多极化SAR图像伪彩色增强算法研究

现代雷达

ModernRadar

Vol.30　No.8August2008

61

信号/数据处理

多极化

SAR图像伪彩色增强算法研究

刘　玲,邢孟道,保　铮

3

(西安电子科技大学雷达信号处理国家重点实验室,　西安710071)

【摘要】　利用伪彩色合成方法对多极化SAR数据进行处理,可以有效扩大场景内目标信息的差别,突出传统SAR灰度图无法表达出的信息,提高目标的识别效果。为了进一步增强场景信息的易读性,讨论了一种对三原色通道分别采用基于同概率归一化因子的计算方法。此外,在引入相似性参数的基础上,提出了一种结合场景的先验知识对极化SAR数据进行伪彩色增强处理的新方法。经Airsar全极化数据验证,该方法能明显增强图像的识别效果。

【关键词】　极化SAR;伪彩色合成;相似性参数中图分类号:TN958、TN957　　文献标识码:A

AStudyonFakeColorEnhancedProcessingforPolarimetricSARImage

LIULing,XINGMeng2dao,BAOZheng

(NationalKeyLaboratoryofRadarSignalProcessing,XidianUniversity,　Xi′an710071,China)

【Abstract】　FakecolorsyntheticprocessingforpolarimetricSARdatacaneffectivelyenlargethedifferencebetweentargets

inascene,projecttheinformationwhichcannotbeprovidedinatraditionalgraySARimage,improverecognitioneffectofatar2get.Inordertoenhancethelegibilityofasence,anewmethodtocalculateseparateunitaryfactortothetricolorchannelsbasedonthesameprobabilityispresented.SimilarityparameterisintroducedtoanewwaytoprocesspolarimetricSARdatawithapre2knowledgetothesence.AnobviouslyEnhancedrecognitioneffectisshownintheresultsachievedfromAirsarfullpolarimetricdatawiththenewmethods.

【Keywords】polarimetricSAR;fakecolorsynthetic;similarityparameter

0　引　言

与传统SAR相比,极化SAR可以提供更为丰富的目标信息,特别是全极化SAR,可以获得每个像素的全极化复散射矩阵,将雷达回波的幅度、相位、频率、极化信息全部涵盖其中,为分析、提取甚至反演目标特性提供了最广泛的信息来源。由于传统的SAR只能得到场景的灰度图,虽然可以采用彩色密度分割的方法进行彩色增强[1],但分类效果并不是很理想。为此文献[2]使用伪彩色合成方法对极化SAR图像进行处理,以提高图像的信息识别效果,并采用Stokes矩阵中的元素M11(目标的总功率)进行归一化,这样合成的伪彩色图反映的信息是3种组合下目标的回波功率相对于总功率的比值大小,这一方法在区分识别某些回波功率太强或太弱的目标时比较有用,但有可能造成图像原始纹理信息的丢失。本文针对这些问题提出了一种新的方法。该方法结合场景的先验知识,将图像

与平面、0°二面角、45°二面角之间的相似性参数作为RGB图的R、G、B三原色分量

[3]

,并对3个通道采用

各自的归一化因子,以增大不同目标的彩色差异,由此产生的伪彩色图像解释性更强,目标识别效果更明显。

1　相似性参数介绍

在极化雷达理论中,单目标后向散射情况下,每个目标对应一个复散射矩阵〔S〕,其表达式为

〔S〕=

SHHSVH

SHVSVV

(1)

式中:散射矩阵元素Sij(i=H,V;j=H,V)分别表示以

j极化方式发射、i极化方式接收时回波信号的接收电

压。矩阵的元素取决于目标的特征,特别是几何学特征(粗糙度)和介电常数(湿度),同时也取决于波的频率和入射频率。

根据Cloude的分解理论,3种典型目标:平面、0°二面角、45°二面角的散射矩阵分别为

[4]

3收稿日期:2008204210　　修订日期:2008207210基金项目:国家自然科学基金(60502044)

62

现代雷达30卷

〔S0

10p〕=

1

0

1

;　〔S0°〕=0

-1

;〔S0145°〕=

10

(2)

如果满足互易定理,则散射矩阵具有对称形式,

即SHV=SVH。将2×2的散射矩阵〔S〕按“直序展开”基矢量化,得到目标散射矢量

k=(SHH　2SHV　SVV)

T

(3)

在此基础上,可以将2个散射矩阵〔S1〕、〔S2〕之间的相似性参数定义为

r(〔S)=(k1)H(k2)|21〕,〔S2〕

|‖k2

1‖‖k2(4)

2

2‖

2

式中:k1,k2分别为散射矩阵〔S1〕、〔S2〕对应的散射向量;‖‖2

2

表示矢量各元素模的平方和;H代表共轭转置。由此可得到:

(1)任意散射矩阵〔S〕与平面目标的相似性参数

r=r(〔S〕,〔S)=|SHH+SVV|

2

1

p〕2(|S2

2

2

HH|

+|SVV|

+2|SHV|)

(5)

(2)任意散射矩阵〔S〕与0°二面角的相似性参数

r2=r(〔S〕,〔S0°〕

)=|SHH-S2

VV|

2(|S|2+|S22

(6)

HHVV|+2|SHV|)

(3)任意散射矩阵〔S〕与45°二面角的相似性参数

2

r3=r(〔S〕,〔S)=|2SHV|

45°〕

2(|S2

HH|

2

+|SVV|

+2|SHV|2

)

(7)

2　极化SAR数据伪彩色合成方法

伪彩色图能充分地反映合成孔径雷达获取的场景数据所包含的目标信息。利用极化合成产生场景的伪彩色图已有以下3种不同的方法:

(1)利用彩色密度分割的方法[1]处理极化SAR图像的总功率图。

(2)将HH、HV、VV的回波功率归一化处理后再分别对应真彩色RGB图的R、G、B三原色分量,由此产生一幅伪彩色图像。这样就能将HH、HV、VV回波功率相差较大的目标区分开。

(3)利用极化特征图求出在相同极化组合和正交

极化组合下的具有最大功率相差点所对应的3种极化组合方式,再分别归一化处理后对应RGB图的R、G、

B三原色分量,产生一幅伪彩色图像

[2]

。这一方法在

增大目标回波功率的差异的基础上进行伪彩色合成,扩大目标信息差别以提高目标的识别效果。

3　基于同概率的归一化因子计算

归一化处理是伪彩色合成的必须步骤。一般情况

下,同极化目标回波功率要比交叉极化目标回波功率大10dB左右,若对3个通道采用同一个归一化因子会造成三原色数值的分布不均匀,合成后的图像以某一种或某几种颜色为主,不能明显提高对目标的识别能力。对某些回波功率太强或太弱的目标进行区分识别时,归一化M11方法比较有用,但有可能丢失图像原始的纹理信息。

在这里先确定一个统一的累计概率,将三原色通道该累计概率处对应的灰度值作为各个通道的归一化因子,解决了三原色数值分布不均匀的问题,增大了不同目标的彩色差异。归一化因子具体计算步骤为:

(1)求出各通道的概率密度函数,将累计概率为0.99的灰度值作为该通道的归一化因子,记为A;

(2)将所有灰度值大于A的像素灰度置为A,这样

做的好处在于:归一化过程中,不让极少数大灰度值像素,如斑点噪声,影响图像的整体效果;

(3)再对新的场景数据对A作归一化处理。0.99

是经验值,实际处理时,选取介于0.98～1的因子,对

极少数大灰度值像素置A,对图像的处理效果影响不大,因为3个通道都要进行归一化处理。实验结果表明,这种方法可以很好地保留场景的细节与纹理信息。

4　结合相似性参数的伪彩色增强处理

引入相似性参数之所以能够增强图像效果,是因为场景与特殊目标,如平面目标、二面角目标等之间的相似性参数,反映出场景目标与三类典型目标的相似程度,越接近特殊目标的像素点处相似性参数越大,反之,与特殊目标相差越大的像素点处的相似性参数越小。如此可以达到突出一类目标,同时抑制了另两类目标的效果。再将三个相似性参数导出的分量分别对应三原色分量,就可以从彩色图上将不同的目标类型区分开来。

结合相似性参数进行伪彩色增强处理的具体步骤为:结合场景地貌先验知识,计算出场景与平面目标、0°二面角目标及45°二面角目标的相似性参数,对应乘上功率后开方,得到|HH+VV|、|HH-VV|、|2HV|3

第8期刘　玲,等:多极化SAR图像伪彩色增强算法研究63

个幅度分量,采用本文提出的归一化方法归一化后,分

别对应RGB图的B、R、G三原色分量,产生一幅伪彩色图像。

5　处理结果

我们对美国JPL实验室的Airsar机载合成孔径雷达在美国SanFrancisco海湾地区录取的L波段全极化SAR数据进行伪彩色合成处理。飞机航向由左向右,雷达采用右侧视照射模式。图像大小为:900×700(距离像×方位向)。

图1是该地区的散射矩阵总功率图。其中图像下部较亮区域为旧金山市区,图像左上角区域为植被,市区中间的矩形区域为金门公园、全黑区域代表太平洋,此外粗白代表金门大桥。场景主要由海洋、城区及植被构成。

图1　旧金山地区的极化总功率图

图2是由总功率图产生的彩色分割图,采用了软

件Matlab中的HSV色彩转换表。该图比较清楚地表现了不同目标在总功率上的差异。

图2　HSV彩色密度分割图

图3是用HH、HV、VV的回波功率图合成的极化SAR伪彩色合成图,采用M[2]

11归一化方法

,该图相比

总功率图及彩色分割图更适合图像的解释及识别。如

海洋与图像左上方的植被之间的分界线较总功率图更

清晰,在总功率图中区别并不明显的海洋与植被,在图

3中分别呈现出蓝色及淡绿色,很直观地被区分开。

图3　M11归一化的伪彩色合成图

图4是采用本文提出的归一化因子对图1所示的场景数据进行处理得到的结果,三原色对应关系为:红

=|HH|、绿=|HV|、蓝=|VV|。从图中可以看出,在保留归一化方法所有优点的同时,新方法最大的特点是很好地保留了场景的纹理信息,如左上方林区的山势起伏,金门桥及城区街道也清晰可见,金门公园内细节信息也更加丰富。

图4　基于同概率的归一化因子伪彩合成图

图5　基于相似性参数的伪彩色合成图

(下转第66页)

66现代雷达30卷

观上看是合理的,因为实际回波波形比简单的一条直线要复杂、不规则得多,但同时也不至于充满整个二维欧氏空间,因此3种目标的关联维数应大于拓扑维数1,而小于欧氏维数2。

(2)3种目标的关联维数有明显差异,这也说明关联维数可以反映时间序列信号的微观特征,也即能够反映目标本身具有的不同的不规则度和自相似性,为可能的目标识别提供了依据。

3　结束语

本文探讨了将分形理论应用于雷达信号处理,以超近程伪码调相毫米波雷达3种目标相关处理后的回

波数据为对象,分别计算了关联维数。结果表明,3种目标的关联维数有较明显的差异,可以作为特征参数用于目标识别。但是考虑到不同目标的关联维数也有可能相同或相近,因此可以进一步将目标回波分形编码特征与分形维数结合起来形成特征参数矢量,有关这方面的工作正在进行之中。

参　考　文　献

[1]　曹治国,张志勇,张天序.伪码调相连续波雷达雨杂波特

性仿真与分析[J].华中理工大学学报,1998,26(1):55

-57.

[2]　张志勇,曹治国,张天序.X波段伪码调相连续波雷达地

杂波分布特性仿真与分析[J].电子学报,1999,27(3):

70-73.

(上接第63页)

图5是结合相似性参数对图1所示场景数据进行伪彩色增强的结果。因为海洋比较接*面目标,故蓝色=|HH+VV|;而林区比较接近45°二面角目标,

故令绿色=|2HV|;另外则令红色=|HH-VV|。这样合成的伪彩图更接近自然色彩,视觉效果较直观。最明显的是海洋区域,在图4中呈现紫色,而图4中城区部分也存在紫色,容易产生误导。而在图5中,海洋呈蓝色,城区为红色,容易区分,且符合人们直观的理解。

6　结束语

本文基于相似性参数,提出了一种对极化SAR数据进行伪彩色增强处理的算法,该算法适应于目标丰富,具有一定先验知识的场景。此外本文结合各极化分量的累计概率提出了一种新的归一化因子计算方法。本文旨在增强场景的多极化SAR图像数据的可读性、可解释性。

[3]　孔祥维,黄　申,李国平.基于小波和神经网络的二相码

旁瓣抑制的研究[J].系统工程与电子技术,2001,23

(6):1-3.

[4]　金淑芳,顾　红,盛剑锋,等.基于子空间投影的相位编

码雷达旁瓣抑制方法[J].数据采集与处理,2004,19

(4):361-364.

[5]　朱志宇,王建华.RBF神经网络在二相编码雷达脉冲压

缩中的应用[J].现代雷达,2005,27(3):47-49.

[6]　熊张亮,张永胜,是湘全,等.一种大多普勒容限的伪码

调相连续波雷达[J].南京理工大学学报,2005,29(5):

514-517.

[7]　吕铁军,魏　平,肖先赐.基于分形和测度理论的信号调

制识别[J].电波科学学报,2001,16(1):123-127.

[8]　符新伟,余秋星,李志舜.利用多分辨分形特征进行目标

识别[J].电子与信息学报,2003,25(11):1575-1577.

[9]　费珍福,王树勋,何　凯.分形理论在语音信号端点检测

及增强中的应用[J].吉林大学学报:信息科学版,2005,

23(1):139-142.

[10]　王东升,曹　磊,混　沌.分形及其应用[M].合肥:中

国科技大学出版社,1995.

[11]　周　越,杨　杰.求解关联维数的快速算法研究[J].

电子学报,2002,30(10):1526-1529.

赵　兆　男,1979年生,讲师。研究方向为雷达信号处理。是湘全　男,1945年生,教授,博士生导师。研究方向为雷达系统及其信号处理。

参　考　文　献

[1]　章毓晋.图像处理和分析[M].北京:清华大学出版社,1999.

[2]　刘宏春,杨汝良.多极化合成孔径雷达数据伪彩色合成

处理[J].电子科学学刊,2000,22(2):296-302.

[3]　XuJunYi,YangJian,PengYingNing,etal.Using

Cross2entropyforpolarimetricSARimageclassification[C]//IEEEGeosci.andRemoteSensingSymposium.[S.l]:IEEE,2002.

[4]　CloudeSR.Targetdecompositiontheoremsinradarscatter2

ing[J].ElectronLelters,1985,21(1):22-24.

刘　玲　女,1983年生,硕士。研究方向为多极化SAR图像处理算法。

邢孟道　男,1975年生,博士,教授。研究方向为雷达成像、目标识别。

保　铮　男,1972年生,教授,博士生导师,中国科学院院士,中国电子学会会士。研究方向为雷达信号处理及现代信号处理。