基于雷达图像的飞鸟目标检测与信息提取

航空

游客，如果您要查看本帖隐藏内容请回复

航空

第30 卷　第9 期系统工程与电子技术Vol . 30 　No. 9
2008 年9 月Systems Engineering and Elect ronics Sep. 2008
文章编号:10012506X(2008) 0921624204
收稿日期:2007205230 ; 修回日期:2008203205 。
基金项目:中国民用航空总局科技项目资助课题(2006072413283811)
作者简介:陈唯实(19822) ,男,博士研究生,主要研究方向为航空鸟击,雷达目标识别。E2mail :wishchen @ee. buaa. edu. cn
基于雷达图像的飞鸟目标检测与信息提取
陈唯实1 , 宁焕生1 , 刘文明1 , 李　敬2 , 王宝发1 , 毛　峡1
(1. 北京航空航天大学电子与信息工程学院, 北京100191 ;
2. 民航总局航空安全技术中心, 北京100028)
　　摘　要: 针对鸟击问题,基于一种自行研制的雷达探鸟实验系统获取了50 帧含有飞鸟目标的雷达PPI 图像,
该系统由X 波段海事雷达改造而成。经过背景差分、图像平滑、阈值分割和信息提取4 个步骤,将飞鸟目标从复
杂的PPI 图像中分离出来,提取出包括目标质心位置、目标平均灰度、目标面积、目标形状在内的鸟情信息,实现
了一种可行的飞鸟目标检测与信息提取算法。本算法为建立实用的机场雷达探鸟系统奠定了重要的理论基础。
关键词: 雷达; 鸟击; 检测; 背景差分; 信息提取
中图分类号: TN 95 　　　　文献标志码: A
Flying bird targets detection and information extraction
based on radar images
CHEN Wei2shi1 , NIN G Huan2sheng1 , L IU Wen2ming1 , L I J ing2 , WAN G Bao2fa1 , MAO Xia1
( 1. S chool of Elect ronics and Inf ormation Engineering ,
Bei j ing Univ . of A eronautics & Ast ronautics , Bei j ing 100191 , China;
2. Center of A viation S af et y Technolog y , Civi l A viation A dminist rat ion of China , Bei j ing 100028 , China)
　　Abstract : To study the bird st rike problem , 50 radar plane position indicator ( PPI) images containing fly2
ing bird target s are obtained using a self2made avian radar experimental system based on an adapted X2band ma2
rine radar . Flying bird target s are separated f rom complicated PPI images by four steps : background subt rac2
tion , image smoothing , threshold segmentation and information ext raction. Information including mass cent re ,
average gray scale value , area and the shape of the avian target is ext racted , realizing a feasible algorithm for
flying bird target s detection and information ext raction. The proposed algorithm makes an important theoretic
foundation for building an operational airport2based avian radar surveillance system.
Keywords : radar ; bird st rike ; detection ; background subt raction ; information ext raction
0 　引　言
　　鸟击危害给航空业造成巨大的经济损失,同时也危及
乘客的生命安全,尤其是飞机的起飞和着陆阶段。鸟击问
题已发展成为国际民航界与学术界的研究热点和跨学科的
重大科研课题[ 1 ] 。雷达用于飞鸟目标探测具有一定的优
势,尤其是目测受到限制时,比如夜晚、多云或降雪,雷达更
能发挥其优越性;即使是在气候条件较好的白天,雷达还可
以探测到人眼很难观测到的远距离目标。包括气象雷达、
空中交通控制雷达和海事雷达在内的几种雷达已用于鸟类
运动目标检测,其中海事雷达是应用成本最低且最易操作
的一种[ 2 ] 。
基于海事雷达获得的数据是平面位置指示( PPI) 图像,
该图像不同于一般意义上的雷达图像(如SAR 图像) ,其目
标面积较小,灰度和形状变化也无明显规律,这就给运动目
标检测带来了困难。国内外鲜有基于PPI 图像的研究,但
随着海事雷达的发展,其所获得的PPI 图像的质量也得到
相应提高,包含了一定量的目标信息,可以从中提取出有用
的特征(灰度、大小、位置等) ,实现运动目标的检测。我们
基于自行研制的雷达探鸟实验系统获取包含飞鸟目标的雷
达PPI 图像,以此为数据基础,进行飞鸟目标的检测与信息
提取。
　第9 期陈唯实等:基于雷达图像的飞鸟目标检测与信息提取·1　625 ·　
1 　国内外系统获取的雷达PPI 图像
图1 给出两幅国外雷达探鸟系统获取的含有飞鸟目标
的雷达PPI 图像,其中图1 (a) 是由Cooper 等人获得的图
像[ 3 ] ,雷达功率50 kW,图示为量程5. 556 km 时探测到的
天鹅飞行的轨迹,由于保留了每帧的余晖,可见天鹅飞过雷
达扫描空域时形成的灰色点迹,图像中心的大片区域为地
面和植被形成的回波; (图1b) 是美国BIRDRAD 系统观测
到的鸟群迁徙回波图像[ 4 ] ,雷达功率50 kW ,采用抛物面天
线,可进行0°～90°的垂直扫描,量程1. 389 km。
图1 　国外雷达探鸟系统获取的PPI 图像
本雷达探鸟实验系统(图2 (a) ) 基于X 波段(9 410 ±
30 MHz) 海事雷达,最高输出功率6 kw ,采用裂缝波导阵列
天线,转速24 rpm ,水平波束宽度1. 9°,垂直波束宽度22°;
脉冲宽度随探测距离而变化:0. 08μs ( PR F = 2 100 Hz) 至
0. 3～0. 8 μs ( PR F = 1 200～600 Hz) 。图2 ( b) 为本系统
2006 年12 月于北京野鸭湖周边地区进行外场实验时采集
的50 帧雷达PPI 图像之一,其观测半径463 m ,图像中包含
飞鸟目标、地面植被、建筑物、气象信息等,某些背景信息的
强度可能强于运动目标信息,其它是灰度级接近零的黑色
背景。飞鸟目标在雷达图像上形成的目标点一般是由多个
像素构成的不规则斑点,图像中包含了目标的灰度级、大小
和位置等大量信息。从目标回波图像中提取这些有用的特
征信息,对运动目标的检测和跟踪具有重要意义。
图2 　国内雷达探鸟实验系统及其获取的雷达图像
2 　PPI 图像的背景差分[ 526] 与图像平滑
本实验系统获得的雷达PPI 图像中,飞鸟是主要的运
动目标,周围植被和建筑物形成的回波基本处于稳定状态,
但由于雷达噪声和地杂波随时间有一定的起伏,使背景回
波并非一成不变,给检测造成困难,因此要提取出运动目
标,构造一个“纯净”的背景非常必要。
统计平均法是最常用的背景构造方法,这种方法通常
适应于场景内的目标滞留时间较短、目标出现并不频繁的
情况。可采用如下式(1) 计算
Bk =
1
N
( f k + f k- 1 + ⋯+ f k- N+1 ) =
Bk- 1 +
1
N
( f k - f k- N ) (1)
可见,该方法针对每一帧图像重新构造背景, N 为重建所用
的图像数, Bk 为重建后的图像, Bk - 1 为针对上一帧构造的
背景图像, f k 为第k 帧图像。
背景差分后的PPI 图像再经过邻域平均法(见式(2) )
进一步对图像进行平滑。在平滑中要解决的主要矛盾是如
何既能消除噪声,又能保持轮廓尽可能不模糊。
gs ( x , y) = Σ{ w ( m , n) [ f k ( m , n) - Bk ( m , n) ]} (2)
式中, ( x , y) 为块Sm ×n的中心坐标, w ( m , n) 为权函数。
以图2 ( b) 为例,基于50 帧图像构造背景(图3) ,再经
差分和平滑初步获得仅含飞鸟目标的PPI 图像(图4) 。不
难看出,经过背景差分和平滑处理,余下的信息基本属于动
目标信息,但仍然不可避免地存在噪声与假目标,有待于进
一步处理。
图3 　图2 (b) 的背景PPI 图像
　　　
图4 　经过背景差分和
图像平滑的图2 (b)
3 　背景差分图像的阈值分割
由于图像阈值分割处理的直观性和易于实现, 它在图
像检测中具有重要作用。阈值分割的基本思想是确定一个
阈值,然后把像素点的灰度值和阈值相比较,根据比较的结
果把有用的信息提取出来。
3. 1 　固定阈值
阈值分割的关键步骤是阈值T 的确定,对于同一序列
的雷达图像,由于其灰度值变化不大,采用固定阈值法就可
以达到预期效果。将图4 进行固定阈值二值化, T 取128 ,
处理后的图像如图5 所示,可见大量的假目标和背景边缘
得到了消除。
　·1　626 · 系统工程与电子技术第30 卷　
图5 　对图4 固定阈值法处理
3. 2 　迭代法选择阈值
对飞鸟目标来说,由于其散射特性、飞行高度和远近,
以及雷达的探测能力的区别,其在雷达显示器上会呈现不
同的灰度级,即使是相同的目标,用不同的雷达进行探测,
所获得的雷达图像也有区别,因此应当自适应地选择阈值。
迭代阈值法首先采用先验的阈值估计值作为初值,然后采
用迭代的方式寻求最优值,具体步骤如下[ 7 ] 。
　　(1) 假设最小灰度μ是对分割阈值的先验估计, 灰度
大于μ的点视为运动目标,则初始分割阈值被定义为
T0 = μ (3)
　　(2) 在第i 步, 计算运动目标(灰度值大于Ti ) 的平均
灰度值ηi ;
(3) 更新阈值
Ti = (μ+ηi ) / 2 (4)
　　(4) 如果Ti - Ti - 1 ≤M , M 为迭代误差,迭代停止,否
则返回第(2) 步。
用迭代法处理图4 ,初值取80 ,迭代10 次, T 得123 ,结
果如图6 (a) 所示;如果将图4 的灰度值整体降低为原图的
60 %(图6 (b) ) ,同样用迭代法,初值与迭代次数不变, T 得
96 ,结果如图6 (c) 所示。可见,利用迭代法选择阈值,对不
同灰度级的雷达图像,具有同等检测效果。
实验还发现,迭代次数对结果影响不大,影响试验结果
的主要是初值的选择,如果初值取70 , T 得112 ,图4 的处
理结果如图6 (d) 所示。因此,有必要对飞鸟目标的电磁散
射特性作深入研究,以便于准确地选择阈值初值。
图6 　迭代法选择阈值的PPI 图像分割
4 　飞鸟目标信息提取
雷达PPI 图像含有大量的目标信息, 从中提取出有用
的运动目标信息,有利于目标的检测与跟踪。本文处理的
运动目标为飞鸟,提取的目标信息包括目标质心位置( x0 ,
y0 ) 、目标平均灰度I、目标面积S 和目标形状[8 ] 。其中,质
心位置和平均灰度用式(5) 、(6) 计算, 面积用像素数n 表
示,形状用主轴L 的方向和长宽比L/ W 近似描述(见图7) 。
经过以上处理,由图2 ( b) 得到图8 (左上角定义为坐标原
点, x 轴垂直向下, y 轴水平向右) ,并对其进行信息统计(见
表1) 。
x0 = Σ ( x , y) ∈S
( I ( x , y) x) / Σ ( x , y) ∈S
I ( x , y)
y0 = Σ ( x , y) ∈S
( I ( x , y) y) / Σ ( x , y) ∈S
I ( x , y) (5)
I = Σ ( x , y) ∈S
I ( x , y) / n (6)
　　　　　图7 　运动目标形状的近似描述　　　　　　　　　　图8 　圈定可疑鸟类目标的PPI 雷达图像　　　
　第9 期陈唯实等:基于雷达图像的飞鸟目标检测与信息提取·1　627 ·　
　　由表1 可见,可疑目标共13 个,其中5 个目标只包含
单一像素(3 、4 、7 、9 、11) ,4 个为包含3～5 像素的目标(1 、8 、
10 、12) ,4 个为包含几十个像素的目标(2 、5 、6 、13) 。显然,
单一像素点为噪声,目标(1 、8 、10 、12) 可能是假目标,目标
(2 、5 、6 、13) 是飞鸟目标的可能性最大。图8 中,共圈定了8
个可疑目标,根据实验现场的目测结果,只有目标2 、5 、6 和
13 是飞鸟目标,1 、8 、10 、12 是假目标。
表1 　鸟类目标信息提取结果
序号面积质心位置平均灰度长宽比主轴方向
目标1 5 68 ,494 174 3/ 2 1
目标2 46 143 ,241 195 8/ 7 3
目标3 1 199 ,267 200 1/ 1 1
目标4 1 220 ,444 177 1/ 1 1
目标5 22 227 ,253 183 7/ 3 1
目标6 17 250 ,285 194 5/ 2 1
目标7 1 251 ,291 186 1/ 1 1
目标8 4 311 ,352 177 4/ 1 3
目标9 1 310 ,428 172 1/ 1 1
目标10 4 331 ,396 224 2/ 1 2
目标11 1 335 ,398 170 1/ 1 1
目标12 3 339 ,188 173 2/ 2 1
目标13 18 363 ,349 206 9/ 3 3
5 　结　论
本实验系统采集的50 帧含有飞鸟目标的PPI 图像,经
过背景差分、图像平滑、阈值分割和信息提取四个步骤,将
其分离出来。最后通过实验结果与观测结果的比较,证明
了该方法的可行性,为建立实用的机场雷达探鸟系统奠定
了重要的理论基础。
雷达的探测能力和识别算法是雷达探鸟系统要关注的
两个重要方面。系统所选用雷达的分辨率是其识别检测能
力的硬件基础,如果其所观测的若干只飞鸟目标相距过近
(小于雷达分辨距离) ,会在雷达图像上呈现出像素较多的
单一连通区域,现阶段的系统检测算法也难于将其逐一分
离。因此,雷达所获取图像的分辨率是本系统的数据基础,
选用探测能力更强、分辨率更高的雷达无疑将有助于系统
对飞鸟目标的检测。同时,我们认识到,本文处理的PPI 图
像中的运动目标都是飞鸟,但在实际机场应用中,环境更为
复杂,飞机目标与飞鸟目标往往同时存在,提高算法辨识二
者的能力,成为今后算法研究的重点。
参考文献:
[ 1 ] 宁焕生, 刘文明, 李敬, 等. 航空鸟击雷达鸟情探测研究[J ] . 电
子学报, 2006 , 12 : 223322237.
[ 2 ] Nohara T , Weber P , Premji A , et al . Affordable avian radar
surveillance systerms for natural resource management and
BASH applications [ J ] . I E EE Radar Conf erence , A rlington,
V i rginia May , 2005.
[ 3 ] Cooper B A , Day R H , et al . An improved marine radar system
for studies of bird migration[J ] . J ournal of Fiel d Ornithology ,
1991 , 62 : 3672377.
[ 4 ] Gaut hreaux Sidney A , J r , Belser Carroll G. Radar ornit hology
and t he conservation of migratory birds[J ] . US DA Forest Serv2
ice Gen. Tech. Rep. PS W2GT R2191 , 2005 :8712875.
[ 5 ] 于成忠,朱骏,袁晓辉. 基于背景差法的运动目标检测[J ] . 东南
大学学报,2006 ,35 (11) :1592161.
[ 6 ] 张吴,黄战华,等. 基于差分图像的运动目标跟踪与分割方法的
应用研究[J ] . 光学技术,2005 , 31 (4) :5672567.
[7 ] 徐巍然. 基于视频处理的雷达图像目标检测与跟踪研究[D] . 大
连理工大学硕士学位论文, 2000.
[ 8 ] 王新智. 基于雷达PPI 的目标检测与跟踪方法研究[D] . 国防科
学技术大学硕士学位论文,2002.

醒不来睡不着

向各位老师学习