专利名称：合成孔径雷达成像的海域中的目标检测的制作方法
技术领域：
本发明涉及合成孔径雷达成像的海域中的目标检测。
背景技术：
众所周知，遥感是通过对由不与调查的物体、区域或现象相接触的器件所获取的 数据进行分析来获得关于物体、区域或现象的信息的科学和技术。基于系统工作的波长，遥 感主要分为不同的两组，即光学遥感和微波遥感。光学遥感使用可见波和红外波，而微波遥感使用无线电波。作为微波遥感系统，合成孔径雷达(SAR)系统包括在例如飞机或人造卫星的移动 平台上操作的雷达信号发射机和雷达信号接收机，以及通过无线电信道连接到移动平台的 远程处理站。发射机将雷达信号发送到受监控的地面或海域，而接收机接收由区域后向散射的 雷达回波，并将其发送给远程处理站，该远程处理站处理雷达回波以获取受监控区域的二 维地图。发射的雷达信号包括由线性频率调制的或所谓的线性调频(CHIRP)调制的、并以 定期的时间间隔发射的一连串微波频带的电磁脉冲。处理站相干地结合对应于所发射脉冲的雷达回波，以使用相对小的发射天线来获 得广泛地区的高方位角分辨率的地图。另一方面，线性调频脉冲调制提供了在垂直于方位 角的方向上获得高分辨率。详细地，SAR系统借助于发射机用微波照射场地(scene)，并且借助于接收机记录 后向散射的辐射的幅值和相位对场地进行相干成像处理。用处理站对所接收到的信号进行 采样并将其变换为数字图像。具体地，在像素χ处记录的场表示为E(X)，可以写作其中求和涉及散射体s，a(s)和炉G )分别是从散射体s接收到的信号的幅值和 相位，并且h (s，χ)是仪器函数(instrument function)或点扩散函数。当散射体s在对应 于像素χ的分辨单元中或在对应于像素χ的分辨单元附近时，h(s, χ)的值接近于1，否则 h(s,x)的值接近于0。假设仪器函数是平移不变式，即仪器函数不取决于X，则可以将其写 作单参数(one-parameter)的函数 h(s_x)。场E(X)的模的平方被称为检测强度I(X)；强度I(X)的平方根被称为包络或幅 值。这与所接收到的信号a(s)的幅值不同，因为所接收到的场E(x)是由仪器函数h(s，x) 来扰动的。接收的信号a(s)的幅值被称为反射率，并且其平方被称为表面横截面。与光学遥感相比，SAR成像具有一些优点。首先，作为有源系统，它是昼夜数据获取 系统。其次，考虑到SAR波长范围内的电磁波的行为，可以看到大气特性(例如云、微雨、薄 雾和烟)对SAR系统的性能几乎没有影响。这使得SAR可以作为全天候遥感系统。最后但同样重要的是，由于SAR信号部分地透过土壤和植被冠层，所以除了提供表面信息外，SAR 信号也可以提供地下信息。遗憾的是，与光学遥感相比，SAR成像也有一些缺点。具体地，与光学图像不同，SAR 图像是通过所发射的微波与目标的相干相互作用而形成的。因此，SAR成像遭受斑点噪声 的影响，该斑点噪声是由随机分布在每个像素χ内的地面散射体s后向散射的信号的相干 总和所引起的。因此，SAR图像比光学图像呈现出更多噪声。更具体而言，由发射机发射的波在到目标区域的路上同相(in phase)行进并且最 低限度地相互影响。因为从目标行进的距离不同或者由于单对多反弹散射，在与目标区域 相互作用后，这些波不再同相。一旦异向，后向散射波就可以相互作用以产生亮像素和暗像 素。这种影响称为斑点噪声。斑点噪声给SAR图像带来了粒状外观，减小了 SAR图像的对比度，并对基于纹理 (texture)的分析有负面影响。而且，由于斑点噪声改变了 SAR的空间统计量，所以使得分 类处理成为难以完成的任务。图1示出了典型的粒状SAR图像的示例。为此，通常在显示和进一步分析之前，通过在数字图像上施加斑点去除滤波器来 抑制斑点噪声。图2示出了用斑点去除滤波器滤波的图1的粒状SAR图像。如图1所示，SAR图像通常显示为灰度图像。每个像素χ的强度I (χ)表示由地面 上的相应目标区域后向散射的微波部分，该部分取决于各种因素在目标区域中的散射体 s的类型、尺寸、形状和方向、目标区域的湿度含量、雷达脉冲的频率和偏振，以及雷达波束 的入射角。像素强度值经常被转换成称为后向散射系数或归一化雷达横截面的物理量，该 物理量是以分贝(dB)为单位进行测量的，并且具有从非常明亮的物体的+5dB到非常暗的 表面的-40dB的范围内的值。解译SAR图像不是简单的任务。通常需要一些关于成像区域的地面状况的知识。 作为有用的经验法则，后向散射的强度越高，被成像的表面就越粗糙。详细地，例如铺砌的道路、跑道或平静水面的平坦表面通常在SAR图像中呈现为 暗色区域，因为大部分入射的雷达脉冲被镜面反射。图3示意性地示出了镜面反射的示例。 详细地，如图3所示，光滑表面31对于入射雷达脉冲的作用如同镜子。根据镜面反射定律， 即反射角α ’等于入射角α，大部分入射雷达能量被反射。非常少的能量被后向散射到SAR 传感器。相反地，粗糙表面在所有方向上反射所入射的雷达脉冲。这种现象被称为漫反射。 在这种情况下，部分雷达能量被散射回雷达传感器。后向散射的能量的量取决于地面上的 目标的属性。图4示意性地示出了存在粗糙表面41的情况下的漫反射的示例。因此，在SAR图像中，平静的海面呈现出暗色，而粗糙的海面可以呈现出明亮，尤 其当入射角很小的时候以及当海平面的粗糙度是由于波的波长比雷达脉冲波长更短的时 侯。此外，油膜的存在使海面平滑。在当海面充分粗糙的特定情况下，油膜可以被检测 为相对于明亮背景的暗斑(dark patch)。而且，按照波长尺度，树和其它植物通常是中等粗糙。因此它们在图像中呈现为中等明亮的特征。热带雨林具有在_6dB与-7dB之间的特有的后向散射系数，该特有的后向 散射系数是空间均勻的并且在时间上保持稳定。为此，热带雨林已经被用作执行SAR图像 的辐射校准(radiometric calibration)的校准目标。由于被称为角反射或双反弹效应的现象，SAR图像中可能出现十分明亮的目标。图 5示意性地示出了双反弹效应的示例，其中雷达脉冲从水平地面51反弹到目标52，然后从 目标52的一个垂直的表面52a反射回SAR传感器。这种目标的示例是海上的船、高层建筑 物和例如货物集装箱的规则的金属物体。在SAR图像中，建成区(built-up area)和许多 人造特征由于角反射效应通常呈现为亮斑(bright patch)。图6示出了繁忙的港口附近的海域的SAR图像，其中由于角反射效应，许多船可以 被看作是亮点(bright spot)。海是平静的，因此相对于暗色的背景可以容易地检测到船。最后，被裸地(bare soil)覆盖的区域的亮度根据其粗糙度和湿度含量可以从十 分黑暗变化到十分明亮。通常，粗糙土壤在图像中呈现出明亮。对于相似的土壤粗糙度，具 有更高湿度含量的表面将呈现出更明亮。图7示意性地示出了雷达脉冲与干土 71相互作用的示例，其中，一些入射的雷达 能量能够穿透土壤表面71a，从而导致较小的后向散射强度。图8示意性地示出了雷达脉冲与湿土 81相互作用的示例，其中，水与空气之间的 电属性的大的差异导致较高的后向散射雷达强度。图9示意性地示出了雷达脉冲与淹水土壤91相互作用的示例，其中，雷达脉冲被 从水面92镜面反射，从而导致低的后向散射密度。水淹区域将在SAR图像中呈现出暗色。
发明内容
申请人:已注意到在SAR图像中斑点噪声与有用的信号非常相关，因此任何斑点噪 声的减少/去除处理也会修改有用信号的特性。因此，申请人已进行深入的研究以便提出用于检测SAR成像海域中的目标的创新 方法，该创新方法不需要SAR图像的任何种类的预处理，例如斑点噪声的减少或去除，此 外，也不需要成像的海域的地面状况的任何先验知识。于是本发明的目的是提供在上述类型的SAR成像海域中的目标检测方法。这个目的是通过本发明来实现的，因为本发明涉及用于在SAR成像海域中检测例 如船、油膜、冰山、半水淹结构或任何其它可能的物体的目标的、如所附的权利要求限定的 方法、系统、器件和软件程序。
为了更好地理解本发明，现在将参照附图(所有附图没有按照比例绘制)来描述 优选实施例，优选实施例仅意在作为示例而不被解释为限制，其中·图1示出了典型的粒状SAR图像； 图2示出了用斑点去除滤波器滤波的图1的SAR图像；·图3示意性地示出了镜面反射的示例；·图4示意性地示出了漫反射的示例；·图5示意性地示出了双反弹效应的示例；
图6示出了海域SAR图像；·图7示意性地示出了雷达脉冲与干土相互作用的示例；·图8示意性地示出了雷达脉冲与湿土相互作用的示例；·图9示意性地示出了雷达脉冲与淹水土壤相互作用的示例；·图10示出了泊松离散概率函数的图示。·图11示出了无目标出现的海域的典型SAR图像的像素的幅度的直方图；·图12示意性地示出了根据本发明的、用于检测SAR成像海域中的目标的系统; 以及·图13示出了根据本发明的、SAR成像海域中的目标检测的流程图。
具体实施例方式提出以下讨论，以使本领域的普通技术人员能够制造和使用本发明。在不脱离所 要求保护的本发明的范围的情况下对实施例所做的各种改进对于本领域的普通技术人员 来说将是明显地。因此，本发明不是意在仅限制于所示实施例，而是符合与在此公开并在所附权利 要求中限定的原理和特征相一致的最宽范围。此外，本发明是通过软件程序来实现的，软件程序可加载在电子处理器的存储器 中并且包括软件代码部分，当在处理器上运行软件程序时，该软件代码部分用于实现下文 中所描述的SAR成像海域中的目标检测。本发明源于申请人的观察，在无目标存在的海域的SAR图像中，像素的幅度是根 据泊松分布来分布的。幅度可以是强度值、后向散射系数或在SAR成像中使用的任何其它 类型的像素幅度。因此，幅度I的概率P (I)是由以下的泊松离散概率函数来给定的pay=-
Λ η其中λ是幅度I的期望值或平均值。显然，e是自然对数的底，而I ！是幅度I的 阶乘。容易理解的是给定平均值λ、泊松离散概率函数，则可以单一地确定幅度I的泊 松分布。众所周知，对于泊松分布，方差Q2与期望值λ —致，S卩，结果是σ 2 = λ显然，标准偏差σ等于VI。而且，对于泊松分布，如果λ是整数，则模(即概率上最可能的值或统计上最频繁 出现的值)等于入-1，否则模等于[_；1」。图10示出了三个泊松离散概率函数的图示，每个泊松离散概率函数具有各自的 平均值入。图11示出了无目标存在的海域的典型SAR图像的幅度的直方图。具体地， 横轴表示以分贝(dB)为单位所测量的后向散射系数，而纵轴表示归一化的发生事件(occurrence)，即发生事件除以最高发生事件值。如图11所示，后向散射系数是根据以5dB 的平均值和4dB的模来表征的泊松分布进行分布的。图12示意性地示出了根据本发明的、用于检测SAR成像海域中的目标的电子系统 10。详细地，电子系统10包括耦合到SAR系统12以从SAR系统12获取数据的电子处 理器11。具体地，从SAR系统12获取的数据是表示海域的SAR图像。而且，电子处理器11上安装有软件程序，该软件程序包括用于实现下文中所描述 的SAR成像海域中的目标检测的软件代码部分。图13示出了根据本发明的、由SAR图像表示的海域中的目标检测13的流程图。具体地，目标检测13包括·计算参考量(块14)；·选择SAR图像中的像素(块I5)；·计算真实量(real quantity)(块 ie)；以及·检测(块17)海域中的目标。详细地，计算参考量(块14)包括计算表征针对如果海域无目标时SAR图像的像 素将具有的幅度所假定的泊松分布的参考量。换句话说，计算参考量(块14)包括估计SAR图像中的像素的幅度I的平均值7， SAR图像是由MXN个像素构成的并表示海域。因此，参考量是估计的平均值7。更详细地，根据以下公式来估计平均值
权利要求
1.一种基于目标的合成孔径雷达(SAR)图像来检测海域中的所述目标的方法，所述合 成孔径雷达(SAR)图像由像素构成，每个所述像素具有各自的幅度，所述方法包括 计算第一参考量(块13)，所述第一参考量表征针对如果海域无目标时所述合成孔径 雷达(SAR)图像中的所述像素将具有的幅度所假定的泊松分布； 选择所述合成孔径雷达(SAR)图像中的像素(块15)； 计算真实量(块16)，所述真实量表征所选择像素的幅度的真实统计分布；以及 基于所计算的第一参考量和真实量来检测(块17)所述海域中的目标。
2.根据权利要求1所述的方法，其中，所选择的像素是在所述合成孔径雷达(SAR)图像 的同一子图像中，并且检测(块17)包括检测所述海域的子海域中的目标，所述子海域由所 述子图像表示。
3.根据权利要求1或2所述的方法，其中，所述第一参考量表示所述合成孔径雷达 (SAR)图像中的所述像素的幅度的平均值。
4.根据权利要求1或2所述的方法，其中，计算第一参考量(块14)是基于所述海域的 一些合成孔径雷达(SAR)图像的，每个所述合成孔径雷达(SAR)图像表示相应时刻的海域。
5.根据权利要求4所述的方法，其中，所述第一参考量表示所述一些合成孔径雷达 (SAR)图像中的所述像素的幅度的平均值。
6.根据前述权利要求中任一项所述的方法，其中，所述泊松分布是通过基于所述第一 参考量的期望值来表征的。
7.根据前述权利要求中任一项所述的方法，其中，所述泊松分布是通过等于所述第一 参考量的期望值来表征的。
8.根据前述权利要求中任一项所述的方法，其中，计算真实量(块1 包括计算所选择 的像素的幅度的直方图，并且基于所述直方图提供真实量。
9.根据前述权利要求中任一项所述的方法，其中，检测(块17)包括 比较所述真实量与第二参考量，所述真实量和所述第二参考量分别表示所述真实统 计分布和所述泊松分布的同一特征值；以及 基于比较来检测目标。
10.根据权利要求9所述的方法，其中，所述特征值是最频繁地出现的幅度。
11.根据权利要求9或10所述的方法，其中，基于比较来检测目标包括在比较满足给定 条件时检测目标。
12.根据权利要求11所述的方法，其中，所述给定条件由如下事实来限定所述第二参 考量与所述真实量之差大于检测阈值。
13.根据权利要求12所述的方法，其中，所述检测阈值是基于所述泊松分布的。
14.根据权利要求12或13所述的方法，其中，所述检测阈值是基于所述泊松分布的标 准偏差的。
15.根据权利要求12至14中任一项所述的方法，其中，所述检测阈值等于所述泊松分 布的所述标准偏差的一小部分。
16.根据权利要求12至15中任一项所述的方法，其中，所述检测阈值等于所述泊松分 布的所述标准偏差的三分之一。
17.根据权利要求12所述的方法，还包括 计算第三参考量，所述第三参考量表示所述海域的一些合成孔径雷达(SAR)图像中 的所述像素的幅度的平均值，每个所述合成孔径雷达(SAR)图像表示相应时刻的海域；以 及 通过将相应的期望值建立在所述第三参考量的基础上来表征第二泊松分布。并且其中所述检测阈值是基于所述第二泊松分布的。
18.根据权利要求17所述的方法，其中，所述第二泊松分布是通过等于所述第三参考 量的期望值来表征的。
19.根据权利要求17或18所述的方法，其中，所述检测阈值是基于所述第二泊松分布 的所述标准偏差的。
20.根据权利要求17至19中任一项所述的方法，其中，所述检测阈值等于所述第二泊 松分布的所述标准偏差的一小部分。
21.根据权利要求17至20中任一项所述的方法，其中，所述检测阈值等于所述第二泊 松分布的所述标准偏差的三分之一。
22.一种包括电子处理器(11)和软件程序的电子系统(10)，其中所述电子处理器(11) 耦合到合成孔径雷达(SAR)系统(1 以从所述合成孔径雷达(SAR)系统(1 获取数据， 所述软件程序包括软件代码部分，当在所述电子处理器(11)上运行所述软件程序时，所述 软件代码部分用于实现根据任何前述权利要求所述的方法。
23.一种被设计成实现根据权利要求1至21中任一项所述的方法的电子器件。
24.一种可加载在电子处理器的存储器中、并包括软件代码部分的软件程序，当在电子 处理器上运行所述软件程序时，所述软件代码部分用于实现根据权利要求1至21中任一项 所述的方法。
全文摘要
在此公开的是基于目标的合成孔径雷达(SAR)图像来检测海域中的目标的方法(13)。该合成孔径雷达(SAR)图像由像素构成，每个像素具有各自的幅度。该方法包括计算第一参考量(块14)，该第一参考量表征针对如果海域无目标时合成孔径雷达(SAR)图像中的像素将具有的幅度所假定的泊松分布。该方法还包括在合成孔径雷达(SAR)图像中选择像素(块15)，计算表征所选择像素的幅度的真实统计分布的真实量(块16)，并且基于所计算的第一参考量和真实量来检测(块17)海域中的目标。所选择的像素是在合成孔径雷达(SAR)图像的同一子图像中，并且检测(块17)包括检测海域的子海域中的目标，该子海域由子图像表示。
文档编号G01S13/90GK102144173SQ200880130470
公开日2011年8月3日 申请日期2008年5月29日 优先权日2008年5月29日
发明者吉安·卢卡·欧塞比博尔泽利, 阿利萨·约安诺内, 马里奥·科斯坦蒂尼 申请人:电视广播有限公司