![]()
点击蓝色“雷达学报”关注
关键词: 三维重建 / 逆合成孔径雷达(ISAR) / 基元拟合 / 太空态势感知 / 姿态估计
论文短视频 | 空间目标ISAR图像三维基元表示方法
ISAR是获取空间目标信息的重要手段，基于ISAR图像对空间目标进行三维表示，能够获取目标的形态结构、在轨姿态等三维信息，推断目标工作状态和载荷探测指向，同时还可依据目标三维构型和尺寸推断其载荷功能和大致能力，进而支撑对空间目标的身份属性识别、技战术指标分析、动作意图判断，以及威胁预警等任务，在太空态势感知领域发挥着重要作用。
![]()
对于ISAR图像三维重建，当前绝大部分方法采用了点云重建的形式，如因式分解法、光流法等。然而点云这种非结构化表示形式难以直观地体现目标的结构参数以及绝对姿态，还需要对点云进行解译处理。而ISAR图像的特点导致了点云的稀疏性，同时由于背向雷达视线的目标结构无法被电磁能量照射到，ISAR像中目标轮廓容易出现缺失，使重建得到的点云不完整。这些因素使传统方法难以对其结构参数进行精确分析。然而，通过对空间目标监视领域关注度最高的几种典型光学遥感卫星进行形态分析，发现其结构可用简化的形状基元来表示：舱体可近似为一个圆柱形基元，而其帆板可以由两个关于舱体对称的矩形来描述，这一特性给空间目标ISAR图像结构反演带来了新的思路。国防科技大学ATR全国重点实验室长期从事空间目标监视和光电雷达测量数据技术的研究，在空间目标特性分析、ISAR、光学图像解译和三维信息反演等研究中取得了多项重要科技成果。在基于ISAR图像的空间目标三维重建方面，本团队提出一种从空间目标ISAR图像中抽取参数化基元来表示其三维结构的方法。首先利用能量累积算法从ISAR图像中得到目标的稀疏点云，进而利用参数化基元对点云进行拟合，最后将基元投影至ISAR成像平面，并最大化与目标图像的相似度来优化基元参数，得到最优的目标三维基元表示。相比于传统点云三维重建，该方法能够获得对目标三维结构更完整的描述，且所得到的基元参数即代表目标的姿态及结构，可直接支撑后续的目标识别、分析研判等任务。仿真实验证明该方法能够根据ISAR序列图像，有效实现对空间目标的三维表示。本工作采用点云基元拟合-图像投影优化的方式来确定三维基元参数。直接对ISAR图像进行基元拟合的实现难度较大。因此本工作首先从二维图像层面，针对ISAR图像弱纹理、信息量低的特点，利用多尺度卷积神经网络对目标进行部件分割，得到的目标不同部件的ISAR图像。再进行三维重建，即可得到带有语义标签的目标点云，其语义标签为该部分点云对应的基元类型。其结构如图2所示，将一幅单通道ISAR图像输入网络，即可得到一个三通道的分割掩膜，分别代表了目标的舱体、帆板与背景在图像中占据的区域。
![]()
对目标ISAR图像完成分割后即可对目标不同部件进行三维重建。本文基于西安电子科技大学刘磊等人工作，利用能量累积法重建ISAR图像三维点云。该方法要将待估的目标三维点向ISAR成像平面上投影，根据其在序列ISAR像中投影点处能量累积值的极大值来，利用粒子群算法优化得到散射点的三维位置。该方法无需进行特征提取，具有较好的鲁棒性。图3 参数化结构基元示意
得到目标点云后，即可进行基元拟合。首先需要对基元进行建模，建模时本工作充分利用空间目标结构中存在的几何约束关系，如帆板与主轴相互垂直，且在主轴两侧对称分布，帆板中轴与舱体中轴相交等。引入这些约束可以缩小求解范围，提高模型精度。参数与模型间的对应关系如图3所示。
在对点云进行基元拟合时，采用点云与基元的最小二乘距离作为损失函数，并利用梯度下降数值优化算法进行求解。由于该算法的效果很大程度上取决于待优化参数初始值，因此在进行拟合前，首先对点云进行主成分分析以确定参数初始值。
由于能量累积三维重建得到的点云反映了目标的散射点，而通常目标结构上的散射点数量有限，因此其点云重建结果具有稀疏性，无法获得像光学三维重建一样的稠密点云，在进行拟合时，算法中的不确定性增加，可能会使拟合结果误差较大。除此之外，在雷达成像时，目标的结构自遮挡导致某些区域无法被雷达波照射到，获取的ISAR图像存在阴影区，因此重建得到的目标点云会出现缺失的情况。利用缺失点云拟合的基元可能无法较好地与实际模型匹配。针对上述问题，本工作引入了投影比对的方式，将拟合得到的基元模型投影至成像平面，与相应ISAR图像中的目标区域进行比较，利用图像交并比来评价基元与目标的相似度。不断优化基元参数，使相似度最大化，即可得到最优基元参数。在上述过程中，由于向成像平面投影这一步骤不可导，因此在计算中采用了粒子群算法来对参数进行优化。为了对算法的有效性进行分析，我们参照真实空间观测任务进行了实验。首先验证分割性能，其平均分割正确率为90.73%。图 4展示了对序列中三张ISAR图像的分割结果，可以看到在分割后的图像中，目标的帆板、主体结构以及背景被明显地区分开，证明了所提分割网络的有效性。
图4 ISAR图像分割结果
对分割后的ISAR图像序列进行点云重建，得到如图 5(a) 所示的点云。在该点云中，目标的帆板以及主体部分已经被不同颜色标出，可见点云形态能够反映目标航天器的基本结构，证明了所提二维图像分割-能量累积三维重建方法的有效性。图5（a）能量累积算法重建得到的目标点云 （b）点云基元拟合结果
接下来利用结构基元对重建得到的目标点云进行拟合。图5(b)展示了对重建点云进行基元拟合后的可视化结果，显示拟合的基元基本覆盖了点云。然而从可视化结果可以发现拟合结果与目标真实结构相比仍存在一些明显的误差，如估计的帆板轴向略偏，帆板的宽度过大等。![]()
图6 基元在成像平面上的投影与目标ISAR图像的对比基于拟合得到的参数结果，对三维基元进行投影比对优化。实验结果显示，在未进行图像投影优化前，序列中所有50张图像的平均交并比为0.73，优化后为0.87。图 6展示了优化前后基元在成像平面上的投影与目标轮廓的对比。可见经过投影优化后，基元投影与目标基本上已经重合。最后，为了进一步说明该方法对目标ISAR图像进行三维表示的有效性，我们将所提算法与能量累积点云重建算法以及基于深度学习的基元拟合三维表示算法进行了对比。实验采用三维结构交并比作为性能指标。表2显示了在不同的距离阈值下，三种算法的点云交并比。可以看到所提算法在各个阈值下皆优于其他算法。图 7反映了三种算法对ISAR图像的重建结果与真值模型的对比。可以直观地发现利用本文所提算法得到的目标基元与目标真值模型匹配较好，且对模型描述的完整度较高。能量累积算法重建的点云虽然与真值模型贴合较好，然而在某些角度出现了大面积的缺失。而深度学习方法得到的结果与真值模型差异较大。上述对比结果证明了所提算法的有效性。图7 重建结果与目标真值三维结构对比图
在接下来的工作中，作者将在暗室半实物仿真数据以及空间目标实测ISAR数据上对所提算法有效性进行验证，另一方面，作者将探索更具有普适性、更加复杂的目标三维基元表示形式，以适应更多的空间目标类型。
王粲雨，博士生，研究方向为空间目标图像解析、多传感器融合等。
任笑圆，讲师，研究方向为计算机视觉、三维重建及姿态估计等。王 壮，教授，研究方向为雷达信号处理、空间目标监视等。
![]()
会议阵容 | 首届雷达学术前沿大会(RAFC 2024)第二轮通知
会议预告 | 雷达成像技术论坛 · 首届雷达学术前沿大会
会议预告 | 雷达识别技术论坛 · 首届雷达学术前沿大会
会议预告 | 雷达对抗技术论坛 · 首届雷达学术前沿大会
会议预告 | 新体制雷达论坛 · 首届雷达学术前沿大会
【成果】基于广义keystone和频率变标的微波光子ISAR高分辨实时成像算法
【成果】基于几何约束移动最小二乘的TomoSAR山区点云高精度三维重建方法（视频）
【成果】基于特征复用的膨胀-残差网络的SAR图像超分辨重建
【成果】基于可解释深度卷积网络的空时自适应处理方法（视频）
【综述】微波视觉与SAR图像智能解译（视频）
重要进展 | 非合作人造目标SAR三维重建技术
学术报告 | 多角度SAR三维成像技术研究进展（视频）
学术报告 | 分布式无人机SAR智能三维成像（视频）
博士论坛 | 分布式无人机SAR层析三维成像（视频）
《中文核心期刊要目总览》2023年版发布！《雷达学报》位列电子技术、通信技术类第一位
![]()
编辑：程东阳
欢迎转发本号原创内容，转载和摘编需经本号授权并标注原作者和信息来源为《雷达学报》。本号发布信息旨在传播交流，其内容由作者负责，不代表本号观点。如涉及文字、图片、版权等问题，请在20日内与本号联系，我们将第一时间处理。《雷达学报》拥有最终解释权。
