李明兵，張鎖平，張東亮，齊占輝

（國家海洋技術(shù)中心 天津 300112）

視頻監(jiān)測技術(shù)廣泛應(yīng)用于海洋監(jiān)測領(lǐng)域，海上船只目標(biāo)檢測作為視頻監(jiān)測的應(yīng)用之一，在海洋環(huán)境監(jiān)測、海上維權(quán)、海洋工程管理及海上交通管理等方面都起著重要作用[1-3]。

運(yùn)動(dòng)目標(biāo)檢測技術(shù)一直是國內(nèi)外研究的熱點(diǎn)，基于視頻的海上船只目標(biāo)檢測問題一直是一個(gè)難點(diǎn)，主要原因是海面背景復(fù)雜，船只檢測容易受到海面波紋、光照變化等因素的影響[4]。目前的船只目標(biāo)檢測方法大多根據(jù)連續(xù)的圖像序列，利用圖像間的相關(guān)性檢測船只目標(biāo)，因此涉及到大量的圖像處理運(yùn)算，需要較大的存儲(chǔ)空間及較長的計(jì)算時(shí)間。

文中提出了一種新的船只目標(biāo)檢測方法，利用船舶的AIS（船載自動(dòng)識(shí)別系統(tǒng)）設(shè)備發(fā)送的信息驅(qū)動(dòng)攝像機(jī)拍攝單幀圖像，采用顯著性圖像區(qū)域檢測方法區(qū)分船只目標(biāo)與海面背景，并利用雙閾值分割方法實(shí)現(xiàn)了船只目標(biāo)的準(zhǔn)確提取，并進(jìn)行了實(shí)驗(yàn)驗(yàn)證。

1 船只目標(biāo)檢測方法

算法流程如圖1所示。

1.1 根據(jù)AIS信息提取小范圍圖像

AIS信息中包含船只的經(jīng)緯度等航行信息。隨著國際海事組織修訂的SOLAS公約第V章中規(guī)定AIS強(qiáng)制性安裝，安裝AIS設(shè)備的船舶數(shù)量正在迅速增加[5]。根據(jù)AIS信息與圖像坐標(biāo)間的對(duì)應(yīng)關(guān)系算出船只的大致位置，從而提取包含船只目標(biāo)的小范圍圖像。

圖1 船只目標(biāo)檢測流程圖Fig.1 Flow chart of the ship detection method

1.2 高頻加強(qiáng)濾波

提取后的圖像，在船只目標(biāo)與海面背景的邊緣處像素值差別較大，同時(shí)，由于光照的不均勻，不同位置處的海面背景像素值也有變化，但這種變化是緩慢的，因此，為了使船只目標(biāo)與背景的對(duì)比更加明顯，并消除變化背景的干擾，需要增強(qiáng)圖像中的高頻成分并對(duì)低頻成分加以抑制。高頻加強(qiáng)濾波[6]函數(shù)為：

其中，a為偏移常量，b 用來調(diào)節(jié)高頻加強(qiáng)程度，Hhfe（u，v）為高通濾波函數(shù)。

一種常用的高通濾波器為巴特沃思型高通濾波器，它在通頻帶內(nèi)頻率響應(yīng)曲線較平坦，阻頻帶內(nèi)逐漸下降為零，其濾波函數(shù)形式如公式（2）所示：

其中，n為濾波器階數(shù)，D0是從頻率矩形的原點(diǎn)測得的截止長度，即截止頻率。H（u，v）是（u，v）點(diǎn)距頻率矩形原點(diǎn)的距離。結(jié)合公式（1）和（2），得到相應(yīng)的巴特沃思高頻加強(qiáng)濾波函數(shù)[7]

其中，Rh代表高頻增益，R1代表低頻增益，c為銳化系數(shù)，用來控制濾波器函數(shù)斜面的銳化，它在Rh和Rl之間過渡。圖2顯示了該濾波器的三維圖和橫截面表示。濾波器系數(shù)的選擇要根據(jù)具體的光照狀況，在計(jì)算機(jī)中采用交互方式確定。

圖2 巴特沃思型高頻加強(qiáng)濾波器的表示Fig.2 Butterworth high-frequency emphasis filter

1.3 顯著性區(qū)域檢測

目前的顯著性檢測方法大多基于一種自底向上、數(shù)據(jù)驅(qū)動(dòng)的視覺注意機(jī)制，利用亮度、顏色、邊緣等特征屬性來決定圖像某個(gè)區(qū)域和它周圍的對(duì)比度[8]。觀察濾波后的圖像，船只目標(biāo)與海面背景之間顏色差異較大，且船只目標(biāo)在圖像中只占很少的像素。同時(shí)為了適應(yīng)大規(guī)模圖像處理的要求，顯著性檢測算法應(yīng)該具有簡單快速的特點(diǎn)?；谝陨咸攸c(diǎn)及要求，文中采用Achanta等人提出的顏色調(diào)諧方法，它利用某個(gè)像素和整幅圖像的平均色的色差來直接定義顯著性值[9]，計(jì)算公式如下：

其中，Iu是圖像中所有像素的算術(shù)平均值，I（x，y）為圖像在點(diǎn)（x，y）處的值。為了更方便處理彩色圖像，并利用其顏色和亮度特征，將公式（4）擴(kuò)展為：

其中，Iu代表整幅彩色圖像的平均色向量，I（x，y）代表其相應(yīng)點(diǎn)的顏色向量，‖‖表示在L2空間的距離。本文在L*a*b*彩色空間處理圖像，因此Iu可表示為（L*u，a*u，b*u），I（x，y）表示為（L*（x，y），a*（x，y），b*（x，y）），公式（5）可改寫為：

1.4 雙閾值分割

文中采用雙閾值分割方法，一幅圖像中具有較高顯著性值的像素一般分布在船只目標(biāo)區(qū)域，較大的閾值保證提取像素集中于船只目標(biāo)區(qū)域，而較小的閾值能夠保證獲得完整的船只目標(biāo)。雙閾值分割的準(zhǔn)則是所有前景像素值必須高于較小的閾值，而且必須至少與一個(gè)在較大閾值之上的像素相連通[10]。因此該步驟需要兩步閾值分割及一步區(qū)域生長操作，同時(shí)對(duì)小閾值分割后的圖像進(jìn)行閉操作，消除單個(gè)的雜點(diǎn)和小的孔洞并填補(bǔ)輪廓線中的斷裂，使船只目標(biāo)更加完整。固定的閾值即可滿足分割要求。

1.5 形態(tài)學(xué)處理

在提取小范圍圖像時(shí)，有時(shí)會(huì)將樹木、近岸設(shè)施和天空等包括在內(nèi)，這些樹木、云層和部分海面由于與周圍背景差異較大，有時(shí)也被當(dāng)作顯著性目標(biāo)分割出來，因此需要通過船只的形態(tài)特征對(duì)提取的疑似目標(biāo)分別進(jìn)行判斷。首先建立船只的形態(tài)特征模型[11]，本文采用以下4個(gè)量描述船只目標(biāo)：區(qū)域長度l——最小外接矩形長度；區(qū)域高度h——最小外接矩形高度；長寬比r——最小外接矩形長寬比；區(qū)域面積c——目標(biāo)所占像素個(gè)數(shù)。它們組成一個(gè)四維目標(biāo)特征矢量V（l，h，r，c），兼顧了船只的大小和形狀特征。

2 實(shí)驗(yàn)及結(jié)果分析

實(shí)驗(yàn)數(shù)據(jù)來自安裝在三亞的視頻監(jiān)測系統(tǒng)，當(dāng)?shù)睾Ｓ虼粊硗l繁，便于數(shù)據(jù)采集。

圖3 原始圖像Fig.3 Raw image

圖4 檢測結(jié)果Fig.4 Detection result

圖3為拍攝的一幅原始圖像，1 628像素×1 236像素，結(jié)合AIS信息提取的小范圍圖像為圖4 （a），256像素×128像素，結(jié)果大大縮小了圖像檢測范圍。圖4（b）為經(jīng)過高頻加強(qiáng)濾波后的圖像，（c）為生成的顯著性圖像，從（b）和（c）可以看出，船只目標(biāo)的顯著性得到了加強(qiáng)，與海面背景的對(duì)比更加明顯。圖4（d）和（e）分別為小閾值分割和大閾值分割后的結(jié)果，經(jīng)過雙閾值分割后，完整的船只目標(biāo)被提取出來，并且大部分干擾因素被去除，只剩下少部分高顯著性值區(qū)域，再經(jīng)過形態(tài)學(xué)處理，即可準(zhǔn)確的獲取船只目標(biāo)，如圖4（f）所示。圖5所示為更多的檢測事例，它們分別代表了不同的光照情況及不同的近岸環(huán)境，可以看到，利用本文方法均準(zhǔn)確的提取出了船只目標(biāo)。圖5（b）列圖像所示為在不同的光照情況下高頻加強(qiáng)濾波的效果；第2行圖像中未裝有AIS設(shè)備的小型船舶同樣具有高顯著性值而被準(zhǔn)確的檢出；第4行和第5行圖像中，樹木具有更高的顯著性值，根據(jù)船只形態(tài)特征實(shí)現(xiàn)了準(zhǔn)確區(qū)分。

圖5 不同情況下的檢測結(jié)果Fig.5 Detection results in different conditions

3 結(jié)束語

文中提出了一種視頻與AIS信息融合的船只目標(biāo)檢測方法，通過單幀圖像即可獲取船只目標(biāo)，經(jīng)過實(shí)測數(shù)據(jù)驗(yàn)證，該方法易于實(shí)現(xiàn)且適應(yīng)性強(qiáng)，能夠準(zhǔn)確快速提取出船只目標(biāo)。本文算法并不局限于裝有AIS設(shè)備的船舶，它可以擴(kuò)展到一般的船只目標(biāo)檢測應(yīng)用中，但是需要結(jié)合新的算法來確定船只活動(dòng)范圍，這也是本文進(jìn)一步的研究方向。

[1]Fefilatyev S，Goldgof D.Detection and tracking of marine vehicles in video[C]//International Conference on Pattern Recognition，2008.

[2]ZHANG Suo-ping，QI Zhan-hui，ZHANG Dong-liang.Ship tracking using background subtraction and inter-frame correlation [C]//2nd International Congress on Image and Signal Processing，2009.

[3]高原.海背景下弱小運(yùn)動(dòng)目標(biāo)的檢測和跟蹤研究[D].北京：北京交通大學(xué)，2007.

[4]王明芬.基于形狀外觀的運(yùn)動(dòng)船只識(shí)別與跟蹤技術(shù)研究[D].廈門：廈門大學(xué)，2008.

[5]蔡新梅.AIS應(yīng)用與發(fā)展[J].機(jī)電設(shè)備，2011，28（2）：28-30.CAI Xin-mei.Application and development of AIS[J].Mechanical and Electrical Equipment，2011，28（2）：28-30.

[6]岡薩雷斯.數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2006.

[7]陳春寧，王延杰.在頻域中利用同態(tài)濾波增強(qiáng)圖像對(duì)比度[J].微計(jì)算機(jī)信息，2007，23（6）：264-266.

CHEN Chun-ning，WANG Yan-jie. Image contrast enhancement by homomorphic filtering in frequency field[J].Micro Computer Information，2007，23（6）：264-266.

[8]CHENG Ming-ming，ZHANG Guo-xin，Niloy J M，et al.GlobalContrastbased SalientRegion Detection[C]//In CVPR，2011：409-416.

[9]Achanta R，Hemami S，Estrada F，et al.Frequency-tuned salient region detection[C]//In CVPR，2009：1597-1604.

[10]Bouh T E，Micheals R，Can X，et a1. Frame-rate omnidirectional surveillance and tracking of camouflaged and occluded targets[C]//Proceedings of the 2nd IEEE Workshop on Visual Surveillance，F(xiàn)ort Collins，Colorado，USA，1999：48-55.

[11]王保云，張榮，袁園，等.可見光遙感圖像中艦船目標(biāo)檢測的多階閾值分割方法 [J].中國科學(xué)技術(shù)大學(xué)學(xué)報(bào)，2011，41（4）：293-298.

WANG Bao-yun，ZHANG Rong，YUAN Yuan，et al.A new multi-level threshold segmentation method for ship targets detection in optical remote sensing images[J].Journal of University of Science and Technology of China，2011，41（4）：293-298.