基于超分辨ISAR成像的飞机目标识别

基于超分辨ＩＳＡＲ成像的飞机目标识别

许人灿，刘朝军，黄小红，陈曾平

（国防科技大学电子科学与工程学院ＡＴＲ室，长沙４１００７３）

摘

要：利用最大熵谱估计方法对四种飞机目标数据进行外推处理，并在此基础上进行逆合成

孔径（ＩＳＡＲ）成像。然后采用ＩＳＡＲ图像的四个特征（几何矩、基于几何矩的不变量、形状特征、量化能量带）作为径向基函数（ＲＢＦ）神经网络的输入，在此基础上进行识别，达到了较好的识别效果。

关键词：超分辨ＩＳＡＲ成像目标识别ＲＢＦ神经网络

随着雷达技术和信号处理技术的发展以及现代战争需求的不断提高，要求雷达系统不仅能发现和跟踪目标，同时也应对感兴趣的目标进行识别分类。目前雷达目标识别主要分为两类：基于特征量提取的目标识别和基于成像的目标识别。由于分辨率的和光学图像存在很大差异，一般来说雷达图像只具有表征意义，基于成像的目标识别过程也就是对图像进行理解的过程。因此，要提高识别率，提高雷达成像的分辨率无疑是一条主要途径。本文采用基于最大熵谱估计的ＡＲ模型法外较好地解决推数据，并在此基础上利用ＦＦＴ进行成像，了分辨率问题［１］。

要完成对ＩＳＡＲ图像的自动类属判别，选取合适的基于几何特征至关重要。本文选取四个特征：几何矩［２］、矩的不变量［２］、形状特征［３］、量化能量带［４］，这些特征对于飞机目标有较好的同类聚合性和异类分离性，在此基础上进行识别可以较好地完成自动目标识别任务。

选取合适的特征以后，就需要选择恰当的模式识别神经网络［５］是典型的前向神经方法。径向基函数（ＲＢＦ）网络，它具有训练速度快、能够收敛到全局最优点、具有最佳逼近等优点，在函数拟合和分类上得到了广泛的应用。本文采用ＲＢＦ神经网络方法训练和识别以上特征，达到了较高的识别率。

采样率为１０ＭＨｚ，２５．６!ｓ，雷达去斜率解调后直接采样，

采样分辨率为８位。所选择的目标为雅克－４２飞机、雅克－４４飞机、安－２６飞机和浆状飞机。图１～图４分别是对四个目标某段数据的成像结果。

２ＩＳＡＲ图像特征分析

本文介绍的识别系统研究了四个特征：几何矩、基于几何矩的不变量、形状特征、量化能量带，下面分别予以阐述。

２．１几何矩

给定一幅二维Ｍ×Ｎ的灰度图像ｆ（ｘ，ｙ），ｘ＝０，．．．，Ｍ－１，

１基于最大熵谱估计的超分辨ＩＳＡＲ成像结果

假设ＳＮ×Ｍ为采样大小，Ｎ为回波个Ｍ为观测数据，观测数据外推公式如下：数，根据ＡＲ模型，

Ｐ

ｙ＝０，．．．，Ｎ－１。第ｐ＋ｑ阶几何原点矩定义为：

ｍｐｑ＝!!ｘｐｙｑｆ（ｘ，ｙ），ｐ，ｑ＝０，１，２，．．．

ｘ＝０ｙ＝０Ｍ－１Ｎ－１Ｍ－１Ｎ－１

（３）

Ｅｋ＝－

!Ｅ

ｐ＝１

为了使这些瞬态量具有平移不变性，定义中心矩如下：

ｋ－ｐ

ａｐ，ｋ＞Ｍ（１）

式中，Ｐ是根据前向预测误差准则确定的阶数，ａｐ（１\"

ｐ\"Ｐ）是ＡＲ系数。观测数据也可以根据后向预测准则外推，公式如下：

!ｐｑ＝!!（ｘ－ｘ）ｐ（ｙ－ｙ）ｑｆ（ｘ，ｙ）

ｘ＝０ｙ＝０

（４）

式中，ｘ＝ｍ１０，ｙ＝ｍ０１。

ｍ００ｍ００

Ｅｋ＝－

!Ｅ

ｐ＝１

Ｐ

进一步对中心矩进行如下归一化，使它对缩放不敏感：

ｋ＋ｐ

ａｐ＊，ｋ＜１（２）

本文参照参考文献［１］的方法对数据进行外推处理，并在此基础上进行ＩＳＡＲ成像。采用的数据为Ｃ波段精密跟踪雷达采集到的数据，雷达带宽为４００ＭＨｚ，脉宽为

\"ｑｐ＝!ｐｑ#，#＝ｐ＋ｑ＋１

!００２２．２基于几何矩的不变量

（５）

由于两个相邻角度的图像中强散射中心分布有一

２４

本刊邮箱#ｅｔａ＠ｎｃｓｅ．ｃｏｍ．ｃｎ《电子技术应用》２００５年第６期

自动化与仪器仪表

定的稳定性，从数字图像的矩阵形式入手，将这个图像看作若干个图像的加权和，图像的像素即为加权系数。当对图像作正交变换时，原图像可以表示为基图像的加权和，基图像的系数反映了其与原图像的相关性。系数较大的说明相关性较大，如果特征空间就是基图像空间，那么可以用较大的基图像系数表征图像。这种以图像分布的各阶几何矩来描述灰度的分布特性的描述方法具有平移、旋转、缩放不变性。

定义一组非线性函数如下（它们对于旋根据（５）式，

转、平移、缩放均不敏感）：

!１＝\"２０＋\"０２

!２＝（\"２０－\"０２）２＋４\"１１２

!３＝（\"３０－３\"１２）２＋（３\"２１－\"０３）２

!４＝（\"３０＋\"１２）２＋（\"２１＋\"０３）２

!５＝（\"３０－３\"１２）（\"３０＋\"１２）［（\"３０＋\"１２）２－３（\"２１＋\"０３）２］＋（３\"１２－\"０３）（\"２１＋\"０３）×［３（\"３０＋\"１２）２－（\"２１＋\"０３）２］!６＝（\"２０－\"０２）［（\"３０＋\"１２）２－（\"２１＋\"０３）２］＋４\"１１（\"３０＋\"１２）（\"０３＋\"２１）２．３形状特征

本文研究四个常用且有效的形状特征：

（６）（７）（８）（９）（１０）（１１）

定义为ＩＳＡＲ灰度图像的非０像素个数・面积特征Ａ：

・周长特征Ｃ：定义为ＩＳＡＲ灰度图像的边界非０像素个数

・紧密度Ｓ：定义为Ａ

对应的中心矢量；%ｉ为隐传输函数对应的平滑参数。采用的训练算法为正交最小二乘法（ＯＬＳ）。ＯＬＳ算法的基本思想是：基函数中心矢量直接从输入矢量中选取，所有的训练数据都是中心矢量的挑选对象。

本文分别选取每个目标的４０个不同数据段进行成像，将成像后的灰度图像按第二节的描述进行特征提取并组成１６维的特征向量Ｇ，定义如下：

Ｃ２

・离心度Ｅ：定义为（ｍ２０－ｍ０２）＋４ｍ１１＋１

Ａ２．４量化能量带

参考图５，主轴定义为协方差矩阵的最大特征值#对应的特征向量，条带的宽度正比于#。在本文的实验这样六个条带就可以覆中，选择比例系数为常数１０ｅ，盖目标的大部分。在每个条带中，特征Ｆｊ定义为：

Ｍｊ

－５

Ｆｊ＝

!ＲＳ

ｉ＝１

Ｍｊ

２ｉｉ

（１２）

!Ｓ

ｉ＝１

ｉ

式中，Ｍｊ是条带ｊ的像素个数，Ｒｉ是像素ｉ到主轴的距离，把像素的灰度值直接用Ｓｉ是像素ｉ的能量。在这里，作能量。

Ｇ＝［!１，!２，!３，!４，!５，!６，Ａ，Ｃ，Ｓ，Ｅ，Ｆ１，Ｆ２，Ｆ３，Ｆ４，Ｆ５，Ｆ６］Ｔ（１４）

式中，Ｔ表示转置。将这１６０个特征向量对ＲＢＦ神经网络进行训练，然后再分别选取另外４０段不同的数据成像，将成像后提取的特征向量组输入ＲＢＦ神经网络进行识别，识别结果如表１所示。

本文从超分辨ＩＳＡＲ成像到特征提取，再到目标类

属的自动判别，实现了一个自动目标识别系统，获得了较高的识别率，达到了令人满意的效果。

３ＲＢＦ神经网络方法［５］及识别结果

本文采用ＲＢＦ神经网络方法进行训练和识别。ＲＢＦ

模板桨状表１识别结果雅－４２雅－４４安－２６正确识别率神经网络是一种两层结构的前馈网络，如图６所示。测试桨状如高斯核、三角核、双指ＲＢＦ网络的传输函数有很多种，

数核、辛格核等，这里使用的是高斯核，其基函数为：

雅－４２雅－４４安－２６平均识别率３９００２０３９２１００３８０１１０３６９７．５％９７．５％９５％９２．５％９５．６％｜｜ｘ－ｃｉ｜｜２

$ｉ（ｘ）＝ｅｘｐ－

２%ｉ

\"#（１３）

式中，ｘ为输入样本矢量，ｘ＝［ｘ１!ｘＮｉ］Ｔ，Ｎｉ为训练样本的维数，也即网络输入层的节点个数；ｃｉ为第ｉ个隐节点

（下转第２８页）

《电子技术应用》２００５年第６期欢迎网上投稿ｗｗｗ．ａｅｔｎｅｔ．ｃｎｗｗｗ．ａｅｔｎｅｔ．ｃｏｍ．ｃｎ２５

自动化与仪器仪表

系统通信特点等几方面综合考虑，系统采用半双工的通信方式，收发共用一根天线。作为一个通信系统，首先需确定的两个重要参数是通信频率和调制方式。采用ＩＳＭ频段中的２．４ＧＨｚ作为通信频率。在无线调制方式上，系统从体内到体外发送采用ＦＳＫ调制方式，而体内接收体外的控制命令则采用ＯＯＫ方式。

本方案中提出了一种无频率综合器的无线收发器的电路结构，如图４所示。这在电路设计的高层次阶段保证了整个电路的低功耗。

的位置；（２）高效天线阵列的设计技术；（３）低功耗电路设计技术；（４）具有高灵敏度的低功耗高速ＦＳＫ解调的无线接收机的ＡＳＩＣ设计技术等。

２．３计算机控制与处理装置

计算机控制与处理装置主要包括无线发送卡、计算机、高清晰度监视器以及相关的处理软件。其关键技术主要包括：（ＯＯＫ调制、的（１）高速无线收发器ＦＳＫ解调）设计；（２）基于原始Ｂａｙｅｒ彩色图像数据的图像处理技术；

（３）三维深度图像的重建技术等。

本文提出的无线内窥镜系统方案是在综合了以色列小肠胶囊内窥镜的特点以及韩国在该领域研究成果的基础上，提出的一个全新的数字化微型无线内窥镜系统方案。该方案不仅提高了获取图像的质量，还提供实时观察病人消化道图像、全消化道检查、二维与三维的内窥图像数据采集等功能，另外根据对患者病情的不同，系统可提供三种不同的系统工作模式（即诊断方式）。目前本系统中的数字电路模块部分都已经通过

天线部分则主要解决天线的微型化与效率之间的矛盾，因为天线必须能放在无线内窥胶囊（其尺寸为１１ｍｍ×之内，且还需留给其它部分足够的空间。系统天线的２７ｍｍ）

设计必须采用微天线的设计方法来增加天线的有效长度。

ＦＰＧＡ的验证。

参考文献

１ＧａｖｒｉｅｌＩｄｄａｎ，ＧａｖｒｉｅｌＭｅｒｏｎ，ＡｒｋａｄｙＧｌｕｋｈｏｖｓｋｙ，Ｐａｕｌ

Ｓｗａｉｎ．ＷｉｒｅｌｅｓｓＣａｐｓｕｌｅＥｎｄｏｓｃｏｐｙ［Ｊ］．Ｎａｔｕｒｅ，２０００；４０５（５）２Ｐａｒｋ，Ｈ．Ｊ，Ｎａｍ，Ｈ．Ｗ，Ｓｏｎｇ，Ｂ．Ｓ，Ｃｈｏｉ，Ｊ．Ｌ，ｅｔｃ．ＤｅｓｉｇｎｏｆＢｉ－ｄｉｒｅｃｔｉｏｎａｌａｎｄＭｕｌｔｉ－ｃｈａｎｎｅｌＭｉｎｉａｔｕｒｉｚｅｄＴｅｌｅｍｅｔｒｙＭｏｄｕｌｅｆｏｒＷｉｒｅｌｅｓｓＥｎｄｏｓｃｏｐｙ［Ａ］．ＭｉｃｒｏｔｅｃｈｎｏｌｏｇｉｅｓｉｎＭｅｄｉｃｉｎｅ＆Ｂｉｏｌｏｇｙ２ｎｄＡｎｎｕａｌＩｎｔｅｒｎａｔｉｏｎａｌＩＥＥＥ－ＥＭＢＳｐｅｃｉａｌＴｏｐｉｃＣｏｎｆｅｒｅｎｃｅ［Ｃ］，Ｍａｄｉｓｏｎ，Ｗｉｓｃｏｎｓｉｎ，ＵＳＡ，２００２：２７３～２７６

３王志华，谢翔，张春．双向数字式无线内窥镜系统［Ｐ］．中国发明专利受理号：０３１０９８１０ｘ，２００３，０４，０１

４ＬｅｅＳａｎｇ－Ｙｏｎｇ，Ｏｒｔｅｇａ．ＡＮｏｖｅｌＡｐｐｒｏａｃｈｏｆＩｍａｇｅＣｏｍｐ－ｒｅｓｓｉｏｎｉｎＤｉｇｉｔａｌＣａｍｅｒａｓｗｉｔｈａＢａｙｅｒＣｏｌｏｒＦｉｌｔｅｒＡｒｒａｙ［Ａ］，ＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ，Ｐｒｏｃｅｅｄｉｎｇｓ．２００１ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅ－ｒｅｎｃｅ［Ｃ］，ＵＳＡ，２００１；３：４８２～４８５

５Ｓｃａｎｌｏｎ，Ｗ．Ｇ，Ｂｕｒｎｓ，Ｂ，Ｅｖａｎｓ，Ｎ．Ｅ．ＲａｄｉｏｗａｖｅＰｒｏｐａｇａ－ｔｉｏｎｆｒｏｍａＴｉｓｓｕｅ－ｉｍｐｌａｎｔｅｄＳｏｕｒｃｅａｔ４１８ＭＨｚａｎｄ９１６．５ＭＨｚ［Ｊ］，ＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎ，２０００；４７（４）：５２７～５３４

６Ｂｅｎｉｎｉ，Ｌ，Ｃａｓｔｅｌｌｉ，Ｇ，Ｍａｃｉｉ，Ａ，Ｓｃａｒｓｉ，Ｒ．ＢａｔｔｅｒｙｄｒｉｖｅｎＤｙｎａｍｉｃＰｏｗｅｒＭａｎａｇｅｍｅｎｔ［Ｊ］．Ｄｅｓｉｇｎ＆ＴｅｓｔｏｆＣｏｍｐｕｔｅｒｓ，ＩＥＥＥ，２００１；１８（２）：５３～６０

（收稿日期：２００５－０１－０４）

２．１．３能量供给部分

该部分包括电池和能源管理电路［６］，它是整个体内部分硬件电路最关键的部分之一，因为体内部分的能源供给是保证实现全消化道检查的必要条件。为延长电池寿命，系统主要采取以下三个措施：

（１）针对电路的高层次与低层次的低功耗设计；（２）结合电池本身物理特性的系统动态能量管理策略，

该方法大大延长了电池寿命；

“基于通信”的能量管理策略，它是一种基于系统（３）

级通信结构调整各系统模块工作的能量管理策略，在延长电池使用寿命方面大大优于常规的能量管理策略。

２．２体外便携式无线接收与数据传输装置

体外的便携式无线接收和数据传输装置的功能主要是把天线接收阵列接收的内窥图像数据分成两路，一路送给胶囊定位模块获得胶囊的定位信息，另一路送入相连接的无线接收器，然后把定位信息和图像一起存入便携式存储体上或转发给计算机控制与处理装置。主要通过天线涉及的关键技术为：（１）基于无线电定位技术，接收阵列接收信号的角度与强度来定位胶囊在人体内

!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!（上接第２５页）参考文献

姜卫东，陈曾平．基于最大熵谱估计的距离－多谱１许人灿，

勒成像．现代雷达，２００５（１）

２Ａ．Ｋｈｏｔａｎｚａｄ，Ｊ．－Ｈ．Ｌｕ．ＣｌａｓｓｉｆｉｃａｔｉｏｎｏｆＩｎｖａｒｉａｎｔＩｍａｇｅＲｅｐ－ｒｅｓｅｎｔａｔｉｏｎｓＵｓｉｎｇａＮｅｕａｌＮｅｔ．ＩＥＥＥＴｒａｎｓ．ｏｎＡｃｏｕｓｔｉｃｓ，ＳｐｅｅｃｈａｎｄＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，１９９０；３８（６）：１０２８～１０３８

３Ｄ．Ｈ．Ｂａｌｌａｒｄ，Ｃ．Ｍ．Ｂｒｏｗｎ．ＣｏｍｐｕｔｅｒＶｉｓｉｏｎ，ＥｎｇｌｅｗｏｏｄＣｌｉｆｆｓ．

ＮｅｗＪｅｒｓｅｙ：ＰｒｅｎｔｉｃｅＨａｌｌ，１９８２

４Ｅ．Ｃ．Ｂｏｔｈａ．ＣｌａｓｓｉｆｉｃａｔｉｏｎｏｆＡｅｒｏｓｐａｃｅＴａｒｇｅｔｓＵｓｉｎｇＳｕｐｅｒｒｅ－ｓｏｌｕｔｉｏｎＩＳＡＲＩｍａｇｅｓ．ＩＥＥＥＴｒａｎｓ．ｏｎＡｃｏｕｓｔｉｃｓ，ＳｐｅｅｃｈａｎｄＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，１９９４；４２

５Ｓ．Ｃｈｅｎ，Ｃ．Ｆ．Ｎ．Ｃｏｗａｎ，Ｐ．Ｍ．Ｇｒａｎｔ．ＯｒｔｈｏｇｏｎａｌＬｅａｓｔＳｑｕａｒｅｓＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍｆｏｒＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎＮｅｔｗｏｒｋｓ．ＩＥＥＥＴｒａｎｓ．ＮｅｕｒａｌＮｅｔｗｏｒｋｓ，１９９１；２（２）

（收稿日期：２００５－０１－１３）

２８

本刊邮箱#ｅｔａ＠ｎｃｓｅ．ｃｏｍ．ｃｎ《电子技术应用》２００５年第６期