(1. 中国电子科技集团公司第三十八研究所， 安徽合肥 230088；2. 孔径阵列与空间探测安徽省重点实验室， 安徽合肥 230088)

0 引言

合成孔径雷达(SAR)具有分辨率高、探测范围广、全天时、全天候的优点，在舰船目标监视、海洋资源保护中起到重要作用。利用SAR获取海上舰船目标的电磁散射特征、结构特征、位置及运动状态，实现舰船目标分类识别，是各海洋大国的研究热点。

舰船目标一般由金属部件构成，当舰船某一结构的后向散射特别强烈或图像聚焦效果较差时，相干叠加形成明显的十字旁瓣效应[1]。在基于SAR图像的舰船检测识别系统中，舰船的长度、宽度、姿态角、面积等参数被作为分类识别的重要依据，而旁瓣的存在严重影响了上述参数的精度，进而影响舰船分类识别准确性。

有不少文献中都提出了去旁瓣的方法，如邢相薇[1]利用Radon变换的特点将旁瓣和舰船目标主轴进行区分，该方法认为当主轴和旁瓣具有不同的方向时，峰值点在Radon变换域中处于不同的位置，可在Radon变换域中对其进行区分；当旁瓣方向与主轴方向一致，或者旁瓣污染严重、存在多个旁瓣时，该算法将无法确定哪些峰值点是旁瓣。蒋少峰等[2]利用沿方位向和距离向积分寻找旁瓣，认为旁瓣宽度一般为1～2个像素，采用局部均值滤波消除其影响，但是，由于舰船内部结构在SAR图像上引起的强弱变化，在方位向和距离向上的积分受舰船本身回波影响，并不能真实反映出旁瓣位置，而且在处理的图像中，有的旁瓣宽度达十几个像素，局部均值滤波区域如何确定是另一个要考虑的问题。甄勇等[3]利用舰船方位角，确定主轴方向，计算目标的外接矩形，去除旁瓣影响，该方法同样对聚焦效果好的图像有效果；当旁瓣对目标整体结构影响较大，主轴无法确定时，该方法将同样不能去除旁瓣影响。

本文基于未经量化的SAR模图像，结合旁瓣由强散射点产生并且只会在方位向和距离向出现的特点，提出一种舰船目标去旁瓣方法，该方法可以去除旁瓣影响，同时最大限度保留船只弱散射区域。

1 旁瓣特征分析

旁瓣能量相比主瓣虽然大大减弱，但仍然高于其他弱散射部位回波信号，如图1所示。图1(a)为舰船SAR图像，图1(b)为旁瓣能量分布示意图。因此，基于阈值删除旁瓣将导致船只内部弱散射区域信息丢失。旁瓣是由舰船强散射结构产生，船只自身的弱散射区域不会引起旁瓣效应，且其形状一般是沿距离向和方位向垂直的“十”字形。通过统计发现，旁瓣能量一般低于舰船目标整体区域能量的均值。

2 旁瓣删除流程

本文提出的旁瓣删除算法流程如图2所示，考虑到量化后的SAR图像丢失过多回波信息，使用未经量化的模图像。

具体处理步骤如下：

步骤1：对模图像，利用CFAR实现目标区域检测[4-5]，检测结果为二值化图像(定义为B)，如图3所示，其中目标区域置1，其余区域置0。

步骤2：对二值图像B，用形态学滤波去除孤立小区域。利用邻域搜索确定目标所在区域，考虑到目标可能由数个孤立区域组成，邻域搜索范围应有一定扩大，比如在10个像素范围内搜索目标点。对目标所在区域计算最小外接矩形M1，确定M1的4个角点坐标[6]，二值图像B在M1区域内部分定义为D，如图4中方框所示。

步骤3：读入M1内的模数据，统计目标能量均值mean(x)和方差var(x)。

步骤4：设定阈值，用于确定目标强散射区域。

T=mean(x)+t×var(x)

(1)

式中，x为目标像素点模值，mean(x)为D中非零区域能量均值，var(x)为D中非零区域能量方差，t为阈值调节系数，T为检测门限。M1内的模数据，大于阈值T的像素点为强散射点，置1，其余置0，强散射区域二值化结果定义为S，如图5所示。

(2)

步骤5：对S，重新计算最小外接矩形M2，如图6中方框所示。

步骤6：假设目标区域宽度为w，高度为h，方位向为图像行向，距离向为图像列向，定义区域L=M1-M2，如图7所示。在L，M1和M2内，进行如下信息统计。

1)L区域内：统计区域L在第i列像素点个数，定义为CLi，i=1,…,w，则有数组CL=[CL1,CL2,…,CLw]。

2)统计矩阵D在L区域内，第i列非0像素点个数CDi，则有数组CD=[CD1,CD2,…,CDw]。

3)统计矩阵S在M2区域内，第i列非0像素点个数CSi，则有数组CS=[CS1,CS2,…,CSw]。

5)对数组PC中PCi>0的值，统计均值，记为Avgc，如果PCi>Avgc，则认为第i列存在旁瓣，在L区域内，将矩阵D第i列的非0值置0。

步骤7：对旁瓣删除后的区域，用形态学滤波去除孤立小区域，剩余区域重新计算外接矩形M3，从模图像中取出M3区域内的数据，用于进一步目标识别处理，如图9所示。

3 实验及结果分析

为验证本算法的适用性，使用20幅机载SAR图像进行测试，图像分辨率1～3 m，每幅图像中包含40～60艘船只，本文的算法均较好删除了目标旁瓣，更精确地获取目标真实成像区域，为舰船目标进一步分类识别奠定扎实基础。图10为旁瓣删除前后获取的目标成像区域比较。使用同样的算法，对经过旁瓣删除处理和未经旁瓣删除处理的图像进行目标几何参数提取，结果如图11所示。图11(a)是对未经旁瓣删除处理的图像进行目标几何参数提取的结果，图11(b)是经过旁瓣删除处理后舰船几何参数提取结果。可以看出，经过本文算法处理获取的几何参数更接近于目标真实尺寸，在旁瓣删除基础上进行目标检测识别，准确率将有大幅度提高。

4 结束语

本文分析SAR图像舰船旁瓣成像机理，基于旁瓣能量分布特征，提出了一种SAR图像舰船目标去旁瓣算法，基于未经量化的SAR模图像，统计成像区域能量分布，以及旁瓣与强散射点的位置关系，进而确定旁瓣区域。对比实验证明，该算

法可以在剔除旁瓣对目标影响的同时，尽可能保留目标弱散射区域，精确分割出目标成像区域，为准确提取目标几何参数、提高识别精度提供有力支撑。

参考文献：

[1] 邢相薇. HRWS SAR图像舰船目标监视关键技术研究[D]. 长沙: 国防科学技术大学, 2014.

[2] 蒋少峰, 王超, 吴樊, 等. 基于结构特征分析的COSMO-SkyMed图像商用船舶分类算法[J]. 遥感技术与应用, 2014, 29(4):607-614.

[3] 甄勇, 刘伟, 陈建宏, 等. 高分辨率SAR图像舰船目标几何结构特征提取[J].信号处理, 2016, 32(4):424-429.

[4] CERUTI-MAORI D, SIKANETA I, GIERULL C. Detection and Imaging of Moving Objects with High-Resolution Wide-Swath SAR Systems[C]∥ 10th European Conference on Synthetic Aperture Radar, Berlin: VDE, 2014:977-980.

[5] 龚小冬, 李飞, 张志敏, 等. 一种新颖的高分辨率SAR舰船检测方法[J]. 雷达科学与技术, 2015, 13(1):70-75.

[6] 殷雄, 王超, 张红, 等. 基于结构特征的高分辨率TerraSAR-X图像船舶识别方法研究[J]. 中国图象图形学报, 2012, 17(1):106-113.