基于灰度特性的海天背景小目標(biāo)檢測(cè)

董宇星，劉偉寧

（1.中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所，吉林 長(zhǎng)春 130033；2.中國(guó)科學(xué)院研究生院，北京 100039）

基于灰度特性的海天背景小目標(biāo)檢測(cè)

董宇星1，2，劉偉寧1

（1.中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所，吉林 長(zhǎng)春 130033；2.中國(guó)科學(xué)院研究生院，北京 100039）

針對(duì)復(fù)雜海天背景下的小目標(biāo)檢測(cè)存在海浪、云層干擾等問(wèn)題，提出了先提取海天線，然后利用一維最大熵閾值分割法對(duì)出現(xiàn)在天空、海面或者海天線附近特定區(qū)域的目標(biāo)進(jìn)行檢測(cè)的算法。該算法主要利用天空海面行灰度均值特性，結(jié)合梯度運(yùn)算和形態(tài)學(xué)運(yùn)算在海天線的潛在位置中檢測(cè)邊緣，進(jìn)而用強(qiáng)魯棒性的Hough變換直線檢測(cè)法擬合海天線，實(shí)現(xiàn)對(duì)海天線的準(zhǔn)確定位。實(shí)驗(yàn)處理分辨率為256 pixel×256 pixel的位圖時(shí)，定位海天線需時(shí)4.1ms，檢測(cè)到目標(biāo)需時(shí)5.3ms，完全滿足高幀頻圖像處理的實(shí)時(shí)性要求。實(shí)驗(yàn)結(jié)果表明，該算法能夠快速、準(zhǔn)確地檢測(cè)出小目標(biāo)，大大降低了虛警率。

小目標(biāo)檢測(cè)；海天線；灰度特性；背景分析；圖像處理

1 引言

船載電視跟蹤系統(tǒng)用于對(duì)海天背景下的小目標(biāo)進(jìn)行捕獲和跟蹤，主要是通過(guò)單幀圖像處理捕獲和跟蹤結(jié)果，其難點(diǎn)在于消除海空背景所形成的強(qiáng)雜波，提高對(duì)單幀圖像中小目標(biāo)的檢測(cè)能力。由于天空和海洋背景［1］的灰度、噪聲特性差異較大，而且復(fù)雜的海天背景中，移動(dòng)的海面和起伏的波浪反光會(huì)使圖像的信噪比和對(duì)比度等信息都隨著浪高、距離和太陽(yáng)位置的不同而不斷變化，背景變化復(fù)雜。如果對(duì)近海目標(biāo)直接進(jìn)行全局檢測(cè)和處理，很可能會(huì)把海面附近的強(qiáng)噪聲點(diǎn)作為目標(biāo)，造成很高的虛警率。

單幀?？?qǐng)D像可劃分為天空區(qū)域、海天線區(qū)域和海面區(qū)域。在海天線附近，云層干擾和海面雜波干擾組成的復(fù)雜?？毡尘笆棺詣?dòng)目標(biāo)捕獲、跟蹤的困難較大。如果先檢測(cè)出海天線區(qū)域，就可以在一定程度上降低后續(xù)小目標(biāo)檢測(cè)的難度。因此，本文提出首先確定海天線位置，然后針對(duì)目標(biāo)出現(xiàn)的不同位置，在特定的區(qū)域中檢測(cè)目標(biāo)。傳統(tǒng)的Canny［2］算子在對(duì)圖像進(jìn)行邊緣檢測(cè)時(shí)，需要對(duì)圖像數(shù)據(jù)進(jìn)行高斯平滑運(yùn)算、梯度運(yùn)算、非極值抑制及雙門限檢測(cè)運(yùn)算，需要很大的存儲(chǔ)空間和計(jì)算時(shí)間，很難做到高幀頻圖像處理的實(shí)時(shí)性。本文算法的實(shí)驗(yàn)結(jié)果表明，該方法簡(jiǎn)單、快捷，具有很強(qiáng)的魯棒性，可滿足高幀頻圖像處理的實(shí)時(shí)性。

2 海天背景特性分析

對(duì)于海天線附近的海空背景［3］，由于云層和海浪在形成過(guò)程中受到物理規(guī)律的制約，它們?cè)诳臻g上往往呈大面積的連續(xù)分布狀態(tài)，并且海洋背景和天空背景平均灰度分布一般都在不同的范圍內(nèi)，但在二者的交接處會(huì)有比較明顯過(guò)渡帶，即海天線的存在?？偟膩?lái)說(shuō)，無(wú)論是從理論上還是通過(guò)對(duì)實(shí)際拍攝的圖像的分析來(lái)看，?？?qǐng)D像［4］都具有以下的特性：

（1）天空、海面各自具有相對(duì)比較平緩的灰度變化。

（2）天空、海面平均灰度有一定的偏差。

（3）在垂直方向上存在比較明顯的過(guò)渡帶或者漸進(jìn)的過(guò)渡帶。

一般存在著兩種情況：海面亮度較高，天空亮度較低；海面亮度較低，天空亮度較高，如圖1所示。根據(jù)其灰度特性統(tǒng)計(jì)的行灰度均值曲線，如圖2所示。在實(shí)際拍攝的海空背景圖片中，可能會(huì)由于光照、天氣等的影響，海天線呈現(xiàn)出一個(gè)漸進(jìn)的過(guò)渡帶，使行均值灰度曲線的峰值不明顯，這時(shí)可以采用對(duì)行均值灰度曲線求梯度運(yùn)算，使其具有更明顯的峰點(diǎn)。如果能夠準(zhǔn)確檢測(cè)出海天線的位置，就可以對(duì)小目標(biāo)在單一背景下進(jìn)行檢測(cè)，這樣可以明顯提高準(zhǔn)確度，而且可以減少檢測(cè)區(qū)域的面積和計(jì)算時(shí)間，達(dá)到實(shí)時(shí)處理。

圖1 原圖Fig.1 Original images

圖2 行灰度均值曲線Fig.2 Lines of row gray mean

3 行映射法海天線粗定位

通過(guò)分析海天背景圖像特性可知，海背景和天空背景在成像平面上的成像效果差別很大，即海背景部分和天空背景部分有各自的灰度聚集范圍，兩種背景之間有一條過(guò)渡帶。如果fi，j代表點(diǎn)（i，j）處的像素灰度，而μi代表第i行像素灰度的平均值，計(jì)算公式如下：

以行數(shù)i作為橫坐標(biāo)，以行的灰度值（歸一化）作為縱坐標(biāo)，所畫出的曲線就是行均值曲線?；谛杏成淝€梯度算法的海天線提取算法，能夠較好地定位海天線，計(jì)算量小、易于實(shí)時(shí)實(shí)現(xiàn)。但是這種算法僅能對(duì)行進(jìn)行定位，對(duì)于傾斜的海天線，無(wú)法精確定位。

為了減少計(jì)算量和盡量減少海面、天空干擾信號(hào)的影響，這里僅對(duì)海天線潛在區(qū)域附近的子帶圖像進(jìn)行二值化處理。首先通過(guò)以行均值曲線突變點(diǎn)或其梯度曲線［5］的最大值點(diǎn)所在的行n0作為分割點(diǎn)，分別計(jì)算以此區(qū)分的天空、海面灰度的平均值，如下式：

其中N為圖像中的總行數(shù)，f（i）為第i行的灰度值，T即為所求得的分割閾值。

為了下一步利用直線擬合定位海天線，需要對(duì)二值化之后的子帶圖像通過(guò)Sobel算子檢測(cè)邊緣。由于海天線接近水平方向，這里僅利用3×3垂直Sobel算子檢測(cè)水平邊緣。

4 用快速Hough變換精確定位海天線

Hough變換［6］是對(duì)圖像進(jìn)行某種形式的坐標(biāo)變換。它將原始圖像中給定形狀的曲線或直線變換成變換空間中的一個(gè)點(diǎn)，即原始圖像中給定形狀的曲線和直線上的所有點(diǎn)都集中到變換空間的某個(gè)點(diǎn)上形成峰點(diǎn)。這樣，就把原始圖像中給定形狀曲線或直線的檢測(cè)問(wèn)題，變換成尋找變換空間中的峰點(diǎn)問(wèn)題，即把檢測(cè)整體特性（給定曲線的點(diǎn)集）變成檢測(cè)局部特性的問(wèn)題。

Hough變換檢測(cè)直線的基本思想是點(diǎn)到線的對(duì)偶性。變換前在圖像空間，變換后在參數(shù)空間，設(shè)在原始圖像空間（x，y），直線方程為：

式中a為斜率，b為截距。對(duì)于這個(gè)直線上的任一點(diǎn)pi＝（xi，yi）來(lái)說(shuō)，它在由斜率和截距組成的變換空間（a，b）中應(yīng)滿足如下方程式：

從而可以看出，圖像空間的一個(gè)點(diǎn)（xi，yi）對(duì)應(yīng)于變換空間（a，b）中的一條直線；而變換空間中的一個(gè)點(diǎn)（a1，b1）對(duì)應(yīng)于圖像空間中的一條斜率為a1，截距為b1的直線y＝（a1x+b1），變換關(guān)系如圖3所示。

圖3 Hough變換Fig.3 Hough transform

對(duì)于任意方向和任意位置直線的檢測(cè)，為了避免垂直線的無(wú)限大斜率問(wèn)題，往往采用極坐標(biāo)（ρ，θ）作為變換空間，其極坐標(biāo)方程可寫成：

參量ρ和θ可以唯一地確定一條直線，ρ表示原點(diǎn)到直線的距離，θ是該直線的法線與x軸的夾角。對(duì)于（x，y）空間中的任一點(diǎn)（xi，yi）采用極坐標(biāo)（ρ，θ）作為變換空間，其變換方程為ρ＝xicosθ+yisinθ，這表明原圖像空間中的一點(diǎn)（xi，yi）對(duì)應(yīng)于（ρ，θ）空間中的一條正弦曲線，其初始角和幅值隨xi和yi的值而變。若將（x，y）空間中在同一直線上的一個(gè)點(diǎn)序列變換到（ρ，θ）空間，則所有正弦曲線都經(jīng)過(guò)一點(diǎn)（ρ0，θ0），ρ0為這條直線到原點(diǎn)的距離，θ0為法線與x軸的夾角。其中直線的傾斜角φ與θ之間的關(guān)系為：

從上述的步驟中不難發(fā)現(xiàn)，Hough變換的一個(gè)突出優(yōu)點(diǎn)是抗干擾能力強(qiáng)。如果待檢測(cè)線條上有小的擾動(dòng)或斷裂，甚至虛線，進(jìn)行Hough變換后，在變換空間中仍能得到明顯的峰值。

從上述原理可知：Hough變換可以將任意的直線通過(guò)變換映射到0～180°的θ變換空間中，原始Hough變換空間橫坐標(biāo)是180°范圍的網(wǎng)格區(qū)域。實(shí)際中，由于船搖不會(huì)過(guò)大，海天線通常不會(huì)有過(guò)大的傾斜度，一般海天線會(huì)以水平面為基準(zhǔn)上下擺動(dòng)，因此，通過(guò)Hough變換原理檢測(cè)海天線時(shí)，在變換域搜索極大值點(diǎn)時(shí)，只在θ的有限區(qū)域中尋找而不必浪費(fèi)過(guò)多不必要的計(jì)算。根據(jù)式（7）直線的傾斜角φ與θ之間的關(guān)系：可知，如果設(shè)定海天線最大傾斜為φmax，即可以得到有效θ范圍為：

假設(shè)海天線傾斜角φ為0～30°和150～180°，則有效變換域θ為90～120°和60～90°，即φmax＝30°時(shí)，θ＝［90°-φmax，90°+φmax］＝［60°，120°］。

變換空間θ從0～180°變?yōu)?0～120°，減少到原來(lái)的1/3。因此，根據(jù)海天線傾斜角的特點(diǎn)，采用式（8）開辟變換域空間，利用局部Hough變換擬合直線能夠大大減少存儲(chǔ)空間的開銷和計(jì)算時(shí)間，更適合于實(shí)時(shí)處理。

5 實(shí)驗(yàn)結(jié)果及分析

采用本文的檢測(cè)算法對(duì)實(shí)際拍攝的?？毡尘跋碌膱D片在VC++6.0環(huán)境中進(jìn)行了仿真實(shí)驗(yàn)。圖片分辨率為256 pixel×256 pixel。分別使用Canny算子處理及本文算法處理進(jìn)行對(duì)比。圖4中（a）、（e）是原始圖像；（b）、（f）為對(duì)海天線區(qū)域進(jìn)行二值化之后的結(jié)果；（c）、（g）為Hough變換法海天線檢測(cè)結(jié)果；（d）、（h）為在單一背景下小目標(biāo)檢測(cè)結(jié)果。

圖4 實(shí)驗(yàn)結(jié)果Fig.4 Results of the experiment

從以上實(shí)驗(yàn)結(jié)果可以看出：對(duì)于海浪干擾較小的圖4（d），在二值化時(shí)，潛在區(qū)域中沒(méi)有太多的干擾點(diǎn)存在，海天線提取效果最好；而對(duì)于圖4（a），干擾較多，二值化可能會(huì)引入一些干擾點(diǎn)，利用形態(tài)學(xué)濾波可以去除大部分的干擾點(diǎn)。大量的圖片實(shí)驗(yàn)表明，由于環(huán)境條件的變化，不同的圖片干擾點(diǎn)的影響程度不同，有時(shí)可能無(wú)法全部去除，所以本文在直線擬合時(shí)采用Hough變換法而不是最小二乘擬合法，主要是為了盡量減少干擾點(diǎn)的影響，且Hough變換法具有更強(qiáng)的魯棒性。最后利用一維最大熵閾值分割法［7］分別對(duì)海面和天空背景下的小目標(biāo)進(jìn)行檢測(cè)，檢測(cè)結(jié)果如圖4（d）和圖4（h）所示。從圖中可以看到，利用簡(jiǎn)單的閾值分割法即可檢測(cè)出小目標(biāo)。與Canny算子處理時(shí)間比較，本文算法檢測(cè)到海天線所用時(shí)間是Canny算子所用時(shí)間的1/4，表1是對(duì)圖4（a）處理的時(shí)間，表2是對(duì)圖4（e）處理的時(shí)間，結(jié)合檢測(cè)目標(biāo)所用的時(shí)間，可以滿足實(shí)時(shí)高幀頻圖像處理要求。

表1 圖4（a）處理時(shí)間比較Tab.1 Comparison of processing time for Fig.4（a）

表2 圖4（e）處理時(shí)間比較Tab.2 Com parison of processing time for Fig.4（e）

6 結(jié)束語(yǔ)

針對(duì)復(fù)雜的海天背景小目標(biāo)檢測(cè)，提出了先提取海天線，然后對(duì)出現(xiàn)在天空、海面或者海天線附近特定區(qū)域的目標(biāo)進(jìn)行檢測(cè)的算法。該算法主要利用天空海面行灰度均值的特性，結(jié)合梯度運(yùn)算和形態(tài)學(xué)運(yùn)算在海天線的潛在位置中檢測(cè)邊緣，進(jìn)而用強(qiáng)魯棒性的Hough變換直線檢測(cè)法擬合海天線，實(shí)現(xiàn)對(duì)海天線的準(zhǔn)確定位。實(shí)驗(yàn)結(jié)果表明：該算法能夠快速、準(zhǔn)確地檢測(cè)出小目標(biāo)，大大降低了虛警率。

［1］劉松濤，沈同圣，韓艷麗，等.艦船目標(biāo)海天線提取方法研究［J］.激光與紅外，2003，33（1）：51-53.

LIU ST，SHEN T SH，HAN Y L，et al..Research on locating the horizontal region of ship target［J］.Laser＆Infrared，2003，33（1）：51-53.（in Chinese）

［2］何新英，王家忠，孫晨霞，等.基于數(shù)學(xué)形態(tài)學(xué)和Canny算子邊緣提取方法［J］.計(jì)算機(jī)應(yīng)用，2008，28（2）：478-480.

HE X Y，WANG JZH，SUN CH X，et al..Edge detectionmethod based onmathematicalmorphology and Canny algorithm［J］.J.Computer Appl.，2008，28（2）：478-480.（in Chinese）

［3］WEIY，SHIZ L，YU H B.An automatic target detection algorithm based on waveletanalysis for infrared image small target in background of sea and sky［J］.SPIE，2003，5082：123-131.

［4］DAVIESY D，PALMERY P，MIRMEHDIM.Detection and tracking of very small low contrast objects［J］.Proc of the British Machine Vision Conference′98，1998：599-608.

［5］易大義，沈云寶，李有法.計(jì)算方法［M］.2版.杭州：浙江大學(xué)出版社，2003.

YID Y，SHEN Y B，LI Y F.Computational Methods［M］.2nd ed.Hangzhou：Zhejiang University Press，2003.（in Chinese）

［6］夏良正.數(shù)字圖像處理［M］.南京：東南大學(xué)出版社，1999.

XIA L ZH.Digital Image Processing［M］.Nanjing：Southeast University Press，1999.（in Chinese）

［7］范宏深，倪國(guó)強(qiáng)，馮煜芳.復(fù)雜背景可見(jiàn)光圖像中小目標(biāo)探測(cè)的新算法［J］.光電工程，2004，31（6）：48-51.

FAN H SH，NIG Q，F(xiàn)ENG Y F.A new algorithm for small and dim target detection of visible image under heavy clutters［J］.Opto-electronic Eng.，2004，31（6）：48-51.（in Chinese）

Detection of sea-sky line in comp licated background based on grey characteristics

DONG Yu-xing1，2，LIUWei-ning1
（1.Changchun Institute of Optics，F(xiàn)ine Mechanics and Physics，Chinese Academy of Sciences，Changchun 130033，China 2.Graduate University of Chinese Academy of Sciences，Beijing 100039，China）

To detect precisely small and dim targets in a complicated background with ocean waves and cloud clutters，a new algorithm is presented which picks up the sea-sky line at first，then efficiently detects the targets on the special region under sky，ocean，and nearby the sea-sky line.On the basis of the line gray characteristics of sea and sky，this algorithm combines the gradientmethod and morphologic operation to segment the sub-band image in a potential area of sea-sky line，further to fit the sea-sky line by Hough transform to implement the precise location of the sea-sky line.The experiment result shows that thismethod can extract the seasky line from the complicated sea-sky background and can detect the small targets fast and efficiently.For a 256 pixel×256 pixel file，the sea-sky line can be located in 4.1 ms and a small target can be detected in 5.3 ms，which demonstrates that the algorithm can meet the requirements of high frame image processing in real time.

sea-sky line；grey characteristic；morphologic operation；Hough translation；line fitting

國(guó)家863高技術(shù)研究發(fā)展計(jì)劃資助項(xiàng)目（No.2006aa701410）

1674-2915（2010）03-0252-05

TP391.4

A

2010-04-16；

2010-05-07

董宇星（1979—），男，吉林大安人，助理研究員，主要從事弱目標(biāo)捕獲、跟蹤等方面的研究。E-mail：dongyuxing@126.com