基于改進(jìn)Hough變換的ASAR圖像船只尾跡檢測算法研究

鞏 彪,王海濤,席沛麗,侯雨生,路瑞峰

(上海衛(wèi)星工程研究所,上海 201109)

基于改進(jìn)Hough變換的ASAR圖像船只尾跡檢測算法研究

鞏 彪,王海濤,席沛麗,侯雨生,路瑞峰

(上海衛(wèi)星工程研究所,上海 201109)

為能更準(zhǔn)確地對先進(jìn)合成孔徑雷達(dá)(ASAR)圖像中船只尾跡進(jìn)行探測，提出了一種基于改進(jìn)Hough變換的船只尾跡檢測算法。切割A(yù)SAR窗口圖像，以尾跡為中心、略小于尾跡長度為高度，確定含船只目標(biāo)及其尾跡的窗口，將船只用窗口圖像灰度均值替代以使其不影響尾跡檢測。用改進(jìn)Hough算法，先后對亮尾跡和暗尾跡進(jìn)行檢測，在變換域中由設(shè)定的閾值尋找峰值，反演出尾跡所在直線，再由閾值條件確定尾跡的起點(diǎn)和終點(diǎn)。給出了用于ASAR圖像船只尾跡檢測算法的流程。對兩幅含船只尾跡的ASAR圖像進(jìn)行了檢測，結(jié)果表明：與傳統(tǒng)算法相比，該算法運(yùn)算簡單，實(shí)現(xiàn)速度快，能較準(zhǔn)確地檢測到船只尾跡及其起點(diǎn)和終點(diǎn)。

合成孔徑雷達(dá)； 先進(jìn)合成孔徑雷達(dá)圖像； 船只尾跡； 檢測； Hough變換； 船只掩膜； 閾值； 約束條件

0 引言

與岸基、船載、機(jī)載等探測方式相比，星載合成孔徑雷達(dá)(SAR)探測有全天時(shí)、全天候、遠(yuǎn)距離、大范圍等優(yōu)點(diǎn)，能宏觀、長期、動(dòng)態(tài)地對陸地和海洋實(shí)施觀測。因特殊的成像原理能提供高分辨率的遙感圖像， SAR被廣泛用于軍事偵察和目標(biāo)檢測等領(lǐng)域[1]。水面的運(yùn)動(dòng)船只或水下的運(yùn)動(dòng)物體在水面留下的痕跡被稱為尾跡，光學(xué)圖像和SAR圖像上常能發(fā)現(xiàn)這種尾跡。自1978年在美國Seasat SAR衛(wèi)星的SAR圖像上首次觀測到船只尾跡以來，利用船只尾跡雷達(dá)特征信號作為一種船只檢測和分類方式受到廣泛關(guān)注[2]。船只尾跡的SAR圖像檢測已成為研究熱點(diǎn)，研究成果有廣泛的應(yīng)用前景，如對特定海域、海灣港口的尾跡進(jìn)行檢測；對海洋水運(yùn)交通、非法捕魚、海上走私活動(dòng)等進(jìn)行監(jiān)測和管理等[2-3]。目前，國內(nèi)外研發(fā)了眾多的星載SAR、機(jī)載SAR，獲得了豐富的SAR圖像數(shù)據(jù)[2]。當(dāng)海量的SAR圖像用于船只尾跡檢測時(shí)，為能及時(shí)有效發(fā)現(xiàn)和提取船只尾跡信息，迫切需要對尾跡檢測進(jìn)行研究。近年來，在SAR圖像尾跡檢測進(jìn)行了大量研究，主要是基于Radon變換和Hough變換[4-7]。直接利用Radon變換方法重構(gòu)出的圖像，雖然能看出尾跡，但其貫穿了整幅圖像，無法判斷航跡的起點(diǎn)和終點(diǎn)，缺點(diǎn)非常明顯，故只用于粗略的線狀特征的檢測?；贖ough變換算法，多是先將灰度圖像二值化再進(jìn)行檢測[7-10]。但對SAR圖像來說，船只尾跡可能亮于SAR圖像背景，也可能暗于背景，因此二值化的閾值常難以確定?；诟倪M(jìn)的Hough變換的效果雖較前兩種算法有改善，但對多幅SAR圖像的實(shí)驗(yàn)研究表明，多數(shù)情況下只適于單尾跡的檢測，且無法自動(dòng)識(shí)別尾跡的類型。為此，本文對原算法進(jìn)行改進(jìn)：檢測出船只并將船只部分用圖像灰度均值代替，用閾值修正變換域中的峰值檢測；修正了尾跡起點(diǎn)和終點(diǎn)的約束條件。

1 船只尾跡類型

常見的船只尾跡一般可分為窄V形尾跡、Kelvin尾跡和湍流尾跡三類[10-12]。窄V形尾跡和Kelvin尾跡是由船體對水面的擾動(dòng)直接產(chǎn)生的，湍流尾跡是由船體排水和螺旋槳擾動(dòng)造成的[13]。尾跡波模式組成分量幾何關(guān)系如圖1所示。圖中：開爾文包絡(luò)即為Kelvin尾跡。由圖1可知：窄V形尾跡、Kelvin尾跡和湍流尾跡均有明顯的線狀特性，對尾跡的檢測正是基于此特性的。

圖1 船只波模式Fig.1 Structure of ship wave

2 用于ASAR圖像船只尾跡檢測算法

2.1 Hough變換算法改進(jìn)

Hough變換是1962年HOUGH在其專利中引入，用于檢測圖像中的直線[1、3、14]。它在圖像處理和計(jì)算機(jī)視覺中有多種應(yīng)用，如直線檢測、圓或橢圓檢測和邊界提取等。二維歐幾里得空間中Hough變換的定義為

f(θ,ρ)=H{F}=

(1)

式中：D為整個(gè)(x，y)平面；(x，y)為以圖像中心為坐標(biāo)的二維歐式平面；F(x，y)為圖像上點(diǎn)(x，y)的灰度值；δ為Dirac函數(shù)；ρ為由原點(diǎn)至直線的法線距離；θ為直線的法線與x軸的夾角，取值范圍0°～180°。

改進(jìn)的Hough變換算法可描述如下[15-18]。

a)參數(shù)空間中設(shè)定2個(gè)灰度累加器H1(ρk，θm)，H2(ρk，θm)和2個(gè)直線長度統(tǒng)計(jì)累加器L1(ρk，θm)，L2(ρk，θm)，分別用于對亮尾跡和暗尾跡進(jìn)行積分。此處：k，m分別為參數(shù)空間中橫軸和縱軸的個(gè)數(shù)。

b)參數(shù)空間中，先對亮尾跡進(jìn)行檢測，累加每個(gè)像素的灰度值到H1(ρk，θm)并使L1(ρk，θm)加1，再在Hough變換域中搜索H1(ρk，θm)/L1(ρk，θm)的最大值，保存搜索結(jié)果，然后根據(jù)閾值判斷是否繼續(xù)搜索。

c)對暗尾跡進(jìn)行檢測，累加每個(gè)像素的灰度值到H2(ρk，θm)并使L2(ρk，θm)加1，再在Hough變換域中搜索當(dāng)H2(ρk，θm)/L2(ρk，θm)小于均值時(shí)的最大值，保存搜索結(jié)果，然后根據(jù)閾值判斷是否繼續(xù)搜索。若H2(ρk，θm)/L2(ρk,，θm)為0，則直接退出搜索。

d)參數(shù)空間中搜索峰值或谷值的前提條件是

L1(ρk，θm)或L2(ρk，θm)大于M。此處：M為含有尾跡的SAR圖像局部窗口中高度的一半。該限定條件作用是剔除局部高灰度值對檢測結(jié)果的影響。

e)根據(jù)檢測出的亮尾跡或暗尾跡，用均值判別法及閾值法反演出尾跡端點(diǎn)坐標(biāo)。

2.2 用于ASAR圖像船只尾跡檢測算法

常用的尾跡檢測算法利用上述特性，式(1)中的F(x，y)為圖像上點(diǎn)(x，y)的灰度值，變換后θ-ρ平面值f(θ，ρ)變?yōu)辄c(diǎn)(θ，ρ)對應(yīng)的(x，y)平面的幾何直線上所有像素點(diǎn)的灰度累計(jì)值。但圖像上位于不同位置直線的像素點(diǎn)數(shù)各異，使在圖像中的直線對Hough變換空間的貢獻(xiàn)不均勻(即累加數(shù)目不同)，且加上海面背景相干斑噪聲的嚴(yán)重影響，經(jīng)常導(dǎo)致檢測結(jié)果不準(zhǔn)確。

另一方面，傳統(tǒng)算法都只涉及檢測，未對尾跡的起始點(diǎn)進(jìn)行確定，且沒有對數(shù)據(jù)格式復(fù)雜的ASAR圖像進(jìn)行尾跡檢測。因此，針對Hough變換算法的不足，本文提出了一種基于改進(jìn)的Hough變換船只尾跡檢測算法，可快速檢測出尾跡的起始點(diǎn)，并在ASAR圖像中實(shí)現(xiàn)，流程如圖2所示，具體措施如下。

a)對ASAR窗口圖像的切割，以尾跡為中心，以略小于尾跡長度為高度，確定含有船只目標(biāo)及其尾跡的圖像窗口。

b)將船只用窗口圖像灰度均值代替。

c)對該圖像窗口采用本文的改進(jìn)算法，在變換域中通過設(shè)定閾值尋找峰值。

d)根據(jù)峰值(ρ，θ)，反演出尾跡所在直線，再通過閾值條件確定尾跡的起點(diǎn)和終點(diǎn)。

圖2中，重要的處理部分有：

a)掩膜船只，即將船只部分以窗口圖像均值代替。本文用5×5像素模板將船只最大限度屏蔽，目的是使船只的目標(biāo)像素值不影響尾跡檢測。

b)用改進(jìn)的Hough變換船只尾跡識(shí)別算法檢測尾跡。在Hough變換域中，用

T=ρ+kσ，

(2)

k=(Amax-ρ)/σ+0.8

(3)

確定是否繼續(xù)搜索峰值的閾值條件；用

T=ρ

(4)

確定是否繼續(xù)搜索谷值的閾值條件。此處：ρ為窗口圖像像素的均值；σ為窗口圖像像素的標(biāo)準(zhǔn)差；Amax為Hough變換域中符合條件的第一個(gè)最大峰值；T，k均為閾值。

圖2 用于ASAR圖像船只尾跡檢測流程Fig.2 Flowchart of ship wake detectionalgorithm for ASAR image

c)尾跡端點(diǎn)坐標(biāo)反演。在檢測出尾跡所在直線后，先根據(jù)是亮尾跡或暗尾跡，用均值判別法確定真實(shí)尾跡在原直線中的位置，再通過尾跡和圖像背景灰度值間的突變設(shè)定閾值條件，確定尾跡的起始點(diǎn)。

基于改進(jìn)的Hough變換船只尾跡檢測算法能快速準(zhǔn)確檢測ASAR圖像中的尾跡。

3 檢測算法應(yīng)用

3.1 數(shù)據(jù)

本文實(shí)驗(yàn)用ASAR數(shù)據(jù)，工作于C波段，工作模式有5種：圖像模式(IM)、極化模式(APM)、寬帶模式(WSM)、全球檢測模式(GMM)和波模式(WM)[2、8]。

用本文的算法對71景ASAR數(shù)據(jù)進(jìn)行分析，數(shù)據(jù)分布見表1。表1中：VV極化為垂直極化；HH極化為水平極化。結(jié)果表明：該算法能快速準(zhǔn)確地檢測出尾跡。

表1 實(shí)驗(yàn)所用數(shù)據(jù)的詳細(xì)信息

3.2 結(jié)果分析

2007年5月5日獲得的ASAR數(shù)據(jù)的APM圖像VV極化模式圖如圖3(a)所示。由圖3(a)可知：其窗口圖像中存在十分明顯的尾跡。分割出的尾跡窗口圖像如圖3(b)所示。Hough變換算法檢測出的結(jié)果如圖4(a)所示。本文的改進(jìn)Hough變換ASAR圖像船只尾跡識(shí)別算法檢測所得尾跡如圖4(b)所示。由圖3、4可知：相較傳統(tǒng)算法，改進(jìn)的算法能準(zhǔn)確識(shí)別出尾跡的起始點(diǎn)。

圖3 2007年5月5日ASAR數(shù)據(jù)的APM圖像Fig.3 APM image showing a pattern of VVpolarization using ASAR data and wake image of segmentation

圖4 不同算法檢測結(jié)果Fig.4 Wake detected by Hough transform and turbulent wake detected by identification algorithm proposed

2007年5月5日獲得的ASAR數(shù)據(jù)的APM圖像VV極化模式圖如圖5(a)所示。由圖5(a)可知：其窗口圖像中存在尾跡。分割出的尾跡窗口圖像如圖5(b)所示。Hough變換算法檢測結(jié)果如圖6(a)所示。本文的改進(jìn)Hough變換ASAR圖像船只尾跡識(shí)別算法檢測所得尾跡顯示如圖6(b)所示。由圖5、6可知：相較傳統(tǒng)算法，改進(jìn)的算法能準(zhǔn)確識(shí)別出尾跡的起始點(diǎn)。

圖5 2007年5月7日ASAR數(shù)據(jù)的APM圖像Fig.5 APM image showing a pattern of VV polarization using ASAR data and wake image of segmentation on May 7,2007

圖6 不同算法檢測結(jié)果Fig.6 Wake detected by Hough transform and turbulent wake detected by identification algorithm proposed

4 結(jié)束語

傳統(tǒng)的Hough變換未用于ASAR圖像檢測，且無法確定尾跡的起始點(diǎn)。本文通過改進(jìn)算法中的檢測條件，提出了一種基于改進(jìn)Hough變換船只尾跡檢測算法，并用格式復(fù)雜的ASAR圖像進(jìn)行驗(yàn)證，結(jié)果表明改進(jìn)的算法能準(zhǔn)確檢測出尾跡。文中給出了基于ASAR圖像船只尾跡檢測算法。通過對2景數(shù)據(jù)中的尾跡進(jìn)行實(shí)驗(yàn)，對比分析了Hough變換檢測算法和改進(jìn)的算法，發(fā)現(xiàn)多數(shù)情況下Hough變換對多尾跡的檢測并不非常準(zhǔn)確，且沒有在ASAR圖像中應(yīng)用。改進(jìn)的算法能較好地彌補(bǔ)此不足，可檢測出ASAR圖像中的尾跡。研究可得出以下結(jié)論：本文的算法適于ASAR圖像，將改進(jìn)的算法用于ASAR圖像能檢測出尾跡，且檢測結(jié)果較準(zhǔn)確。本文算法可通過在變換域中設(shè)定閾值檢測尾跡條數(shù)，達(dá)到了預(yù)期目的，實(shí)驗(yàn)結(jié)果表明該算法對ASAR圖像有效。

[1] 艾加秋, 齊向陽, 禹衛(wèi)東, 等. 一種基于圖像分割和歸一化灰度Hough變換的SAR圖像艦船尾跡CFAR檢測算法[J]. 電子與信息學(xué)報(bào), 2010, 32(11): 2668-2673.

[2] 種勁松, 朱敏慧. SAR圖像艦船檢測及其尾跡檢測研究綜述[J]. 電子學(xué)報(bào), 2003, 31(9): 1356-1360.

[3] 種勁松, 朱敏慧. 基于歸一化灰度Hough變換的SAR圖像艦船尾跡檢測算法[J]. 中國圖象圖形學(xué)報(bào), 2004, 9(2): 146-150.

[4] 種勁松, 歐陽越, 朱敏慧. 合成孔徑雷達(dá)圖像海洋目標(biāo)檢測[M]. 北京: 海洋出版社, 2006: 20-22.

[5] 蔣定定, 許兆林, 李開端. 基于Radon變換的SAR圖像船跡檢測研究[J]. 海洋測繪, 2004, 24(2): 50-52.

[6] 李杭彩, 方景龍, 王曉飛, 等. 基于Hough變換的SAR圖像艦船尾跡檢測方法[J]. 杭州電子科技大學(xué)學(xué)報(bào), 2009, 29(1): 71-74.

[7] 馬龍, 陳文波, 戴模. ENVISAT的ASAR數(shù)據(jù)產(chǎn)品介紹[J]. 國土資源遙感, 2005(1): 70-71.

[8] 王連亮, 陳懷新. 基于遞歸修正Hough變換域的艦船多尾跡檢測方法[J]. 系統(tǒng)工程與電子技術(shù), 2009, 31(4): 834-837.

[9] 王世慶, 金亞秋. SAR圖像船行尾跡檢測的RADON變換和形態(tài)學(xué)圖像處理技術(shù)[J]. 遙感學(xué)報(bào), 2001, 5(4): 289-294.

[10] 葉文雋. SAR圖像艦船尾跡檢測研究[D]. 長沙: 國防科學(xué)技術(shù)大學(xué), 2009.

[11] 張曉燕, 尤紅建, 付琨. 基于Radon變換的星載SAR圖像窄V尾跡檢測[J]. 測繪科學(xué), 2009, 34(2): 117-119.

[12] 周紅建, 陳越, 王正志, 等. 應(yīng)用RADON變換方法檢測窄V型船舶航跡[J]. 中國圖像圖形學(xué)報(bào), 2000, 5A(11): 901-905.

[13] COPELAND A C. Localized radon transform-based detection of ship wakes in SAR images[J]. IEEE Transactions on Geosciences and Remote Sensing, 1995, 33(1): 35-45.

[14] DEANS S R. Hough transform from the radon transform[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1981, 3(2): 185-188.

[15] ELDHUSET K. An automatic ship and ship wake detection system for spaceborne SAR images in coastal regions[J]. IEEE Transactions on Geoscience and Remote Sensing, 1996, 34(4): 1010-1018.

[16] LYDEN J D, LYZENGA D R, SHUCHMAN R A. Analysis of synthetic aperture radar imagery of surface ship wakes[C]// International Geoscience and Remote Sensing Symposium (IGARSS’86). Zurich: IEEE, GRSS, 1986: 801-805.

[17] REY M T, TUNALEY J K, FOLINSBEE J T, et al. Application of radon transform techniques to wake detection in SeaSAT-A SAR images[J]. IEEE Transactions on Geosciences and Remote Sensing, 1990, 28(4): 553-360.

[18] WANG Jin-fei, HOWARTH P J. Use of the Hough transform in automated lineament detection[J]. IEEE Transactions on Geosciences and Remote Sensing, 1990, 28(4): 561-566.

Study on Ship Wake Identification Algorithm for ASAR Image Based on Improved Hough Transform

GONG Biao, WANG Hai-tao, XI Pei-li, HOU Yu-sheng, LU Rui-feng

(Shanghai Institute of Satellite Engineering, Shanghai 201109, China)

In order to detect ship wake for advanced synthetic aperture (ASAR) image more accurately, a ship wake detection method based on improved Hough transform method was proposed in this paper. The window image of ASAR was sliced. The window including ship and its wake was determined through the way that the wake was served as the centre and the length which was smaller than wake slightly was served as the height. The pixels’ gray value of the ship was replaced by the gray mean value of the window image, which would not affect the wake identification. The light wake was detected firstly and then the dark wake was detected using improved Hough transform method. The peek was searched in the transform domain according to the threshold set. The wake line was inversed. The start point and end point of the wake were obtained by the threshold conditions. The flowchart of ship wake detection algorithm in ASAR image was given. The ship wake detection for two ASAR images was carried. The results show that the detection algorithm proposed is simple and fast, which can detect the ship wake and identify its start point and end point.

Synthetic aperture radar; Advanced synthetic aperture radar image; Ship wake; Identification; Hough transform; Ship mask; Threshold; Constraint condition

1006-1630(2016)06-0082-06

2016-06-28；

2016-09-15

鞏 彪(1986—)，男，碩士，主要研究方向?yàn)镾AR海洋環(huán)境仿真。

TN957.52

A

10.19328/j.cnki.1006-1630.2016.06.012