王 麗，王海濤

(南京航空航天大學(xué)自動化學(xué)院，江蘇省南京市 210016)

圖像分割就是把圖像分成各具特性的區(qū)域，并提取出感興趣區(qū)域(ROI)的技術(shù)和過程[1]。由于 ROI可以有效地減少目標(biāo)區(qū)域的搜索空間，故能夠提高目標(biāo)識別的時(shí)間效率。機(jī)場作為一種重要的交通和軍事目標(biāo)，它的檢測一直是研究的熱點(diǎn)和難點(diǎn)。文獻(xiàn)[2]利用跑道區(qū)域灰度值與背景的差異提取機(jī)場 ROI，該方法只適用于跑道和背景灰度值差異較大的機(jī)場檢測。文獻(xiàn)[3]通過KMP算法，根據(jù)圖像的紋理特征將圖像區(qū)域分為機(jī)場、水面、山脈等 6類，通過訓(xùn)練分類器提取機(jī)場的 ROI，算法需要人工標(biāo)記大量樣本，訓(xùn)練器比較復(fù)雜。與文獻(xiàn)[3]把圖像分為 6類場景不同，文中采用多尺度的 Log-Gabor紋理特征提取算法，將圖像分割為機(jī)場和非機(jī)場區(qū)域兩類，不需要人為定義其他的場景。

1 LogGabor算法概述

在信號特征檢測中廣泛使用 Gabor[4]小波，主要是由于它具有兩個(gè)重要的性質(zhì)。它是能夠取得空間域和頻域聯(lián)合測不準(zhǔn)原理下限的惟一函數(shù)，而且具有較好的方向選擇性。但 Gabor濾波器也存在一定的局限性，即它的帶寬只能限制在 1倍頻。而 Field[5]提出的 LogGabor濾波器除具備Gabor濾波器的優(yōu)點(diǎn)外還具備兩個(gè)主要特點(diǎn)[6]:一是 LogGabor濾波器總是沒有直流分量，這樣它的帶寬可以不受限制；二是 LogGabor濾波器的傳遞函數(shù)在高頻端有一個(gè)延長的尾巴，彌補(bǔ)了 Gabor濾波器過度表達(dá)低頻分量而對高頻分量表達(dá)不足的缺點(diǎn)。而且由于人的視覺系統(tǒng)具有非線性，這種非線性具有對數(shù)性質(zhì)，因此 LogGabor濾波器可以更加真實(shí)反映自然紋理圖像的頻率響應(yīng)。二維 LogGabor極坐標(biāo)形式的濾波器通常被表示為徑向分量和角度分量的乘積

其中，Hf為徑向分量；Hθ為角度分量；f0為濾波器中心頻率；θ0為濾波方向；σf定義了倍頻帶寬，σθ定義了角度帶寬。圖 1給出了Gabor和 LogGabor的傳遞函數(shù)響應(yīng)。

2 算法設(shè)計(jì)

由于機(jī)場區(qū)域的紋理特征沒有固定的方向，故文中沒有使用 LogGabor函數(shù)的角度分量，只使用了其中的尺度分量。圖 2是 LogGabor函數(shù)在尺度分別為3.000 0，3.958 5，5.223 3，6.892 2，9.094 3和12.000 0的響應(yīng)。

由于 LogGabor是復(fù)帶通小波，多尺度的響應(yīng)可以看成是圖像在不同頻段內(nèi)的能量。在較低分辨率下，非機(jī)場區(qū)域紋理特征顯著，能量在高頻段占顯著優(yōu)勢，而機(jī)場區(qū)域整體平滑，能量在各頻段內(nèi)分布均勻或者低頻占顯著優(yōu)勢。圖 3給出了一個(gè)典型的 6個(gè)尺度的機(jī)場(虛線)和非機(jī)場區(qū)域(實(shí)線)圖像塊的 LogGabor響應(yīng)。由圖可見機(jī)場區(qū)域能量在整個(gè)頻率段分布較為均勻，而非機(jī)場區(qū)域能量則隨著頻率的降低而減少。

圖3 機(jī)場和非機(jī)場區(qū)域的LogGabor響應(yīng)

文中首先將輸入圖像分塊，然后分別對每個(gè)圖像塊做傅里葉變換，再則計(jì)算多個(gè)尺度的 LogGabor響應(yīng)，并統(tǒng)計(jì)圖像塊內(nèi)各尺度上的均值。對圖像塊多個(gè)尺度的 LogGabor特征值進(jìn)行了直線擬合，用擬合的直線斜率 K作為分類的特征。斜率體現(xiàn)了能量隨尺度的變化趨勢，比 LogGabor原始響應(yīng)更有意義。由于分類特征只有一維，故分類過程采用了簡單的閥值分類。閥值由大量的標(biāo)記樣本訓(xùn)練得到。文中使用的特征雖然簡單(提取到的 ROI中非機(jī)場區(qū)域的虛警要高于文獻(xiàn)[3]中用多類分類器的方法)，但是保證了提取的區(qū)域都是整體光滑的。

3 實(shí)驗(yàn)結(jié)果分析

本算法使用 VC++完成，文中實(shí)驗(yàn)圖像大小為1 400×1 240，每個(gè)圖像塊的大小為 64×64。選擇機(jī)場及非機(jī)場區(qū)域的標(biāo)記樣本各 200幅，從而獲得 ROI的分割斜率 K=-0.3，分割結(jié)果如圖 4所示。

圖4 實(shí)驗(yàn)結(jié)果圖

本算法進(jìn)一步應(yīng)用經(jīng)典的Canny邊緣提取算法在原圖和 ROI圖上在復(fù)雜度方面做了比較，結(jié)果如表 1所示。

表1 原圖與 ROI圖的 Canny算法復(fù)雜性比較

由 1和2的對比可知，經(jīng)過 ROI分割后，用Canny算法對圖像測試，提取的邊緣點(diǎn)數(shù)減少了 71.3%。

4 結(jié)束語

文中給出了一種基于LogGabor紋理特征分析的機(jī)場 ROI分割算法，提出了將多個(gè)尺度的 LogGabor特征值進(jìn)行直線擬合，用擬合的直線斜率 K作為分類的特征。實(shí)驗(yàn)結(jié)果證明，本算法對于具有顯著尺度紋理特征的機(jī)場 ROI的圖像具有良好的分割效果，為下一步提取機(jī)場區(qū)域中跑道、飛機(jī)等目標(biāo)提供了經(jīng)驗(yàn)。

[1]寧順剛，白萬民，喻鈞.基于灰度共生矩陣的圖像分割方法研究[J].電子科技，2009，22(11):69-71.

[2]耿振偉，蔣詠梅.一種巨幅遙感影像中機(jī)場 ROI檢測算法[J].電子與信息學(xué)報(bào)，2005，27(11):1770-1772.

[3]Liu Dehong，He Lihan，Carin L.Airport Detection in Large Aerial Optical Imagery[C].Montreal， Quebec， Canada:ICASSP，2004.

[4]Gabor D.Theory of Conununication[J].Joumal of the Institute of Eleetrieal Engineers，1946，93(26):429-457.

[5]Field D J.Relations Between the Statistics of Natural Images and the Response Property of Cortical Cells[J].Journal of the Optical Society of America，1987，4(12):2379-2394.

[6]王風(fēng)華，韓九強(qiáng).基于2D Log-Gabor濾波器的虹膜識別研究[J].系統(tǒng)仿真學(xué)報(bào)，2008，20(7):1808-1811.