一种利用多时相雷达数据检测海上静止目标的方法

摘要

本发明涉及一种利用多时相雷达数据检测海上静止目标的方法。该方法使用的数据为多时相的ENVISATASAR影像，首先对于多景ENVISATASAR数据使用基于双参数的恒虚警率（CFAR）算法提取海上目标，针对ENVISATASAR数据提出了优选的算法参数，使得双参数CFAR适用于ENVISATASAR数据。对于多时相的海上目标，使用一种基于RANSAC算法的海上目标点匹配方法进行匹配，经匹配后的点目标中相互重合的点就为海上静止目标。该方法能够有效地检测海上钻井平台等海上静止目标，从而快速、及时、准确地监测海域石油开发等资源和环境状况。

说明书

技术领域

本发明涉及一种检测海上静止目标的方法，特别是涉及一种利用多时相雷 达影像检测海上静止目标的方法。

背景技术

南海是我国资源重库，油气资源极为丰富。2012年5月9日，我国中国首 座自主设计、建造的第六代深水半潜式钻井平台“海洋石油981”正式开钻。截 止目前为止，南海海域各国各类钻井平台达1000多座，及时发现并监测这些海 上静止目标显得极为重要。然而，对海上目标及其附近的海域进行监测，首先 需要发现海上的静止目标。

在海上目标检测方面，国内外学者进行了大量的研究。比如：2001年， Pastina D等人在《IEEE Trans.on Aerospace and Electronic Systems》37 卷3期发表“Adaptive polarimetric target detect ion with coherent radar  Part I and Part II”一文基于极化SAR数据中提出了类似功率比的方法来检 测水上目标；2004年，胡应添等人在《遥感技术与应用》19卷第6期中发表“SAR 图像中海上舰船目标自动检测新方法”一文，针对中分辨率近岸海域SAR图像， 根据相应的抽取算法和图像数据映射准则，分离图像中的海洋和陆地区域，并 结合最大熵分割法提取海洋背景中包含候选目标的感兴趣区域，最后利用特征 匹配方法检测出真正的舰船目标；2005年，李长军等人在《计算机应用》25卷 第8期中发表“基于模糊理论的SAR图像海上舰船检测方法研究”一文，先利 用改进的模糊增强算法对图像进行增强处理，分离图像中海洋区域和陆地区域， 并结合最大熵分割法提取海洋背景中包含候选舰船的感兴趣区域，最后对ROI 区域进行分割，提取舰船的特征,并基于模糊推理技术实现对海上舰船目标的检 测；2007年，张露等人在《遥感技术与应用》22卷第3期中发表“SAR海上静 止目标检测”一文，利用子孔径分解技术和2L-IPH(Two-Looks Internal  Hermitian Product)方法检测海上静止目标，结合目标形状和子孔径运动检测 方法，将海上静止目标和运动的目标区分开来；2008年，张露等人在《电子学 报》36卷第6期中发表“基于子孔径分解的SAR动目标检测方法”，在子孔径分 解技术的基础上提出一种从单通道SAR SLC数据中检测动目标的方法，通过子 孔径图像之间的相减操作来抑制杂波；2011年，武鹏等人在《电子与信息学报》 33卷第10期中发表“基于极化特征分解的海上小目标检测算法研究”，从全极 化信息处理角度解决低擦地角下，海杂波中的低可观测小目标检测问题，提出 了一种基于极化特征分解的海上小目标检测方法。然而，研究的重点主要是海 上舰船等动态目标提取，存在目标误判的现象；此外，其他海上目标提取方法， 如时频信号处理、分形维法、极化特征提取等方法，由于受海杂波及外界环境 的影响，静止目标与动态目标难以区分，还会出现一些虚假目标，检测精度有 待进一步提高。

以上海上静止目标检测的方法均是针对单幅影像进行海上静止目标的检 测，由于计算复杂，运算速度较慢，往往仅用于实验室等科学研究领域。

2002年3月1日，欧洲空间局(ESA)发射了ENVISAT卫星，迄今为止，它是 欧洲建造的最大的环境卫星，也是费用最高的地球观测卫星。该卫星载有最先 进的合成孔径雷达(Advanced synthetic Aperture Radar，ASAR)。ENVISAT ASAR 数据除了具有全天时、全天候、穿透性等特性外，还具有许多独特的性质。ASAR 具有双极化功能、5种工作模式、多种入射角、宽幅成像等。ASAR更为强大， 可为海岸、极地冰冠、土壤、植被、海洋等雷达监测研究提供丰富的数据信息。 ASAR得到的是复散射矩阵形式的数据,多通道的极化数据可更好地表述物体后 向散射特性，更多的信息量使得其在目标检测与分类等方面更具有优势。由于 海上多云多雨，利用传统的光学影像进行海上目标检测有很多的局限性。与光 学、红外等传感器相比，ASAR成像不受天气、光照等条件的限制，可对感兴趣 目标进行全天候、全天时的侦察。其次，由于海上静止目标多会产生角反射， 而ASAR能够以多角度、多极化的方式观测目标，提供了关于目标的更多信息。

发明内容

本发明要解决技术问题是：克服现有海上静止目标检测方法的不足，提供 一种利用多时相雷达数据检测海上静止目标的方法，该方法不仅解决了多云多 雨的复杂环境下海上静止目标难以发现的问题，而且计算简单，运算速度快。

为了解决以上技术问题，本发明提供一种利用多时相雷达数据检测海上静 止目标的方法，包括以下步骤：

步骤1、数据准备——选取目标区域不同时相的两景ENVISAT ASAR影像数 据；

步骤2、基于双参数CFAR算法的ENVISAT ASAR海上目标点检测——针对两 景ENVISAT ASAR数据使用基于双参数CFAR的海上目标算法进行海上目标的检 测，得到两景数据的点目标图，对于ENVISAT ASAR数据使用矩形作为CFAR算 法的窗口，CFAR算法的目标窗口大小为3×3，保护窗口大小为7×7，背景窗口大 小为13×13，虚警率检测控制系数设定为45；

步骤3、基于RANSAC的海上目标点匹配——使用RANSAC算法实现海上目标 点的匹配，具体如下：

Ⅰ)在两景海上点目标图中分别随机选取两个点作为两个点对，将这四个点 坐标分别带入如下的转换方程计算转换参数。

$\left(\begin{array}{c}u\\ v\end{array}\right)=\left(\begin{array}{c}{m}_1{m}_2\\ m_3{m}_4\end{array}\right)\left(\begin{array}{c}x\\ y\end{array}\right)+\left(\begin{array}{c}{t}_x\\ t_y\end{array}\right)$

式中，x、y和u、v分别为两景影像上选取的点的坐标，m₁、m₂、m₃、m₄、 t_x、t_y为转换方程的转换参数。

Ⅱ)使用计算得到的转换参数构建转换方程对待转换影像的所有海上目标 点进行转换；

Ⅲ)计算转换后的点集与参照点集中点的距离，如果距离不大于300米，即 认为这两点重合，并记录重合的点数；

Ⅳ)重复Ⅰ)-Ⅲ)直至重合点数大于3，重合点数大于3的转换模型为最优转 换模型，使用最优转换模型对两景海上点目标图进行匹配，完成点目标的匹配。

本发明适用于存在3个以上静止目标的ENVISAT ASAR数据的处理，所以只 需要判断重合点数大于3就找到了最优转换模型，也就完成了点目标的匹配。

步骤4、海上静止目标检测--在步骤Ⅲ)中完成匹配的点目标图中，重合 的点目标为海上静止目标。

由于任意三个移动目标在两幅影像上保持固定的相对位置的概率极低，而 静止目标始终能保持固定的相对位置，所以步骤3中得到的重合点数量大于3 时，即可以认为检测到了所有的海上静止目标。

本发明的创新点在于：利用多时相的ENVISAT ASAR影像，并使用适用于 ENVISAT ASAR数据的双参数（即窗口参数和虚警率检测控制系数）CFAR算法参 数，进行影像海上目标的检测。对于检测得到的多时相海上目标点集，基于保 证影像匹配后重合的点目标最多的思想，使用RANSAC算法框架实现海上目标点 的匹配，并最终检测海上静止目标。该方法能够有效地检测海上钻井平台等海 上静止目标，从而快速、及时、准确地监测南海及周边海域石油开发等资源和 环境状况。

本发明在步骤2中，提供了一种基于雷达信号的恒虚警率进行目标提取方 法，其中虚警率表示背景被错误的检测为海上目标的概率，具体方法如下：

I)a1、设定基于恒虚警率的ENVISAT ASAR影像海上目标检测算法对应的各 检测窗口，包括目标窗口、保护窗口和背景窗口，其中所述目标窗口为待测目 标所在窗口，所述背景窗口为背景统计信息，所述保护窗口确保待测目标像素 不被包含在背景窗口中；

a2、设定目标检测准则为μ_t>μ_b+σ_bt，公式中，t为恒虚警率检测控制系数， μ_t为目标窗口的均值，μ_b为背景窗口的均值，σ_b为标准偏差，均值与标准偏差 的计算公式为：

$\mu =\frac{\Sigma s_i}{N},$$\sigma =\sqrt{\frac{1}{N-1}\underset{i=1}{\overset{N}{\Sigma }}{(s_i-\mu )}^2}$

其中，S_i为位于背景窗口中同时位于保护窗口外的影像单元点的灰度值，N为位 于背景窗口中同时位于保护窗口外的影像单元点的数量；

判定满足该准则的目标窗口中心位置的影像单元为目标，否则为影像背景； 同时滑动所述目标窗口、保护窗口和背景窗口，完成遍历后生成目标-背景二值 影像；

a3、遍历目标-背景二值影像，构造标记数组与提取规则，即提取到矢量点 状目标。

本发明在步骤3中，提供了一种基于RANSAC的对两幅目标点图进行匹配的 方法，具体如下：分别在两幅目标点图中随机选取两个目标点，构成两对目标 点对，根据坐标转换公式，计算点图的转换参数和转换模型，根据转换模型对 待匹配目标点图中的所有点进行转换，计算转换后两幅点图的重合点的数量， 如果大于3则对应的转换模型为最优模型，使用最优模型进行点集的转换，即 完成了两幅目标点图的匹配。

本发明在步骤3中，若匹配后的两幅图像中目标点对的距离不大于2个像 素，则判定为重合点。在ENVISAT ASAR影像中，分辨率为1个像素表示150米， 距离不大于2个像素也就是表示距离不大于300米。

本发明带来的有益效果是：

第一，双参数CFAR算法的参数的设置会显著影响海上目标提取结果，尤其 是虚警控制系数的设定直接关系到虚警目标的数量。本发明提出了适用于 ENVISAT ASAR的CFAR算法参数，大大提高了海上目标提取的正确性和完整性， 效果显著。

第二，本发明对ENVISAT ASAR影像使用点模式的匹配方法，其基本思想是 保证匹配到一起的点数最多，在匹配的过程中寻找能够满足最多匹配点对的转 换模型，匹配的速度快，精度高。

第三，本发明针对海上ENVISAT ASAR影像水域面积广阔的特点，利用多时 相的ENVISAT ASAR影像，提取ENVISAT ASAR影像中的所有海上点状目标，并 利用匹配的方式发现海上静止目标，有效地解决了传统的检测海上静止目标计 算复杂、运算速度慢的问题，并能够适应多云多雨的复杂环境，从而能够有效 地检测海上钻井平台等海上静止目标，快速、及时、准确地检测石油开发等资 源和环境状况。

附图说明

下面结合附图对本发明作进一步的说明。

图1为2006年获取的名为ASA_WSM_1PNCUH20061013_14524的ENVI SAT ASAR 宽幅影像。

图2为2008年获取的名为ASA_WSM_1PNCUH20080208_02335的ENVISAT ASAR 宽幅影像。

图3为本发明实施例中基于改进恒虚警率的ENVISAT ASAR影像海上目标检 测算法对应的检测窗口。

图4为2006年的ENVISAT ASAR影像得到的目标结果图。

图5为2008年的ENVISAT ASAR影像得到的目标结果图。

图6为本实施例最后得到的静止目标。

具体实施方式

下面根据附图详细说明本发明，本发明的目的和效果将变得更加明显。

本实施例的实验数据为香港中文大学卫星ENVISAT ASAR地面接收站2006 年获取的名为ASA_WSM_1PNCUH20061013_14524ENVISAT ASAR宽幅影像和2008 年获取的名为ASA_WSM_1PNCUH20080208_02335ENVISAT ASAR影像宽幅影像，原 始数据分别如图1和图2所示。

本实施例的一种利用ENVISAT ASAR数据发现海上静止目标的方法，包括以 下步骤：

步骤1、数据准备——选取目标区域不同时相的两景ENVISAT ASAR影像数 据。

分别读取2006年的名称为ASA_WSM_1PNCUH20061013_14524的单景ENVISAT  ASAR影像数据和2008年名称为ASA_WSM_1PNCUH20080208_02335的单景ENVISAT  ASAR影像数据，将其分别转换为JPG格式的数据。

步骤2、基于双参数CFAR算法的ENVISAT ASAR海上目标点检测——针对两 景ENVISAT ASAR数据使用基于双参数CFAR的海上目标算法进行海上目标的检 测，得到两景数据的点目标图.2006年的ENVISAT ASAR影像得到的目标点示意 图如图4所示，2008年的ENVISAT ASAR影像得到的目标点示意图如图5所示。

基于双参数CFAR进行目标提取方法如下：

a1、设定基于恒虚警率的ENVISAT ASAR影像海上目标检测算法对应的检测 窗口，包括目标窗口T、保护窗口P、背景窗口B。其中目标窗口T、保护窗口P、 背景窗口B的相对关系如图2所示。

目标窗口T是待检测目标所在窗口，根据ENVISAT ASAR影像中海上目标的 特征，设定目标窗口T大小为3×3。

保护窗口P是确保目标的像素没有被包含在背景窗口B中，同样根据 ENVISAT ASAR影像中目标的大小特征，设定保护窗口P大小为7×7，即目标在 影像上不会表现为超过该窗口大小的特征。

背景窗口B代表的是背景统计信息，用于在一定大小的范围内对ENVISAT  ASAR影像舰船目标与影像背景信息进行区分，应保证在该范围内舰船目标与影 像背景特征有显著区分，据此设定背景窗口B大小为13×13。

a2、设定目标检测准则，获取目标-背景二值影像。

滑动目标窗口T，计算窗口均值与标准偏差，同时滑动保护窗口P和背景窗 口B，计算以待检测影像单元点为中心，3×3大小的目标窗口T的均值μ_t，13×13 大小的背景窗口B的均值μ_b和标准偏差σ_b，在计算背景窗口均值μ_b和标准偏差 σ_b时，位于保护窗口P内的影像单元不参与运算，即仅通过位于背景窗口B中， 同时位于保护窗口P外的影像单元点进行计算，均值反映了背景窗口B中除去 目标的背景单元点灰度的平均特征，标准方差则反映了这些单元点灰度值的偏 离程度。均值与标准偏差的计算公式为：

$\mu =\frac{\Sigma s_i}{N},$$\sigma =\sqrt{\frac{1}{N-1}\underset{i=1}{\overset{N}{\Sigma }}{(s_i-\mu )}^2}$

其中，S_i为位于背景窗口B中，同时位于保护窗口P外的影像单元点的灰 度值；N为位于背景窗口B中，同时位于保护窗口P外的影像单元点的数量。

根据ENVISAT ASAR影像中目标的特征，设定恒虚警率检测控制系数t=45， 设定目标检测准则为μ_t>μ_b+σ_bt，满足该准则的目标窗口T中心位置的影像单元 判定为目标，否则判定为影像背景。

滑动窗口，完成遍历后生成目标-背景二值影像，目标在二值影像中值为1， 影像背景在二值影像中值为0。

a3、遍历目标-背景二值影像，构造标记数组与提取规则，提取矢量点状舰 船目标。

构建一维标记数组sign，初始值设为0；遍历目标-背景二值影像，对于遍 历到的待检测影像单元点，若其对应位置sign数组标记值为0、舰船目标-背景 二值影像值为1，并且其八邻域影像单元点对应标记值sign均为0，则该待检 测影像单元点为检测到目标的位置，记录其位置（i,j），同时更新其八邻域单 元点的标记值sign为1，单元点（i,j）的八邻域点为（i-1,j），（i+1,j），（i,j-1）， （i,j+1），（i-1,j-1），（i-1,j+1），（i+1,j-1），（i+1,j+1），其中i为单元点 在影像中的行号，j为单元点在影像中的列号。遍历完成后，每个目标均以其第 一个被遍历的影像单元点表示。读取表征每个目标的影像单元点的行列位置 （i,j），以行数i作为点的y坐标，以列数j作为点的x坐标，利用点位信息 构造矢量点状对象。

本实施例中，从2006年的ENVISAT ASAR影像数据提取到的海上目标为20 个，如图4所示；从2008年的ENVISAT ASAR影像数据中提取到的海上目标为 22个，如图5所示。上述两图黑色三解形标记的位置就是提取到的海上目标。

步骤3、基于RANSAC的海上目标点匹配——分别在两幅目标点图中随机选 取两个目标点，构成两对目标点对，并据此对两幅数据影像进行匹配，匹配后 记录下重合点的数量。

本实施例中使用RANSAC算法实现海上目标点匹配的具体方法如下：

Ⅰ)在步骤2中得到的两幅海上目标点图数据中分别随机选取两个点，在 2006年的数据中选取A1、A2，在2008年的数据中选取B1、B2，构成两对目标 点（A1，B1）和（A2，B2），根据坐标转换公式，计算影像之间的仿射变换参数：

$\left(\begin{array}{c}u\\ v\end{array}\right)=\left(\begin{array}{c}{m}_1{m}_2\\ m_3{m}_4\end{array}\right)\left(\begin{array}{c}x\\ y\end{array}\right)+\left(\begin{array}{c}{t}_x\\ t_y\end{array}\right)$

式中，x、y和u、v分别为两景影像上选取的点的坐标，m₁、m₂、m₃、m₄、 t_x、t_y为转换方程的转换参数。

Ⅱ)使用上述仿射变换参数得到的仿射变换方程对目标点图中的点集进行 转换，使用计算得到的转换方程对步骤2中2006年的目标点图数据中的所有的 点集进行转换，得到转换后的目标点集，就完成两幅数据影像的匹配；

Ⅲ)计算转换后的点集与参照点集（本例中参照点集为2008年的目标点图 中的点集）中点的距离，如果距离不大于300米，即认为这两点重合，并记录 重合的点数；

Ⅳ)重复Ⅰ)-Ⅲ)直至重合点数大于3，重合点数大于3的转换模型为最优转 换模型，使用最优转换模型对两景海上点目标图进行匹配，完成点目标的匹配。

步骤4、海上静止目标的确定——在步骤Ⅲ)中完成匹配的点目标图中，重 合的点目标为海上静止目标。

由于任意三个移动目标在两幅影像上保持固定的相对位置的概率极低，而 静止目标始终能保持固定的相对位置，所以步骤3中得到的重合点数量大于3 时，即可以认为检测到了所有的海上静止目标。

本实施例中的两幅目标点图经上述计算后得到了20个重合目标点，如图6 所示，圆圈内的重合点即为海上静止目标。

除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效 变换形成的技术方案，均落在本发明要求的保护范围。