基于超像素的海面油膜分割應(yīng)用

靳衛(wèi)衛(wèi),劉保占,趙建平,栗寶鵑,于新生,邱照宇

(1.中海油能源發(fā)展股份有限公司 安全環(huán)保分公司,天津 300452；2.中水北方勘測(cè)設(shè)計(jì)研究有限責(zé)任公司,天津 300222；3.中國(guó)海洋大學(xué) 海洋地球科學(xué)學(xué)院,山東 青島 266100)

近年來(lái)，海上石油泄漏事故頻繁發(fā)生，對(duì)海洋環(huán)境造成了巨大的損害[1]，海上溢油的監(jiān)測(cè)和預(yù)警技術(shù)得到國(guó)際社會(huì)的廣泛關(guān)注，其中，海面油膜分割技術(shù)作為應(yīng)用基礎(chǔ)，得到國(guó)內(nèi)外學(xué)者的研究。

隨著電子光學(xué)傳感器技術(shù)的發(fā)展，光譜圖像在海洋環(huán)境監(jiān)測(cè)中得到廣泛應(yīng)用[2-3]。由于海洋環(huán)境復(fù)雜，普遍存在的風(fēng)、浪、流、霧等環(huán)境因素，采集的電子圖像普遍存在光照不均勻和紋理一致等特點(diǎn)，導(dǎo)致對(duì)比度、清晰度低、顏色失真等問(wèn)題，難以達(dá)到圖像分割質(zhì)量要求。國(guó)內(nèi)外學(xué)者開(kāi)展了相關(guān)研究[4-7]。為了快速、準(zhǔn)確地實(shí)現(xiàn)海面復(fù)雜環(huán)境下油膜目標(biāo)的提取，在常規(guī)圖像分割算法中，引入海面圖像去噪增強(qiáng)處理和基于區(qū)域特征的超像素生成處理，驗(yàn)證應(yīng)用效果。

1 圖像增強(qiáng)

針對(duì)海面圖像光照不均勻和有霧模糊問(wèn)題，文獻(xiàn)[4]提出的圖像傳播大氣散射模型，模型公式可表示為

S(x)=D(x)T(x)+A(1-T(x))

(1)

式中：S(x)為原始圖像；D(x)為結(jié)果圖像；A為光成分占比；T(x)為光成分穿透率。

經(jīng)變換，結(jié)果圖像可以表示為

大氣光成分A值，文獻(xiàn)[5]指出暗通道圖最小像素值對(duì)應(yīng)的原始圖像中響應(yīng)區(qū)域的區(qū)域最大亮度值即可作為A。

光成分穿透率T(x)，文獻(xiàn)[6]給出了計(jì)算公式為

式中：w為程度因子；C為圖像RGB其中的一個(gè)通道；SC為單通道灰度圖像；AC為單通道光成分占比。

根據(jù)上述公式求得大氣光成分A和光成分穿透率T(x)后，便可代入結(jié)果圖像公式中求得最終去霧、增強(qiáng)后的圖像，圖1為處理后的海面油膜圖像。

圖1 海面油膜圖像去霧、增強(qiáng)效果圖

2 超像素處理

2.1 顏色空間轉(zhuǎn)換

據(jù)研究，人眼對(duì)于亮度變化更敏感，Lab顏色模型更加近似人眼生理視覺(jué)模型，其中，L分量符合人眼亮度感覺(jué)，更加有利于依據(jù)像素值的圖像聚類處理計(jì)算，因此，基于Lab顏色空間的相似性衡量更符合目標(biāo)特性。Lab模型變換可通過(guò)以下2個(gè)步驟實(shí)現(xiàn)。

1)從RGB轉(zhuǎn)換到XYZ顏色空間，其轉(zhuǎn)換公式如下。

2)從XYZ轉(zhuǎn)換到Lab顏色空間， 其轉(zhuǎn)換公式如下。

通過(guò)上述公式變換后，原海面油膜圖像便從RGB顏色空間轉(zhuǎn)化到Lab顏色空間，圖2為經(jīng)顏色空間轉(zhuǎn)化后各通道分量的圖像。

圖2 海面油膜圖像顏色空間轉(zhuǎn)換分量圖像

2.2 超像素生成

SLIC超像素生成算法將圖像像素的顏色值和坐標(biāo)組成一個(gè)5維向量V(L，a，b，x，y)，2個(gè)像素的相似性即可由其歐式距離來(lái)度量，距離越小就越相似。

圖像像素間相似性計(jì)算公式如下。

式中：dc為顏色距離；ds為空間距離；Ns為類內(nèi)最大空間距離；Nc為最大的顏色距離。簡(jiǎn)化后距離度量公式變?yōu)?/p>

式中：m為常數(shù)，取值為1.0～40.0，取經(jīng)驗(yàn)值10.0。

經(jīng)過(guò)SLIC算法生成的超像素圖像見(jiàn)圖3，超像素能較好地貼合油膜邊界，使得超像素內(nèi)相似性最高，表征油膜區(qū)域特征。

圖3 海面油膜超像素劃分圖像

3 聚類分割

與基于像素特征的聚類分割算法不同，將超像素作為圖像特征基礎(chǔ)單元，代表區(qū)域像素的綜合信息，結(jié)合K-means聚類算法將n組樣本劃分為不相交的集群Ck，每個(gè)集群中用樣本的均值μk所描述的，滿足集群中差異最小化，用公式表述為

由于K-means算法存在局部最優(yōu)的風(fēng)險(xiǎn)特點(diǎn)，容易受到種子點(diǎn)選擇的影響。為了避免具備最優(yōu)化問(wèn)題，引入二叉樹(shù)分裂概念，對(duì)k-means算法進(jìn)行優(yōu)化形成二分k-means算法。二分k-means算法主要思想:將圖像目標(biāo)分裂成2個(gè)小的cluster，對(duì)每個(gè)cluster二叉樹(shù)分裂求解，以此類推經(jīng)過(guò)K-1次分裂后即可得K個(gè)分類，此算法對(duì)種子的選擇不敏感，有效解決局部最優(yōu)的問(wèn)題。采用二分k-means算法對(duì)海面油膜超像素結(jié)果進(jìn)行聚類處理，結(jié)果見(jiàn)圖4。

圖4 海面油膜聚類分割結(jié)果

4 結(jié)論

針對(duì)海面油膜圖像光照不均勻、清晰度低、像源信息大等特點(diǎn)，采用大氣散射模型和暗通道先驗(yàn)圖像算法進(jìn)行預(yù)處理，充分利用超像素區(qū)域特征代替?zhèn)鹘y(tǒng)像素特征，有效地降低圖像分割計(jì)算量，同時(shí)，利用圖像區(qū)域相似特征有效去除圖像中的椒鹽噪聲，使得增強(qiáng)后的海面油膜分割算法抗噪能力和計(jì)算效率上具有較強(qiáng)優(yōu)勢(shì)，能夠快速提取海面油膜。