SAR圖像處理與檢測 課件 第一章 緒論

2025/5/221SAR圖像處理與檢測2025/5/222第一章

緒論1.1背景與意義1.2基本定義與問題描述1.3小結(jié)2025/5/223背景與意義合成孔徑雷達（SyntheticApertureRadar，SAR）是一種主動式的對地觀測系統(tǒng)，由于該系統(tǒng)能夠?qū)崿F(xiàn)穿透云霧、植被對地全天候遠距離的觀測，被廣泛應(yīng)用于軍事、遙感、水文、地礦等領(lǐng)域。在過去的十幾年里，我國在研發(fā)獲取SAR數(shù)據(jù)的系統(tǒng)方面，投入了大量精力，從各種各樣的機載和星載SAR系統(tǒng)獲取了海量的高質(zhì)量SAR圖像，但是在如何利用好這些海量的數(shù)據(jù)方面所做的工作卻相對較少。SAR圖像的圖像特性會隨著不同的配置條件（包括姿態(tài)、俯仰、遮擋、隱蔽、成像參數(shù)等）發(fā)生較大的變化，與光學(xué)圖像存在較大差異，盡管有經(jīng)驗的圖像分析人員可以快速地識別出一些特征，但是，人工進行信息提取是一項非常耗時的工作，而且，不同分析人員間也沒有判讀結(jié)果的統(tǒng)一評價標準。因此，在對數(shù)據(jù)信息進行充分理解的基礎(chǔ)上，建立統(tǒng)一的決策標準，以獲得適合人眼觀察識別的圖像，同時能夠自動或半自動地生成某些決策將會給SAR圖像在各領(lǐng)域的推廣應(yīng)用帶來極大的助力。由SAR系統(tǒng)獲得的圖像數(shù)據(jù)信息通常是高維的，結(jié)構(gòu)豐富且多樣化。在大量復(fù)雜的數(shù)據(jù)中，感興趣的數(shù)據(jù)遠遠少于整體，如何能夠快速檢索到那些感興趣的信息是待解決的關(guān)鍵問題?；谟杏眯畔⒃谡w數(shù)據(jù)中稀疏性假設(shè)的稀疏表示理論提供給了研究工作者一個處理海量SAR圖像數(shù)據(jù)信息的新思路。相對于一維信號，二維SAR圖像數(shù)據(jù)具有更多的空間結(jié)構(gòu)信息，能夠同時將圖像的結(jié)構(gòu)信息和信息的稀疏性整合到一個框架中的群稀疏表示理論，能夠在SAR圖像的應(yīng)用中獲得更好的效果。基本定義與問題描述SAR系統(tǒng)是測量地面和入射電磁波之間局部相互作用的一種測量系統(tǒng)，通過該系統(tǒng)可以產(chǎn)生描述該作用的高分辨率SAR圖像，從某種意義上來講，SAR圖像是地面局部散射特性的一種表現(xiàn)形式，即所有地面信息以電磁理論知識為載體。SAR圖像應(yīng)用的獨特性及電磁理論的一般性之間存在廣闊的技術(shù)和理論發(fā)展空間，其目的是為SAR圖像分析與解譯提供一些一般性的方法。2025/5/224SAR圖像相干斑抑制SAR圖像是通過相干的電磁散射過程得到的，因此存在無法避免的各散射體之間的干擾現(xiàn)象，其在圖像中表現(xiàn)為相干斑噪聲，該干擾是理解與分析SAR圖像需要首要解決的問題。針對SAR圖像幅度圖像的相干斑抑制研究是最為廣泛的，通過結(jié)合不同的估計域（如空間域、頻率域、小波域、其他類型變換域等）、估計準則［如最小均方誤差（MinimunMeanSquareError，MMSE）、線性最小均方誤差（Linear

MinimumMeanSquareError，LMMSE）、最小平均絕對誤差等］、最大后驗概率（Maximum

APosteriorProbability，MAP）估計或者非貝葉斯模型，以及概率密度估計模型，可以獲得大量不同種類的相干斑抑制方法。有關(guān)相干斑抑制的研究工作最早始于圖像空間域的處理，該類方法基于對目標反射強度及相干斑相關(guān)統(tǒng)計特性（如自相關(guān)函數(shù)和概率分布函數(shù)等）的假設(shè)。根據(jù)其統(tǒng)計特性的不同，此類濾波器將真實SAR圖像中的區(qū)域分為三類：均勻區(qū)域、紋理區(qū)域及強散射區(qū)域。針對第一類圖像區(qū)域，該類區(qū)域在空間上具有恒定的強度值，對此類情形的最佳估計方法為在鄰域中取像素強度的平均值；屬于第三類圖像區(qū)域的像素值一般予以保留以進行目標檢測，并且用于校準及匹配等操作。此類濾波器的設(shè)計旨在降低第二類圖像區(qū)域的相干斑噪聲。2025/5/225SAR圖像相干斑抑制過去三十年還出現(xiàn)了許多不遵循貝葉斯準則的相干斑抑制算法，下面對較為流行的算法進行介紹和總結(jié)。以中值濾波器為代表的次序統(tǒng)計濾波器由于其邊緣保持的獨特特性而在相干斑抑制的應(yīng)用領(lǐng)域得到了一定的普及，其中當條件中值濾波器識別像素為異常值（即窗口內(nèi)極值）時，使用樣本中值替換局部滑動窗口的中心像素值。稀疏表示（Sparse

Representation，SR）信號模型受到圖像處理研究學(xué)者廣泛的歡迎和關(guān)注，該理論的基本假設(shè)：自然圖像都滿足稀疏先驗?zāi)Ｐ停纯梢员灰暈樽值渲猩贁?shù)原子的線性組合。稀疏表示方法已被成功應(yīng)用于圖像去噪、圖像分類和圖像恢復(fù)，同樣也被應(yīng)用于SAR圖像的相干斑抑制。由于SAR圖像相干斑噪聲具有離散無結(jié)構(gòu)分布形式，與具有明顯結(jié)構(gòu)特征的圖像信息不同，如何利用群稀疏表示理論探索SAR圖像的目標結(jié)構(gòu)特征表現(xiàn)出的群稀疏性，并進行相干斑噪聲抑制是本書相關(guān)算法設(shè)計的初衷。相干斑噪聲多被建模為指數(shù)分布的乘性噪聲，而融合稀疏表示理論中使用的信號模型為字典各原子的線性疊加形式，如何結(jié)合相干斑噪聲特點并利用群稀疏表示理論抑制乘性相干斑噪聲是本書的分析重點。2025/5/226SAR圖像目標檢測基于SAR圖像的目標檢測技術(shù)已經(jīng)成為SAR軍事應(yīng)用的核心技術(shù)，地面的坦克集群、運輸車輛、導(dǎo)彈發(fā)射架等是戰(zhàn)場上的重要目標，對感興趣目標實現(xiàn)實時的自動檢測，為戰(zhàn)場指揮提供有用信息，具有重要的意義。過去幾十年，SAR圖像目標檢測問題獲得了相關(guān)研究學(xué)者及機構(gòu)廣泛的關(guān)注和研究，并涌現(xiàn)了多種目標檢測算法。按各檢測算法選用技術(shù)標準的不同，SAR圖像目標檢測的研究方法大致可分為兩種：基于對比度的目標檢測算法及基于圖像特征的目標檢測算法。在SAR圖像中除感興趣目標外，場景中還包含大量由雜波構(gòu)成的像素點，一般情況下感興趣目標像素點只占有較小的空間區(qū)域，同時達到最小的虛警概率和最大的檢測概率是目標檢測算法設(shè)計的目的?；趯Ρ榷鹊哪繕藱z測算法能較好地檢測出金屬質(zhì)地的感興趣目標，如車輛、艦船、基站等，即具有較強的后向散射強度，能夠明顯區(qū)別于與周遭環(huán)境具有較大對比度的目標。恒虛警率（ConstantFalseAlarmRate，CFAR）檢測算法是SAR圖像目標檢測領(lǐng)域最常用且研究較為深入的一類算法，經(jīng)典的CFAR檢測算法基于統(tǒng)計檢測理論，根據(jù)給定的虛警概率及背景雜波的統(tǒng)計特性計算檢測門限，將圖像內(nèi)像素點與檢測門限進行對比，判斷該像素點是否屬于目標。在實際應(yīng)用中，待處理的SAR圖像往往包含多種地物植被覆蓋類型，不匹配的雜波統(tǒng)計模型會直接影響CFAR檢測器的速度和精度，造成檢測性能的下降。CFAR類目標檢測算法是基于背景雜波統(tǒng)計模型的，感興趣目標被定義為背景雜波中的異常點進行檢測。但是在實際應(yīng)用中，目標信息存在眾多差異，無法建立較為通用的各類目標統(tǒng)計模型，對該算法的推廣應(yīng)用造成了較大困難。2025/5/227SAR圖像目標檢測上述目標檢測算法都是基于目標和背景之間后向散射強度的差異進行判斷的，這是目標區(qū)別于背景雜波的一個圖像特征，而從理論上講，目標在圖像上表現(xiàn)出的紋理、大小等多種圖像特征都可以作為目標檢測的依據(jù)，基于圖像特征的目標檢測算法就是通過提取圖像中與目標特征相匹配的信息實現(xiàn)目標檢測的。常用的目標特征有邊緣特征、紋理特征、區(qū)域形狀特征和方向特征等。另外，為解決大范圍高分辨率SAR圖像目標檢測問題，綜合利用圖像多特征及先驗信息是解決感興趣目標檢測問題的必要條件。相關(guān)研究學(xué)者提出了眾多基于圖像背景信息的目標檢測算法，該類算法采用了多種背景信息如圖像上下文信息、地域先驗知識及周遭環(huán)境信息等。使用圖像多特征信息進行聯(lián)合目標檢測的算法也得到了廣泛的研究，多種不同特征與不同類型的目標檢測算法結(jié)合形成了眾多目標檢測算法。理論和實驗結(jié)果分析表明，如果能夠選擇合適的特征及聯(lián)合規(guī)則，將會獲得比僅使用單個特征進行目標檢測更精確的性能。但基于圖像多特征及先驗信息的目標檢測算法，涉及變量較多，計算復(fù)雜，不能夠保證穩(wěn)定的目標檢測性能。2025/5/228小結(jié)在一個分辨單元內(nèi)，SAR接收到的實際目標回波是很多理想點目標回波的矢量和，導(dǎo)致實際目標的散射回波強度會在散射系數(shù)的基礎(chǔ)上隨機起伏，形成相干斑。相干斑噪聲是SAR系統(tǒng)的固有特性。因此，相干斑抑制算法一直是SAR圖像處理領(lǐng)域中的一個重要關(guān)注點。

SAR具有全天候、全天時、不受天氣影響等成像特點，目前已經(jīng)成為人們對地觀測的重要手段之一。SAR圖像目標檢測旨在高效準確地對SAR