CN117192554B - 一种基于干涉相位线性一致度的运动目标检测方法 - Google Patents

Abstract

本发明提供一种基于干涉相位线性一致度的运动目标检测方法，属于雷达运动目标检测领域，首先进行杂波抑制，然后对杂波抑制之后的残差图像进行干涉处理，此时，杂波区域通道间的干涉相位是随机的，而运动目标区域的干涉相位在通道间具有线性特性，本发明对杂波抑制之后的图像构建通道间干涉相位线性一致度检测量，利用通道间干涉相位的线性一致度区分运动目标与静止杂波。本发明可以有效地减少强静止散射体边缘区域和孤立强散射点造成的虚警目标，从而有效地降低运动目标检测的虚警概率。

Description

一种基于干涉相位线性一致度的运动目标检测方法

技术领域

本发明属于雷达运动目标检测领域，具体涉及一种基于干涉相位线性一致度的运动目标检测方法。

背景技术

多通道顺轨干涉合成孔径雷达（Along Track Interferometry SyntheticAperture Radar: ATI-SAR）因相干积累时间长、空域自由度高，能够联合时、空、频三个维度获得较好的杂波抑制效果成为地面慢速目标检测的重要手段。ATI-SAR天线沿平台移动方向安装，以较短的时间间隔从完全相同的视角对同一场景进行观测，对于静止目标，ATI-SAR产生几乎相同的复数图，而对于运动目标，ATI-SAR产生不同相位偏移的图像，从而区分出运动目标与静止杂波。

传统的多通道SAR图像域运动目标检测多采用杂波抑制后的幅度统计特性或幅度-相位联合统计特性进行检测，但受系统误差估计、通道均衡限制使得经过杂波抑制之后的强杂波区域的残余能量依然较强，此外，对于复杂杂波环境杂波分布类型与杂波分布参数难以精确估计，采用已有的运动目标检测算法在强杂波区域会产生大量的虚警目标。特别是在高分辨SAR图像中，强静止散射体的边缘和孤立强散射点处于强弱过度区域，所占像素与邻域像素之间的空间结构、散射强度相似度较低，在杂波抑制之后的残余能量仍然较强，直接对其进行检测将会产生大量的虚警目标。上述缺陷严重影响了顺轨干涉SAR在运动目标检测方面的应用。

实际中，运动目标在高分辨SAR图像中占据多个像素，具有较多的空间自由度，运动目标径向速度引起的干涉相位与基线之间存在线性关系，而静止杂波的干涉相位不具备此特性，因此，本发明利用多像素提供的自由度、运动目标径向速度产生的干涉相位与基线之间存在的线性关系，构建了一种基于干涉相位线性一致度的检测方法用于区分强杂波与运动目标，从而剔除强杂波残余产生的虚警目标。

发明内容

为解决上述技术问题，本发明提供一种基于干涉相位线性一致度的运动目标检测方法。本发明先进行杂波抑制，然后对杂波抑制之后的残差图像进行干涉处理，此时，杂波区域通道间的干涉相位是随机的，而运动目标区域的干涉相位在通道间具有线性特性，本发明对杂波抑制之后的图像构建通道间干涉相位一致度检测量，利用通道间干涉相位的线性一致度区分运动目标与静止杂波，可以有效地减少强静止散射体边缘区域和孤立强散射点造成的虚警目标，从而有效地降低运动目标检测的虚警概率。

为达到上述目的，本发明采用如下技术方案：

一种基于干涉相位线性一致度的运动目标检测方法，包括如下步骤：

步骤1、构建杂波抑制信号模型，针对顺轨SAR系统M个通道获得的M幅SAR复数图像，对相邻通道的SAR复数图像进行相减实现杂波抑制，获得M-1幅残差图像；

步骤2、把杂波抑制后的M-1幅残差图像中每个像素位置处的数据排列为一个包含M-1个元素的矢量，将矢量中幅度最大的数据作为待检测数据，将矢量的幅度均值作为参数估计数据，用于拟合概率分布曲线与计算检测阈值，通过恒虚警检测实现初级检测，输出初级检测结果的像素位置；

步骤3、把步骤2的初级检测结果及其周围像素作为待处理数据，构建基于杂波抑制后的M-1幅残差图像的干涉图，以第1幅残差图像为参考图像，计算第2~M-1幅残差图像与参考图像之间的干涉图，得到M-2幅杂波抑制后的干涉图；

步骤4、构建基于杂波抑制后的干涉相位线性一致度，利用目标径向运动产生的干涉相位与基线间存在的线性关系区分运动目标和静止杂波，经过恒虚警检测从初级检测结果中剔除强杂波引起的虚警目标，从而减少强杂波残余导致的虚警目标。

有益效果：

本发明在杂波抑制之后，利用运动目标径向速度产生的干涉相位与基线之间存在的线性关系，构建了一种基于干涉相位线性一致度的运动目标检测方法用于区分静止杂波残余产生的虚警目标与运动目标，可以有效地降低静止杂波残余造成的虚警概率。

附图说明

图1为本发明的一种基于干涉相位线性一致度的运动目标检测方法的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1所示，本发明的一种基于干涉相位线性一致度的运动目标检测方法包括：

步骤1、构建杂波抑制信号模型，针对顺轨SAR系统M个通道获得的M幅SAR复数图像，对相邻通道的SAR复数图像进行相减实现杂波抑制，获得M-1幅残差图像；

步骤2、把M-1幅杂波抑制后的SAR残差图像中每个像素位置处的数据排列为一个包含M-1个元素的矢量，将矢量中幅度最大的数据作为待检测数据，将矢量的幅度均值作为参数估计数据用于拟合概率分布曲线与计算检测阈值，从而得到两幅新的残差图像，两幅新的残差图像共同用于进行初级检测，经过恒虚警检测实现初级运动目标筛选，输出初级检测结果的像素位置；

步骤3、构建基于M-1幅残差图像的杂波抑制后的干涉图，以第1幅残差图像为参考图像，计算第2~M-1幅残差图像与参考图像之间的干涉图，得到M-2幅杂波抑制后的干涉图；

步骤4、把上述步骤的初级检测结果及其周围像素作为待处理数据，构建基于杂波抑制后的干涉相位线性一致度，利用目标径向运动产生的干涉相位与基线间存在的线性关系区分运动目标和静止杂波，经过恒虚警检测，实现从初级检测结果中剔除强杂波引起的虚警目标，从而减少强杂波残余导致的虚警目标。

具体地，所述步骤1包括：

SAR图像的每个像素可包含运动目标、杂波、噪声，针对M个通道的SAR系统，像素位置处的像素可构成包含M个元素的复数矢量，具体形式可描述为，其中，/>，/>，以及分别表示第1至第M个通道图像在像素/>处的复数值，上标/>表示矩阵转置。

对于M个通道的SAR系统而言， M幅SAR图像运动目标二元假设检测可定义为：

(10)

其中，，/>，/>分别表示静止杂波散射系数、运动目标散射系数、噪声分量；/>表示静止杂波的导向矢量，其元素全为1；/>表示运动目标的导向矢量，其由运动目标相对雷达平台的径向速度/>和雷达顺轨基线长度决定；/>表示待检测像素中不存在运动目标，/>表示待检像素中含有运动目标。

运动目标径向速度产生的干涉相位在通道间具有线性特性，运动目标的导向矢量为：

(11)

其中，表示雷达发射信号波长，/>表示相邻通道天线相位中心之间的间距，/>表示雷达平台沿航迹方向的运动速度，/>表示包含M个元素的复数列矢量，/>表示复数，表示以自然常数为底的指数函数。

针对顺轨SAR系统M个通道获得的M幅SAR复数图像，对相邻通道图像进行相减实现杂波抑制，获得M-1幅残差图像，M-1幅残差图在像素处的像素值构成复数列矢量，表示为：

(12)

其中，表示复数列矢量/>的第m个元素，m的取值范围为；

具体地，所述步骤2包括：

将复数列矢量中幅度最大的数据作为待检测数据/>，将复数列矢量/>的幅度的均值作为参数估计数据/>，用于拟合概率分布曲线与计算阈值，从而得到两幅新的残差图像，两幅残差图像共同用于初级检测。

对于异质杂波环境的高分辨率 SAR 图像，服从一种拖尾严重的分布，可采用广义伽马分布对/>的直方图进行拟合，采用拟合获得的概率分布曲线参数计算检测阈值，对/>进行恒虚警检测可获得可能存在运动目标的像素位置/>，即初级检测结果。

具体地，所述步骤3包括：

初级检测结果中存在大量的静止杂波残余造成的虚警目标，采用可能存在运动目标的像素位置，对于可能存在目标的像素构建基于复数列矢量/>的干涉图，以第1个元素为参考像素，对第2~M-1个元素与参考元素之间进行干涉运算，得到像素/>处包含M-2个元素的杂波抑制后的干涉图/>可表示为：

(13)

其中，表示运动目标径向运动在相邻通道间产生的干涉相位，表示包含M-2元素的干涉相位，与基线间存在线性关系；/>为取复数共轭函数， 为取复数相位函数。

具体地，所述步骤4包括：

在高分辨SAR图像中，运动目标占据多个像素，假设运动目标在单幅SAR图像中占据K个像素，选择以像素为中心及其周围K-1个像素作为待检测数据，M-2幅图干涉相位图中运动目标所占像素的相位/>可以表示为：

(14)

其中，表示运动目标在第m幅干涉图中的第k个像素的相位，整数k的取值范围为/>，/>表示包含M-2行与K列的实数矩阵。

考虑到干涉相位缠绕，把干涉相位转化为以自然常数为底的指数形式可写为：

(15)

其中，表示包含M-2行与K列的复数矩阵。

综合以上分析，干涉图的基于干涉相位线性一致度的运动目标检测量可定义为：

(16)

其中，为空间导向矢量，/>为目标径向速度在相邻通道间产生的干涉相位的搜索值，/>的取值范围为/>，为了简单起见，通常选择目标在/>中所占据的K个像素中强度最大像素的干涉相位作为运动目标干涉相位的期望值/>，避免了对/>搜索；/>为包含K个元素的行矢量，其元素全为1；检测量表示观测数据/>与空间导向矢量/>之间的一致性程度。

当存在运动目标时，的值接近于1，当不存在运动目标时，/>的值接近于0。通过对初级检测结果中的每个像素采用公式（7）处理，可以获得整幅SAR图像的干涉相位线性一致度估计值。

利用干涉相位线性一致度估计值的统计直方图的峰值所在位置对应的一致度作为检测阈值，则基于干涉相位线性一致度的运动目标检测量/>的运动目标二元假设检测可定义为：

(17)

其中，表示像素/>处不存在运动目标，/>表示像素/>处存在运动目标。

对公式（7）计算获得的基于干涉相位线性一致度的运动目标检测量进行恒虚警检测可获得运动目标所在的像素坐标/>，从而实现从初级检测结果中剔除虚警目标。在SAR图像中采用“1”表示该像素存在运动目标，“0”表示该像素不存在运动目标，从而获得标记运动目标像素位置的二值图像。

对像素坐标处采用最大似然法进行运动目标干涉相位与径向速度估计：

(18)

其中，的取值范围为/>，/>为运动目标干涉相位的最大似然估计值，/>为运动目标相对雷达平台的径向速度最大似然估计值，/>为取最大值函数。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于干涉相位线性一致度的运动目标检测方法，其特征在于，包括如下步骤：

步骤1、构建杂波抑制信号模型，针对顺轨SAR系统M个通道获得的M幅SAR复数图像，对相邻通道的SAR复数图像进行相减实现杂波抑制，获得M-1幅残差图像；

步骤2、把杂波抑制后的M-1幅残差图像中每个像素位置处的数据排列为一个包含M-1个元素的矢量，将矢量中幅度最大的数据作为待检测数据，将矢量的幅度均值作为参数估计数据，用于拟合概率分布曲线与计算检测阈值，通过恒虚警检测实现初级检测，输出初级检测结果的像素位置；

步骤3、把步骤2的初级检测结果及其周围像素作为待处理数据，构建基于杂波抑制后的M-1幅残差图像的干涉图，以第1幅残差图像为参考图像，计算第2~M-1幅残差图像与参考图像之间的干涉图，得到M-2幅杂波抑制后的干涉图；

步骤4、构建基于杂波抑制后的干涉相位线性一致度，利用目标径向运动产生的干涉相位与基线间存在的线性关系区分运动目标和静止杂波，经过恒虚警检测从初级检测结果中剔除强杂波引起的虚警目标，从而减少强杂波残余导致的虚警目标。

2.根据权利要求1所述的一种基于干涉相位线性一致度的运动目标检测方法，其特征在于，所述步骤1包括：

针对M个通道的SAR系统，像素位置处的像素构成包含M个元素的复数矢量，具体形式描述为：/>，其中，/>，，以及/>分别表示第1至第M个通道图像在像素/>处的复数值，上标/>表示矩阵转置；

对于M个通道的SAR系统， M幅SAR图像运动目标二元假设检测定义为：

(1)

其中，，/>，/>分别表示静止杂波散射系数、运动目标散射系数、噪声分量；/>表示静止杂波的导向矢量，其元素全为1；/>表示运动目标的导向矢量，其由运动目标相对雷达平台的径向速度/>和雷达顺轨基线长度决定；/>表示待检测像素中不存在运动目标，/>表示待检像素中含有运动目标；

运动目标的导向矢量为：

(2)

其中，表示雷达发射信号波长，/>表示相邻通道天线相位中心之间的间距，/>表示雷达平台沿航迹方向的运动速度，/>表示包含M个元素的复数列矢量，/>表示复数，表示以自然常数为底的指数函数；

针对顺轨SAR系统M个通道获得的M幅SAR复数图像，对相邻通道图像进行相减实现杂波抑制，获得M-1幅残差图像，M-1幅残差图在像素处的像素值构成复数列矢量，表示为：

(3)

其中，表示复数列矢量/>的第m个元素，m的取值范围为。

3.根据权利要求2所述的一种基于干涉相位线性一致度的运动目标检测方法，其特征在于，所述步骤2包括：

将复数列矢量中幅度最大的数据作为待检测数据/>，将复数列矢量/>的幅度的均值作为参数估计数据/>， 采用广义伽马分布对参数估计数据/>的直方图进行拟合，采用拟合获得的概率分布曲线参数计算检测阈值，对待检测数据/>进行恒虚警检测获得可能存在运动目标的像素/>的位置，即初级检测结果。

4.根据权利要求3所述的一种基于干涉相位线性一致度的运动目标检测方法，其特征在于，所述步骤3包括：

采用可能存在运动目标的像素的位置构建基于复数列矢量/>的干涉图，以第1个元素为参考元素，对第2~M-1个元素与参考元素之间进行干涉运算，得到像素/>处包含M-2个元素的杂波抑制后的干涉图/>，表示为：

(4)

其中，表示运动目标径向运动在相邻通道间产生的干涉相位，/>表示包含M-2元素的干涉相位，与基线间存在线性关系；/>为取复数共轭运算，/> 为取复数相位函数。

5.根据权利要求4所述的一种基于干涉相位线性一致度的运动目标检测方法，其特征在于，所述步骤4包括：

假设运动目标在单幅SAR图像中占据K个像素，选择以像素为中心及其周围K-1个像素作为待检测数据，M-2幅图干涉相位图中运动目标所占像素的相位/>表示为：

(5)

其中，表示运动目标在第m幅干涉图中的第k个像素的相位，整数k的取值范围为，/>表示包含M-2行与K列的实数矩阵；

考虑到干涉相位缠绕，把干涉相位转化为以自然常数为底的指数形式，写为：

(6)

其中，表示包含M-2行与K列的复数矩阵；

干涉图的基于干涉相位线性一致度的运动目标检测量/>定义为：

(7)

其中，为空间导向矢量，/>为目标径向速度在相邻通道间产生的干涉相位的搜索值，/>的取值范围为/>，选择目标在干涉图中所占据的K个像素中强度最大像素的干涉相位作为/>的期望值，避免对/>搜索；/>为包含K个元素的行矢量，其元素全为1；检测量/>表示观测数据/>与空间导向矢量/>之间的一致性程度；

当存在运动目标时，的值接近于1，当不存在运动目标时，/>的值接近于0；通过对初级检测结果中的每个像素采用公式（7）处理，获得整幅SAR图像的干涉相位线性一致度估计值；

利用干涉相位线性一致度估计值的统计直方图的峰值所在位置对应的一致度作为检测阈值，则基于干涉相位线性一致度的运动目标检测量/>的运动目标二元假设检测定义为：

(8)

其中，表示像素/>处不存在运动目标，/>表示像素/>处存在运动目标；/>表示公式（8）取<时，像素/>处不存在运动目标，即/>，公式（8）取>时，像素处存在运动目标，即/>；

对公式（7）计算获得的基于干涉相位线性一致度的运动目标检测量进行恒虚警检测，获得运动目标所在的像素/>的坐标，从而实现从初级检测结果中剔除虚警目标；在SAR图像中采用“1”表示像素存在运动目标，“0”表示像素不存在运动目标，从而获得标记运动目标像素位置的二值图像；

对像素处采用最大似然法进行运动目标干涉相位与径向速度估计：

(9)

其中，的取值范围为/>，/>为运动目标干涉相位的最大似然估计值，/>为运动目标相对雷达平台的径向速度最大似然估计值，/>为取最大值函数。