辨率来选择舰船检测算法. 关键词:　目标检测;图像分割;合成孔径雷达 中图分类号:　T N 957.51 文献标识码:A 利用合成孔径雷达(SAR )图像进行舰船检测在海洋遥感科学家中得到高度重视,已经成为SAR 数据重要的海洋应用之一. 在SAR 图像舰船检测方面的研究很多,大多数是使用恒虚警(CFAR)算法[1～4] 针对中低分辨率(25m 以上)的SAR 图像进行的.CFAR 算法是对于给定的虚警概率,根据背景杂波的分布来给出分割阈值.这种方法属于单阈值图像分割,对于中低分辨率图像较适用. 由于SAR 图像逐渐发展到高分辨率,对于舰船目标的研究除了目标检测外,还必须考虑到检测方法是否有利于目标参数提取,从而有利于后续的目标分类和识别.在实际应用中发现,如果将CFAR 算法运用到RADARSAT 精细模式高分辨率图像(分辨率约为8m ),舰船目标的参数提取将很难进行. 本文的研究目的是寻找针对高分辨率SAR 图像的舰船目标检测算法,为此需要先分析高分辨率SAR 图像上舰船目标的特点.1　舰船目标在高分辨率SA R 图像上的特点 在中低分辨率的SAR 图像中,舰船目标是一个、几个或几十个象素组成的强目标,此时对舰船目标的检测问题是典型的点目标检测问题.而在高分辨率的SAR 图像中,舰船目标是具有一定尺寸和一定细节的硬目标,其象素数可达到几百个左右. 真实舰船的首部、中部和尾部的结构是不同的,因此同一舰船的不同部位在高分辨率SA R 图像上必然呈现出不同的灰度,即整个舰船目标的亮度分布是不均匀的.图像中舰船目标由两类点组成.亮度图1　RADARSAT 精细模式舰船图像及其三维细节Fig .1　S hip image of RADARSAT fine m od e and the details 比较高的点是角反射或点 反射(由舰船的上层建筑、 舰桥、桅杆等引起)的结 果,亮度稍低的点是漫反 射的结果(由甲板等引 起).亮度高的点组成强 峰,亮度较低的点组成弱 峰.强峰和弱峰的分布可 以作为目标特征用于目标 分类识别. 图1示出Radarsat 精细模式图像中的舰船目 收稿日期:2002-07-01　作者简介:种劲松(1969-),女,副研究员,博士,主要从事合成孔径雷达图像处理与解译的研究.

合成孔径雷达成像

合成孔径雷达第一次作业 姓名：xxx 学号：xxx 一题目： 1.LFM信号分析：（1）仿真LFM信号；（2）观察不同TBP的LFM信号的频谱。（3）观察不同过采样率下的DFT结果，注意频谱混叠情况。 2.脉冲压缩仿真：针对“基带LFM信号”:（1）实现无误差的脉冲压缩；（2）通过频域补0实现时域十倍以上的过采样率，得到光滑的时域波形，通过观察给出指标（IRW,PSLR）；（3）阅读资料，按照公式实现3阶（-20dB）,6阶（-40 dB）泰勒加权，观察加窗效果，分析指标（IRW,PSLR），并对比MATLAB TAYLORWIN 函数的一致性；（4）在3阶泰勒加权下实现15.30.45.60.90.135度QPE下的脉冲压缩，显示输出波形，观察记录QPE的影响。 3.一维距离向仿真:（1）输入参数：目标参数：RCS=1，分别位于10km,11km,11km+3m,11km+50m处。LFM信号参数：中心频率1.0GHz,脉冲宽度30us,带宽30MHz。 （2）输出：设计采样波门，仿真回波，完成脉冲压缩，检测各峰值位置，判断每个目标是否得以分辨，分析各出现在相应位置及幅度的原因。 二题目分析与解答： 1.问题分析：由基础知识知，决定LFM信号的主要参数有中心频率fc(此处仿真取fc=0)，带宽B，脉冲宽度Tp, 调频斜率K，其中K=B/Tp。对LFM信号进行傅里叶变换时，不同的时宽带宽积（TBP）会对频谱有不同的影响。 主要程序段(源程序见附件)： %参数设置 Tp=5e-6; B=10e6; K=B/Tp；Fs=2*B; Ts=1/Fs; N=Tp/Ts; TBP=Tp*B %波形产生 t=linspace(-Tp/2,Tp/2,N); St=exp(j*pi*K*t.^2); Phase=pi*K*t.^2; Fre=2*pi*K*t; f=linspace(-Fs/2,Fs/2,N); figure(2) plot(f*1e-6,fftshift(abs(fft(St))),'k'); xlabel('Frequency/MHz'); ylabel('Magnitude'); title('Frequence Response'); legend('TBP=50') fft_St=fftshift(abs(fft(St)));

合成孔径雷达成像几何机理分析及处理方法研究

合成孔径雷达成像几何机理分析及处理方法研究合成孔径雷达作为二十世纪出现的尖端对地观测技术,由于它具有全天时、全天候的成像能力并能穿透一些地物,在土地覆盖制图、生态和农业、固体地球科学、水文、海冰等众多领域有着广泛的应用。随着未来更高分辨率、多极化、多波段、更优化的干涉测量设计的SAR系统的出现,合成孔径雷达遥感技术将会在更多的领域扮演更重要的角色。 合成孔径雷达遥感技术在我国有着极大的潜在应用市场,对于某些特殊问题的解决,例如西部困难地区的地形图测绘及南方阴雨地区地形图的快速更新,它甚至是唯一可行的解决之道。由于有关几何处理、辐射定标等基础问题没有很好地解决,影响了这一技术在我国的大规模应用及产业化进程。 本文致力于解决SAR影像的几何问题及与地形有关的辐射问题,对合成孔径雷达图像的几何特性作了系统深入的研究,以对构像方程的分析及推导为中心,研究并解决了包括地理编码、目标定位、影像模拟、利用控制点进行空间轨道精确重建、地形辐射影响的消除等一系列问题。为了加强对合成孔径雷达图像的理解,首先对合成孔径雷达成像的技术本质从数学上进行了简明阐述。 从信号处理的角度,分析了脉冲压缩的工作原理,解释了匹配滤波器的构造。分析了多普勒频率的特征及其作用。 从理论上推导了SAR距离向和方位向分辨率所能达到的极限值,并且指出了他们在实际中的限制。从系统的角度,分析了SAR距离向和方位向模糊度的限制。 构像方程是所有几何处理的基础。为推导了SAR构像方程,在定量分析了地球摄动力对卫星轨道影响的基础上,提出了一套改进的SAR轨道参数模型,与国外已有的模型相比,该模型更加简洁而且具有极高的精度。

合成孔径雷达(SAR)的点目标仿真(附件带代码程序)

合成孔径雷达(SAR)的点目标仿真(附件带代码程序) 合成孔径雷达(SAR)的点目标仿真 一． SAR原理简介 合成孔径雷达(Synthetic Aperture Radar ，简称SAR)是一种高分辨率成像雷达技术。它利用脉冲压缩技术获得高的距离向分辨率，利用合成孔径原理获得高的方位向分辨率，从而获得大面积高分辨率雷达图像。SAR回波信号经距离向脉冲压缩后，雷达的距离分辨率由雷达发射信号带宽决定：，式中表示雷达的距离分辨率，表示雷达发射信号带宽，表示光速。同样，SAR回波信号经方位向合成孔径后，雷达的方位分辨率由雷达方位向的多谱勒带宽决定：，式中表示雷达的方位分辨率，表示雷达方位向多谱勒带宽，表示方位向SAR平台速度。 二． SAR的成像模式和空间几何关系 根据SAR波束照射的方式，SAR的典型成像模式有Stripmap(条带式)，Spotlight(聚束式)和Scan(扫描模式)，如图2.1。条带式成像是最早研究的成像模式，也是低分辨率成像最简单最有效的方式；聚束式成像是在一次飞行中，通过不同的视角对同一区域成像，因而能获得较高的分辨率；扫描模式成像较少使用，它的信号处理最复杂。 图2.1：SAR典型的成像模式 这里分析SAR点目标回波时，只讨论正侧式Stripmap SAR，正侧式表示SAR波束中心和SAR平台运动方向垂直，如图2.2，选取直角坐标系XYZ为参考坐标系，XOY平面为地平面；SAR平台距地平面高h，沿X轴正向以速度V匀速飞行；P点为SAR平台的位置矢量，设其坐标为(x,y,z)；T点为目标的位置矢量，设其坐标为；由几何关系，目标与SAR平台的斜距为： (2.1) 由图可知：；令，其中为平台速度，s为慢时间变量（slow time），假设，其中表示SAR平台的x 坐标为的时刻；再令，表示目标与SAR的垂直斜距，重写2.1式为： (2.2) 就表示任意时刻时，目标与雷达的斜距。一般情况下，，于是2.2式可近似写为： (2.3) 可见，斜距是的函数，不同的目标，也不一样，但当目标距SAR较远时，在观测带内，可近似认为不变，即。

雷达微弱目标检测的有效方法[1]

49642009,30(21)计算机工程与设计Computer Engineering and Design 0引言 复杂背景下低信噪比运动目标的检测和跟踪是雷达信号处理系统的关键技术之一。在微弱运动目标检测和跟踪的应用中，雷达接收的远距离目标回波强度非常弱，信噪比很低，目标易被噪声淹没，单个脉冲回波的信噪比甚至是负的，若仅对单帧图像处理，不能可靠地检测目标。在预警雷达应用中，由于运动目标距离雷达较远，又处在强杂波环境中，对微弱运动目标的检测与跟踪是雷达信号处理的一个重要课题。早期算法主要有Kalman滤波等方法，主要采用检测后跟踪(detect before track，DBT)方法，这类方法在信噪比较高时可以取得很好的效果，否则不能检测出目标。要想对微弱目标进行有效的检测及跟踪，除了抑制杂波和降低系统噪声等方法外，一种有效的方法是检测前跟踪(track before detect，TBD)方法，即对单次观测信号先不进行判断，而是结合雷达图像特点，对目标进行多次观测，计算出目标在各帧图像之间的移动规律，预测目标在下一帧图像的可能位置，同时在帧与帧之间将多次扫描得到的数据沿着预测轨迹进行几乎没有信息损失的相关处理，从而改善目标的信噪比，提高检测性能，在得到检测结果的同时获得目标航迹。 目前，用于微弱目标检测的TBD方法主要有极大似然法、粒子滤波法、动态规划(dynamic programming，DP)法、Hough变换法，等[1-2]。其中，Hough变换法对检测沿径向做匀速直线运动的目标具有较好的检测性能，目标在直线轨迹上的能量集中在Hough变换后的单点上，目标轨迹的能量远大于其它点的能量，但计算量和存储量都较大[3]，难以实现。动态规划算法对目标信噪比要求较低，可以探测各种运动形式的目标[4-5]。 动态规划算法是美国Y.Barniv于1985年提出的，利用动态规划的分段优化思想，将目标轨迹搜索问题分解为分级优化的问题[6]。将其应用到雷达微弱目标检测中，可将雷达回波信号在多普勒频率和距离二维方向的幅度排列成图像，在多帧相继的图像序列中，运动目标轨迹可看作是一条连续变化的曲线，利用动态规划算法，检测是否存在着这样一条曲线，从而判断目标是否存在。 基于动态规划的检测前跟踪的关键在于沿目标运动航迹积累能量[7-8]，可以看出，搜索目标航迹的计算量非常大，在实际应用中存在不足。在预警雷达中，来袭目标比远离雷达的目标更具有威胁性，更需早期发现和预防，所以单独针对来袭目标进行探测，可以大大减少动态规划法搜索的运算量，提高预警雷达的探测能力。本文针对动态规划算法计算量大的缺 收稿日期：2009-02-26；修订日期：2009-06-10。

一种合成孔径雷达图像特征提取与目标识别的新方法

第30卷第3期电子与信息学报Vol.30No.3 2008年3月 Journal of Electronics & Information Technology Mar.2008 一种合成孔径雷达图像特征提取与目标识别的新方法 宦若虹①②杨汝良①岳晋①② ①(中国科学院电子学研究所北京 100080) ②(中国科学院研究生院北京 100039) 摘 要：该文提出了一种利用小波域主成分分析和支持向量机进行的合成孔径雷达图像特征提取与目标识别的新方法。该方法对图像小波分解后提取低频子带图像的主成分分量作为目标的特征，利用支持向量机进行分类完成目标识别。实验结果表明，该方法可以明显提高目标的正确识别率，是一种有效的合成孔径雷达图像特征提取和目标识别方法。 关键词：合成孔径雷达；小波变换；主成分分析；支持向量机；识别 中图分类号：TN957.52 文献标识码：A 文章编号：1009-5896(2008)03-0554-05 A New Method for Synthetic Aperture Radar Images Feature Extraction and Target Recognition Huan Ruo-hong①②Yang Ru-liang①Yue-Jin①② ①(Institute of Electronics, Chinese Academy of Sciences, Beijing 100080, China) ②(Graduate University of the Chinese Academy of Sciences, Beijing 100039, China) Abstract: This paper presents a new method for synthetic aperture radar images feature extraction and target recognition which based on principal component analysis in wavelet domain and support vector machine. After wavelet decomposition of a SAR image, feature extraction is implemented by picking up principal component of the low-frequency sub-band image. Then, support vector machine is used to perform target recognition. Results are presented to verify that, the correctness of recognition is enhanced obviously, and the method presented in this paper is a effective method for SAR images feature extraction and target recognition. Key words: Synthetic Aperture Radar (SAR); Wavelet transform; Principal Component Analysis (PCA); Support Vector Machine (SVM); Recognition 1引言 合成孔径雷达(Synthetic Aperture Radar，SAR)图像目标识别是SAR图像解译和分析的重要组成部分，具有重要的商业和军事价值，是国内外SAR图像处理和模式识别领域的研究热点。特征提取是SAR图像目标识别过程中最重要的一步。为了得到可靠的目标识别结果，用于识别的特征必须在分类空间上具有良好的类内凝聚性和类间差异性[1]。目标识别过程的另一个关键步骤是分类方法的选择，分类方法性能的优劣，直接影响到最后的识别结果。 本文提出了一种利用小波域主成分分析(Principal Component Analysis，PCA)和支持向量机[2](Support Vector Machine，SVM)进行的SAR图像特征提取和目标识别方法。对小波分解得到的低频子带图像进行主成分分析[3]提取目标特征，得到的特征向量用支持向量机分类完成目标识别。用MSTAR数据对该方法进行验证，结果表明，该方法可以有效地提高目标的正确识别率。 2006-08-15收到，2007-01-05改回2目标识别步骤 本文的识别过程如图1所示由3个步骤组成：(1)图像预处理。对图像数据进行规则化调整。(2)特征提取。通过二维离散小波变换将图像变换到不同分辨率下的小波域；对低频子带图像进行主成分分析后提取主成分分量作为目标的特征向量。(3)利用支持向量机进行分类。在特征向量所形成的低维特征空间上完成目标识别并输出识别结果。 图1 识别过程框图 3图像预处理 3.1实验数据 本文使用的图像数据是MSTAR项目组公布的3类SAR 地面静止军用目标数据，包括装甲车BMP2，装甲车BTR70

高分辨率合成孔径雷达技术在特高压输电线路

2009特高压输电技术国际会议论文集 1 高分辨率合成孔径雷达技术在特高压输电线路 广域自然灾害监测中的应用研究 胡毅，王力农，刘艳，胡建勋，刘凯，刘庭，肖宾 摘要：本文针对特高压输电线路广域灾害遥感监测应用的现状和需求，研究高分辨率合成孔径雷达技术在特高压输电线路广域自然灾害监测中的应用。首先，分析SAR成像的特点，并和光学成像对比，得出在灾害条件下应用SAR图像进行监测输电线路的可行性。然后，研究高分辨率SAR图像中特高压铁塔的目标特性和目标识别技术，利用铁塔目标峰值特征对武汉特高压交流试验基地中的特高压铁塔进行识别。试验结果表明，利用SAR目标识别技术对特高压输电铁塔的结构、受损情况进行识别的方法可行。 关键词：特高压输电线路；输电铁塔；合成孔径雷达；线路监测 1 引言 2009年1月6日，我国晋东南～南阳～荆门1000kV特高压交流示范工程正式投运，这是目前世界上电压等级最高、技术水平最高的输变电工程。输电线路的安全可靠运行在很大程度上决定着整个特高压输电系统的稳定和安全[1]。此外，我国是一个自然灾害多发国家，晋东南~南阳~荆门1000kV特高压交流试验示范工程穿越山西、河南和湖北3省，输电线路将处于各种灾害天气(风、雨、雪、雾、冰、地震等)的运行环境之下。因此，为保障特高压输电线路的可靠运行，研究特高压输电线路广域自然灾害监测技术具有重要意义。 人工巡检、机器人巡线、直升机巡线、航空数字摄影巡线或各种在线监测装置都能从“点”或“线”的层面解决特高压输电线路环境监测和管理问题。输电铁塔上安装各种在线传感器如气温、气压、压力和摄像头传感器等，通过各种通信方式直接将线路运行情况传送到监视中心。这些监测方式的缺陷是受到天气条件的限制，在大范围冰灾和地震的环境下难以持续工作。 光学遥感、多光谱遥感、雷达遥感已广泛用于输电线路选线的前期勘察和施工作业[2]-[4]，主要是通过不同分辨率(15米、5米、2.5米)、不同传感器(光学、多光谱、红外、激光扫描等)得出输电线路走廊范围的地质结构图、地形图等。在电力系统的输电线路GIS运行管理系统中，航空摄影测量技术和光学卫星图像也得到了广泛应用。 合成孔径雷达(SAR)是一种利用微波进行感知的主动传感器，和光学、红外等其它传感器相比，SAR成像不受云雾、雨雪、太阳光照条件等限制，可对感兴趣的目标进行全天候、全天时的监测，在冰雪灾害，地震灾害、洪水灾害等大范围自然灾害条件下有特殊的优越性。SAR卫星是侧视成像，可以完全展现输电铁塔的姿态，而光学卫星是星下点成像，不能利用单幅影像判别铁塔的姿态和状态。本文针对特高压输电线路广域灾害遥感监测应用的现状和需求，研究利用高分辨率SAR技术对特高压输电线路进行广域自然灾害监测的可行性，融合特高压输电线路的GIS数据，在冰雪、地震、洪涝等突发性灾害条件下，准实时遥感监测特高压输电铁塔以及线路周边的受损状况，为灾后重建和灾前预警提供准确的卫星遥感信息。 本文第二部分陈述国内外研究现状，第三部分为高分辨率SAR影像中特高压输电铁塔目标特性分析，第四部分为特高压输电铁塔目标识别，第五部分为结束语。 2 国内外研究现状 由于高分辨率卫星影像包含丰富的地理信息, 具有数据新、更新快、覆盖范围广等特点，现已在输电线路工程选线中得到了一定程度的应用。在660kV宁东~山东输电线路工程中,采用215m的P5全色卫星影像数据和数字高程模型(DEM)，建立了高分辨率卫片三维选线平台，辅助设计人员进行了输电线路的前期规划选线工作, 取得了很好的应用效果[2]。山东电力工程咨询院2005年6月利用法国的SPOT 卫星影像和美国的TM卫星影像对500kV 送电工程(滕州~临沂~日照~黄岛，全长约380km ,由聊城~长清~济南组成) 进行了勘测设计工作[3]。三峡水利水电枢纽在右岸计划建设右一电站、右二

合成孔径雷达图像船舶检测分析系统

技 术创新 《微计算机信息》(管控一体化)2009年第25卷第2-3期 360元/年邮局订阅号：82-946 《现场总线技术应用200例》 图像处理 合成孔径雷达图像船舶检测分析系统 An Ship Detection And Analysis System Based On Synthetic Aperture Radar Image （1.中国科学院电子学研究所;2.中国科学院研究生院） 黄洲 1,2 齐向阳 1 HUANG Zhou QI Xiang-yang 摘要:近年来,通过海洋运输的危险品越来越频繁,海洋生态环境形式严峻。远洋及近海船舶导航、检测、监测任务繁重。本文 设计了基于CFAR 算法的SAR 图像船舶检测系统以支持船舶检测、监测任务。该系统包括全自动海岸线检测模块,全自动或半自动远洋及近海船舶检测模块。通过RADASAT SAR 图像验证系统的检测与分析是有效的。关键词:合成孔径雷达图像;船舶检测;海岸线检测;形状分析 中图分类号:TP216 文献标识码:A Abstract:Within today's increasing worldwide travel and transport of dangerous goods the need of vessel traffic services,ship routing and monitoring of ship movements on sea and along coastlines becomes more time consuming and an important responsibility for coastal authorities.This paper describes the architecture of a ship detection prototype based on a CFAR methodology to support these monitoring tasks.The system ’s architecture comprises a fully-automatic coastline detection tool,a tool for fully or semiautomatic ship detection in off -shore areas and a semi -automatic tool for ship detection within harbour -areas.Experimental results based on RADASAT image show the system is efficient. Key words:Synthetic Aperture Radar Image;ship detection;shape analysis;coastline detection 文章编号:1008-0570(2009)02-3-0298-03 1引言 自1978年第一颗海洋卫星发射升空以来，合成孔径雷达(Synthetic Aperture Radar,简称SAR)卫星为人们提供了丰富的海洋信息数据。同时，SAR 具有全天候、 全天时、多波段、多极化和多视角的观测能力。因此SAR 在海洋遥感的应有具有巨大的潜力。 近年来，利用SAR 图像进行海洋船舶目标检测与监视的研究成为最重要的SAR 海洋应用之一。目前，加拿大遥感中心的科学家开发了RADARSAT 卫星的海洋监测工作站，包括船只检测模块、油膜检测模块、海洋特征模块等。我国领海广阔，开展SAR 图像舰船目标检测与分析的研究具有重要意义。本文描述了检测系统的架构及工作流程，同时给出了SAR 图像海岸线检测、船舶检测及形状分析的方法，目标是获取海洋SAR 图像中船舶面积、重心位置、主轴方向角、长宽比等信息。这些信息可以为海洋部门对海域水运交通的监测和管理。 2系统设计与实现 为了保证系统的兼容性和稳定性，选择VC++为开发平台， 充分利用面向对象技术的特点。系统架构流程如图1a 所示，包括：海岸线检测、船舶检测、特征分析。 2.1海岸线检测 海岸线检测阶段的输入数据是SAR 图像,输出为海面图像。由于研究的目的是检测船舶目标，陆地信息不必进行处理，因此需要屏蔽掉陆地信息。利用海岸线检测算法确定海岸线,得到二值化的海岸线图像,其中陆地为0,海面为1。当进行陆地屏蔽时,将海岸线图像与输入的SAR 图像进行逻辑与操作,结果图像为SAR 海面图像,其中仅含有海面信息。 1987年，Kass M 等人提出了检测图像中物体的边界的活动轮廓算法(Active Contours)，也称Snake 算法。1995年，Ravikanth Malladi ，James Sethian 和Baba Vemuri 根据1988年 Stanley Osher 和James Sethian 给出的界面传播理论， 提出了“水平截集”(Level Set)算法。此算法沿袭了活动轮廓法的特点。在此算法中，需要给出初始轮廓线，且对初始轮廓线位置的要求比活动轮廓法要求的低。在迭代计算中，二维的轮廓线被映射到三维的曲面中，如图1b 所示，控制三维曲面运动，以达到控制二维曲线运动的目的。 水平截集算法在SAR 图像海岸线检测领域得到广泛应用。 图1a 系统架构流程图b 水平截集法原理示意图 2.2船舶检测 SAR 图像海面舰船目标检测属于雷达背景杂波环境下的目标检测。一般地说，舰船主要由金属制成，而且其上的建筑构成许多角反射器，使得舰船成为一种极强的雷达反射器，在 SAR 图像上表现成非常亮的目标。 所以只要我们选择合适的阈值，所有人眼能看见的舰船目标，都可以检测出来。 双参数CFAR 检测算法采用滑动的局部窗口（如图2a 所示），使得算法可以适应局部背景杂波的变化。双参数CFAR 检测需要3个滑动窗口:目标窗口、保护窗口、背景窗口。保护窗口 黄洲:在读硕士研究生 298--