基于二次分割的港口艦船目標(biāo)檢測(cè)方法

王方超，張 旻，宮麗美，陳 衛(wèi)

(1.解放軍電子工程學(xué)院，安徽 合肥 230037; 2.安徽省電子制約技術(shù)重點(diǎn)實(shí)驗(yàn)室，安徽 合肥 230037;3.脈沖功率激光技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，安徽 合肥 230037)

基于二次分割的港口艦船目標(biāo)檢測(cè)方法

王方超1,2，張 旻1,2，宮麗美1,2，陳 衛(wèi)3

(1.解放軍電子工程學(xué)院，安徽 合肥 230037; 2.安徽省電子制約技術(shù)重點(diǎn)實(shí)驗(yàn)室，安徽 合肥 230037;3.脈沖功率激光技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，安徽 合肥 230037)

針對(duì)光學(xué)遙感圖像中港口艦船的紋理、灰度特征與碼頭十分接近，直接分割相對(duì)困難的問(wèn)題，提出了基于二次分割的港口艦船目標(biāo)檢測(cè)方法。該方法首先將Top-hat算子引入分水嶺分割算法中，解決了分水嶺算法過(guò)分割現(xiàn)象，同時(shí)獲得較完整的海陸分離結(jié)果；其次對(duì)分割后的陸地區(qū)域使用Freeman鏈碼進(jìn)行輪廓描述，并結(jié)合改進(jìn)的Hough變換進(jìn)行目標(biāo)區(qū)域的分離，通過(guò)二次分割有效地將碼頭與艦船分開(kāi)；最后，計(jì)算各區(qū)域的面積實(shí)現(xiàn)港口艦船的識(shí)別。實(shí)驗(yàn)結(jié)果表明，該方法魯棒性強(qiáng)，易于實(shí)現(xiàn)，通過(guò)實(shí)測(cè)數(shù)據(jù)可以解決港口艦船目標(biāo)的檢測(cè)問(wèn)題。

Top-hat算子;分水嶺分割；Freeman鏈碼；Hough變換；目標(biāo)識(shí)別

0 引言

眾所周知，港口艦船目標(biāo)的檢測(cè)問(wèn)題在港口交通的監(jiān)管、海船調(diào)度、漁業(yè)管理、打擊走私、海上艦船動(dòng)態(tài)監(jiān)測(cè)與跟蹤等方面有著重要的應(yīng)用價(jià)值，因此一直受到人們廣泛的關(guān)注[1]。鑒于圖像偵察在軍事上的重要性，越來(lái)越多國(guó)家利用高分辨率衛(wèi)星圖像對(duì)重點(diǎn)海域和重要港口進(jìn)行監(jiān)控，開(kāi)展基于遙感圖像的港口艦船目標(biāo)檢測(cè)與識(shí)別具有特殊的意義[2]。

目前，國(guó)內(nèi)外學(xué)者對(duì)遙感圖像艦船目標(biāo)的檢測(cè)識(shí)別研究主要集中在海洋背景下，如臧風(fēng)妮等[3]為實(shí)現(xiàn)海事動(dòng)態(tài)視頻監(jiān)測(cè)中海面艦船目標(biāo)的自動(dòng)檢測(cè)，提出了基于小波域視覺(jué)注意機(jī)制的海面目標(biāo)快速檢測(cè)算法，能夠快速準(zhǔn)確檢測(cè)到海面艦船目標(biāo)；許志濤等[4]將Itti模型應(yīng)用于海洋監(jiān)視衛(wèi)星圖像艦船目標(biāo)的檢測(cè)中，提出了基于視覺(jué)注意機(jī)制的海洋監(jiān)視衛(wèi)星圖像艦船目標(biāo)檢測(cè)算法，具有較高檢測(cè)精度和實(shí)時(shí)性；周珍娟等[5]根據(jù)遙感圖像目標(biāo)識(shí)別的要求，從艦船目標(biāo)識(shí)別要點(diǎn)出發(fā)，并引入基于SVM分類(lèi)器方法有效地過(guò)濾掉虛假艦船目標(biāo)，最后實(shí)現(xiàn)對(duì)艦船目標(biāo)的分類(lèi)識(shí)別。而港口艦船目標(biāo)檢測(cè)識(shí)別由于其紋理、灰度特征與碼頭十分接近，已有的基于海洋背景的艦船目標(biāo)檢測(cè)算法無(wú)法解決港口艦船目標(biāo)的識(shí)別問(wèn)題，本文針對(duì)此問(wèn)題，提出了基于二次分割的港口艦船目標(biāo)檢測(cè)方法。

1 海陸分割

相對(duì)海洋中艦船的檢測(cè)，碼頭?？康呐灤繕?biāo)與港口區(qū)域相連，需要先進(jìn)行陸地與水域的分離；由于它們之間顏色紋理區(qū)別并不大，直接采用現(xiàn)有分水嶺分割算法，易造成過(guò)分割現(xiàn)象，本文通過(guò)基于Top-hat的分水嶺分割算法，解決了這一問(wèn)題。

1.1 分水嶺分割算法

分水嶺分割方法，就是用圖像中每個(gè)點(diǎn)像素的灰度值表示該點(diǎn)海拔高度，在每一局部極小值表面刺穿一小孔，將整個(gè)模型慢慢浸入水中，隨著浸入的加深，每個(gè)局部極小值的影響區(qū)域慢慢向外擴(kuò)展，于兩個(gè)集水盆匯合處形成分水嶺[6]。對(duì)圖像中每個(gè)像素灰度級(jí)從低到高進(jìn)行排序，然后在從低至高的淹沒(méi)過(guò)程中，對(duì)每一局部極小值所在的影響域采用先進(jìn)先出的隊(duì)列結(jié)構(gòu)進(jìn)行標(biāo)記，然后準(zhǔn)確計(jì)算出分水嶺的位置，并通過(guò)計(jì)算梯度函數(shù)與設(shè)置閾值進(jìn)行比較得到海陸分割結(jié)果，其梯度函數(shù)如下。

G(x,y)=grad(f(x,y))=

(1)

式(1)中，f(x,y)表示原灰度圖像，grad(·)表示梯度運(yùn)算。然而，因量化誤差、目標(biāo)內(nèi)部紋理細(xì)節(jié)、梯度局部波動(dòng)等因素，形成大量偽局部極小值，易造成嚴(yán)重的過(guò)分割現(xiàn)象，因此進(jìn)行了基于Top-hat分水嶺的分割。

1.2 基于Top-hat分水嶺分割算法

Top-hat分水嶺分割算法，其主要思想就是在分水嶺分割算法的基礎(chǔ)上通過(guò)Top-hat變換[7]選用合適的結(jié)構(gòu)元素，增大圖像目標(biāo)點(diǎn)與背景點(diǎn)的灰度差，進(jìn)一步提高對(duì)比度，消除過(guò)度分割現(xiàn)象，將港口艦船輪廓從復(fù)雜圖像中提取出來(lái)，完成海陸分離。

通過(guò)對(duì)梯度函數(shù)進(jìn)行修改來(lái)消除分水嶺算法產(chǎn)生的過(guò)度分割，采用的方法是對(duì)梯度圖像進(jìn)行閾值化處理，來(lái)消除灰度微小變化產(chǎn)生的過(guò)分割。即

G(x,y)=max(grad(f(x,y)),T)

(2)

式(2)中，T為分割閾值。

使用閾值限制過(guò)分割現(xiàn)象，獲得適量的區(qū)域，再對(duì)此區(qū)域邊緣點(diǎn)灰度級(jí)進(jìn)行升序排列，然后從低到高實(shí)現(xiàn)淹沒(méi)過(guò)程，得出準(zhǔn)確的分水嶺位置，并通過(guò)Top-hat開(kāi)運(yùn)算對(duì)分水嶺圖像進(jìn)行操作，用結(jié)構(gòu)元素b對(duì)圖像G進(jìn)行開(kāi)運(yùn)算為：

G°b=(GΘb)⊕b

(3)

式(3)中，b為5×5的中心元素為5的平面鉆石形狀結(jié)構(gòu)元素，通過(guò)開(kāi)運(yùn)算得到較為光滑的港口艦船的二值圖像。在海陸分割的基礎(chǔ)上，下面將進(jìn)行港口艦船的目標(biāo)檢測(cè)。

2 港口艦船的目標(biāo)檢測(cè)

對(duì)于分割出的陸地目標(biāo)通過(guò)Freeman鏈碼跟蹤、目標(biāo)的區(qū)域分離、港口艦船的識(shí)別等三個(gè)步驟，實(shí)現(xiàn)港口與艦船的分離與識(shí)別。

2.1 Freeman鏈碼跟蹤

Freeman鏈碼，是利用曲線(xiàn)鏈碼差別累加值和鏈碼差來(lái)檢測(cè)曲線(xiàn)拐角點(diǎn)；然后計(jì)算曲線(xiàn)起點(diǎn)和方向，得到一個(gè)不隨曲線(xiàn)的旋轉(zhuǎn)、平移、尺度變換而變換拐角點(diǎn)序列；最后根據(jù)拐角點(diǎn)序列計(jì)算長(zhǎng)度和夾角序列，并對(duì)它們進(jìn)行相似判斷完成曲線(xiàn)跟蹤。鏈碼跟蹤有四方向和八方向兩種，其中四方向跟蹤力度不夠。本文對(duì)分離后的陸地目標(biāo)，利用文獻(xiàn)[8]中的八方向鏈碼進(jìn)行跟蹤，定義Lm和chainm，Lm為跟蹤的第m(m已≥1)條鏈碼，Lm((x,y)j)記錄第m條鏈碼上所有的點(diǎn)坐標(biāo)，(x,y)j表示第j點(diǎn)的像素坐標(biāo)，Lm(length)表示第m條鏈碼的像素?cái)?shù)目，Len表示鏈碼的長(zhǎng)度閾值，chainm記錄第m條鏈碼跟蹤的方向碼，F(xiàn)ist記錄鏈碼的起點(diǎn)，初始為空。鏈路方向可以根據(jù)實(shí)際需要進(jìn)行選擇，本文采用八方向Freeman鏈碼如圖1所示。

圖1 八方向Freeman鏈碼Fig.1 Freeman code in eight direction

具體跟蹤步驟如下：

1)確定Freeman鏈碼起點(diǎn)。把掃描得到的初始邊緣點(diǎn)當(dāng)做鏈碼起點(diǎn)，建立新的鏈碼Lm((x,y)j)，F(xiàn)ist記錄起點(diǎn)坐標(biāo)，搜索過(guò)程中將跟蹤過(guò)的點(diǎn)都記作非邊緣點(diǎn)，避免重復(fù)掃描。如果搜索不到新的邊緣點(diǎn)，圖像搜索完畢轉(zhuǎn)至步驟(5)。

3)確定跟蹤方式。本文采用八鄰域進(jìn)行跟蹤，按照從左至右，從下至上優(yōu)先級(jí)順序?qū)ふ业谝粋€(gè)輪廓的邊界點(diǎn)，接著以該點(diǎn)為跟蹤起始點(diǎn)，沿著左上方進(jìn)行搜索，如左上方的點(diǎn)不是邊界點(diǎn)，那么搜索方向按順時(shí)針旋轉(zhuǎn)45°，直到找到下一個(gè)邊界點(diǎn)為止，然后把這個(gè)邊界點(diǎn)當(dāng)做新的起始點(diǎn)，在當(dāng)下搜索方向上逆時(shí)針旋轉(zhuǎn)90°，以同樣方法搜索下一邊界點(diǎn)，直到返回初始邊界點(diǎn)或到達(dá)最后邊界點(diǎn)，輪廓跟蹤過(guò)程如圖2所示。

圖2 輪廓跟蹤圖示Fig.2 contour tracking show

4)確定新鏈碼起點(diǎn)。判斷Fist的八鄰域是否存在邊緣點(diǎn)，如果存在，將其當(dāng)做第Lm+1條鏈碼的起點(diǎn)，并轉(zhuǎn)至步驟2)；否則，轉(zhuǎn)至步驟1)。

5)去除短鏈碼。判斷Lm(length)是否大于鏈碼的長(zhǎng)度閾值，如果大于Len，保留該段鏈碼；否則認(rèn)為是干擾，將其去除。

6)跟蹤完畢，得到港口艦船的輪廓鏈碼的二值圖像，下面進(jìn)行目標(biāo)區(qū)域的分離。

2.2 基于改進(jìn)Hough變換的目標(biāo)區(qū)域分離

2.2.1 Hough變換的直線(xiàn)檢測(cè)

Hough變換[9]是利用圖像空間與參數(shù)空間的點(diǎn)與線(xiàn)之間對(duì)偶關(guān)系，將圖像空間復(fù)雜的邊緣特征信息轉(zhuǎn)化為參數(shù)空間的聚類(lèi)檢測(cè)問(wèn)題，其變換為：

ρ=xcos θ+ysin θ

(4)

式(4)中，ρ為極徑，θ(0°≤θ≤180°)為極角，x表示像素點(diǎn)相對(duì)于圖像原點(diǎn)的行坐標(biāo); y表示像素點(diǎn)相對(duì)于圖像原點(diǎn)的列坐標(biāo)。那么根據(jù)公式(4)，圖像空間中任意一點(diǎn)(xi,yi)映射到參數(shù)空間(ρ,θ)上，將對(duì)應(yīng)一條正弦曲線(xiàn)，則在參數(shù)空間(ρ,θ)中對(duì)應(yīng)得到多條正弦曲線(xiàn)，且這些曲線(xiàn)相交于同一點(diǎn)(ρ0,θ0)，根據(jù)此交點(diǎn)可以確定圖像空間中的該直線(xiàn)l，其斜截表達(dá)式為：

l:y=-xcot θ0+ρ0csc θ0

(5)

利用Hough變換將目標(biāo)輪廓點(diǎn)帶入公式(4)，通過(guò)計(jì)算對(duì)參數(shù)空間(ρ,θ)的量化點(diǎn)進(jìn)行投票，假使投票數(shù)超過(guò)某一門(mén)限值，就能確定與該直線(xiàn)對(duì)應(yīng)的一對(duì)參數(shù)(ρ,θ)，進(jìn)而檢測(cè)出目標(biāo)的特征直線(xiàn)。Hough變換雖能檢測(cè)出輪廓直線(xiàn)段的方向和長(zhǎng)度，但不能指出該直線(xiàn)的端點(diǎn)，并且不同直線(xiàn)邊緣點(diǎn)會(huì)相互干擾，使得無(wú)法確定實(shí)際中哪些直線(xiàn)應(yīng)該連接或者刪除，影響直線(xiàn)提取的準(zhǔn)確性，本文對(duì)此進(jìn)行了改進(jìn)。

2.2.2 改進(jìn)Hough變換的直線(xiàn)檢測(cè)

對(duì)分離的陸地目標(biāo)，利用Hough變換提取碼頭的直線(xiàn)特征，用于艦船與碼頭的分離。通過(guò)記錄參數(shù)空間(ρ,θ)每個(gè)點(diǎn)投票數(shù)的同時(shí)記錄直線(xiàn)的兩個(gè)端點(diǎn)，不斷調(diào)整端點(diǎn)來(lái)去除干擾、定位陸地目標(biāo)輪廓的邊緣，從而達(dá)到提取直線(xiàn)的目的，可分為如下過(guò)程。

1)劃分參數(shù)空間

2)記錄直線(xiàn)端點(diǎn)

定義Hough變換參數(shù)空間數(shù)據(jù)存放變量，其中Pixelcount記錄參數(shù)空間點(diǎn)的投票值，Pointone、Pointtwo分別記錄該參數(shù)點(diǎn)對(duì)應(yīng)二值圖像中直線(xiàn)兩個(gè)端點(diǎn)。由于二值圖像輪廓的跟蹤的優(yōu)先級(jí)是從左至右、從下至上的。因此，二值圖像輪廓邊緣點(diǎn)(x0,y0)，若滿(mǎn)足公式(4)，則其對(duì)應(yīng)參數(shù)空間點(diǎn)(ρ0,θ0)投票數(shù)Pixelcount加1；若當(dāng)前投票為1，則(x0,y0)為點(diǎn)(ρ0,θ0)所對(duì)應(yīng)直線(xiàn)第一點(diǎn)，此時(shí)記錄(ρ0,θ0)所對(duì)應(yīng)兩個(gè)端點(diǎn)坐標(biāo)都為(x0,y0)；若當(dāng)前投票大于1，則僅更新Pointtwo坐標(biāo)為(x0,y0)，以此來(lái)準(zhǔn)確記錄邊緣點(diǎn)。

3)避免非直線(xiàn)端點(diǎn)被記錄

非直線(xiàn)端點(diǎn)主要存在以下兩種情況，如圖3(a)，直線(xiàn)l由于受艦船輪廓影響而出現(xiàn)斷續(xù)情況，但在投票過(guò)程中記錄的為直線(xiàn)最遠(yuǎn)的兩個(gè)端點(diǎn)，通過(guò)連接兩個(gè)端點(diǎn)可以消除端點(diǎn)；另一種情況，如圖3(b)，若在參數(shù)空間投票中，對(duì)端點(diǎn)坐標(biāo)記錄未加限制，直線(xiàn)l2的點(diǎn)M可能會(huì)被記錄為l1的端點(diǎn)，解決這種情況，可以在更新端點(diǎn)坐標(biāo)之前預(yù)先判斷新端點(diǎn)與原端點(diǎn)之間距離是否大于設(shè)定閾值，如大于則不更新端點(diǎn)坐標(biāo)，投票也不增加，用于去除非直線(xiàn)端點(diǎn)。

圖3 非直線(xiàn)端點(diǎn)誤判情況Fig.3 Error judgement in non-line endpoint

4)合并直線(xiàn)并分離目標(biāo)區(qū)域

根據(jù)港口艦船輪廓二值圖像中兩條線(xiàn)段的距離長(zhǎng)短，當(dāng)兩條線(xiàn)的距離小于指定值時(shí)，Houghlines會(huì)將兩條線(xiàn)合并為一條線(xiàn)。Minlengh用來(lái)確定是否保存該線(xiàn)；如果線(xiàn)條長(zhǎng)度小于設(shè)定值，線(xiàn)條就會(huì)被擦除；否則保存，根據(jù)檢測(cè)到的點(diǎn)在二值圖上繪出直線(xiàn)，從而分離出艦船目標(biāo)區(qū)域。

2.3 港口艦船的識(shí)別

在前面描繪每個(gè)連通區(qū)域邊界前提下，循環(huán)遍歷每個(gè)連通區(qū)域邊界，統(tǒng)計(jì)連通區(qū)域的面積分布并顯示區(qū)域面積。由于港口碼頭連通區(qū)域范圍較大、干擾區(qū)域范圍較小，而分離的艦船目標(biāo)區(qū)域相對(duì)適中，通過(guò)設(shè)置面積閾值區(qū)間，選擇出潛在的感興趣目標(biāo)區(qū)域，即艦船目標(biāo)，進(jìn)而達(dá)到識(shí)別目的。

3 實(shí)驗(yàn)結(jié)果與分析

為了說(shuō)明本文方法實(shí)時(shí)性和有效性，采用Matlab實(shí)驗(yàn)仿真進(jìn)行驗(yàn)證。圖像來(lái)源于實(shí)測(cè)遙感圖像，對(duì)遙感圖像中港口艦船目標(biāo)的檢測(cè)，分別作了二組實(shí)驗(yàn)加以說(shuō)明。第一組實(shí)驗(yàn)為港口艦船圖像的預(yù)處理，即通過(guò)海陸分割獲得港口艦船等陸地區(qū)域；第二組實(shí)驗(yàn)為港口艦船目標(biāo)的檢測(cè)，即在海陸分割的基礎(chǔ)上，根據(jù)碼頭區(qū)域的平直幾何特征差異，對(duì)港口艦船區(qū)域進(jìn)行Freeman鏈碼描述，并通過(guò)改進(jìn)Hough變換達(dá)到碼頭與艦船區(qū)域的分離，最終實(shí)現(xiàn)港口艦船的識(shí)別。實(shí)驗(yàn)所用軟件為Matlab7.6.0；硬件條件：Intel i3 CPU，內(nèi)存2 G。

實(shí)驗(yàn)1：港口艦船的海陸分割

對(duì)大尺度遙感圖像而言，通常感興趣目標(biāo)僅占一小部分，其余大部分都為背景區(qū)域，直接進(jìn)行目標(biāo)檢測(cè)識(shí)別，必然耗費(fèi)大量時(shí)間。我們從實(shí)測(cè)的高分辨率遙感圖像中截取了感興趣的部分作為實(shí)驗(yàn)圖像，圖像大小為367×531，對(duì)測(cè)試圖像使用分水嶺算法與基于Top-hat分水嶺算法進(jìn)行分割，實(shí)驗(yàn)仿真結(jié)果如圖4所示。

圖4 海陸分割結(jié)果Fig.4 Result of the land and sea segmentation

圖4(a)為截取的原始遙感圖像，圖4(b)、圖4(c)分別為兩種算法海陸分割的結(jié)果，從圖4分割結(jié)果可看出，分水嶺分割算法過(guò)分割較嚴(yán)重，產(chǎn)生更多細(xì)節(jié)信息，影響后續(xù)輪廓跟蹤準(zhǔn)確性；Top-hat分水嶺分割解決過(guò)分割這一現(xiàn)象，為下步目標(biāo)識(shí)別奠定了基礎(chǔ)。

實(shí)驗(yàn)2：港口艦船的目標(biāo)檢測(cè)

經(jīng)一步分割將碼頭與艦船視為同一目標(biāo)，無(wú)法識(shí)別出艦船；要想實(shí)現(xiàn)對(duì)艦船目標(biāo)的檢測(cè)，還需進(jìn)行二次分割，使得艦船從整體輪廓中進(jìn)一步分離出來(lái)。為此，做了實(shí)驗(yàn)2，根據(jù)碼頭區(qū)域的平直幾何特征差異，通過(guò)Freeman鏈碼描繪出輪廓，利用改進(jìn)Hough變換檢測(cè)目標(biāo)，最后達(dá)到識(shí)別艦船的目的。實(shí)驗(yàn)仿真結(jié)果如圖5所示。

圖5 港口艦船目標(biāo)檢測(cè)結(jié)果Fig.5 Harbor ships detection result

圖5(a)為海陸分離結(jié)果，圖5(b)是對(duì)圖5(a)進(jìn)行輪廓鏈碼提取的結(jié)果，圖5(c)是在圖5(b)輪廓的基礎(chǔ)上，根據(jù)碼頭的平直幾何特征用改進(jìn)的Hough變換檢測(cè)的直線(xiàn)特征，用于分離艦船與碼頭區(qū)域，圖5(d)中兩塊紅色的部分為檢測(cè)的港口艦船目標(biāo)。

實(shí)測(cè)數(shù)據(jù)驗(yàn)證：

圖6為對(duì)實(shí)測(cè)衛(wèi)星遙感圖像進(jìn)行檢測(cè)，圖6(a)為實(shí)際拍攝的港口艦船目標(biāo)圖像，圖6(b)為本文方法進(jìn)行檢測(cè)所得的結(jié)果。

圖6 實(shí)測(cè)衛(wèi)星遙感圖像Fig.6 Real measured satellite remote sensing images

由圖6檢測(cè)結(jié)果可知，本算法可以對(duì)圖中的艦船目標(biāo)進(jìn)行有效提取。但是當(dāng)?？看a頭的艦船數(shù)目較多，且相鄰艦船距離較近時(shí)，檢測(cè)過(guò)程中會(huì)發(fā)生誤判。要消除此類(lèi)情況造成的誤判，傳統(tǒng)的基于像元的方法會(huì)因過(guò)多關(guān)注地物局部細(xì)節(jié)，而難以提取地物的整體結(jié)構(gòu)信息。針對(duì)可見(jiàn)光衛(wèi)星遙感圖像的特點(diǎn)，考慮以對(duì)象為最小單元，利用光學(xué)圖像中地物的幾何形態(tài)和結(jié)構(gòu)信息以及光譜信息，進(jìn)行基于面向?qū)ο蟮男畔⑻崛?，減小誤判情況，這是本文下一步研究?jī)?nèi)容。

4 結(jié)論

本文提出了基于二次分割的港口艦船目標(biāo)檢測(cè)方法。該方法通過(guò)引入Top-hat算子，獲取較完整海陸分離結(jié)果，利用Freeman鏈碼對(duì)分割的陸地目標(biāo)進(jìn)行輪廓描述，并結(jié)合改進(jìn)的Hough變換實(shí)現(xiàn)了目標(biāo)區(qū)域的分離，最后通過(guò)提取各區(qū)域面積特征實(shí)現(xiàn)港口艦船目標(biāo)的識(shí)別。實(shí)驗(yàn)結(jié)果表明，該方法魯棒性強(qiáng)，易于實(shí)現(xiàn)，通過(guò)實(shí)測(cè)數(shù)據(jù)可以解決港口艦船目標(biāo)的檢測(cè)問(wèn)題，但對(duì)碼頭多艦船?？繂?wèn)題的針對(duì)性不強(qiáng)。

[1]石文君,汪小平,王登位. 基于D-S證據(jù)理論的近岸艦船目標(biāo)識(shí)別[J]. 電光與控制,2009,16(11):87-91.

[2]周擁軍,朱兆達(dá),丁全心. 遙感圖像中港口目標(biāo)識(shí)別技術(shù)[J]. 南京航空航天大學(xué)學(xué)報(bào),2008,40(3):350-353.

[3]臧風(fēng)妮,李慶忠,張洋. 一種快速自動(dòng)檢測(cè)海面目標(biāo)算法[J]. 中國(guó)海洋大學(xué)學(xué)報(bào),2015,45(4):110-115.

[4]許志濤,劉金國(guó),龍科輝,等. 基于視覺(jué)注意機(jī)制的海洋監(jiān)視衛(wèi)星圖像艦船目標(biāo)檢測(cè)[J]. 激光與光電子學(xué)進(jìn)展,2013,50(1):1-8.

[5]周振娟,韓金華. 艦船遙感圖像的目標(biāo)識(shí)別研究[J]. 艦船科學(xué)技術(shù),2014,36(12):86-90.

[6]孫惠杰,鄧廷權(quán),李艷超. 改進(jìn)的分水嶺圖像分割算法[J]. 哈爾濱工程大學(xué)學(xué)報(bào),2014,35(7):857-864.

[7]王志社,楊風(fēng)暴,陳磊,等. 基于紋理分割和Top-Hat變換的合成孔徑雷達(dá)與可見(jiàn)光圖像增強(qiáng)融合[J]. 光學(xué)學(xué)報(bào),2014,34(10):1-8.

[8]余博,郭雷,趙云天,等. Freeman鏈碼描述的曲線(xiàn)匹配方法[J]. 計(jì)算機(jī)工程與應(yīng)用,2012,48(4):5-8.

[9]滕今朝,邱杰. 利用Hough變換實(shí)現(xiàn)直線(xiàn)的快速精確檢測(cè)[J]. 中國(guó)圖象圖形學(xué)報(bào),2008,13(2):234-237.

Harbor Ship Targets Detection Based on Secondary Segmentation

WANG Fangchao1,2,ZHANG Min1,2,GONG Limei1,2,CHEN Wei3

(1.Electronic Engineering Institute of PLA, Hefei 230037, China; 2.Key Laboratory Electronic Restricting Technique,Hefei 230037, China; 3.State Key Laboratory of Pulsed Power Laser Technology, Hefei 230037, China)

It was hard to discriminate inshore ships from harbors because of the similarity of gray and texture for both targets. Aiming at these problems, a method of harbor ships target detection based on secondary segmentation was proposed. Firstly, a top-hat operator was used to watershed segmentation algorithm to solve the over-segmentation phenomenon, and obtain the image of sea and land separation results at the same time. Secondly, make use of Freeman Chain Code tracking the harbor ships contour and combine with the improved Hough conversion to detect the target to separate the dock and ship through the secondary segmentation. Finally calculate the regional area to achieve the harbor ships recognition. The experiment results show that this method has strong robustness and easy to implement, experiments based on the satellite sensing image demonstrated that the method proposed could solve the harbor ships detection problem.

top-hat operator; watershed segmentation; Freeman chain code; Hough conversion; target recognition

2016-07-13

國(guó)家自然科學(xué)基金項(xiàng)目資助(61171170)；安徽省自然科學(xué)基金項(xiàng)目資助(1408085QF115)

王方超(1991—)，男，陜西渭南人，碩士研究生，研究方向：圖像處理與信息融合技術(shù)。E-mail: fangchaowang@163.com。

TN911.73

A

1008-1194(2016)06-0089-05