Download detección de blancos extensos en entornos marinos y terrestres

DETECCIÓN DE BLANCOS EXTENSOS
EN ENTORNOS MARINOS Y
TERRESTRES BASADA EN
DESCRIPTORES
Jaime Calvo Gallego
Departamento de Señales, Sistemas y
Radiocomunicaciones
Universidad Politécnica de Madrid
e-mail: [email protected]
Abstract- Nowadays, most of sensors systems, such as
radars
and
electro-optical
sensors,
provide
high-resolution targets, at least in rage dimension, and
conventional detection techniques are not focused to
detect those targets. This paper presents a new technique
able to detect extended targets within sea and ground
clutter, under very low signal-to-clutter ratios (SCR) and
signal-to-noise ratios (SNR). The method is based on the
calculation of some modified statistical descriptors, and
the peak plots from raw sensor image. The peak plots are
extracted by means of the shift-and-convolution
technique.
Experimental
results
are
also
presented
demonstrating the quality of this technique.
Experimental results have been obtained with ARIES
radar, a surface marine and coast surveillance
high-resolution radar (HRR) working in X band mode,
and with an image radar sensor working in millimeter
wavelength band.
I.
INTRODUCCIÓN
Una de las características principales de los radares de
alta resolución (HRR) [1] y de los sensores electro-ópticos
activos [2], [3], es que los blancos detectados son extensos
[4], esto es, ocupan más de una celda de resolución en
distancia. La mayoría de las técnicas tradicionales de
detección que se están aplicando a los sensores de alta
resolución realizan procesados unidimensionales. Otras
técnicas más eficientes necesitan realizar procesados
coherentes (utilizando información de módulo y fase) [5],
suelen ser fuertemente dependientes de la aplicación
concreta para la que se han desarrollado, y sólo
proporcionan buenos resultados bajo unas condiciones muy
específicas de funcionamiento.
Todo ello induce a pensar que las técnicas empleadas
hasta ahora son, en gran medida, extensiones de las
utilizadas en radares convencionales de vigilancia y están
orientadas a resolver problemas muy concretos, pero no
están optimizadas para explotar las características que
Félix Pérez Martínez
Departamento de Señales, Sistemas y
Radiocomunicaciones
Universidad Politécnica de Madrid
e-mail: [email protected]
ofrecen los nuevos sensores radar que incorporan los
avances de las tecnologías de radiofrecuencia (permitiendo
la generación y recepción de señales de anchuras de banda
cada vez más elevadas) y de las técnicas de procesado de
señal (con capacidad de realizar algoritmos cada vez más
complejos en tiempo real).
Con el objeto de proporcionar una de detección adaptada
a las características de los nuevos sensores, y que aproveche
las características bidimensionales de las imágenes ofrecidas
por los mismos, se ha desarrollado la técnica que se presenta
en este artículo.
La técnica se basa en el cálculo de una serie de
descriptores estadísticos de los puntos calientes, extraídos de
las imágenes crudas captadas por los sensores de alta
resolución por medio del algoritmo de retardo y convolución
[6], [7]. Esta técnica es aplicable tanto a sensores
electro-ópticos como a sensores radar de alta resolución.
Se presentan dos conjuntos de resultados experimentales
obtenidos con dos sensores radar muy diferentes. Ambos son
de alta resolución, pero uno de ellos opera en modo
exploración en entorno de clutter marino, y el otro en modo
seguimiento en entorno de clutter terrestre.
En la fig. 1 se presentan las fotografías de ambos
sensores y las matrices de datos de entrada al proceso
propuesto en este trabajo. La primera matriz corresponde a
los datos de amplitud de los ecos recibidos en cada una de
las celdas acimut-distancia obtenidos por el radar ARIES [8]
en respuesta a los periodos consecutivos de señal
transmitidos. El segundo sensor, un radar imagen en banda
de milimétricas [9], suministra una matriz distancia-doppler
manteniendo el haz de su antena apuntando a un área
concreta y realizando una FFT ponderada sobre varios ecos
consecutivos recibidos en cada una de las celdas de
distancia. De este modo, discrimina por su velocidad los
diferentes blancos situados en las mencionadas celdas.
II. DETECCIÓN BASADA EN DESCRIPTORES
En la fig. 1 también se muestra el diagrama de bloques
de la nueva técnica de detección. La primera etapa consiste
CALCULO DE
DESCRIPTORES
Puntos Calientes
Ruido & Clutter
EXTRACTOR RUIDO & CLUTTER
mediana (Puntos
Calientes)
ALGORITMO RyC
U=2
Low Threshold
Descriptores
DETECCION Y
LOCALIZACIÓN
mediana / máx
Blanco & Ruido & Clutter
Normalizado
máx. (Puntos
Calientes)
ALGORITMO RyC
U=2
U=2
Threshold
Descriptores
Blanco & Ruido & Clutter
(Imagen cruda radar)
CALCULO DE
DESCRIPTORES
Low Threshold
ALGORITMO RyC
Puntos Calientes
Fig. 1. Parte superior izquierda: radar ARIES y matriz datos distancia-acimut, de entrada al algoritmo, obtenida en modo exploración. Parte superior
derecha: sensor radar imagen en bada de milimétricas y matriz distancia-doppler, de entrada al algoritmo, obtenida en modo de seguimiento. Parte
inferior: Diagrama de bloque de la técnica de detección basada en la extracción de descriptores y el algoritmo de retardo y convolución.
en extraer zonas que contengan exclusivamente clutter y el
ruido inherente, y se le extraen los puntos calientes a la
imagen bidimensional resultante con el algoritmo de retardo
y convolución (con un umbral muy bajo para poder obtener
el mayor numero de puntos calientes posibles, y un
desplazamiento, U, de dos celdas que se ha estimado como
óptimo). De estos puntos calientes se extraen los
descriptores estadísticos de la mediana, el momento de tercer
orden adaptado, la uniformidad adaptada y la entropía
adaptada. La mediana se utilizará para realizar el cálculo de
un umbral para el algoritmo de retardo y convolución que se
aplica a la imagen de entrada normalizada, de tal forma que
este umbral esté adaptado a las características de dicha
imagen. Se ha tomado el descriptor estadístico de la mediana
puesto que se ha observado que, en general, se adapta mejor
a las características de clutter y ruido para la mayoría de los
entornos incluyendo entornos heterogéneos. Los valores del
momento de tercer orden, uniformidad y entropía calculada
de esta matriz se utilizarán para establecer los umbrales de
detección e incrementar la precisión en la localización.
Los descriptores estadísticos empleados han sido
adaptados a las características de las imágenes crudas de los
sensores de alta resolución, y proceden del campo del
tratamiento digital de imágenes, concretamente de la parte
representación y descripción [10]. Los descriptores
estadísticos adaptados implementados tienen las siguientes
expresiones:
ƒ Momento de tercer orden (o tercer momento):
N
µ3 =
donde:
∑ (I
i
− m )3
i =1
N
(1)
Ii: intensidad o amplitud del punto caliente i.
m: valor medio de los puntos calientes.
N: número total puntos calientes por encima del umbral.
ƒ Uniformidad:
L
U =
∑
i =1
⎡ p(z i ) ⎤
⎢ N ⎥
⎣
⎦
2
(2)
zi: nivel de amplitud o intensidad i-esimo punto caliente.
p(zi): histograma de los niveles de los puntos calientes.
L: número de contenedores utilizados para realizar el
histograma, si el rango amplitudes dentro de la
imagen es elevado (ref. 100) se adopta el entero más
próximo a la décima parte del número de zi presentes
en la imagen considerada (o subárea de la misma).
ƒ Entropía:
L
e=−
⎡ p(z i ) ⎤
⎡ p (z i ) ⎤
⋅ log 2 ⎢
⎥
⎥
N ⎦
⎣ N ⎦
∑ ⎢⎣
i =1
(3)
En la segunda etapa se aplica el algoritmo de retardo y
convolución a la imagen de entrada normalizada (con un
umbral muy bajo y desplazamientos U=2, por
consideraciones análogas a la etapa anterior) extrayendo el
máximo de los puntos calientes. De esta forma, junto con el
resultado de la mediana obtenido en la etapa anterior se
efectúa el cociente de mediana/máximo para determinar el
valor del umbral para el algoritmo de retardo y convolución
aplicado en la tercera etapa (rama inferior del algoritmo).
De los puntos calientes, obtenidos de esta manera en la
última etapa, se calculan los mismos descriptores
estadísticos que en la etapa primera etapa. Con lo que en el
último paso se efectúa la decisión de detección utilizando los
descriptores de la primera rama para umbralizar los
descriptores de la última.
III. RESULTADOS EXPERIMENTALES
A continuación se presentan algunos de los numerosos
resultados experimentales obtenidos en entornos reales. Uno
de ellos en la detección de blancos en entornos de clutter
marino con el radar alta resolución en distancia ARIES, en
banda X, operando en modo exploración y vigilancia
superficial.
El segundo grupo de resultados ha sido obtenido con un
sensor radar imagen trabajando en la banda de ondas
milimétricas, operando en modo seguimiento en entornos de
clutter terrestre.
A. Detección de blancos en clutter marino con el radar
ARIES en banda X y modo exploración
La fig.2 muestra la foto del blanco bajo estudio, el
carguero Panda, y la imagen cruda radar. En la fig. 3 se
presenta la imagen de puntos calientes del blanco original en
entorno de clutter de mar, y dos imágenes del blanco
contaminadas con una SNR controlada de -3dB y 0dB.
El estudio se ha realizado para distintas posiciones en las
que se detectó el blanco, lo cual permite hacer un estudio
paramétrico de los descriptores en función del ángulo de
aspecto (definido como el ángulo formado entre la línea de
visión directa del radar y la línea que define la máxima
dimensión del barco). Adicionalmente se procedió a
contaminar el blanco con una SNR controlada, en cada una
de las posiciones en las que se detectó el blanco para
analizar la evolución de los descriptores con la SNR. Los
resultados del estudio paramétrico del comportamiento de
los descriptores simultáneamente con el ángulo de aspecto y
la SNR se representan en la fig. 4. El análisis de la media y
la varianza de estos resultados demuestran que los
descriptores son prácticamente inmunes al ángulo de
aspecto, y además, en todos los casos analizados, presentan
un comportamiento regular con la SNR de tal forma que
permite realizar la detección del blanco; este hecho se puede
observar en las gráficas de la fig. 5. En esta última figura se
presenta el valor de los descriptores obtenido de los puntos
calientes del clutter de mar, lo cual fija el umbral mínimo
para efectuar la detección del blanco. Así pues, elevando el
umbral de detección por encima de estos valores se obtendrá
la detección del blanco con valores cada vez menores de la
probabilidad de falsa alarma (Pfa). Nótese el bajo umbral a
partir del cual pueden ser detectados los blancos en
condiciones de muy baja SNR.
B. Detección de blancos en clutter terrestre con el sensor
radar imagen en banda milimétricas y modo seguimiento
range (m)
Fig. 2. Carguero Panda. Izquierda: fotografia. Derecha: imagen
radar cruda capturada con el radar ARIES.
Análogamente al caso anterior, se ha procedido a realizar
un estudio similar. En este caso el algoritmo desarrollado se
aplicó a la detección de blancos en clutter terrestre, en
concreto, a continuación se presenta el ejemplo de un coche
captado en condiciones de escasa luz visible. La fig. 6
muestra la foto del coche, y las matrices distancia-doppler
del mismo en distintas posiciones del blanco.
cross-range (m)
Fig. 3. Izquierda: puntos calientes del carguero Panda en la posición
314.986º de acimut y 6207m de distancia. Centro y derecha:
carguero Panda contaminado con SNR = -3dB y 10dB
respectivamente.
Fig. 4. Tercer momento, uniformidad y entropía adaptadas, del
carguero Panda, en función del ángulo de aspecto y de la SNR.
3ermom clutter mar: 0.0045
SNR de corte 0.1123dB
Unif clutter mar: 0.1797
SNR de corte -2.7618dB
Entropía clutter mar: 2.7874
SNR de corte -2.1899dB
Fig. 5. Para cada descriptor del Panda: valor medio de todos los ángulos de aspecto (mAA), varianza (σ2AA), y umbrales de detección (thdetec).
Los resultados experimentales obtenidos en condiciones
similares al caso anterior se representan en fig. 7 y fig. 8. En
este caso cabe hacer consideraciones análogas al caso
anterior.
IV. CONCLUSIONES
La técnica de detección de blancos extensos es adecuada
para todo tipo de sensores de alta resolución, como son los
sensores radar de alta resolución y los sensores
electro-ópticos, ofreciendo muy buenos resultados en
condiciones de clutter marino y terrestre, y haciendo posible
la detección de blancos para niveles muy desfavorables de
SNR. Como ventajas adicionales del algoritmo presentado
cabe destacar:
ƒ Utiliza la señal de video de amplitud de cualquier sensor
de alta resolución con independencia de su banda de
trabajo o modo de operación, lo que hace posible que la
técnica sea de fácil aplicación y computacionalmente
eficiente.
ƒ Aprovecha las características bidimensionales de las
matrices de datos proporcionadas por los sensores de alta
resolución.
ƒ Es un algoritmo relativamente simple, lo que hace posible
que trabaje bien en tiempo real, haciendo posible llevar a
cabo la función de detección con otras funciones o modos
de operación de los sensores como son el de exploración y
el de seguimiento.
Los resultados experimentales obtenidos avalan la
bondad de esta técnica expuesta.
Fig. 6. Coche capturado con el radar en milimétricas. Izquierda:
fotografía. Derecha: imágenes doppler 2D del coche en cuatro
posiciones.
3ermom clutter tierra: 0.00178
SNR de corte -3.3758dB
AGRADECIMIENTOS
Este trabajo ha sido subvencionado por la Subdirección
General de Tecnología y Centros del Ministerio de Defensa,
y por los proyectos del plan nacional de I+D
TIC02-04569-C02-01 y TIC02-02657-C02-01. Así mismo,
deseamos agradecer a los empleados de Indra Sistemas S.A.
la ayuda ofrecida en todo momento.
REFERENCIAS
Donald R. Wehner, “High-Resolution Radar”, 2nd ed. Artech House
Publishers, 1995.
[2] David L. Shumaker and Joseph S. Accetta (Editors), “The Infrared and
Electro-Optical Systems Handbook”, SPIE-International Society for
Optical Engine, January 1999.
[3] Gerald C. Holst, “Electro-Optical Imaging Systems Performance”, Spie
Press, 1995.
[4] R. V. Ostrovityanov and F. A. Basalov, “Statisticheskaya teoriya
radiolokatsii protyazhennykh tseley (Statistical Theory of Extended
Radar Targets)”, in Russian, Radio i Svyaz, 1982; (trans.) Artech
House, 1985.
[5] August W. Rihaczek and Stephen J. Hershkowitz, “Radar Resolution
and Complex-Image Analysis.” Artech House, 1996.
[6] Félix Pérez Martínez, Javier García Fominaya and Mateo Burgos
García, "Technique for target detection and ranging based on
broadband LPI radars." Electronic Letters, 2001, Vol. 37, No. 12, pp.
784-786.
[7] Félix Pérez Martínez, Javier García Fominaya and Jaime Calvo
Gallego, "A Shift-and-Convolution Technique for High Resolution
Radar Images". IEEE Sensors Journal. Accepted paper to be published
in 2005.
[8] F. Pérez, A. Asensio, J. Gismero, J.I. Alonso, J.M. Monje, F. Casanova,
R. Cortijo, and J. Pérez, “ARIES: A High Resolution Shipboard
Radar.” Proceedings of the IEEE Radar Conference, 2002, 22-25 April
2002, pp. 148-153.
[9] A. Blanco del Campo, A. Asensio Lopez, B.P. Dorta Naranjo, J.
Gismero Menoyo, D. Ramírez Morán, C. Carmona Duarte, J.L.
Jimenez Martin, “Millimeter-wave radar demonstrator for higth
resolution imaging. Radar Conference”, 2004. EURAD. First
European. 11-15 Oct. 2004 Page(s): 65-68.
[10] Rafael C. González, and Richard E. Woods, “Digital Image
Proccesing”, 2nd ed. Addison-Wesley Publishing Company, 2002.
[1]
Fig. 7. Tercer momento, uniformidad y entropía adaptadas, del
carguero Panda, en función del ángulo de aspecto y de la SNR.
Unif clutter tierra: 0.1540
SNR de corte -3.1644dB
Entropía clutter tierra: 3.0879
SNR de corte -3.0606dB
Fig. 8. Para cada descriptor del coche: valor medio de todos los ángulos de aspecto (mAA), varianza (σ2AA), y umbrales de detección (thdetec).