基于AI 芯片的微波自適應(yīng)光學(xué)成像處理技術(shù)

鄒暢

（遼寧省沈陽市種業(yè)發(fā)展中心，遼寧 沈陽110034）

1 概述

微波成像是遙感技術(shù)的重要組成部分，可以獲得農(nóng)作物生長狀態(tài)、高度、含水量等定量化的信息，為農(nóng)作物的病蟲害防治、估產(chǎn)和日常管理提供廣域高效的信息獲取手段。

傳統(tǒng)的微波成像處理主要是通過高性能計算機(jī)在離線狀態(tài)下計算完成的，需要對飛行平臺的姿態(tài)進(jìn)行精細(xì)化的運動補償才能得到良好的成像效果。隨著雷達(dá)成像分辨率的不斷提升，目前在X 波段已經(jīng)達(dá)到0.1m 量級的成像能力，且飛行平臺不斷呈小型化和多樣化的發(fā)展趨勢，平臺的穩(wěn)定度和姿態(tài)測量能力較差，這些技術(shù)上的變化為微波成像處理帶來了極大的挑戰(zhàn)。隨著分辨率的提升需要進(jìn)行更加精細(xì)化的運動補償，而微小型的飛行平臺難以保持一個穩(wěn)定的姿態(tài)或進(jìn)行精確的姿態(tài)測量，這就使得計算成像中的圖像質(zhì)量發(fā)生降級。

為解決這一問題，本文在傳統(tǒng)微波計算成像的基礎(chǔ)上，通過將微波數(shù)據(jù)調(diào)制到激光束上，利用光學(xué)聚焦手段配合以AI 芯片對成像質(zhì)量進(jìn)行判斷實現(xiàn)微波成像的實時自適應(yīng)處理。本文的結(jié)構(gòu)如下第2 節(jié)就系統(tǒng)架構(gòu)進(jìn)行分析，第3 節(jié)就AI 芯片的自適應(yīng)處理進(jìn)行論述，第4 節(jié)給出仿真和試驗結(jié)果，第5 節(jié)是全文總結(jié)。

2 基于AI 芯片的微波成像系統(tǒng)結(jié)構(gòu)

微波成像的體制是合成孔徑雷達(dá)（SyntheticApertureRadar,SAR）體制，SAR 的光學(xué)聚焦處理原理與歷史上的SAR 光學(xué)處理器相似，將SAR 的回波信號調(diào)制到光的波前上，將回波信號轉(zhuǎn)換為光的波前分布，利用傅立葉變換透鏡完成必要的變換處理，利用變形鏡完成需要的聚焦面型結(jié)構(gòu)，補償?shù)舴轿缓途嚯x兩方向的聚焦相位差，再利用凸透鏡實現(xiàn)成像結(jié)果的聚焦，并利用CCD 相機(jī)完成圖像的采集。其原理如下圖中所示。

圖1 光學(xué)成像原理

本文實現(xiàn)SAR 的自適應(yīng)聚焦原理在于采用變形鏡，根據(jù)聚焦的效果自適應(yīng)的調(diào)節(jié)變形鏡的面型，通過迭代最終實現(xiàn)對SAR 數(shù)據(jù)的精確聚焦處理。其技術(shù)原理如下圖所示。

圖2 基于AI 芯片的自適應(yīng)處理系統(tǒng)框圖

3 基于AI 芯片的自適應(yīng)處理

針對本文的研究目標(biāo)，首先嘗試開展在焦距固定的條件下，通過自適應(yīng)的調(diào)節(jié)目標(biāo)位置，相當(dāng)于調(diào)節(jié)聚焦的二次曲面面向，利用菲涅耳衍射原理仿真計算這一過程。利用這一研究結(jié)果初步判斷基于AI 芯片的SAR 自聚焦成像處理的技術(shù)可行性。以上過程可以采用簡單的透鏡成像過程加以描述。凸透鏡成像可調(diào)整的參數(shù)為透鏡的尺寸、像素點的大小、物距、相距、焦距、波長。使用模型對26 張圖片進(jìn)行處理，產(chǎn)生了416 個樣本。如果直接將圖片輸入進(jìn)神經(jīng)網(wǎng)絡(luò)，時間復(fù)雜度會相當(dāng)高。使用PCA 算法進(jìn)行降維后，將原圖像由1600*1600 降維到415 維。在PCA 降維后，使用支持向量機(jī)，用16 張圖片進(jìn)行訓(xùn)練，10 張圖片用于測試，發(fā)現(xiàn)準(zhǔn)確率迅速下降，但是調(diào)整各種參數(shù)后準(zhǔn)確率有所提升。為了確定最佳參數(shù)，將26 張圖片分成5 組，最后一張用于測試，然后從5 組取三組分別建立model（共10 個model），再用未參與建設(shè)模型的圖片測試（取ABC 三組建立模型，用DE 測試，再取ABD 三組，用CE 測試……），最后取結(jié)果的平均值。枚舉參數(shù)的各種取值后發(fā)現(xiàn)，準(zhǔn)確程度最高能夠達(dá)到93.75%。

對93.75%中判斷錯誤的點進(jìn)行計數(shù)，發(fā)現(xiàn)距離較遠(yuǎn)時支持向量機(jī)的判斷出現(xiàn)了明顯的錯誤。檢查透鏡成像的模型后發(fā)現(xiàn)，當(dāng)放大倍數(shù)較大時，1600*1600 的圖像不能近似等效成1600*1600 個點光源。為盡可能模擬實際情況，目前的想法是根據(jù)放大倍數(shù)對圖像進(jìn)行按范圍取均值，即若放大10 倍，每個點等同于它周圍半徑為10 的點的平均值，除此之外，圖像單位面積的能量存在差異（比如放大10 倍的圖像會比較亮），但是在模型構(gòu)造時直接將圖像上所有點的光強(qiáng)投影在0-1 上，這個問題就得以解決。

下圖中給出了利用神經(jīng)網(wǎng)絡(luò)自適應(yīng)實現(xiàn)二次相位匹配成像的過程。

圖3 二次相位成像驗證試驗原理

在試驗中采用了較為簡單的凸透鏡聚焦試驗?zāi)Ｐ?，其中像距d 和凸透鏡的焦距f 保持不變，目標(biāo)的物距在支撐向量機(jī)的作用下進(jìn)行自適應(yīng)的調(diào)整，以期獲得良好的聚焦成像效果。下圖給出了在較大距離范圍內(nèi)實現(xiàn)自動聚焦的過程。

圖4 二次相位成像驗證試驗結(jié)果

其中在下面兩幅圖像中系統(tǒng)出現(xiàn)了一次過調(diào)的震蕩，但最后穩(wěn)定在了準(zhǔn)確的物距位置上。

4 SAR 圖像自動聚焦效果

本文采用深度學(xué)習(xí)網(wǎng)絡(luò)（VDNN）實現(xiàn)。本項目與目前流行的圖像重建存在一定的差異圖像重建是通過神經(jīng)網(wǎng)絡(luò)直接輸出重建圖像的結(jié)果，而在本項目中SAR 圖像的結(jié)果是通過光學(xué)系統(tǒng)處理得到的，而神經(jīng)網(wǎng)絡(luò)輸出的僅是控制光學(xué)系統(tǒng)成像的面型數(shù)據(jù)。系統(tǒng)的工作模型如下圖中所示：

圖5 系統(tǒng)應(yīng)用模型

在上述應(yīng)用模型下，相應(yīng)的訓(xùn)練機(jī)制可以描述為以下形式

圖6 系統(tǒng)訓(xùn)練模型

在上圖的訓(xùn)練模型中，為訓(xùn)練網(wǎng)絡(luò)在復(fù)雜飛行軌跡條件下的成像適應(yīng)能力，通過將回波數(shù)據(jù)加上一定的擾動模擬飛行平臺的非穩(wěn)定性波動?；夭〝?shù)據(jù)在沒有擾動條件下成像得到的結(jié)果作為理想圖像，而訓(xùn)練的神經(jīng)網(wǎng)絡(luò)系統(tǒng)能夠控制變形鏡的面型實現(xiàn)成像處理，而獲得的結(jié)果利用代價函數(shù)計算得到偏差，再傳給訓(xùn)練機(jī)制對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

網(wǎng)絡(luò)的結(jié)構(gòu)如下圖所示。

圖7 網(wǎng)絡(luò)結(jié)構(gòu)

主要借鑒了VGGNet(Visual Geometry Group Network)的實現(xiàn)形式，具有20 個卷積層，每次具有64 個3×3×64 的濾波器，每個濾波器采用的是ReLU 結(jié)構(gòu)，其形式如下:

其中Y 為輸入，F(xiàn)n為第n 個卷積層輸出，Wn為權(quán)值矩陣，Bn為偏置。

訓(xùn)練集中的一個訓(xùn)練樣本涵蓋1000 個以上的距離門，圖像內(nèi)容包括艦船、島嶼、橋梁等典型目標(biāo)，場景也選擇為海洋場景和陸地場景等，共形成約3 萬的訓(xùn)練數(shù)據(jù)集切片。SAR 的數(shù)據(jù)均為X 波段雷達(dá)數(shù)據(jù)，分辨率由3 米至0.3 米，數(shù)據(jù)來源有機(jī)載數(shù)據(jù)和星載數(shù)據(jù)。

下面給出了聚焦試驗的切片處理結(jié)果

圖8 陸地場景自適應(yīng)聚焦

圖9 艦船目標(biāo)自適應(yīng)聚焦

5 結(jié)論

本文研究了一種利用AI 芯片實現(xiàn)光學(xué)成像系統(tǒng)自動成像的技術(shù)方法，利用仿真數(shù)據(jù)和實測數(shù)據(jù)均取得良好效果，可以為后續(xù)裝備的研制提供了全新的技術(shù)解決方案。