Detection and characterization of small vehicles using RADARSAT-2 Spotlight mode data

Abstract

During the winter of 2009–2010, Defence R&D Canada – Ottawa collected time series data to characterize the Spotlight mode on RADARSAT-2 for change detection in urban vehicle compounds, specifically for small vehicles during wintertime conditions. Corresponding to each image acquisition, three trihedral corner reflectors and five full-sized pick-up trucks were deployed with known locations and orientations. This paper describes the collection, processing, and analysis of two time series of RADARSAT-2 Spotlight mode images acquired over the Shirleys Bay Campus (west Ottawa) between December 2009 and April 2010. The first time series consists of six Spotlight A (SLA) 19 mode ascending orbit images acquired on consecutive 24-day repeat cycle passes. The second time series consists of six SLA17 mode descending orbit images, also acquired on consecutive 24-day repeat cycle passes. The 24-day separation of the images ensured consistent geometry and allowed for precise (sub-pixel) co-registration of the individual images using interferometric processing. This paper describes the measurement of radiometric properties, including the radar cross section and the peak-to-clutter ratio, for the known targets and it describes the use of an automatic target detection algorithm and interactive target validation tools to assist with site monitoring. It was found that precise (sub-pixel) orthorectification and co-registration of the imagery is essential for use of a vector mask to constrain the automatic target detection analysis. A single set of detection parameters could be applied to all images (both ascending and descending); tuning of parameters for specific images was not required. Most target vehicles (pick-up trucks) were detected and there were few false alarms. For the 12 images and the selected detection parameters, the average probability of detection was greater than 98%, whereas the average False Alarm Rate was on the order of 10^–4 per pixel (i.e., one false detection per 10⁴ pixels). Identification of small vehicles was not possible via visual inspection; neither length nor orientation could be correctly estimated. However, the detection of targets with RADARSAT-2 Spotlight mode data can contribute to site monitoring.

Au cours de l'hiver 2009–2010, Recherche et développement pour la défense Canada – Ottawa a recueilli une série chronologique de données afin de caractériser le mode « spotlight » de RADARSAT-2 pour la détection de changements dans les images composées de véhicules urbains, particulièrement pour les petits véhicules dans des conditions hivernales. Lors de chaque acquisition d'image, trois réflecteurs trièdres et cinq camionnettes pleine grandeur ont été mis en place avec une position et une orientation connues. Le présent article décrit la collecte, le traitement et l'analyse de deux séries chronologiques d'images en mode « spotlight » de RADARSAT-2 acquises au-dessus du campus Shirleys Bay (dans l'ouest d'Ottawa) entre décembre 2009 et avril 2010. La première série chronologique est constituée de six images en mode SLA19 acquises en orbite ascendante lors de survols consécutifs avec un intervalle de survol de 24 jours. La deuxième série chronologique est constituée de six images en mode SLA17 acquises en orbite descendante qui ont également été prises lors de survols consécutifs avec un intervalle de 24 jours. La séparation de 24 jours des images assure la concordance de la géométrie et permet une mise en correspondance précise (de l'ordre du sous-pixel) des images au moyen du traitement interférométrique. Le présent article décrit la mesure des propriétés radiométriques, y compris la surface équivalente radar et le rapport crête/fouillis, pour les cibles connues ainsi que l'utilisation d'un algorithme de détection automatique de cibles et d'outils interactifs de validation de cible pour aider à la surveillance d'un site. Il s'est avéré qu'une orthorectification et une mise en correspondance précise (avec une précision de l'ordre du sous-pixel) des images sont essentielles pour pouvoir utiliser un masque vectoriel afin d'imposer des contraintes sur l'analyse. Un ensemble unique de paramètres de détection a pu être appliqué à toutes les images (ascendantes et descendantes); il n'a pas été nécessaire d'ajuster les paramètres pour une image ou une autre. La plupart des véhicules cibles (camionnettes) ont été détectés et il y a eu peu de fausses alarmes. Pour les 12 images et les paramètres de détection choisis, la probabilité de détection moyenne est de plus de 98 %, tandis que le taux de fausse alarme moyen est de l'ordre de 10⁻⁴ par pixel (une fausse détection par 10⁴ pixels). L'identification de petits véhicules par inspection visuelle n’était pas possible. Ni la longueur, ni l'orientation ne pouvaient être évaluées correctement. Toutefois, la détection de cibles au moyen de données du mode « spotlight » de RADARSAT-2 peut contribuer à la surveillance d'un site.

Acknowledgements

The authors would like to thank Dr. Paris W. Vachon (DRDC Ottawa) and two anonymous referees for valuable comments that helped to improve the manuscript.