面向海洋雷达PPI图像的在线鲁棒低秩增强与结构感知跟踪方法

《Journal of Marine Science and Engineering》：Online Robust Low-Rank Enhancement and Structure-Aware Tracking for PPI Images from Marine Radar Displays

　　

海洋雷达平面位置指示器（plan position indicator, PPI）图像可能是图像域后处理唯一可用的观测源，但弱目标类回波常被海杂波和持续结构回波掩盖。漏检会使航迹碎片化，而宽松的前端处理会产生过多候选。研究人员提出一种在线鲁棒低秩增强与结构感知跟踪方法。有限历史窗口通过Huber迭代重加权投影（Huber iteratively reweighted projection）支持背景估计，并融合原始强度、局部对比度、能量和正向稀疏残差证据，生成有序统计恒虚警率（ordered-statistics constant false alarm rate, OS-CFAR）型候选。随后利用结构占用、紧凑回波保护、多证据聚合和多窗口运动线索抑制结构诱导的伪运动。采用活动航迹优先关联、两阶段再关联和受限候选恢复保持航迹连续性。在一个雷达站点不同时间采集的三组PPI序列上，结构感知处理将平均候选负载从每帧61.16降至19.01。以逐帧密集视觉参考为基准，完整方法取得88.24%的F₁分数和76.09%的多目标跟踪准确率（multiple object tracking accuracy, MOTA）。结果表明，在评估的图像域条件下，该方法平衡了弱回波保留、结构诱导虚假激活抑制和航迹连续性。跨设备、站点和海况的泛化能力仍有待建立。

**研究背景与问题**：海洋雷达PPI（plan position indicator，平面位置指示器）图像可为近岸监视、避碰和海上态势感知提供连续全天候图像。弱目标类回波常被海杂波和持续结构回波掩盖；漏检会使航迹碎片化，而宽松前端会产生过多候选。海杂波统计随频率、观测几何和海况变化，单一固定模型不能描述所有工况。图像域处理需同时保留弱目标候选、抑制固定结构附近伪运动并在短检测间隙后保持航迹身份。已有统计建模、自适应CFAR、相干积累、特征判别、时序/图像域方法及AIS辅助跟踪等，但在仅有PPI显示图像时仍有三个耦合问题：背景增强如何提高弱回波覆盖而不让持续结构主导候选；仅利用显示层位置和形态如何区分真实时间运动与固定散射体闪烁；丢失航迹恢复如何提高连续性而不增加错误身份继承。因此研究人员开展本研究。

**研究开展与意义**：研究人员提出逐帧流水线，集成在线鲁棒低秩增强、结构感知候选处理和航迹连续性维护；低秩分量作为背景估计而非新RPCA（robust principal component analysis，鲁棒主成分分析）理论，贡献在于集成有限历史背景建模、持续结构先验、两阶段关联和可审计受限恢复，并评估其效果与局限。结论显示在评估的图像域条件下方法平衡弱回波保留、结构诱导虚假激活抑制和航迹连续性；跨设备、站点和海况泛化仍待建立。其意义是为仅显示层PPI图像提供可审计的图像域处理方案。

**关键技术方法**：输入为时间有序PPI图像序列，仅用当前帧和有限历史前帧，不用未来帧。以像素中位数和MAD（median absolute deviation，中位绝对偏差）构造鲁棒中心与尺度，截断后经Gram矩阵特征分解得低秩基，用Huber迭代重加权投影估计背景与正稀疏残差；融合原始强度、正稀疏响应、局部高斯对比度和局部能量，经分位数归一化与幂压缩，采用OS-CFAR（ordered-statistics constant false alarm rate，有序统计恒虚警率）型有序统计阈值和NMS（non-maximum suppression，非极大值抑制）生成候选。结构占用、紧凑回波保护、邻域聚合和结构峰链约束压缩候选；恒速卡尔曼滤波、NIS（normalized innovation squared，归一化新息平方）门控、匈牙利分配、4/7确认、两阶段再关联和受限候选恢复维护连续性。数据来源为同一海洋雷达站点三个非重叠时段PPI显示图像序列SEQ1–SEQ3，各100帧、约3.0 s间隔、尺寸约930×930像素；SEQ1用于开发与主消融，SEQ2/SEQ3固定参数验证；雷达为LMR6072 X波段，ANT018天线，16 NM量程，距离分辨率120 m。

**研究结果**：

**3.2 候选保留与结构约束消融**：通过B0–B5和完整方法消融，B0直接CFAR仅命中22/59个有效T_ref框，低秩前端后B1–B5及完整方法均59/59；候选负载由B0的11.61/帧升至B1的61.16/帧；B4结构聚合后降至19.01/帧，较B3降68.92%，命中仍59/59；R_ref区域M类命中B2为60/60、B3为53/60、B4为2/60、B5为1/60、完整方法为2/60。说明前端主要提高候选覆盖，结构约束主要压缩冗余结构峰；完整方法因恢复使候选略升至19.39/帧，并非所有结构抑制指标最优。

**3.3 航迹连续性与三序列验证**：B2/B3均为7个参考航迹片段、8次ID切换，对象级ID连续性86.25%；B4片段8、切换9、连续性82.92%；B5加两阶段再关联后片段和切换均3，连续性92.92%；完整方法均2，连续性96.25%。最终T_ref M类命中B2–B4为56/59，B5和完整方法57/59；在线T_ref M类命中B5为40/59，完整方法43/59。逐序列中SEQ2/SEQ3最终M类命中与ID连续性均100%，SEQ1存在2片段2切换及在线/最终9/14、12/14。说明剩余连续性问题集中于SEQ1，固定参数支持同站点跨时段稳定性，不能证明跨海区/设备泛化。

**3.4 再关联视觉审计**：从806次接受再关联中风险分层选30个非重复事件，21个保持清晰身份一致性、7个错误跳变、2个无法唯一判断；确定事件一致性75.0%，低风险6/6正确，高方向惩罚8/9正确，长间隙6正确3错误1不确定，高结构/高成本1正确3错误1不确定。审计为风险分层非随机，不能估计全部事件正确率；再关联需同时看连续性收益和错误合并风险，高结构概率及总成本接近接受上限事件是薄弱工况。

**3.5 统一计时协议下计算成本**：B0为0.257 s/帧，B1为0.497 s/帧，B2为0.579 s/帧，B3为0.587 s/帧，B4为0.519 s/帧，B5为0.524 s/帧，完整方法0.530 s/帧。完整方法为约3.0 s帧间隔的17.7%，核心处理率约5.66倍数据到达率；不含采集、通信、显示和长期调度成本。

**3.6 逐帧密集参考评价与外部基线比较**：300帧密集参考含1150个有效实例、19条航迹；完整方法TP964、FP71、FN186，Precision 93.14%、Recall 83.83%、F₁ 88.24%、MOTA（multiple object tracking accuracy，多目标跟踪准确率）76.09%、IDF1 78.08%、HOTA_c（center-distance form of Higher Order Tracking Accuracy，基于中心距离的高阶跟踪准确率）69.70%，平均中心误差2.195像素。SEQ2 Precision 76.63%，FP集中于中央固定结构边缘；SEQ3 Precision 99.04%但16次ID切换使IDF1降至68.23%。双标注预裁决一致性中Precision 98.59%、Recall 97.39%、F₁ 97.99%、IDF1 95.01%。SEQ2–SEQ3留出外部比较中完整方法F₁ 84.72%、MOTA 67.22%、IDF1 71.86%、HOTA_c 64.60%，优于GMM-KF（Gaussian mixture model–Kalman filter，高斯混合模型-卡尔曼滤波）的70.21%、29.72%、60.31%、56.31%；Median-CFAR-KF和LR/OS-CFAR–JPDA–KF（joint probabilistic data association，联合概率数据关联）因大量假阳性呈负MOTA。负MOTA是错误数超参考实例数，不表示计算失败；结果表征所评估基线配置，不意味JPDA普遍失败。

**3.7 关键参数敏感性**：采用OFAT（one-factor-at-a-time，单因素逐次变化）设计，八参数各五值、三序列宏平均。τ_s、ρ和L_min在测试范围内最终指标相同，为局部平台；κ_c、κ_h和r呈有界变化；L_h和G_max影响最大，默认L_h=14优于8和11帧，G_max=10偏重身份连续并限制错误候选长期竞争。该分析仅描述局部单参数行为，不测试交互、不证明普适鲁棒。

**3.8 适用性与有效性威胁**：结构效度受参考源与匹配形式限制；稀疏参考用于模块诊断，密集参考含1150实例19航迹，ID由PPI连续性建立，匹配用中心距离而非边界框IoU；双标注同源PPI，无AIS（automatic identification system，自动识别系统）或标定原始雷达独立物理身份。外部效度受样本量和场景同质性限制：三序列同站点同区域，各约5 min、共约15 min；固定参数评价仅支持该站点跨时段稳定，不应外推其他海区、海况、雷达设备或安装高度。方法作用于显示层PPI而非标定原始回波，绝对幅度、相位、多普勒和原始杂波统计不能可靠重建；显示配置变化时空间与时间设置需再验证。再关联审计为风险分层抽样，不能估计806事件总体正确率。

**讨论总结**：讨论部分强调结果受图像域参考、同站点短时数据、显示层非标定数据和风险分层审计限制，支持在所述图像域、站点和时段条件下对检测与身份连续性进行定量评估，泛化尚未验证。

**研究结论翻译**：研究人员开发了仅依赖海洋雷达PPI显示图像时的图像域流水线，针对弱目标类候选丢失、持续结构回波周围伪运动、短检测间隙后航迹碎片化三个耦合问题，结合有限历史在线鲁棒低秩背景建模、多证据候选检测、结构感知聚合、运动证据分类、两阶段再关联和航迹引导受限恢复。低秩投影用作逐帧背景估计器，而非新的RPCA理论；处理仅用当前帧和先前帧，不需要AIS输入。三序列消融显示，在线鲁棒低秩前端将有效T_ref参考框候选命中从B0的22/59提高至59/59，但平均候选负载从11.61/帧升至61.16/帧；结构感知聚合和峰链约束保持59/59候选命中，同时将平均候选数降至19.01/帧，并将R_ref区域M类命中从B3的53/60降至B4的2/60。这些结果支持结构约束在所选固定结构参考区域的抑制效果，但不等于全场景Precision、Recall或虚警率。航迹连续性方面，两阶段再关联将B4的参考航迹片段和ID切换从8和9降至B5的3和3；完整方法进一步降至2和2，对象级ID连续性均值达96.25%，最终T_ref M类命中57/59。风险分层视觉审计显示30个事件中21个保持清晰身份一致性、7个错误连接、2个无法唯一判断；长间隙和高结构/高总成本是主要失败场景。因此再关联被视为连续性收益与错误合并风险并存的模块，接受事件数不直接解释为正确事件数。对逐帧密集视觉参考，完整方法在300帧上总体Precision、Recall、F₁、MOTA、IDF1和HOTA_c分别为93.14%、83.83%、88.24%、76.09%、78.08%和69.70%。在留出SEQ2和SEQ3上，所提方法在F₁、MOTA、IDF1和HOTA_c上分别超过GMM-KF 14.51、37.50、11.55和8.29个百分点，同时将累计假阳性从313降至71。敏感性分析识别出结构聚合阈值0.15–0.35的稳定平台，并发现历史窗口长度和再关联间隔对背景鲁棒性和身份连续性有可测影响。统一CPU协议下方法需0.530 ± 0.020 s/帧，低于约3.0 s帧间隔。上述结论限于一个站点三个时段共约15 min的显示层PPI图像；跨场景和跨设备泛化仍未验证。未来验证应包括更多站点、海况、安装几何和雷达设备的更长记录，并在可用时使用标定原始雷达测量或AIS/设备记录评估跨场景参数可迁移性和独立目标身份一致性。