大范圍近海艦船近紅外遙感檢測(cè)方法?

羅興潮 黃文騫 程益鋒

（海軍大連艦艇學(xué)院軍事海洋與測(cè)繪系 大連 116013）

1 引言

近幾十年，海洋資源被不斷利用開發(fā)，瀕海國(guó)家爭(zhēng)奪海洋勢(shì)力范圍斗爭(zhēng)加劇，作為沿海國(guó)家傳統(tǒng)任務(wù)，艦船目標(biāo)檢測(cè)發(fā)揮著越來越重要的作用。隨著遙感技術(shù)的不斷發(fā)展完善，基于遙感手段進(jìn)行艦船目標(biāo)檢測(cè)被廣泛運(yùn)用于各個(gè)領(lǐng)域。在民用方面，基于遙感的艦船目標(biāo)檢測(cè)可以進(jìn)行海上艦船活動(dòng)監(jiān)測(cè)與交通管制、輔助海上救助、保障漁業(yè)監(jiān)管、監(jiān)測(cè)船舶污染等；在軍用方面，可以偵查與監(jiān)視敵軍海上實(shí)力及重要軍事目標(biāo)、引導(dǎo)制導(dǎo)武器進(jìn)行精確打擊等［1～2］?？梢钥闯?，在實(shí)際應(yīng)用中，艦船目標(biāo)檢測(cè)的區(qū)域多為近海，且檢測(cè)范圍較大。因此，如何實(shí)現(xiàn)高精度、高時(shí)效的大范圍近海艦船目標(biāo)檢測(cè)一直是國(guó)內(nèi)外的研究熱點(diǎn)。

目前，基于遙感的艦船目標(biāo)檢測(cè)根據(jù)影像數(shù)據(jù)的不同，可以分為基于合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）影像的艦船目標(biāo)檢測(cè)與基于光學(xué)影像的艦船目標(biāo)檢測(cè)［3］。SAR 遙感采用主動(dòng)微波遙感技術(shù)，具有全天時(shí)、全天候、多極化、多視角、探測(cè)距離遠(yuǎn)、覆蓋范圍大以及一定的穿透能力等優(yōu)勢(shì)。光學(xué)遙感與SAR 遙感相比，雖不能全天候、全天時(shí)工作，但具有表達(dá)形式直觀、圖像信息量大、解譯原理簡(jiǎn)單等優(yōu)點(diǎn)［4］。近紅外遙感作為光學(xué)遙感的重要部分，由于海水對(duì)近紅外波段的吸收作用，水體反射率遠(yuǎn)小于陸地與水上目標(biāo)，非常適合用于大范圍近海艦船目標(biāo)檢測(cè)。為此，本文提出一種基于近紅外遙感的大范圍近海艦船目標(biāo)檢測(cè)方法。

2 檢測(cè)流程

基于遙感的大范圍近海艦船目標(biāo)檢測(cè)有別于一般的圖像檢測(cè)與識(shí)別，遙感影像的數(shù)據(jù)量大，海面背景下的艦船目標(biāo)的面積小而模糊，又存在云團(tuán)、陸地、島嶼、噪聲等干擾，常規(guī)目標(biāo)檢測(cè)方法并不適用。為了快速、準(zhǔn)確地檢測(cè)船只，艦船目標(biāo)檢測(cè)的流程一般分為三個(gè)模塊。如圖1，首先是預(yù)處理模塊，該模塊的任務(wù)是對(duì)需要進(jìn)行艦船目標(biāo)檢測(cè)的影像進(jìn)行輻射校正、幾何校正和海陸分離等預(yù)處理，得到去除陸地區(qū)域干擾的待檢測(cè)影像；然后是粗檢測(cè)模塊，該模塊的任務(wù)是完成對(duì)影像進(jìn)行快速檢測(cè)，得到疑似船只的目標(biāo)切片；最后是精檢測(cè)模塊，該模塊的任務(wù)是對(duì)粗檢測(cè)出的目標(biāo)切片進(jìn)一步分析，排除非艦船目標(biāo)，得到最終的艦船檢測(cè)結(jié)果。

圖1 艦船目標(biāo)檢測(cè)流程圖

3 海陸分離

本文采用Landsat 8 的近紅外波段（Near Infrared）數(shù)據(jù)，波段范圍0.845μm～0.885μm，空間分辨率為30m，遙感數(shù)據(jù)產(chǎn)品都已經(jīng)過系統(tǒng)輻射校正和幾何校正，在進(jìn)行艦船目標(biāo)檢測(cè)前，還需要對(duì)影像進(jìn)行海陸分離。

海陸分離方法可以分為基于先驗(yàn)信息的海陸分離和基于圖像特征差異的海陸分離兩大類［5］。基于先驗(yàn)信息的海陸分離方法，需要借助現(xiàn)有的海岸線等先驗(yàn)地理空間信息，通過匹配來實(shí)現(xiàn)海陸分離［6～8］?；趫D像特征差異的海陸分離是一種通用的，不需要其他信息或數(shù)據(jù)的數(shù)字圖像處理方法，根據(jù)圖像分割方法的不同，又可以分為基于邊緣提取的海陸分離、基于閾值分割的海陸分離、基于區(qū)域生長(zhǎng)的海陸分離以及結(jié)合特定理論的海陸分離［9～11］。閾值法是一種常用的圖像分割方法，具有速度快、計(jì)算簡(jiǎn)單等優(yōu)點(diǎn)，但難以精細(xì)分割，為了實(shí)現(xiàn)精準(zhǔn)的海陸分離，本文使用一種改良的閾值分割方法進(jìn)行海陸分離，先通過最大類間方差法確認(rèn)閾值，對(duì)影像先進(jìn)行粗分割，再通過形態(tài)學(xué)處理得到精細(xì)分割結(jié)果。

3.1 最大類間方差法

由于近紅外波段的特性，在近紅外遙感影像中陸地區(qū)域的亮度普遍大于海面區(qū)域，因此，在對(duì)影像進(jìn)行閾值分割時(shí)，分割閾值應(yīng)當(dāng)使前景的平均灰度、背景的平均灰度與整個(gè)圖像的平均灰度之間差別最大，Otsu 在1978 年提出了最大類間方差法［12］，通過區(qū)域的方差來表示這種差異。該算法在判決分析最小二乘法原理的基礎(chǔ)上推導(dǎo)得出，計(jì)算過程如下。

影像中，灰度為i 的像素?cái)?shù)為ni，灰度范圍為［0，L-1］，則總的像素?cái)?shù)為

各灰度值出現(xiàn)概率為

把圖中的灰度值用閾值T 分成兩個(gè)像素子集C0和C1，C0由灰度值在［0，T-1］的像素組成，C1由灰度值在［T，L-1］的像素組成。像素子集C0和C1的概率分別為

像素子集C0和C1的平均灰度分別為

整幅影像的平均灰度為

兩個(gè)像素子集與整幅圖像像素灰度的總方差為

讓T 在［0，T-1］范圍內(nèi)依次取值，使σ2B 最大的T值便是最佳的區(qū)域分割閾值。

如圖2，通過最大類間方差法得到的分割結(jié)果還比較粗糙，需要繼續(xù)進(jìn)行精細(xì)分割。

圖2 海陸粗分割結(jié)果圖

3.2 形態(tài)學(xué)處理

閾值分割后的影像，陸地與海面上還留有許多空洞與散雜點(diǎn)。本文采用一種迭代膨脹的算法對(duì)影像進(jìn)行形態(tài)學(xué)處理（⊕表示膨脹、☉表示腐蝕），先填充陸地上的空洞，計(jì)算過程如下。

A 為一個(gè)待填充空洞，AL為集合A 的邊界，先由一個(gè)3*3的8鄰域結(jié)構(gòu)元素B對(duì)A腐蝕，然后用A減去腐蝕得到AL:

對(duì)所有非邊界點(diǎn)標(biāo)記為0，然后將1 賦值給起始點(diǎn)P，下列過程將整個(gè)區(qū)域填充:

這里X0=P，C 是一個(gè)3*3 的4 鄰域?qū)ΨQ結(jié)構(gòu)元素，AC是AL的補(bǔ)集。如果XK=XK-1，則算法在迭代的第K步結(jié)束。

圖3 海陸精分割結(jié)果圖

通過填洞，可以得到一片完整的陸地區(qū)域。除海上的散雜點(diǎn)同樣使用迭代膨脹的算法，先將影像進(jìn)行反色處理，然后重復(fù)填洞的步驟。如圖3，通過形態(tài)學(xué)處理，得到分割好的二值圖像，再將二值圖像對(duì)原影像進(jìn)行掩膜處理，便完成了海陸分離，得到海面背景下的待檢測(cè)區(qū)域。

4 艦船目標(biāo)檢測(cè)

4.1 艦船目標(biāo)粗檢測(cè)

4.1.1 方差紋理濾波

經(jīng)過海陸分離后的影像，艦船目標(biāo)與海面背景相比亮度較高，適于檢測(cè)，但由于大范圍的海面背景灰度變化較大，不同區(qū)域的艦船目標(biāo)亮度也存在差異，直接通過閾值法分割整幅影像的艦船目標(biāo)與海面背景，會(huì)造成錯(cuò)判，導(dǎo)致大量艦船目標(biāo)的漏檢，如圖4。針對(duì)這個(gè)問題，本文提出一種基于方差紋理的艦船目標(biāo)檢測(cè)方法。

圖4 閾值分割結(jié)果圖

紋理特征，是圖像中普遍存在而又難以描述的特征，是數(shù)字圖像處理中的一種重要的視覺線索。紋理特征分析技術(shù)一直是計(jì)算機(jī)視覺、圖像分析、圖像檢索等領(lǐng)域的研究熱點(diǎn)［13］。紋理特征分析根據(jù)描述方法的不同，可以分為以下幾類:統(tǒng)計(jì)法、幾何法、模型法、信號(hào)處理法和結(jié)構(gòu)分析法，本文采用的是統(tǒng)計(jì)法。基于統(tǒng)計(jì)法的紋理特征分析是基于像素及其鄰域的灰度屬性，來研究紋理區(qū)域的統(tǒng)計(jì)特性。根據(jù)影像海面背景的灰度變化較小，而艦船目標(biāo)亮度高的特點(diǎn)，本文使用3×3 窗口提取影像的方差紋理。實(shí)現(xiàn)方差紋理提取要對(duì)圖像每個(gè)點(diǎn)重復(fù)下面操作。

1）計(jì)算原影像f(x,y) 的以點(diǎn)(i,j) 為中心的3×3鄰域內(nèi)的像素方差:

2）將1）的運(yùn)算結(jié)果作為輸出影像g(x,y)中點(diǎn)(i,j)新的響應(yīng)。

如圖5，經(jīng)過處理后的影像，海面背景灰度大小與變化范圍減小，艦船目標(biāo)相對(duì)亮度增強(qiáng)。

圖5 方差紋理影像

4.1.2 疑似艦船目標(biāo)提取

影像經(jīng)過方差紋理處理后，艦船目標(biāo)在海面背景下變得清晰凸顯，接下來，從影像上提取疑似艦船目標(biāo)的亮斑。首先，對(duì)灰度影像進(jìn)行二值化處理，將高亮度的目標(biāo)從海面背景中分割出來，然后，通過閉運(yùn)算彌合斷裂目標(biāo)的狹窄間隙，填充大目標(biāo)的中空點(diǎn)。如圖6，經(jīng)過處理后，疑似的艦船目標(biāo)已經(jīng)從影像中初步分割出來，在海面背景上呈散狀白點(diǎn)分布，但是仍存在許多點(diǎn)噪聲、礁石與島嶼等非艦船目標(biāo)。

圖6 艦船目標(biāo)粗提取結(jié)果圖

4.2 艦船目標(biāo)精檢測(cè)

為了去除上一步提取結(jié)果中的非艦船目標(biāo)，本文對(duì)艦船目標(biāo)的特征進(jìn)行提取與分析。首先，通過方差紋理濾波處理訓(xùn)練影像，提取影像中已知艦船目標(biāo)1612 個(gè)。然后，計(jì)算每一個(gè)艦船目標(biāo)的面積與長(zhǎng)、短軸信息。其中，面積可以由像素個(gè)數(shù)表示；長(zhǎng)、短軸可以由最小外接矩陣法求出。最后，通過統(tǒng)計(jì)分析目標(biāo)特征得到，方差紋理濾波處理后的艦船目標(biāo)在二值化影像中的像素面積范圍為［9，240］，長(zhǎng)短軸比值范圍為［1，4.1］，如圖7。

根據(jù)上述艦船目標(biāo)特征分析結(jié)果，對(duì)照待檢測(cè)影像中的疑似艦船目標(biāo)的像素面積、長(zhǎng)短軸比值，我們可以濾過不符合艦船特征的目標(biāo)，得到最終的檢測(cè)結(jié)果，如表1、圖8。

圖7 艦船目標(biāo)特征直方圖

表1 實(shí)驗(yàn)結(jié)果

圖8 艦船目標(biāo)檢測(cè)結(jié)果圖

5 結(jié)語(yǔ)

本文利用水體對(duì)近紅外波段吸收性強(qiáng)的特性，提出一種大范圍近海艦船目標(biāo)檢測(cè)方法。在預(yù)處理階段，采用了一種改良的閾值分割法對(duì)影像進(jìn)行海陸分割，先基于最大類間方差法確認(rèn)閾值對(duì)影像進(jìn)行粗分割，再通過形態(tài)學(xué)處理得到海陸精分割結(jié)果。在檢測(cè)階段，通過方差紋理濾波器減小海面背景的灰度變化區(qū)間，增強(qiáng)艦船目標(biāo)的相對(duì)亮度，從而分割出疑似艦船目標(biāo)，最后經(jīng)過特征分析排除非艦船目標(biāo)，得到檢測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明，本方法能有效地檢測(cè)的艦船目標(biāo)，具有較高的精度。