一種探雷聲納圖像分割方法及應(yīng)用

王 超, 姜可宇

(海軍工程大學(xué),湖北 武漢 430033)

在未來海戰(zhàn)中,反水雷能力是海軍防御力量的重要組成部分。人工辨識水雷準確率比較高,但因長時間操作人員容易疲憊,或因作戰(zhàn)壓力較大導(dǎo)致人員情緒波動,對辨識水雷有一定影響。若能使實現(xiàn)目標判別過程的自動化,水雷偵察的效率將會得到較大改善。

目前,探雷聲納是探測水雷的有效手段實現(xiàn)水雷的自動判別,首先要確定探雷聲納圖像中的疑似目標。疑似目標為聲納圖像中符合特定大小,信混比較大的區(qū)域。自動判別水雷關(guān)鍵是對聲納圖像進行適當?shù)貟呙璺指?。國?nèi)學(xué)者提出變尺寸組合窗口[1]來對聲納圖像中的單一沉底小目標進行搜索定位,利用屬性直方圖[2]確定其最佳灰度分割閾值,對定位的可疑區(qū)域進行目標聲影的分割提取,還可以利用目標直方圖相似性[3]來識別目標。該方法對于近距離(小于200m)高分辨率聲納圖像中單一目標有較好的分割效果。而探雷聲納圖像分辨率相對較低,目標在圖像中沒有聲陰影,因此該方法不適用于探雷聲納圖像中的水雷自動判別。

本文首先對探雷聲納的成像原理做了簡單介紹,結(jié)合實際圖像中水雷目標的亮點特征提出了合適的目標搜尋窗口和目標定位窗口,應(yīng)用區(qū)域生長法對兩種窗口中的目標進行分割,得到符合特定大小及信混比的可疑區(qū)域。該方法可有效實現(xiàn)探雷聲納無聲影圖像中多個疑似目標的掃描分割。

1 探雷聲納二維圖像

探雷聲納為回聲聲納,發(fā)射分系統(tǒng)通過發(fā)射基陣以一定的水平和垂直指向角通過一定的時間間隔和空間間隔先后向水中發(fā)射設(shè)定參數(shù)的聲脈沖信號,覆蓋一定角度的扇面,如圖1所示。然后接收分系統(tǒng)的接收基陣開始接收回波信號,經(jīng)濾波、增益控制、波束形成等處理后,生成覆蓋一定水平角度探測扇面的多波束信號。它們反映了探測扇面內(nèi)不同方向的回波強度隨斜距的變化情況。為使得由這些波束信號形成的聲圖像便于操作員觀察,對其在水平方向上進行一定內(nèi)插形成方位-距離-幅度三維灰度圖[3],如圖2所示。

圖1 聲納波束示意圖

圖像顯示時,水平方向是角度維,豎直方向是距離維,表示的范圍與圖像的起始距離和量程有關(guān)。圖2為一幅探雷聲納圖像,其中圖像較強亮點(圖2中的白色圈內(nèi))對應(yīng)回波較強的區(qū)域,是小目標或海底石塊回波形成的,稱為目標亮點區(qū);圖 2其余部分為不規(guī)則的大片次亮區(qū)或暗區(qū),由海底混響形成,稱為海底混響區(qū)。聲納圖像與光學(xué)圖像相比,分辨率低,干擾強,目標邊緣模糊,光學(xué)圖像分割方法一般不適用于該類圖像處理。

圖2 實際聲納圖像

2 探雷聲納圖像分割方法

上文介紹的聲納圖像中可以得出:由于探測距離較遠,分辨率較低,導(dǎo)致目標亮區(qū)周圍沒有聲陰影;符合一定大小和信混比的目標在圖像中不只一個,非最亮區(qū)域也可能存在疑似水雷目標。文獻[1]中綜合利用目標亮區(qū)和陰暗區(qū)兩者像素灰度級方面信息,定義聯(lián)合分布率μ如下:

式中,L亮、L暗分別為圖像中目標亮區(qū)與目標陰影的高度,W 為目標在圖像中的寬度,N亮、N暗分別為L亮×W、L暗×W 子窗口中灰度值大于某一閾值和小于某一閾值的像素數(shù)。逐行逐列考察各像素位置的μ值,找出最大μ值對應(yīng)的位置即為目標位置。此法要求目標有聲陰影,且只能找到符合要求的最大值,而實際聲納圖像中符合要求的區(qū)域可能不止一個,μ不好設(shè)定閾值,故此法難以直接應(yīng)用。

根據(jù)探雷聲納圖像中水雷無聲陰影的特殊性,本文對區(qū)域生長法的參數(shù)做了設(shè)定,并結(jié)合搜尋和定位兩種方式對聲納圖像進行掃描分割。

2.1 區(qū)域生長法

區(qū)域生長法(SRG)[4]的基本思想是通過一個初始種子,將種子周圍具有相似性質(zhì)的像素歸并到種子像素所在的區(qū)域。如圖3所示,在圖像待分割的目標(圓圈標出)中選取初始種子像素 P,從 P點出發(fā)向該點的鄰域(如8鄰域)搜索,規(guī)定一個閾值T,當搜索點的灰度值與P點的灰度差小于T時,則認為此點屬于該種子點對應(yīng)的區(qū)域,并標記為L,如圖3中黑色區(qū)域。這樣圖像中的點會逐漸標記為L,用此原理再向四周搜索,直到找不到符合規(guī)則的像素為止。

圖3 區(qū)域分割示意圖

區(qū)域生長法的優(yōu)點是計算簡單,比較適合分割均勻的小目標,此法和邊緣檢測或閾值分割聯(lián)合使用會得到更精確的分割結(jié)果[5]。

在探雷聲納圖像中,水雷目標正好具有這種特點,下面對區(qū)域生長法中的參數(shù)做如下設(shè)定。

1)種子像素P:根據(jù)圖像中目標的亮點特征,對于目標較為清晰地聲納圖像,種子點P應(yīng)為圖像中灰度值最大點,對于目標的信混比不強的聲納圖像,種子點P應(yīng)為其搜索及定位窗口中灰度值最大點;

2)閾值T:在強信混比條件時,閾值隨分割到目標的面積變化曲線如圖4(a)所示,不同的閾值對目標的分割影響不大。而在強混響背景下,較大的閾值會使目標過渡分割,較小的閾值會損失目標的邊緣,目標分割面積隨閾值變化如圖 4(b)。實際圖像中目標的邊緣較模糊,較大的閾值可能使目標不符合要求導(dǎo)致漏判。對大量實際聲納圖像中的目標進行分割測試,閾值T取為0.2比較合適。

圖4 目標包含像素隨閾值的變化

使用以上參數(shù)對實際聲納圖像的分割結(jié)果如圖5所示。

圖5 區(qū)域生長法對理想目標的分割

圖 5(a)為原始圖像,圖 5(b)為分割后的二值圖像。可以看出,當目標在圖像中為最亮點時,該方法能對目標進行有效分割,得到其基本的長、寬等信息。但實際上,圖像中經(jīng)常出現(xiàn)混響區(qū)域部分灰度值比目標區(qū)域灰度值大的情況,如用上述的方法就會出現(xiàn)錯誤分割。

將圖像劃為若干個區(qū)域可以解決上述問題。以每個小區(qū)域中的最大灰度值為種子點,應(yīng)用特定參數(shù)的區(qū)域生長法對其進行分割。

2.2 掃描窗口及掃描方式

在圖像處理中,窗口是最重要的概念之一。窗口是具有一定大小和形狀的特定點的鄰域,與圖像作用時,考察落在它內(nèi)部的圖像像素值。圖像處理中常用的窗口有方形、十字形、圓形、圓環(huán)形、X形和線形等。

根據(jù)探雷聲納目標區(qū)域在圖像中的特點,選取矩形窗口對圖像進行掃描。掃描過程用到的窗口類型有兩種,第一種為目標搜索窗口,用來對整幅圖像進行從左至右從上到下的完整掃描,同時對每一窗口內(nèi)的圖像進行區(qū)域生長分割,如圖6(a)所示。第二種為目標定位窗口,用來對目標區(qū)域進行分割,旨在分割出目標的完整形狀,如圖6(b)所示。下面對窗口尺寸及窗口掃描方式做詳細說明。

圖6 兩種掃描窗口示意圖

圖2所示的聲納圖像為扇形區(qū)域進行坐標變化得來的,距離維的分辨率d1隨量程范圍的改變而不同,定義為

式中,L1為圖像距離維的范圍(量程),M為圖像矩陣的行數(shù)。圖像中角度維對應(yīng)的分辨率d2隨斜距的改變而不同,為

式中,r為斜距。水雷目標一般為長2m,半徑0.5m的圓柱體。其在圖中任意位置對應(yīng)的尺寸可用式(4)、式(5)計算得出。

式中,L為目標在圖像中所占行數(shù),W為目標所占行數(shù)。l為其在距離維的長度,ω為其在角度維的長度,P為圖像的列數(shù),y為目標出現(xiàn)位置的距離維坐標,S為圖像對應(yīng)的最小量程。若將其放在斜距為 r的位置,長邊與方位軸平行,如圖 7所示。在圖像中,其對應(yīng)的L最大為2行,橫坐標對應(yīng)最多三個接收波束,即W最大為12列,考慮接收機形成的多波束數(shù)據(jù)要進行內(nèi)插,所以目標在實際圖像中角度維的長度要比計算的長些。

圖7 目標跨波束情況

考慮到實際圖像中目標存在邊界模糊使其尺寸變大:對于目標搜尋窗口,本文設(shè)定其橫向長為N/4-1列,N為圖像矩陣的列數(shù),縱向長度為 5行,保證其內(nèi)不會出現(xiàn)兩個可疑目標;對于目標分割窗口,考慮到目標擺放的角度,本文設(shè)定其橫向長為15個像素,縱向長為8個像素。

定義了兩種掃描窗口的具體尺寸,下面說明兩種掃描窗口的組合使用方式。在掃描過程中,如圖8(a)所示,首先是全局掃描窗口ABCD對其內(nèi)部的可疑區(qū)域進行分割,得到目標的中心 O,然后以目標的中心O為中點,使用目標分割窗口EFJH對其內(nèi)部的目標進行分割,之所以這樣做是因為全局掃描窗口有可能只分割到目標區(qū)域的一部分,如圖8(b)所示。

圖8 不同掃描過程示意圖

此時,目標與 AB邊交于 I、G兩點,全局掃描窗口 ABCD內(nèi)部分目標的形心為O,以 O為中心,對目標分割窗口 EFJH內(nèi)的目標再次進行分割。其它情況,以此類推。最后根據(jù)分割出目標的大小以及其信混比來判斷其是否為可疑目標,并把可疑目標的大小、最大灰度值、方位坐標等基本信息保存到目標數(shù)組中。信混比(SRR)定義為

其中,Et為目標所占像素的平均值,Eb為目標周圍40×40的背景所占像素灰度的平均值。

3 圖像分割實例

將上述方法應(yīng)用于圖2所示聲納圖像,通過對實際水雷目標在聲納圖像中信混比大小的經(jīng)驗總結(jié),設(shè)定信混比為 5,并把圖像中符合要求的疑似目標用白色框框出。分割結(jié)果如圖9所示。

圖9 分割實例

從圖9中可以看出,該方法對符合條件的目標有很好的判別效果。盡管混響區(qū)中有部分亮點大小符合要求,但由于信混比小于5而沒有被框出來。表1為圖像中標出目標的基本信息。表中目標坐標為(列,行),目標尺寸為(列,行),單位像素。

表1 疑似目標的基本信息

4 結(jié)束語

本文提出了一種無聲影探雷聲納圖像的分割方法,該方法使用兩種掃描窗口并結(jié)合區(qū)域生長法對無聲影聲納圖像進行了多疑似目標的掃描探測,通過設(shè)定合適的信混比閾值和目標區(qū)域大小,可以獲得單幅圖像中的疑似目標基本信息,進一步利用多幅圖像中目標的相對運動軌跡可排除掉部分假目標,為水雷判別的自動化打下基礎(chǔ)。

[1]郭海濤,田坦,孫大軍,等. 變尺寸組合窗口在聲吶圖象搜索定位中的應(yīng)用[J].哈爾濱工程大學(xué)學(xué)報,2000,21(5):28 -31 .

[2]盧逢春,張殿倫,郭海濤. 基于屬性直方圖的圖像分割方法及其在聲吶圖像分割中的應(yīng)用[J]. 哈爾濱工程大學(xué)學(xué)報,2002,23(3):1-3.

[3]田曉東,劉忠,周德超. 基于形狀描述直方圖的聲吶圖像目標識別算法[J].系統(tǒng)工程與電子技術(shù),2007,29(7):1050-1053.

[4]石珍龍. 獵雷聲吶圖像數(shù)據(jù)采集與處理[D]. 哈爾濱:哈爾濱工程大學(xué),1996 .

[5]Rolf Adams and Leanne Bischof. Seeded Region Growing. IEEE transactions of pattern analysis and machine intelligence (1994) 6, vol. XVI, pp 641-647.

[6]秦襄培,鄭賢忠. MATLAB圖像處理寶典[M].北京:電子工業(yè)出版社,2011.