基于长时间间隔序贯SAR图像的运动舰船跟踪方法

doi:10.7523/j.issn.2095-6134.2021.05.008

中国科学院大学学报 ›› 2021, Vol. 38 ›› Issue (5): 642-648.DOI: 10.7523/j.issn.2095-6134.2021.05.008

基于长时间间隔序贯SAR图像的运动舰船跟踪方法

刘雨洁^1,2, 齐向阳¹

1. 中国科学院空天信息创新研究院, 北京 100190;
2. 中国科学院大学电子电气与通信工程学院, 北京 100049

收稿日期:2019-12-22 修回日期:2020-03-20 发布日期:2021-09-13
通讯作者: 刘雨洁
基金资助:
国家重点研发计划（2017YFB0502700）和国家卫星海洋应用中心横向项目（Y6H2460164）资助

A moving ship tracking method based on long time interval sequential SAR images

LIU Yujie^1,2, QI Xiangyang¹

1. Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100190, China;
2. School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences, Beijing 100049, China

Received:2019-12-22 Revised:2020-03-20 Published:2021-09-13

摘要/Abstract

摘要： 针对长时间间隔序贯SAR图像中运动舰船位置变化大、不易跟踪的难题，提出一种融合航迹起始和图像特征的匹配跟踪方法。首先从SAR图像中检测出舰船，得到舰船图像切片，并提取舰船的图像特征、空间位置信息；然后根据速度和加速度约束，将不同时刻的舰船关联，形成多条候选航迹；最后采用特征匹配差异最小原则筛选出舰船航迹，实现运动舰船跟踪。通过仿真实验和机载序贯SAR图像处理分析，验证所提方法的有效性。

关键词: 合成孔径雷达, 序贯图像, 舰船跟踪

Abstract: Aiming at solving the difficult problem of tracking moving ships, which is caused by their great position variation in long time interval sequential SAR images, a matching tracking method combining track initiation and image feature is proposed. Firstly, the ships are detected from the SAR image to obtain the image slices and extract the ships' image features and spatial position information. Then, ships at different times are correlated to form multiple candidate trajectories according to the constraints of velocity and acceleration. Finally, ship trajectories are screened out based on the minimum difference principle of feature matching to realize moving ship tracking. The effectiveness of the proposed method is verified by simulation experiments and airborne sequential SAR images processing analysis.

Key words: synthetic aperture radar, sequential images, ship tracking

中图分类号:

TN957.52

刘雨洁, 齐向阳. 基于长时间间隔序贯SAR图像的运动舰船跟踪方法[J]. 中国科学院大学学报, 2021, 38(5): 642-648.

LIU Yujie, QI Xiangyang. A moving ship tracking method based on long time interval sequential SAR images[J]. Journal of University of Chinese Academy of Sciences, 2021, 38(5): 642-648.

参考文献

[1] Cumming I G, Wong F H. Digital signal processing of synthetic aperture radar data:algorithms and implementation[M]. Norwood, MA:Artech House, 2005:1-19.
[2] 吴琨. 机载广域监视系统动目标跟踪及其应用[D]. 北京:中国科学院大学,2014.
[3] 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.
[4] Iervolino P. Ship detection with SAR:modelling, designing and real data validation[D]. Guildford:University of Surrey, 2016.
[5] Ai J, Yang X, Song J, et al. An adaptively truncated clutter-statistics-based two-parameter CFAR detector in SAR imagery[J]. IEEE Journal of Oceanic Engineering, 2017, 43(1):267-279.
[6] Kwok R, Curlander J C, McConnell R, et al. An ice-motion tracking system at the Alaska SAR facility[J]. IEEE Journal of Oceanic Engineering, 1990, 15(1):44-54.
[7] 汤宏权. 基于合成孔径雷达图像的目标跟踪与识别[D]. 长沙:中南大学,2009.
[8] 汪洪桥, 蔡艳宁, 付光远, 等. 基于图像序列的地面慢动多目标识别与跟踪[J].激光与光电子学进展,2016,53(5):253-261.
[9] Hu M K. Visual pattern recognition by moment invariants[J]. Information Theory, IRE Transactions on, 1962, 8(2):179-187.
[10] Lowe D G. Distinctive image features from scale-invariant keypoints[J]. International Journal of Computer Vision, 2004, 60(2):91-110.
[11] Dellinger F, Delon J, Gousseau Y, et al. SAR-SIFT:a SIFT-like algorithm for SAR images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(1):453-466.
[12] Lin H, Song S, Yang J. Ship classification based on MSHOG feature and task-driven dictionary learning with structured incoherent constraints in SAR images[J]. Remote Sensing, 2018, 10(2):190.
[13] 吴俊. 基于高分辨率SAR图像的舰船目标分类识别研究[D]. 杭州:浙江大学,2018.
[14] Kreithen D E, Halversen S D, Owirka G J. Discriminating targets from clutter[J]. The Lincoln Laboratory Journal, 1993, 6(1):25-52.
[15] Xing X, Ji K, Zou H, et al. Ship classification in TerraSAR-X images with feature space based sparse representation[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(6):1562-1566.
[16] Lang H, Zhang J, Zhang X, et al. Ship classification in SAR image by joint feature and classifier selection[J]. IEEE Geoscience and Remote Sensing Letters, 2016, 13(2):212-216.
[17] 张传宾. 强杂波下多目标航迹起始算法研究[D]. 哈尔滨:哈尔滨工程大学,2018.
[18] Huang L, Liu B, Li B, et al. OpenSARShip:a dataset dedicated to Sentinel-1 ship interpretation[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2017, PP(99):1-14.
[19] 潘志刚, 潘卓, 曹舸. 机载SAR图像无控制点直接定位方法[J].中国科学院大学学报,2015,32(4):536-541.

基于长时间间隔序贯SAR图像的运动舰船跟踪方法

A moving ship tracking method based on long time interval sequential SAR images

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

访问统计

联系我们

[1]	尹迪, 韩冰, 孙吉利, 赵良波, 洪文, 胡玉新. 天线扫描对TOPSAR辐射影响的校正方法[J]. 中国科学院大学学报, 2021, 38(6): 791-799.
[2]	林世明, 张毅, 王吉利, 赵爽. 星载双基InSAR系统中的电离层色散效应分析与校正[J]. 中国科学院大学学报, 2021, 38(6): 809-816.
[3]	潘志刚, 王超, 曹舸. 基于距离方程组的机载SAR图像立体定位方法[J]. 中国科学院大学学报, 2020, 37(6): 798-804.
[4]	王泽隆, 徐向辉, 张雷. 基于仿真SAR图像深度迁移学习的自动目标识别[J]. 中国科学院大学学报, 2020, 37(4): 516-524.
[5]	田东, 禹卫东. 电离层色散效应对星载SAR成像的影响[J]. 中国科学院大学学报, 2019, 36(3): 376-384.
[6]	邹浩, 林赟, 洪文. 基于多角度合成SAR图像的目标识别性能分析[J]. 中国科学院大学学报, 2019, 36(2): 226-234.
[7]	蒋莎, 仇晓兰, 韩冰, 胡文龙, 卢晓军. 一种基于普通分布目标的极化SAR幅相不平衡快速评价方法[J]. 中国科学院大学学报, 2019, 36(2): 280-288.
[8]	李松, 魏中浩, 张冰尘, 洪文. 深度卷积神经网络在迁移学习模式下的SAR目标识别[J]. 中国科学院大学学报, 2018, 35(1): 75-83.
[9]	肖垚, 刘畅. 基于稀疏求解的改进PCA方法在SAR目标识别中的应用[J]. 中国科学院大学学报, 2018, 35(1): 84-88.
[10]	杨国铮, 禹晶, 孙卫东. 基于相对全变分的复杂背景SAR图像舰船尾迹检测[J]. 中国科学院大学学报, 2017, 34(6): 734-742.
[11]	陈立福, 王思雨, 袁志辉, 王静, 邢学敏, 武鸿. 非线性ECS自配准成像算法中相位保持精度分析[J]. 中国科学院大学学报, 2017, 34(5): 640-646.
[12]	潘志刚, 王小龙, 李志勇. SAR原始数据压缩的自适应比特分配BAQ算法[J]. 中国科学院大学学报, 2017, 34(1): 106-111.
[13]	杨洋, 王岩飞. 一种基于混合模型的合成孔径雷达自聚焦算法[J]. 中国科学院大学学报, 2016, 33(5): 656-663.
[14]	邢涛, 黄友红, 胡庆荣, 李军, 王冠勇. 基于动态K均值聚类算法的SAR图像分割[J]. 中国科学院大学学报, 2016, 33(5): 674-678.
[15]	田野, 张冰尘, 洪文. 基于分布式压缩感知的重轨干涉SAR形变检测方法与实验[J]. 中国科学院大学学报, 2016, 33(1): 107-114.