0 引 言

1 SAR影像上船舶方位向模糊

1.1 SAR影像船舶识别原理

1.2 方位向模糊

方位向模糊是星载SAR识别船舶过程中要解决的一个重要问题。方位向模糊噪声不仅会降低图像质量，严重时会形成众多假目标，造成误判。星载SAR在方位向上是以脉冲重复频率(PRF)来采样的，由于多普勒效应，方位向压缩所采用的匹配滤波器通常在主瓣多普勒带宽内，当PRF较高时，旁瓣处的信号相对于主瓣来说很弱，因此不会出现明显的模糊现象；当PRF 较低时，会导致回波信号的多普勒频谱欠采样，使旁瓣处的线性调频信号进入滤波器带宽之内，产生明显的方位向模糊^[17-19]，如图 1所示。

图 1 方位向模糊产生原理示意图

Fig. 1 Illustration of azimuth ambiguities in SAR images

通常，雷达影像上模糊噪声与真实船舶目标在方位向上的位置偏移量^[20]近似为

$\Delta {x_{{\rm{AZ}}}} = \frac{{n{f_{{\rm{prf}}}}{V_a}}}{{{f_{{\rm{DR}}}}}}$

(1)

式中，Δx_AZ为方位向位置偏移距离，n为鬼影目标序列数，n是正整数，n=1,2,3,…，f_prf为脉冲重复频率PRF，V_a为星载雷达传感器与海面目标的相对运动速度，f_DR为多普勒调频率。受影像幅宽及能量衰减的影响，通常真实船舶形成的鬼影目标序列数n≤3，其鬼影目标有时呈单侧排列，有时则呈现双侧排列，双侧排列时，距离真实船舶越远，其方位向的模糊程度越高，鬼影目标的总个数不大于2n。

由于频率越高，能量越大，故而短波SAR影像往往会形成明显的方位向模糊噪声，特别是当海面风速较低时，海表面近似呈现镜面反射(在SAR影像上表现为深暗色)，造成船舶的方位向模糊噪声更加明显突出。方位向模糊在SAR影像船舶检测中常被误判为真实船舶目标，为降低虚警率，式(1)常被用于方位向模糊噪声的去除，但这种剔除方法虽然考虑了方位向位置偏移距离，但往往对以下3种误判因素考虑不足： 1) 方位向模糊噪声与真实目标在方位向角度上的一致性； 2) 方位向模糊的能量逐次衰减； 3) 船舶自身成像特征，因而容易造成漏检或错检。

本文在综合分析方位向角度一致性、方位向位置偏移距离及方位向模糊能量衰减3种因素的基础上，提出了中分辨率SAR影像上船舶自动检测方法，以期能够降低虚警率，提高船舶自动检测的准确率。

2 方位向模糊去除算法

从方位向模糊的形成机理分析，SAR影像上的方位向模糊具有3方面特征：1) 真实船舶目标与方位向模糊目标具有方位向角度的一致性；2) 方位向位置偏移距离符合式(1)的距离标准；3) 方位向模糊目标随着与真实目标距离的增加，SAR成像上呈现能量衰减特征。据此，提出基于上述3个规则的方位向模糊去除算法，算法基本流程图如图 2所示。

图 2 方位向模糊去除方法流程图

Fig. 2 Removal process of azimuth ambiguities

2.1 方位向角度一致性

规则1：方位向角度的一致性。若满足

$\angle \alpha \in \left[{\theta - \Delta \beta ,\theta + \Delta \beta } \right]$

(2)

则认为亮斑目标S_i与亮斑目标S_j两点连线的方向与方位向一致，否则认为不一致。S_i和S_j为经过SAR数据处理后提取的白色亮斑目标；∠α为S_i与S_j亮斑中心点连线的方位向角度，以正北方向为零，顺时针方向增加，∠α∈[0°，360°)；θ为SAR卫星的方位角，卫星方位角^[21]指卫星到观测点形成的线段在观测点水平面上的投影与当地子午线的夹角,以正北方向为零，顺时针方向增加；Δβ为方位向角度宽容度。Δβ的确定方法如图 3所示，其中，直线l₁表示过真实船舶目标亮斑A与其方位向模糊亮斑A′中心点的连线，直线l₂表示与A和A′同时相切且方位向角度最大的切线，方位向角度宽容度Δβ即为直线l₁与直线l₂之间的夹角。

图 3 方位向角度宽容度Δβ的确定方法

Fig. 3 The determination of Δβ

2.2 方位向偏移距离

规则2：两点之间的方位向偏移距离符合方位向模糊的理论距离，令d为S_i与S_j两点之间的距离，若满足

$d \in \left[{\Delta {x_{{\rm{AZ}}}} - \Delta l,\Delta {x_{{\rm{AZ}}}} + \Delta l} \right]$

(3)

则认为S_i与S_j两点之间距离与方位向模糊理论距离一致，否则认为不一致。 Δx_AZ为SAR影像上亮斑目标S_i与S_j之间方位向模糊的理论距离；Δl为方位向距离宽容度，Δl的确定方法如图 4所示，其中，L_a表示真实船舶目标亮斑A与其方位向模糊亮斑A′之间的端点最大距离，L_b表示A与A′的中心位置距离，Δl=L_a-L_b。

图 4 方位向距离宽容度Δl的确定方法

Fig. 4 The determination of Δl

2.3 方位向模糊能量衰减

3 实验与讨论

3.1 实验数据

选取中分辨率Radarsat-2影像为例进行实验分析。在实验区域上，渤海海峡位于山东半岛和辽东半岛之间，是船舶进出渤海的要道，有老铁山水道和长山水道两条主要航道，交通流密集。青岛港位于山东半岛南岸，是太平洋西海岸重要的国际贸易口岸和海上运输枢纽，船舶流量大。基于上述考虑，选取渤海海峡和青岛附近海域进行实验分析具有较好的代表性。卫星数据情况如表 1。

表 1 实验Radarsat-2数据列表
Table 1 List of Radarsat-2 data

下载CSV

影像号	成像时间(UTC)	成像模式	极化方式	研究区域
Image 1	2015-05-13 T21:58	Wide	VV	Region 1
Image 2	2015-04-02 T21:55	Wide	VV	Region 2-4
注：Region 1、2、3、4各研究区域范围见图5(a)所示。

3.2 结果分析

对原始Radarsat-2影像首先进行几何校正，海陆分离等数据预处理，以校正畸变，获得的单一海域SAR影像，去除陆地目标的干扰。然后对预处理后进行增强和降噪，去除斑点噪声，提高影像对比度。基于后向散射强度对预处理后的SAR影像进行分割，检测并提取亮斑信息，其后进行方位向模糊剔除。

老铁山水道是进出渤海的一条重要航道，船舶流量较大，其成像特征较为典型。在研究区域Region 1(图 5(b))中检测到7个亮斑目标，其中S1、S2、S3为真实船舶目标，S1’_s、S1’_n、S2’_s和S3’_s为对应的方位向模糊目标(s代表south，表示方位向模糊位于真实目标南侧；n代表north，表示方位向模糊位于真实目标北侧)，其方位向角度均约192°，方位向偏移距离均约4 150 m。船舶S1的方位向模糊明显，在方位向南北两侧均形成一个模糊目标，船舶S2和S3则各自形成了单侧模糊目标。

图 5 实验数据

Fig. 5 Study area ((a)overview of study area and SAR images; (b) real ship targets(red rectangle) and their azimuth ambiguities(green rectangle) of Region 1)

对于处于不同运动状态(航行和锚泊)的船舶，图 6给出了实例。在研究区域Region 2(图 6左上)中检测到2个亮斑目标，其中S4为真实船舶目标，通过SAR影像上形成的船舶尾迹可以判断该船舶正处于航行状态，经AIS信息核对显示该船舶当时航速为12节。S4’s为该船对应的方位向模糊目标，位于真实目标南侧。研究区域Region 3(图 6左下)为青岛海域附近一处锚地，在该区域中共检测到12个亮斑目标，包括真实船舶目标5个，方位向模糊目标7个。其中，S6未形成明显的方位向模糊，S5形成了1个单侧方位向模糊，S7、S8和S9各形成了2个双侧方位向模糊。经AIS信息核对显示雷达成像时间该海域实际船舶为5艘，都处于锚泊状态，算法检测结果与实际相符。对SAR影像进行方位向模糊去除，得到船舶检测结果如图 7右上和图 7右下所示，红框为真实船舶，绿框为方位向模糊目标。

图 6 不同运动状态的船舶所形成的方位向模糊

Fig. 6 Azimuth ambiguities of ships under different motion state ((a)real ships under way and their azimuth ambiguities; (b) target detection; (c)real anchored shipsand their azimuth ambiguities;(d) target detection

图 7 双重方位向模糊示例

Fig. 7 Examples of multiple azimuth ambiguities of ships on SAR image ((a)real ship targets and their multiple azimuth ambiguities; (b) target detection)

方位向模糊能量随距离逐渐衰减，一般而言，船舶在SAR影像上形成的鬼影目标序列数n≤3，Region 4海域中船舶S10所形成的二面角反射强度较高，在SAR影像上形成了多重方位向模糊，即在其南侧形成了两个鬼影目标S10’s和S10”s，此时n=2(如图 7和表 2所示)。

表 2 SAR影像上S10信息及AIS系统获取的船舶信息
Table 2 Information of S10 extracted from SAR images and AIS

下载CSV

SAR影像亮斑信息		AIS船舶信息
ID	亮斑切片	船名 船旗国 类型	船舶图片
S10		CSCL PUSAN 新加坡 集装箱船

利用本文算法对实验数据进行船舶方位向模糊去除，检测结果如表 3所示。经AIS校验分析，本算法能够对4个实验区的方位向模糊实现全部剔除，对于实验数据方位向模糊目标检测准确率达到100%，无漏检和虚警。

表 3 算法检测精度统计
Table 3 Comparison of extraction results in four study area

下载CSV

研究海域	算法对SAR影像检测结果			AIS校验比对分析
	亮斑目标数	方位向模糊目标数	船舶数	正确数	虚警数	漏检数	去除准确率/%
Region 1	7	4	3	4	0	0	100
Region 2	2	1	1	1	0	0	100
Region 3	12	7	5	7	0	0	100
Region 4	22	11	11	11	0	0	100

目前，在SAR影像船舶检测方面比较常用的算法包括双参数CFAR算法、基于K分布的CFAR算法等，利用相关算法对实验数据进行船舶提取。由于整景影像范围内船舶数量较多，选取部分区域进行统计分析，结果如表 4所示。

表 4 本文算法与几种常用SAR影像船舶检测方法的实验结果比较
Table 4 Comparison of extraction results of different ship detection methods in SAR images

下载CSV

算法	实际船舶数	检测船舶数	漏检数	虚警数
双参数CFAR	18	26	0	8
K分布CFAR	18	28	0	10
本文	18	18	0	0

对于实验区域，双参数CFAR算法和基于K分布的CFAR算法能够对亮目标进行较好的检测，但是对于船舶的方位向模糊并未进行剔除，造成了虚警，本文算法考虑了船舶方位向模糊对于船舶检测的影响，能够有效剔除单双侧的方位向模糊，提高了真实船舶检测的有效性。为了能更客观地反映算法的适应性和检测效果，选择了4景成像于2015年3月—6月的Radarsat-2数据进行实验，结果表明，对30 m分辨率的Radarsat-2实验影像，本文算法对船舶方位向模糊的去除准确率优于95.8%，能够有效地去除船舶方位向模糊造成的误判，提高船舶识别的准确率。

4 结 论

参考文献

[1] Brusch S, Lehner S, Fritz T, et al. Ship surveillance with TerraSAR-X[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011 ,49 (3) : 1092 –1103. [DOI:10.1109/TGRS.2010.2071879]
[2] Vachon P W, Thomas S J, Cranton J, et al. Validation of ship detection by the RADARSAT synthetic aperture radar and the ocean monitoring workstation[J]. Canadian Journal of Remote Sensing, 2000 ,26 (3) : 200 –212. [DOI:10.1080/07038992.2000.10874770]
[3] Liao M S, Wang C C, Wang Y, et al. Using SAR images to detect ships from sea clutter[J]. IEEE Geoscience and Remote Sensing Letters, 2008 ,5 (2) : 194 –198. [DOI:10.1109/LGRS.2008.915593]
[4] Friedman K S, Wackerman C, Funk F, et al. Validation of a CFAR vessel detection algorithm using known vessel locations[C]//IEEE International Geoscience and Remote Sensing Symposium. Sydney, NSW: IEEE, 2001, 4: 1804-1806. [DOI: 10.1109/IGARSS.2001.977077]
[5] Ji Y G, Zhang J, Meng J M, et al. A new CFAR ship target detection method in SAR imagery[J]. Acta Oceanologica Sinica, 2010 ,29 (1) : 12 –16. [DOI:10.1007/s13131-010-0002-6]
[6] Jakeman E, Pusey P. A model for non-rayleigh sea echo[J]. IEEE Transactions on Antennas and Propagation, 1976 ,24 (6) : 806 –814. [DOI:10.1109/TAP.1976.1141451]
[7] Wang C, Zhang H, Wu F, et al. Ship Detection and Classification on High Resolution SAR Images[M]. Beijing: Science Press, 2013 . [ 王超, 张红, 吴樊, 等. 高分辨率SAR图像船舶目标检测与分类[M]. 北京: 科学出版社, 2013 .]
[8] Tello M, Lopez-Martinez C, Mallorqui J J. A novel algorithm for ship detection in SAR imagery based on the wavelet transform[J]. IEEE Geoscience and Remote Sensing Letters, 2005 ,2 (2) : 201 –205. [DOI:10.1109/LGRS.2005.845033]
[9] Jiang Q S, Aitnouri E, Wang S R, et al. Automatic detection for ship target in SAR imagery using PNN-model[J]. Canadian Journal of Remote Sensing, 2000 ,26 (4) : 297 –305. [DOI:10.1080/07038992.2000.10874780]
[10] Greidanus H. Sub-aperture behavior of SAR signatures of ships[C]//IEEE International Conference on Geoscience and Remote Sensing Symposium. Denver, Colorado, USA: IEEE, 2006: 3579-3582. [DOI: 10.1109/IGARSS.2006.917]
[11] Touzi R, Hurley J, Vachon P W. Optimization of the degree of polarization for enhanced ship detection using polarimetric RADARSAT-2[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015 ,53 (10) : 5403 –5424. [DOI:10.1109/TGRS.2015.2422134]
[12] Souyris J C, Henry C, Adragna F. On the use of complex sar image spectral analysis for target detection: assessment of polarimetry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003 ,41 (12) : 2725 –2734. [DOI:10.1109/TGRS.2003.817809]
[13] Han Z Y, Zhong J S. Ship detection algorithm in polarimetric SAR images[J]. Journal of Test and Measurement Technology, 2006 ,20 (1) : 65 –70. [ 韩昭颖, 种劲松. 极化合成孔径雷达图像船舶目标检测算法[J]. 测试技术学报, 2006 ,20 (1) : 65 –70.] [DOI:10.3969/j.issn.1671-7449.2006.01.014]
[14] Sun Y, Wang C, Zhang H, et al. Polarimetric SAR ship detection using improved notch filter[J]. Journal of Image and Graphics, 2013 ,18 (10) : 1374 –1382. [ 孙渊, 王超, 张红, 等. 改进Notch滤波的全极化SAR数据船舶检测方法[J]. 中国图象图形学报, 2013 ,18 (10) : 1374 –1382.] [DOI:10.11834/jig.20131020]
[15] Bamler R, Runge H. PRF-ambiguity resolving by wavelength diversity[J]. IEEE Transactions on Geoscience and Remote Sensing, 1991 ,29 (6) : 997 –1003. [DOI:10.1109/36.101376]
[16] Jiang G A, Song H J. Analysis and suppression on azimuth ambiguity of SAR[J]. Electronic Measurement Technology, 2007 ,30 (12) : 45 –47. [ 姜国安, 宋红军. SAR方位向模糊分析与抑制[J]. 电子测量技术, 2007 ,30 (12) : 45 –47.] [DOI:10.3969/j.issn.1002-7300.2007.12.014]
[17] Zhang Y J, Li C P. Analysis of synthetic aperture radar ambiguities[J]. Journal of Electronics & Information Technology, 2004 ,26 (9) : 1455 –1460. [ 张永军, 李彩萍. 合成孔径雷达模糊度分析[J]. 电子与信息学报, 2004 ,26 (9) : 1455 –1460.]
[18] Zheng J L, Ying Q H, Yang W L. Signals and Systems[M]. Beijing: Higher Education Press, 2000 . [ 郑君里, 应启珩, 杨为理. 信号与系统[M]. 北京: 高等教育出版社, 2000 .]
[19] Wei J J, Li P X, Yang J, et al. A new automatic ship detection method using L-band polarimetric SAR imagery[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2014 ,7 (4) : 1383 –1393. [DOI:10.1109/JSTARS.2013.2269996]
[20] Velotto D, Soccorsi M, Lehner S. Azimuth ambiguities removal for ship detection using full polarimetric X-band SAR data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014 ,52 (1) : 76 –88. [DOI:10.1109/TGRS.2012.2236337]
[21] Zhang Y S, Feng Z K, Shi D. The influence of satellite observation direction on remote sensing image[J]. Journal of Remote Sensing, 2007 ,11 (4) : 433 –438. [ 张云松, 冯钟葵, 石丹. 卫星观测方位对遥感成像的影响[J]. 遥感学报, 2007 ,11 (4) : 433 –438.] [DOI:10.11834/jrs.20070460]