基于蛙人探測(cè)聲納序列圖像的水下小目標(biāo)檢測(cè)算法*

毛 盾，劉 忠，程遠(yuǎn)國(guó)

(海軍工程大學(xué)電子工程學(xué)院，武漢 430033)

多年來(lái)水下安全問(wèn)題一直是世界各國(guó)安防領(lǐng)域的薄弱環(huán)節(jié)?？植澜M織和敵對(duì)方利用蛙人、水下機(jī)器人等小型武器對(duì)海軍艦艇基地、海上鉆井平臺(tái)等海濱重要設(shè)施進(jìn)行攻擊，可造成巨大的生命和財(cái)產(chǎn)損失。針對(duì)這種情況，各國(guó)投入大量力量研究針對(duì)蛙人等小目標(biāo)的專(zhuān)用探測(cè)聲納——蛙人探測(cè)聲納，并以其為基礎(chǔ)構(gòu)建針對(duì)港口和重點(diǎn)目標(biāo)的水下監(jiān)視系統(tǒng)。英、美等國(guó)已率先構(gòu)建自己的水下安全網(wǎng)絡(luò)［1－3］。國(guó)內(nèi)由中國(guó)科學(xué)院于北京奧運(yùn)會(huì)期間部署了第一套反蛙人水下安保系統(tǒng)［4］。目標(biāo)自動(dòng)檢測(cè)和跟蹤是蛙人探測(cè)聲納技術(shù)發(fā)展的重點(diǎn)和難點(diǎn)之一，也是無(wú)人值守港口監(jiān)視系統(tǒng)的關(guān)鍵，可大幅降低值班員的工作強(qiáng)度，提高反蛙人作戰(zhàn)的效率。雖然從系統(tǒng)介紹資料看，各國(guó)水下監(jiān)控系統(tǒng)都帶有目標(biāo)自動(dòng)檢測(cè)和跟蹤功能，但由于發(fā)展時(shí)間短、技術(shù)敏感性等方面的原因，公開(kāi)的關(guān)于蛙人探測(cè)聲納目標(biāo)檢測(cè)與跟蹤方面的文獻(xiàn)非常少。盡管有些文獻(xiàn)討論了聲納圖像的目標(biāo)分割問(wèn)題，但主要針對(duì)高分辨率成像聲納［5－8］。而蛙人探測(cè)聲納無(wú)論從所面對(duì)的環(huán)境、成像效果還是應(yīng)用場(chǎng)景都與高分辨率聲納及光學(xué)成像系統(tǒng)有較大區(qū)別，主要表現(xiàn)在:

(1)蛙人探測(cè)聲納根據(jù)回波強(qiáng)度成像，在距離聲納部署點(diǎn)較近的地方存在回波較大的區(qū)域，該區(qū)域既可能包括目標(biāo)也可能包括噪聲。

(2)成像不穩(wěn)定。由于影響目標(biāo)信號(hào)強(qiáng)度的因素［9－10］很多，致使目標(biāo)灰度值和形狀常發(fā)生改變。另外，受海水運(yùn)動(dòng)和聲納成像原理的影響，即使原本靜止的物體在圖像上也會(huì)出現(xiàn)偏移，如浮標(biāo)和防波堤。

(3)目標(biāo)面積小，缺乏紋理、形狀等結(jié)構(gòu)信息。監(jiān)控系統(tǒng)要求盡可能多的預(yù)警時(shí)間和盡可能遠(yuǎn)的預(yù)警距離，使得蛙人探測(cè)聲納中目標(biāo)尺寸很小，無(wú)法體現(xiàn)紋理等結(jié)構(gòu)信息。

(4)目標(biāo)一般較背景區(qū)域具有較高的灰度值，即灰度高的區(qū)域較灰度低的區(qū)域出現(xiàn)目標(biāo)的置信度高。

幀差法是光學(xué)系統(tǒng)中常用的目標(biāo)檢測(cè)方法，具有計(jì)算量小，環(huán)境適應(yīng)力強(qiáng)等優(yōu)點(diǎn)。但它容易產(chǎn)生“空洞”和“雙影”現(xiàn)象，無(wú)法完整地提取運(yùn)動(dòng)目標(biāo)。三幀差分法和累計(jì)差分法［11－14］雖然可以克服這些問(wèn)題，但卻會(huì)延誤監(jiān)控系統(tǒng)的預(yù)警時(shí)間，對(duì)于幀率低(幾秒一幀)的機(jī)械掃描聲納更是如此。另一方面，幀差法沒(méi)有考慮蛙人探測(cè)聲納的一些特點(diǎn)，也不能完全適應(yīng)小目標(biāo)檢測(cè)的需求。

本文提出一種基于圖像二值化和區(qū)域生長(zhǎng)法的自適應(yīng)雙幀差法，首先通過(guò)對(duì)當(dāng)前幀進(jìn)行二值化得到該幀的前景區(qū)域，并與雙幀差的結(jié)果進(jìn)行“與”運(yùn)算來(lái)獲取目標(biāo)當(dāng)前位置在幀差結(jié)果中的反映，從而消除“雙影”，再利用目標(biāo)內(nèi)部的相似性和目標(biāo)與背景之間的差異性采用區(qū)域生長(zhǎng)法來(lái)獲得目標(biāo)的全景，消除“空洞”，然后通過(guò)弱腐蝕消除噪聲得到檢測(cè)結(jié)果，最后根據(jù)目標(biāo)檢測(cè)數(shù)、虛警率和目標(biāo)運(yùn)動(dòng)情況自適應(yīng)地調(diào)整相關(guān)閾值。

1 幀差法的缺陷

相鄰幀差法是一種常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。然而它易受目標(biāo)運(yùn)動(dòng)速度的影響:當(dāng)目標(biāo)運(yùn)動(dòng)緩慢時(shí)，前后幀中目標(biāo)重疊部分較多，而這些重疊部分沒(méi)有檢測(cè)出來(lái)，導(dǎo)致檢測(cè)到的目標(biāo)發(fā)生“空洞”現(xiàn)象，如圖1;當(dāng)目標(biāo)運(yùn)動(dòng)較快時(shí)，前后幀中目標(biāo)相距較遠(yuǎn)，這時(shí)檢測(cè)出的目標(biāo)比真實(shí)的目標(biāo)大很多，出現(xiàn)“雙影”現(xiàn)象，如圖2。三幀差法和累積幀差法可較好的解決這些問(wèn)題，但它們對(duì)當(dāng)前幀中目標(biāo)區(qū)域的確定都要等待后續(xù)一幀或多幀，這對(duì)于要求足夠長(zhǎng)的預(yù)警時(shí)間的警戒系統(tǒng)而言是不合適的。

圖1 幀差法的“空洞”現(xiàn)象

圖2 幀差法的“雙影”現(xiàn)象

2 自適應(yīng)雙幀差法

2.1 求解混響區(qū)域的邊界

由于蛙人探測(cè)聲納中混響區(qū)內(nèi)目標(biāo)和噪聲的強(qiáng)度都較大，如圖3。因此有必要在圖像的不同區(qū)域使用不同的閾值，包括二值化閾值和差分閾值。然而對(duì)圖像劃分過(guò)細(xì)會(huì)降低算法實(shí)時(shí)性，因此找到合適的混響區(qū)邊界非常重要。

圖3 蛙人探測(cè)聲納圖像

設(shè)圖像寬和高分別為w、h，計(jì)算每個(gè)像素(x，y)對(duì)圖像中心點(diǎn)(w/2，h/2)的距離:

則對(duì)任一像素p，Dist(p)的取值范圍為:

［Distmax·k/n，Distmax·(k+1)/n)，k=0，1，2，…，n－1。

記d(x，y)=k為Dist(x，y)量化后的值，則每個(gè)像素(x，y)都對(duì)應(yīng)兩個(gè)值:灰度值f(x，y)和d(x，y)。以d(x，y)為橫坐標(biāo)生成直方圖Ht，Ht的縱坐標(biāo)取值如式(1):

則混響區(qū)的邊界為:

找到R后，以R為邊界將圖像分成兩部分，分別采用不同的閾值。

2.2 利用二值化圖像消除雙影

進(jìn)行雙幀差之前，需要對(duì)圖像進(jìn)行預(yù)處理，包括增強(qiáng)對(duì)比度和消除噪聲。增強(qiáng)對(duì)比度可將小目標(biāo)進(jìn)行一定程度的放大。由于蛙人探測(cè)聲納中目標(biāo)較小，可用信息少，與高斯濾波相比，中值濾波更能保留灰度、尺寸等特征，同時(shí)消除孤立噪聲。閾值分割則可以消除面積大而強(qiáng)度較弱的混響噪聲。

雙幀差法利用相鄰兩幀的差值得到運(yùn)動(dòng)區(qū)域。然而正如前面所述它會(huì)出現(xiàn)雙影和空洞現(xiàn)象。通過(guò)當(dāng)前幀的二值化圖像可以消除差分后的雙影?；舅枷肴缦?設(shè)A、B分別表示t－1與t時(shí)刻目標(biāo)的位置。如圖4所示，雙幀差利用|A－B|得到區(qū)域A與B。選擇合適的閾值對(duì)當(dāng)前幀進(jìn)行二值化，使前景像素置1，背景像素置0。由于從t－1到t時(shí)刻，目標(biāo)從A運(yùn)動(dòng)到B，目標(biāo)原來(lái)遮擋的背景區(qū)域重新顯露出來(lái)，因此區(qū)域A在t時(shí)刻呈現(xiàn)為背景。這樣通過(guò)將幀差法的結(jié)果和當(dāng)前幀的二值化圖像進(jìn)行“與”運(yùn)算可得到區(qū)域B，從而消除雙影。

2.3 利用區(qū)域生長(zhǎng)法消除空洞

與運(yùn)算后的圖像仍存在空洞現(xiàn)象。由于蛙人等目標(biāo)在灰度等方面與背景有較大差異，而目標(biāo)內(nèi)部卻存在較強(qiáng)相關(guān)性?？衫没叶认嗨菩詾闇?zhǔn)則采用區(qū)域生長(zhǎng)法從當(dāng)前幀中獲得目標(biāo)的全貌。區(qū)域生長(zhǎng)法是將具有相似性質(zhì)的相鄰像素集合起來(lái)構(gòu)成一個(gè)區(qū)域，其關(guān)鍵在于三個(gè)策略:判斷像素是否屬于區(qū)域的評(píng)價(jià)標(biāo)準(zhǔn);決定鄰接關(guān)系的連通類(lèi)型;訪問(wèn)鄰近像素的策略。根據(jù)蛙人探測(cè)聲納的特點(diǎn)，采用8連通生長(zhǎng)算法，評(píng)價(jià)標(biāo)準(zhǔn)設(shè)為:

此外，區(qū)域生長(zhǎng)法受種子點(diǎn)選取的影響較大。根據(jù)蛙人探測(cè)聲納像素灰度與蛙人出現(xiàn)概率相關(guān)的特點(diǎn)，采用區(qū)域重心代替區(qū)域中心作為種子，可以提高種子點(diǎn)的抗干擾能力。圖5給出了利用當(dāng)前幀消除雙影和空洞的操作流程。

圖5 消除雙影和空洞的操作流程

2.4 目標(biāo)反饋

由于天氣和海洋環(huán)境對(duì)蛙人探測(cè)聲納成像效果常會(huì)產(chǎn)生影響，所以算法的參數(shù)需要不斷調(diào)整。算法的檢測(cè)效果可通過(guò)某些指標(biāo)如檢測(cè)率和虛警率來(lái)衡量。而這些指標(biāo)反過(guò)來(lái)也可用來(lái)指導(dǎo)算法的調(diào)整。另外由于蛙人等小目標(biāo)屬于低信噪比弱目標(biāo)，常淹沒(méi)在雜波起伏的背景中難以區(qū)分，而且目標(biāo)的成像經(jīng)常發(fā)生較大的變化，即使已檢測(cè)到的目標(biāo)也容易丟失，另一方面目標(biāo)運(yùn)動(dòng)往往具有連續(xù)性，因此在圖像中某個(gè)區(qū)域比其他區(qū)域更有可能出現(xiàn)目標(biāo)，這個(gè)區(qū)域稱(chēng)為警戒區(qū)，警戒區(qū)也可用來(lái)指導(dǎo)算法參數(shù)的調(diào)整。

2.4.1 按檢測(cè)率和虛警率調(diào)整閾值

為每幀圖像設(shè)置一個(gè)二元組(CT，RF)，其中CT表示該幀檢錄到的目標(biāo)總數(shù)，RF表示虛警率。算法根據(jù)CT和RF按下式調(diào)整閾值:

ΔT是疊加在現(xiàn)有閾值T上的附加項(xiàng)，T0是事先設(shè)定的一個(gè)初始閾值，α為增強(qiáng)系數(shù)，β為遺忘系數(shù)，w×h表示像素總數(shù)，f'(x，y)是本幀中像素(x，y)的灰度值，f(x，y)為上次閾值調(diào)整時(shí)所在幀對(duì)應(yīng)像素的灰度值。ΔT反映了成像環(huán)境的整體變化情況，若成像環(huán)境變化小，則ΔT較小，反之ΔT也變大。調(diào)整規(guī)則如下:

(1)當(dāng)連續(xù)M幀中有N幀檢測(cè)到目標(biāo)總數(shù)CT均大于目標(biāo)總數(shù)閾值Ttotal，且虛警率RF也大于虛警率閾值TF時(shí)，按式(5)計(jì)算ΔT;否則，令ΔT=0。

(2)當(dāng)T'＞T0時(shí)，閾值按式(6)進(jìn)行更新。

(3)當(dāng)T'＜T0時(shí)，閾值按式(7)進(jìn)行更新。

當(dāng)連續(xù)多幀檢測(cè)到的目標(biāo)總數(shù)和虛警率均大于閾值時(shí)，說(shuō)明成像環(huán)境持續(xù)惡化，原來(lái)的閾值過(guò)低已不適應(yīng)新環(huán)境。這種情況下，原閾值T通過(guò)附加ΔT升高到T'。隨著閾值的提高，所檢測(cè)到的目標(biāo)數(shù)和虛警率都會(huì)降低，如果T'仍達(dá)不到要求，閾值會(huì)繼續(xù)增加，直到獲得達(dá)到要求的閾值為止。由于成像環(huán)境的惡化大部分持續(xù)時(shí)間不長(zhǎng)，如大暴雨的影響，一般不超過(guò)五到六個(gè)小時(shí)。隨著成像環(huán)境的好轉(zhuǎn)，升高的閾值也需要降低，通過(guò)(1－β)T項(xiàng)的作用，當(dāng)閾值長(zhǎng)時(shí)間得不到更新(即ΔT=0)時(shí)會(huì)逐漸下降直到回到初始閾值T0。小目標(biāo)易與噪聲混淆，但由于目標(biāo)的運(yùn)動(dòng)具有連續(xù)性，而噪聲的出現(xiàn)則是隨機(jī)的，因此這里目標(biāo)的虛警率可通過(guò)跟蹤階段得到。

2.4.2 通過(guò)預(yù)測(cè)目標(biāo)的運(yùn)動(dòng)情況調(diào)整閾值

警戒區(qū)的基本依據(jù)是目標(biāo)運(yùn)動(dòng)在時(shí)域和空域上的連續(xù)性。設(shè)目標(biāo)運(yùn)動(dòng)的最大速率為vmax，方向取0°～360°的任意值，目標(biāo)在第i幀的位置為Si，Δti+1為第i+1幀和第i幀的時(shí)間間隔，則Si+1≤Si+vmax×Δti+1，即警戒區(qū)是以目標(biāo)在上一幀中的位置為圓心，以vmax×Δti+1為半徑的一個(gè)圓形區(qū)域。在警戒區(qū)內(nèi)采用比其它區(qū)域更小心的操作，如中值濾波用其它排序統(tǒng)計(jì)濾波器代替，在閾值化和差分過(guò)程中采用較低的閾值等等。

3 實(shí)驗(yàn)結(jié)果和分析

為測(cè)試算法有效性，采用樣本驗(yàn)證和實(shí)地驗(yàn)證兩種方式進(jìn)行檢驗(yàn)。樣本驗(yàn)證方式采用實(shí)地錄取的聲納數(shù)據(jù)進(jìn)行訓(xùn)練和驗(yàn)證，實(shí)地測(cè)試則主要實(shí)地考察算法對(duì)蛙人等小目標(biāo)的檢測(cè)和跟蹤能力。

樣本驗(yàn)證階段共采集66段蛙人探測(cè)聲納的視頻數(shù)據(jù)，并根據(jù)相關(guān)環(huán)境將樣本分為四大類(lèi)，七小類(lèi)。樣本相關(guān)信息參見(jiàn)表1?！阿耦?lèi)”樣本的特點(diǎn)是海洋環(huán)境較為平靜，噪聲影響較小。主要噪聲來(lái)源為熱噪聲和混響噪聲。由于蛙人探測(cè)聲納成像效果主要受氣候、海洋環(huán)境等因素的影響，而這些因素絕大多數(shù)時(shí)間內(nèi)相對(duì)較為平穩(wěn)，因此這種環(huán)境是算法運(yùn)行的主要環(huán)境。相應(yīng)的樣本數(shù)量也較多。Ⅰ類(lèi)樣本可分為包含目標(biāo)的樣本(Ⅰ類(lèi)①)和不包含目標(biāo)的樣本(Ⅰ類(lèi)②)。

表1 錄像樣本的相關(guān)信息

“Ⅱ類(lèi)”樣本的海洋環(huán)境較Ⅰ類(lèi)有所惡化、噪聲增加。主要噪聲為海面上運(yùn)動(dòng)的小波花、熱噪聲和混響噪聲等等。這種環(huán)境在整個(gè)運(yùn)行環(huán)境中約占16%，即平均每年約六十天左右。這類(lèi)樣本也分為包含目標(biāo)的樣本(Ⅱ類(lèi)①)和不包含目標(biāo)的樣本(Ⅱ類(lèi)②)?！阿箢?lèi)”樣本的海洋環(huán)境較前兩類(lèi)樣本進(jìn)一步惡化、噪聲區(qū)分難度加大。主要噪聲為浪涌、熱噪聲和混響噪聲。這種環(huán)境出現(xiàn)頻率約7.7%，平均每年約二十八天左右?！阿纛?lèi)”樣本是在天氣和海況惡劣的條件下獲得的，主要噪聲為大雨沖擊海面的影響、浪花、熱噪聲和混響噪聲。其出現(xiàn)頻率小于1.6%。樣本驗(yàn)證階段檢測(cè)率和虛警率信息如表2。

表2 針對(duì)各類(lèi)樣本的檢測(cè)率和虛警率

從表2中可以看出，隨著噪聲的增加，算法檢測(cè)率沒(méi)有太大變化，而虛警率升高。這是因?yàn)楸O(jiān)控系統(tǒng)對(duì)檢測(cè)率有格外嚴(yán)格的要求，在這種情況下可適當(dāng)犧牲虛警率。“Ⅰ類(lèi)”樣本中，算法運(yùn)行狀態(tài)較好，不存在虛警?！阿蝾?lèi)”樣本中受較大浪花的影響虛警率升高。“Ⅲ類(lèi)”樣本中，由于浪涌和蛙人尾流具有很強(qiáng)的相似性，同時(shí)浪涌的強(qiáng)反射信號(hào)也會(huì)淹沒(méi)蛙人等小目標(biāo)的信號(hào)，致使虛警率迅速升高?！阿纛?lèi)”樣本中，由于大雨沖擊海面導(dǎo)致成像效果急劇惡化，根本無(wú)法分辨蛙人目標(biāo)。不過(guò)，由于后兩種情況在整個(gè)運(yùn)行環(huán)境中出現(xiàn)概率較小，因此不會(huì)對(duì)算法總體運(yùn)行情況造成太大影響。表中最后一行列出了加權(quán)后的檢測(cè)率和虛警率。權(quán)值為各類(lèi)樣本所對(duì)應(yīng)的環(huán)境出現(xiàn)的概率，分別為:“Ⅰ類(lèi)”樣本為0.747，“Ⅱ類(lèi)”樣本0.16，“Ⅲ類(lèi)”樣本0.077，“Ⅳ類(lèi)”樣本0.016。

為進(jìn)一步驗(yàn)證算法進(jìn)行了多次實(shí)地測(cè)試。實(shí)驗(yàn)環(huán)境如下:蛙人著開(kāi)式潛水衣，潛水深度10 m，海況3級(jí)。圖像是127級(jí)512×512像素偽彩色圖像，高亮度部分為目標(biāo)回波強(qiáng)度最大的部分。實(shí)驗(yàn)1是蛙人沿正北方向向聲納中心運(yùn)動(dòng)。圖6是從蛙人探測(cè)聲納視頻中截取的關(guān)鍵幾幀的部分圖像，從圖中可以看出蛙人目標(biāo)面積很小(以下圓圈為人工標(biāo)定的蛙人目標(biāo)的位置，目標(biāo)的外接矩形框?yàn)榻?jīng)本文算法檢測(cè)后系統(tǒng)生成的檢測(cè)結(jié)果，與目標(biāo)相連的折線為經(jīng)跟蹤后系統(tǒng)生成的目標(biāo)軌跡)，且變化大，在圖6(a)中，目標(biāo)面積較大，但強(qiáng)度較低;而在圖6(b)、6(c)、6(d)中，目標(biāo)面積變小，而強(qiáng)度增強(qiáng)。圖7是圖6經(jīng)本文算法檢測(cè)后的結(jié)果，實(shí)驗(yàn)結(jié)果表明算法可以完整的檢出目標(biāo)輪廓，并能對(duì)小目標(biāo)有較好的檢測(cè)效果和適應(yīng)能力。實(shí)驗(yàn)2是蛙人從聲納中心下水向聲納外沿運(yùn)動(dòng)，圖中距離聲納中心不遠(yuǎn)處有小群浪花朝聲納中心處運(yùn)動(dòng)，由于靠近聲納中心，這部分浪花在圖像強(qiáng)度和尺寸上都與蛙人目標(biāo)很相似，而且數(shù)目較多，使蛙人目標(biāo)不易識(shí)別。圖8(a)～(c)為算法進(jìn)行檢測(cè)后的結(jié)果，圖8(a)中蛙人目標(biāo)和浪花一起被檢測(cè)為待確認(rèn)目標(biāo)(圖中虛線外接矩形框)，圖8(b)中通過(guò)目標(biāo)跟蹤進(jìn)一步確認(rèn)蛙人目標(biāo)(圖中實(shí)線外接矩形框)(注:由于截屏的問(wèn)題，圖中目標(biāo)編號(hào)未保持一致)。實(shí)驗(yàn)結(jié)果表明算法可以較好地排除噪聲的干擾，識(shí)別出真實(shí)的蛙人目標(biāo)。

圖6 包含蛙人目標(biāo)的原始聲納圖像

圖7 經(jīng)本文算法檢測(cè)后圖6的圖像

圖8 經(jīng)本文算法檢測(cè)后的包含蛙人和浪花的圖像

4 結(jié)論

針對(duì)蛙人探測(cè)聲納圖像中目標(biāo)小、結(jié)構(gòu)信息缺乏、成像不穩(wěn)定的難點(diǎn)以及監(jiān)控系統(tǒng)要求較高實(shí)時(shí)性的問(wèn)題，提出了基于圖像二值化和區(qū)域生長(zhǎng)法的自適應(yīng)雙幀差法。算法通過(guò)將前后兩幀差的結(jié)果與當(dāng)前幀的二值化圖像以及區(qū)域生長(zhǎng)法相結(jié)合及時(shí)消除了“雙影”和“空洞”的影響，保證了監(jiān)控系統(tǒng)足夠的預(yù)警時(shí)間，并通過(guò)“弱腐蝕”和“警戒區(qū)”的思想提高了算法對(duì)弱小目標(biāo)的檢測(cè)效果，最后利用虛警率和警戒區(qū)從時(shí)間和空間上對(duì)算法閾值進(jìn)行自適應(yīng)的調(diào)整。實(shí)驗(yàn)表明該算法具有較高的準(zhǔn)確性、實(shí)時(shí)性和魯棒性。進(jìn)一步加強(qiáng)惡劣環(huán)境下的目標(biāo)檢測(cè)的準(zhǔn)確性是下一步研究的方向。

［1］Asada A，Kuramoto K，Tanaka T，et al.Development of Underwater Security Sonar System［C］//Oceans 2006，Singapore，Singapore，2007:1－3.

［2］Crawford A M，Vance C D.Observations from Demonstrations of Several Commercial Diver Detection Sonar Systems［C］//Oceans 2007，Vancouver，BC，2007:1－3.

［3］Annati M.Harbour Protection and Defense of the Coast［J］.Naval Forces 2008，2008，29(Ⅲ):24－37.

［4］蔣立軍，楊娟，許楓.蛙人探測(cè)聲吶技術(shù)研究進(jìn)展［J］.中國(guó)科學(xué)，2009，54(3):269－272.

［5］葉秀芳，王興梅，張哲會(huì)，方超.新的聲納圖像自動(dòng)分割方法［J］.計(jì)算機(jī)工程與應(yīng)用，2009，45(2):168－172.

［6］Cobb J T，An M，Tolimieri R.A Group Filter Algorithm for Sea Mine Detection［C］//Proceedings of SPIE 2005，the International Society for Optical Engineering，Orlando，USA，2005:392－402.

［7］Liannantonakis M，Petillot Y R.Sidescan Sonar Segmentation Using Texture Descriptors and Active Contours［J］.IEEE Journal of Oceanic Engineering，2007，32(3):744－752.

［8］Bell J M，Petillot Y R，Lebart K，et al.Target Recognition in Synthetic Aperture and High Resolution Sidescan Sonar［J］.High Resolution Imaging and Target Classification，2006，11:99－106.

［9］張波，陳小泉.蛙人探測(cè)及蛙人探測(cè)聲吶［J］.中國(guó)科技信息，2009，2:51－52.

［10］王萍.水下小目標(biāo)主被動(dòng)聲學(xué)特性及探測(cè)方法研究［D］:［碩士學(xué)位論文］.哈爾濱:哈爾濱工程大學(xué)，2009.

［11］卓志敏，繆德超，楊莘元。一種復(fù)雜海面背景下的紅外艦船目標(biāo)檢測(cè)算法［J］.傳感技術(shù)學(xué)報(bào)，2007，20(8):1934－1936.

［12］Liu Mao-ying，Dai Qiong-hai，Liu Xiao-dong，et al.Automatic Extraction of Initial Moving Object Based on Advanced Feature＆Video Analysis［C］//Visual Communications and Image Processing 2005，Beijing，China，2005:160－167.

［13］甘明剛，陳杰，劉勁，王亞楠.一種基于三幀差分和邊緣信息的運(yùn)動(dòng)目標(biāo)檢測(cè)方法［J］.電子與信息學(xué)報(bào)，2010，32(4):394－397.

［14］張顯亭，陳樹(shù)越，陳穎鳴.一種改進(jìn)的復(fù)雜場(chǎng)景運(yùn)動(dòng)目標(biāo)檢測(cè)算法［J］.傳感技術(shù)學(xué)報(bào)，2009，22(8):1146－1149.