基于高分辨率遙感圖像的船只紋理研究

曹 波，嚴(yán)曉峰

基于高分辨率遙感圖像的船只紋理研究

曹 波1，嚴(yán)曉峰2

（1.長(zhǎng)江科學(xué)院空間信息技術(shù)應(yīng)用研究所，武漢 430010；2.九江學(xué)院信息學(xué)院，江西九江 332005）

為實(shí)現(xiàn)長(zhǎng)江流域有關(guān)部門對(duì)江面目標(biāo)船只進(jìn)行管理，及滿足對(duì)特定時(shí)段、特定區(qū)域的船只類型、分布和數(shù)量進(jìn)行監(jiān)控的需求，開展了基于高分辨遙感圖像計(jì)算機(jī)自動(dòng)提取船只紋理的研究。選擇了相應(yīng)的統(tǒng)計(jì)學(xué)指標(biāo)作為評(píng)價(jià)因子，利用強(qiáng)大的IDL作為開發(fā)工具，實(shí)現(xiàn)了船只紋理研究的專項(xiàng)功能。通過(guò)目視解譯對(duì)計(jì)算結(jié)果進(jìn)行驗(yàn)證，結(jié)果表明選擇指標(biāo)合理，所有紋理因子中，熵、梯度和相關(guān)性最能反映紋理特征，并存在著一定的相關(guān)性。

船只紋理；高分辨率遙感圖像；IDL

紋理也稱結(jié)構(gòu)（texture），實(shí)質(zhì)上是具有不同色調(diào)和形狀的細(xì)微影像的集合［1］。這種細(xì)微影像可稱為紋理基元，它們按照某種排列規(guī)則和組合方式重復(fù)出現(xiàn)就形成紋理。地面調(diào)查時(shí)，因?yàn)槿藗円曇坝邢?，只能看到自然界局部現(xiàn)象，很難縱觀全局，形成能夠概括整個(gè)區(qū)域的宏觀特征概念。而遙感技術(shù)可以將區(qū)域內(nèi)各景觀要素及周邊地物要素之間如何排列組合，如何轉(zhuǎn)變過(guò)渡等種種特征都一覽無(wú)遺，能夠體現(xiàn)出各種特色的紋理結(jié)構(gòu)。船只是人造地物，有著鮮明的紋理特征，并且由于不同用途的船只其上層建筑也將有很大的不同，其紋理特征也將大相徑庭。因此，通過(guò)研究高分辨遙感圖像上的船只紋理，實(shí)現(xiàn)計(jì)算機(jī)自動(dòng)提取船只紋理因子，將能夠快速、宏觀、大覆蓋范圍地確定長(zhǎng)江上特定時(shí)段、特定區(qū)域的船只類型、分布和數(shù)量，為相關(guān)部門對(duì)江面目標(biāo)船只管理提供技術(shù)手段和技術(shù)支持。

1 量化紋理

由于機(jī)器識(shí)別不同于目視解譯，計(jì)算機(jī)無(wú)法完成人腦復(fù)雜的判斷思維模式，只是擅長(zhǎng)數(shù)字計(jì)算，因此需要將圖像的具體特征數(shù)值化，用以對(duì)目標(biāo)內(nèi)部灰度變化程度進(jìn)行定量描述。盡管紋理沒(méi)有正式的定義，但在直覺(jué)上區(qū)域描繪能夠提供對(duì)平滑度、粗糙度和規(guī)律性等特性的度量。在圖像處理中紋理量化主要有統(tǒng)計(jì)方法、結(jié)構(gòu)化方法和頻譜方法3種［2］。統(tǒng)計(jì)方法包括平滑、粗糙、粒狀等紋理特征描述。本文選擇了統(tǒng)計(jì)方法描述不同類型典型船舶的紋理，然后將這些統(tǒng)計(jì)結(jié)果當(dāng)作指標(biāo)去比對(duì)圖像所有船舶區(qū)域的目標(biāo)船只，最后完成船只類型劃分。本文選擇了如下統(tǒng)計(jì)學(xué)指標(biāo)作為紋理因子。

1.1 熵

圖像的熵能反映圖像的信息含量，圖像的熵值越大說(shuō)明信息量越豐富，這樣圖像能夠帶給我們更多的細(xì)節(jié)。對(duì)于一幅單獨(dú)的圖像，設(shè)它的灰度分布為p＝｛p0，p1，…，pi，…，pL－1｝。pi為灰度值等于i的像素個(gè)數(shù)與圖像總像素個(gè)數(shù)之比；L為圖像的總的灰度級(jí)。由香農(nóng)信息論的原理可知，一幅圖像X的信息熵為

1.2 均 值

均值是像素的灰度平均值，它反映了圖像的平均亮度。圖像的光譜相似性可以通過(guò)比較待定船只圖像亮度均值與采砂船只模板圖像之間的偏離來(lái)衡量，

式中：珋z為均值；X為融合圖像；M，N分別為圖像的行數(shù)和列數(shù)。

1.3 標(biāo)準(zhǔn)差

標(biāo)準(zhǔn)差作為衡量圖像信息量的重要指標(biāo)，反映了灰度偏離灰度均值的程度。標(biāo)準(zhǔn)差越小，灰度級(jí)分布集中，圖像反差越小，色調(diào)單一均勻，得不到太多信息。

1.4 相關(guān)系數(shù)

圖像的相關(guān)系數(shù)反映了兩幅圖像的相關(guān)程度，通過(guò)比較圖像相關(guān)系數(shù)可以看出圖像的光譜信息相似程度，

式中珋x和珋y分別為試驗(yàn)圖像與模板圖像的均值。

1.5 平均梯度

平均梯度可以反映圖像對(duì)微小細(xì)節(jié)反差的表達(dá)能力，圖像的平均梯度越大，圖像的層次越多，表示圖像越清晰。一幅圖像Z的平均梯度為

式中ΔZx，ΔZy分別為x，y方向上的差分。

2 計(jì)算程序設(shè)計(jì)與處理流程

本研究所涉及的相關(guān)功能均用IDL（interactive data language）語(yǔ)言編制完成，版本為6.2。IDL交互式數(shù)據(jù)語(yǔ)言是進(jìn)行二維及多維數(shù)據(jù)可視化分析及應(yīng)用開發(fā)的理想軟件工具。作為面向矩陣、語(yǔ)法簡(jiǎn)單的第四代可視化語(yǔ)言，IDL致力于科學(xué)數(shù)據(jù)的可視化和分析。上述紋理因子是基于圖像統(tǒng)計(jì)學(xué)基礎(chǔ)，設(shè)計(jì)界面如圖1所示，程序算法依據(jù)前述公式（1）至（5）為基礎(chǔ)進(jìn)行設(shè)計(jì)，兼顧程序效率與優(yōu)化問(wèn)題。

圖1 主界面設(shè)計(jì)和程序調(diào)試Fig.1 M ain interface and program debugging

3 統(tǒng)計(jì)結(jié)果與分析

3.1 典型船舶選擇

實(shí)驗(yàn)數(shù)據(jù)來(lái)自長(zhǎng)江中下游河段的高空間分辨率遙感影像，通過(guò)廣泛分析與比較空間所積累的大量長(zhǎng)江影像，選擇了河段中最為常見(jiàn)、典型的船只（運(yùn)輸貨船、客運(yùn)輪船、水面作業(yè)船只等）作為研究對(duì)象，因此具有較強(qiáng)的代表性和針對(duì)性。具體實(shí)驗(yàn)?zāi)０迦鐖D2所示。

圖2 各類典型船只Fig.2 Different representative ships

3.2 統(tǒng)計(jì)結(jié)果與分析

從圖2可以看到，不同類型的船只形態(tài)上大同小異，但由于上層建筑和裝載貨物的不同，其紋理特征相差很大。表1記錄了程序計(jì)算出的不同類型船只的均值、標(biāo)準(zhǔn)差、梯度、熵等反映紋理特征的信息。

表1 紋理因子Tab le 1 Texture factors

均值和標(biāo)準(zhǔn)差都是反映船只光譜特性，相同類型的船只會(huì)因?yàn)榧y理相似而在均值和標(biāo)準(zhǔn)差上顯示相近的特性。需要特別注意的是，均值只有在相同制作、輻射校正、拍攝時(shí)日照條件情況下比較船只模塊光譜值才有意義，它只是作為亮度的大致概念時(shí)才有用，并不是真實(shí)的紋理。在圖2中，船只1和船只2來(lái)自同一幅圖像，船只3，4，5和6，7，8來(lái)源于另外2幅遙感影像，所處同幅影像的船只之間的互相比對(duì)才有實(shí)際對(duì)比意義。由圖2可以看出，6，7，8同為裝滿貨物的運(yùn)輸船，但是其上有無(wú)頂棚的原因使得均值、標(biāo)準(zhǔn)差依次遞增。由此可見(jiàn)在同一幅圖像中，均值和標(biāo)準(zhǔn)差的突變能反映船只的紋理信息。

從圖3可以分析得出，梯度和熵基本成正比，由目視解譯的結(jié)果也證明了同樣的結(jié)論。3號(hào)和5號(hào)船因?yàn)榇嬖谥咚y理復(fù)雜，因此梯度和熵遠(yuǎn)遠(yuǎn)高于其他船只；而6號(hào)船因?yàn)檠b滿貨物，紋理最簡(jiǎn)單，從值上最直觀的體現(xiàn)也是最小的；1號(hào)略高于2號(hào)原因是尾部建筑較之復(fù)雜。加上同類型船只6，7，8號(hào)的依次遞增，很好地說(shuō)明了梯度和熵在反映圖像紋理復(fù)雜程度上，存在著較為直觀的線性關(guān)系。

圖3 船只梯度和熵特性Fig.3 Entropy and gradient of ship

相關(guān)性比較算法的設(shè)計(jì)采用了主成分旋轉(zhuǎn)矩陣和線性插值。旋轉(zhuǎn)是為了保證進(jìn)行對(duì)比的船只能夠在長(zhǎng)短軸方向重合；線性插值是為了將2個(gè)不同大小的船只模板，放到一個(gè)尺寸下進(jìn)行相關(guān)性計(jì)算，原因是相關(guān)性算法是基于像元比對(duì)的計(jì)算方法，若2幅船只模板大小數(shù)量級(jí)不同，則比對(duì)的相關(guān)性沒(méi)有實(shí)際意義。以6號(hào)船只為例，結(jié)果如表2。

表2 相關(guān)性研究Tab le 2 Research on relativity

分析：6號(hào)船是運(yùn)輸船，理論上同類型運(yùn)輸船應(yīng)該具有較高的相似度。從目視結(jié)果和計(jì)算結(jié)果來(lái)看，證明了相關(guān)性算法設(shè)計(jì)的合理性。由表2和圖4知道，6號(hào)船只和自身相似度最高，達(dá)到0.999 951；6號(hào)與5號(hào)有高塔的船只在視覺(jué)上就完全大相徑庭，比對(duì)結(jié)果是最小值0.065 388 7；與同類運(yùn)輸船1，2，7，8相似度高于不同類的3，4，5。

4 試驗(yàn)結(jié)論

原始圖像經(jīng)過(guò)聚類后得到水體，河段中非水體區(qū)域即為疑似船舶孔洞，再經(jīng)過(guò)二值化處理，使孔洞區(qū)域值為255，水體為0，在此基礎(chǔ)上利用Roberts算子進(jìn)行邊界檢測(cè)，得到疑似目標(biāo)船只區(qū)域的邊界，如圖5（a）所示。給定位置約束條件，只計(jì)算河段內(nèi)部的孔洞，剔去大量干擾信息后計(jì)算邊界內(nèi)區(qū)域的紋理因子，將結(jié)果與標(biāo)準(zhǔn)模板值相比對(duì)，得到船只分類結(jié)果，結(jié)果如圖5（b）所示。

圖4 相關(guān)性對(duì)比Fig.4 Comparison of relativity

圖5 試驗(yàn)船只Fig.5 Ships in Experiment

從最終的試驗(yàn)結(jié)果和目視解譯比對(duì)，可以得出以下結(jié)論：

（1）圖像紋理因子的選擇合理，它們能夠準(zhǔn)確表達(dá)各類船只紋理特征的不同，由統(tǒng)計(jì)結(jié)果可以發(fā)現(xiàn)標(biāo)準(zhǔn)差、熵、梯度對(duì)于不同商業(yè)、民用、工業(yè)用途的船只而言，差異十分明顯，能夠通過(guò)紋理結(jié)構(gòu)統(tǒng)計(jì)特征值對(duì)江面大量船只快速進(jìn)行類型劃分，了解掌握特定時(shí)段、特定區(qū)域的船只類型、分布和數(shù)量。

（2）對(duì)于小型船只劃分不太理想，有待完善。分析原因是由于選取模板有限，沒(méi)有涵蓋所有船只類型，只是有針對(duì)性地選擇了大型的常見(jiàn)船只；選擇的因子是基于統(tǒng)計(jì)學(xué)基礎(chǔ)的，建立在大量的象元參與運(yùn)算的前提下，象元數(shù)目過(guò)少增加了隨機(jī)性和不準(zhǔn)確性。因此，一部分船舶和上述因子均不接近，不易分類。

（3）試驗(yàn)結(jié)果表明：所有紋理因子中，熵、梯度存在著一定的相關(guān)關(guān)系，即蘊(yùn)含最大信息量的圖像細(xì)節(jié)層次往往也會(huì)越多。

［1］ 戴昌達(dá)，姜小光，唐伶俐.遙感圖像應(yīng)用處理與分析［M］.北京：清華大學(xué)出版社，2004.（DAIChang-da，JIANG Xiao-guang，TANG Ling-li.Remote Sensing Im-age Application Processing and Analysis［M］.Beijing：Tsinghua University Press，2004.（in Chinese））

［2］ 岡薩雷斯.數(shù)字圖像處理（第二版）［M］.北京：電子工業(yè)出版社，2007.（RAFAEL C G.Digital image pro-cessing（The Second Edition）［M］.Beijing：Publishing House of Electronics Industry，2007.（in Chinese））

［3］ WEBB A R.Gammamixturemodels for target recognition［J］.Pattern Recognition，2000，（33）：2045－2054.

［4］ 徐剛峰，王 平，沈振康，等.基于骨架特征的機(jī)場(chǎng)主跑道識(shí)別［J］.紅外與激光工程，2006，35（6）：717－721.（XU Gang-feng，WANG Ping，SHEN Zhen-kang，et al.Recognition of main runway of airport based on skeleton［J］.Infrared and Laser Engineering，2006，35（6）：717－721.（in Chinese））

［5］ 汪 閩，駱劍承，明冬萍，等.高分辨率遙感影像上基于形狀特征的船舶提?。跩］.武漢大學(xué)學(xué)報(bào)，2005，30（8）：685－688.（WANG Min，LUO Jian-cheng，MING Dong-Ping，et al.Extract ship targets from high spatial resolution remote sensed imagery with shape feature［J］.Geomatics and Information Science of Wuhan University，2005，30（8）：685－688.（in Chinese））

［6］ FENG R，TRISTROM C，DANNY G.Model based ISAR ship classification［J］.Digital Signal Processing，2006，（16）：628－637.

［7］ 陳愛(ài)軍，李金宗.衛(wèi)星遙感圖像中類圓形油庫(kù)的自動(dòng)識(shí)別方法［J］.光電工程，2006，33（9）：96－100.

（CHEN Ai-jun，LI Jin-zong.Automatic recognition method for quasicircular oil depots in satellite remote sensing images［J］.Opto-Electronic Engineering，2006，33（9）：96－100.（in Chinese））

（編輯：王 慰）

Research of Ship Texture Based on High Resolution Remote Sensing Images

CAO Bo1，YAN Xiao-feng2
（1.Yangtze River Scientific Research Institute，Wuhan 430010，China；2.JiuJiang University，Jiujiang 332005，China）

In this paper，a ship texture automatically extracted from high resolution remote sensing images is re-searched.The purpose of study is tomanage some specific ships in Changjiang River according to requirements of relative departments，and monitor types，distribution and quantity of ships in a specific time and a specific region.Adopting indexes in statistics is selected as estimate factors.Application to ship texture has been realized by IDL（interactive data language），a powerful tool in process of images.By analyzing visual interpretation and results of experiment，it is shown that selected index is reasonable.Entropy，gradient and relativity between them，are the most appropriate texture factors to represent features of the ship texture.

ship texture；high resolution remote sensing image； IDL

TP311

A

1001－5485（2010）01－0045－04

2009-07-06

曹波（1980-），男，湖北武漢人，工程師，碩士，主要從事空間信息技術(shù)在水利工程中的應(yīng)用研究，（電話）027-82926895（電子信箱）sunbathing＠163.com。