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 =1p 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 =1p 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 =0p 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 -1H (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<S 2)有H (S 1,S 2)=ln( S 1i =1p i )+ln( S 2i =S 1+1p i )+ln( n i =S 2+1p i )- S1i =1p i ln p i S 1i =1p i - S2i =S 1+1p i ln p i S 2i =S 1+1p i - n i =S 2+1p i ln p i ni =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<S 2 l -1H (S 1,S 2).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 ofCFAR图4　KSW 双阈值分割检测结果Fig .4　Detection resu lts of KSW doub le thresholds segmen tation3.3　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 rF 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 ECo 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 heHist 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 nA 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 andRemo 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 ImageryCHONG 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 todetect ship.T he ex perimental results show that this method is better than the traditio nalmethod.T he selection of ship detection alg orithm must be based o n the r esolutio n of SARimag ery.Key words:targ et detection;im age seg mentation;synthetic aper ture r adar。