王 超, 姜可宇

(海軍工程大學(xué),湖北 武漢 430033)

在未來(lái)海戰(zhàn)中,反水雷能力是海軍防御力量的重要組成部分。人工辨識(shí)水雷準(zhǔn)確率比較高,但因長(zhǎng)時(shí)間操作人員容易疲憊,或因作戰(zhàn)壓力較大導(dǎo)致人員情緒波動(dòng),對(duì)辨識(shí)水雷有一定影響。若能使實(shí)現(xiàn)目標(biāo)判別過(guò)程的自動(dòng)化,水雷偵察的效率將會(huì)得到較大改善。

目前,探雷聲納是探測(cè)水雷的有效手段實(shí)現(xiàn)水雷的自動(dòng)判別,首先要確定探雷聲納圖像中的疑似目標(biāo)。疑似目標(biāo)為聲納圖像中符合特定大小,信混比較大的區(qū)域。自動(dòng)判別水雷關(guān)鍵是對(duì)聲納圖像進(jìn)行適當(dāng)?shù)貟呙璺指睢?guó)內(nèi)學(xué)者提出變尺寸組合窗口[1]來(lái)對(duì)聲納圖像中的單一沉底小目標(biāo)進(jìn)行搜索定位,利用屬性直方圖[2]確定其最佳灰度分割閾值,對(duì)定位的可疑區(qū)域進(jìn)行目標(biāo)聲影的分割提取,還可以利用目標(biāo)直方圖相似性[3]來(lái)識(shí)別目標(biāo)。該方法對(duì)于近距離(小于200m)高分辨率聲納圖像中單一目標(biāo)有較好的分割效果。而探雷聲納圖像分辨率相對(duì)較低,目標(biāo)在圖像中沒(méi)有聲陰影,因此該方法不適用于探雷聲納圖像中的水雷自動(dòng)判別。

本文首先對(duì)探雷聲納的成像原理做了簡(jiǎn)單介紹,結(jié)合實(shí)際圖像中水雷目標(biāo)的亮點(diǎn)特征提出了合適的目標(biāo)搜尋窗口和目標(biāo)定位窗口,應(yīng)用區(qū)域生長(zhǎng)法對(duì)兩種窗口中的目標(biāo)進(jìn)行分割,得到符合特定大小及信混比的可疑區(qū)域。該方法可有效實(shí)現(xiàn)探雷聲納無(wú)聲影圖像中多個(gè)疑似目標(biāo)的掃描分割。

1 探雷聲納二維圖像

探雷聲納為回聲聲納,發(fā)射分系統(tǒng)通過(guò)發(fā)射基陣以一定的水平和垂直指向角通過(guò)一定的時(shí)間間隔和空間間隔先后向水中發(fā)射設(shè)定參數(shù)的聲脈沖信號(hào),覆蓋一定角度的扇面,如圖1所示。然后接收分系統(tǒng)的接收基陣開始接收回波信號(hào),經(jīng)濾波、增益控制、波束形成等處理后,生成覆蓋一定水平角度探測(cè)扇面的多波束信號(hào)。它們反映了探測(cè)扇面內(nèi)不同方向的回波強(qiáng)度隨斜距的變化情況。為使得由這些波束信號(hào)形成的聲圖像便于操作員觀察,對(duì)其在水平方向上進(jìn)行一定內(nèi)插形成方位-距離-幅度三維灰度圖[3],如圖2所示。

圖1 聲納波束示意圖

圖像顯示時(shí),水平方向是角度維,豎直方向是距離維,表示的范圍與圖像的起始距離和量程有關(guān)。圖2為一幅探雷聲納圖像,其中圖像較強(qiáng)亮點(diǎn)(圖2中的白色圈內(nèi))對(duì)應(yīng)回波較強(qiáng)的區(qū)域,是小目標(biāo)或海底石塊回波形成的,稱為目標(biāo)亮點(diǎn)區(qū);圖 2其余部分為不規(guī)則的大片次亮區(qū)或暗區(qū),由海底混響形成,稱為海底混響區(qū)。聲納圖像與光學(xué)圖像相比,分辨率低,干擾強(qiáng),目標(biāo)邊緣模糊,光學(xué)圖像分割方法一般不適用于該類圖像處理。

圖2 實(shí)際聲納圖像

2 探雷聲納圖像分割方法

上文介紹的聲納圖像中可以得出:由于探測(cè)距離較遠(yuǎn),分辨率較低,導(dǎo)致目標(biāo)亮區(qū)周圍沒(méi)有聲陰影;符合一定大小和信混比的目標(biāo)在圖像中不只一個(gè),非最亮區(qū)域也可能存在疑似水雷目標(biāo)。文獻(xiàn)[1]中綜合利用目標(biāo)亮區(qū)和陰暗區(qū)兩者像素灰度級(jí)方面信息,定義聯(lián)合分布率μ如下:

式中,L亮、L暗分別為圖像中目標(biāo)亮區(qū)與目標(biāo)陰影的高度,W 為目標(biāo)在圖像中的寬度,N亮、N暗分別為L(zhǎng)亮×W、L暗×W 子窗口中灰度值大于某一閾值和小于某一閾值的像素?cái)?shù)。逐行逐列考察各像素位置的μ值,找出最大μ值對(duì)應(yīng)的位置即為目標(biāo)位置。此法要求目標(biāo)有聲陰影,且只能找到符合要求的最大值,而實(shí)際聲納圖像中符合要求的區(qū)域可能不止一個(gè),μ不好設(shè)定閾值,故此法難以直接應(yīng)用。

根據(jù)探雷聲納圖像中水雷無(wú)聲陰影的特殊性,本文對(duì)區(qū)域生長(zhǎng)法的參數(shù)做了設(shè)定,并結(jié)合搜尋和定位兩種方式對(duì)聲納圖像進(jìn)行掃描分割。

2.1 區(qū)域生長(zhǎng)法

區(qū)域生長(zhǎng)法(SRG)[4]的基本思想是通過(guò)一個(gè)初始種子,將種子周圍具有相似性質(zhì)的像素歸并到種子像素所在的區(qū)域。如圖3所示,在圖像待分割的目標(biāo)(圓圈標(biāo)出)中選取初始種子像素 P,從 P點(diǎn)出發(fā)向該點(diǎn)的鄰域(如8鄰域)搜索,規(guī)定一個(gè)閾值T,當(dāng)搜索點(diǎn)的灰度值與P點(diǎn)的灰度差小于T時(shí),則認(rèn)為此點(diǎn)屬于該種子點(diǎn)對(duì)應(yīng)的區(qū)域,并標(biāo)記為L(zhǎng),如圖3中黑色區(qū)域。這樣圖像中的點(diǎn)會(huì)逐漸標(biāo)記為L(zhǎng),用此原理再向四周搜索,直到找不到符合規(guī)則的像素為止。

圖3 區(qū)域分割示意圖

區(qū)域生長(zhǎng)法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單,比較適合分割均勻的小目標(biāo),此法和邊緣檢測(cè)或閾值分割聯(lián)合使用會(huì)得到更精確的分割結(jié)果[5]。

在探雷聲納圖像中,水雷目標(biāo)正好具有這種特點(diǎn),下面對(duì)區(qū)域生長(zhǎng)法中的參數(shù)做如下設(shè)定。

1)種子像素P:根據(jù)圖像中目標(biāo)的亮點(diǎn)特征,對(duì)于目標(biāo)較為清晰地聲納圖像,種子點(diǎn)P應(yīng)為圖像中灰度值最大點(diǎn),對(duì)于目標(biāo)的信混比不強(qiáng)的聲納圖像,種子點(diǎn)P應(yīng)為其搜索及定位窗口中灰度值最大點(diǎn);

2)閾值T:在強(qiáng)信混比條件時(shí),閾值隨分割到目標(biāo)的面積變化曲線如圖4(a)所示,不同的閾值對(duì)目標(biāo)的分割影響不大。而在強(qiáng)混響背景下,較大的閾值會(huì)使目標(biāo)過(guò)渡分割,較小的閾值會(huì)損失目標(biāo)的邊緣,目標(biāo)分割面積隨閾值變化如圖 4(b)。實(shí)際圖像中目標(biāo)的邊緣較模糊,較大的閾值可能使目標(biāo)不符合要求導(dǎo)致漏判。對(duì)大量實(shí)際聲納圖像中的目標(biāo)進(jìn)行分割測(cè)試,閾值T取為0.2比較合適。

圖4 目標(biāo)包含像素隨閾值的變化

使用以上參數(shù)對(duì)實(shí)際聲納圖像的分割結(jié)果如圖5所示。

圖5 區(qū)域生長(zhǎng)法對(duì)理想目標(biāo)的分割

圖 5(a)為原始圖像,圖 5(b)為分割后的二值圖像?？梢钥闯?當(dāng)目標(biāo)在圖像中為最亮點(diǎn)時(shí),該方法能對(duì)目標(biāo)進(jìn)行有效分割,得到其基本的長(zhǎng)、寬等信息。但實(shí)際上,圖像中經(jīng)常出現(xiàn)混響區(qū)域部分灰度值比目標(biāo)區(qū)域灰度值大的情況,如用上述的方法就會(huì)出現(xiàn)錯(cuò)誤分割。

將圖像劃為若干個(gè)區(qū)域可以解決上述問(wèn)題。以每個(gè)小區(qū)域中的最大灰度值為種子點(diǎn),應(yīng)用特定參數(shù)的區(qū)域生長(zhǎng)法對(duì)其進(jìn)行分割。

2.2 掃描窗口及掃描方式

在圖像處理中,窗口是最重要的概念之一。窗口是具有一定大小和形狀的特定點(diǎn)的鄰域,與圖像作用時(shí),考察落在它內(nèi)部的圖像像素值。圖像處理中常用的窗口有方形、十字形、圓形、圓環(huán)形、X形和線形等。

根據(jù)探雷聲納目標(biāo)區(qū)域在圖像中的特點(diǎn),選取矩形窗口對(duì)圖像進(jìn)行掃描。掃描過(guò)程用到的窗口類型有兩種,第一種為目標(biāo)搜索窗口,用來(lái)對(duì)整幅圖像進(jìn)行從左至右從上到下的完整掃描,同時(shí)對(duì)每一窗口內(nèi)的圖像進(jìn)行區(qū)域生長(zhǎng)分割,如圖6(a)所示。第二種為目標(biāo)定位窗口,用來(lái)對(duì)目標(biāo)區(qū)域進(jìn)行分割,旨在分割出目標(biāo)的完整形狀,如圖6(b)所示。下面對(duì)窗口尺寸及窗口掃描方式做詳細(xì)說(shuō)明。

圖6 兩種掃描窗口示意圖

圖2所示的聲納圖像為扇形區(qū)域進(jìn)行坐標(biāo)變化得來(lái)的,距離維的分辨率d1隨量程范圍的改變而不同,定義為

式中,L1為圖像距離維的范圍(量程),M為圖像矩陣的行數(shù)。圖像中角度維對(duì)應(yīng)的分辨率d2隨斜距的改變而不同,為

式中,r為斜距。水雷目標(biāo)一般為長(zhǎng)2m,半徑0.5m的圓柱體。其在圖中任意位置對(duì)應(yīng)的尺寸可用式(4)、式(5)計(jì)算得出。

式中,L為目標(biāo)在圖像中所占行數(shù),W為目標(biāo)所占行數(shù)。l為其在距離維的長(zhǎng)度,ω為其在角度維的長(zhǎng)度,P為圖像的列數(shù),y為目標(biāo)出現(xiàn)位置的距離維坐標(biāo),S為圖像對(duì)應(yīng)的最小量程。若將其放在斜距為 r的位置,長(zhǎng)邊與方位軸平行,如圖 7所示。在圖像中,其對(duì)應(yīng)的L最大為2行,橫坐標(biāo)對(duì)應(yīng)最多三個(gè)接收波束,即W最大為12列,考慮接收機(jī)形成的多波束數(shù)據(jù)要進(jìn)行內(nèi)插,所以目標(biāo)在實(shí)際圖像中角度維的長(zhǎng)度要比計(jì)算的長(zhǎng)些。

圖7 目標(biāo)跨波束情況

考慮到實(shí)際圖像中目標(biāo)存在邊界模糊使其尺寸變大:對(duì)于目標(biāo)搜尋窗口,本文設(shè)定其橫向長(zhǎng)為N/4-1列,N為圖像矩陣的列數(shù),縱向長(zhǎng)度為 5行,保證其內(nèi)不會(huì)出現(xiàn)兩個(gè)可疑目標(biāo);對(duì)于目標(biāo)分割窗口,考慮到目標(biāo)擺放的角度,本文設(shè)定其橫向長(zhǎng)為15個(gè)像素,縱向長(zhǎng)為8個(gè)像素。

定義了兩種掃描窗口的具體尺寸,下面說(shuō)明兩種掃描窗口的組合使用方式。在掃描過(guò)程中,如圖8(a)所示,首先是全局掃描窗口ABCD對(duì)其內(nèi)部的可疑區(qū)域進(jìn)行分割,得到目標(biāo)的中心 O,然后以目標(biāo)的中心O為中點(diǎn),使用目標(biāo)分割窗口EFJH對(duì)其內(nèi)部的目標(biāo)進(jìn)行分割,之所以這樣做是因?yàn)槿謷呙璐翱谟锌赡苤环指畹侥繕?biāo)區(qū)域的一部分,如圖8(b)所示。

圖8 不同掃描過(guò)程示意圖

此時(shí),目標(biāo)與 AB邊交于 I、G兩點(diǎn),全局掃描窗口 ABCD內(nèi)部分目標(biāo)的形心為O,以 O為中心,對(duì)目標(biāo)分割窗口 EFJH內(nèi)的目標(biāo)再次進(jìn)行分割。其它情況,以此類推。最后根據(jù)分割出目標(biāo)的大小以及其信混比來(lái)判斷其是否為可疑目標(biāo),并把可疑目標(biāo)的大小、最大灰度值、方位坐標(biāo)等基本信息保存到目標(biāo)數(shù)組中。信混比(SRR)定義為

其中,Et為目標(biāo)所占像素的平均值,Eb為目標(biāo)周圍40×40的背景所占像素灰度的平均值。

3 圖像分割實(shí)例

將上述方法應(yīng)用于圖2所示聲納圖像,通過(guò)對(duì)實(shí)際水雷目標(biāo)在聲納圖像中信混比大小的經(jīng)驗(yàn)總結(jié),設(shè)定信混比為 5,并把圖像中符合要求的疑似目標(biāo)用白色框框出。分割結(jié)果如圖9所示。

圖9 分割實(shí)例

從圖9中可以看出,該方法對(duì)符合條件的目標(biāo)有很好的判別效果。盡管混響區(qū)中有部分亮點(diǎn)大小符合要求,但由于信混比小于5而沒(méi)有被框出來(lái)。表1為圖像中標(biāo)出目標(biāo)的基本信息。表中目標(biāo)坐標(biāo)為(列,行),目標(biāo)尺寸為(列,行),單位像素。

表1 疑似目標(biāo)的基本信息

4 結(jié)束語(yǔ)

本文提出了一種無(wú)聲影探雷聲納圖像的分割方法,該方法使用兩種掃描窗口并結(jié)合區(qū)域生長(zhǎng)法對(duì)無(wú)聲影聲納圖像進(jìn)行了多疑似目標(biāo)的掃描探測(cè),通過(guò)設(shè)定合適的信混比閾值和目標(biāo)區(qū)域大小,可以獲得單幅圖像中的疑似目標(biāo)基本信息,進(jìn)一步利用多幅圖像中目標(biāo)的相對(duì)運(yùn)動(dòng)軌跡可排除掉部分假目標(biāo),為水雷判別的自動(dòng)化打下基礎(chǔ)。

[1]郭海濤,田坦,孫大軍,等. 變尺寸組合窗口在聲吶圖象搜索定位中的應(yīng)用[J].哈爾濱工程大學(xué)學(xué)報(bào),2000,21(5):28 -31 .

[2]盧逢春,張殿倫,郭海濤. 基于屬性直方圖的圖像分割方法及其在聲吶圖像分割中的應(yīng)用[J]. 哈爾濱工程大學(xué)學(xué)報(bào),2002,23(3):1-3.

[3]田曉東,劉忠,周德超. 基于形狀描述直方圖的聲吶圖像目標(biāo)識(shí)別算法[J].系統(tǒng)工程與電子技術(shù),2007,29(7):1050-1053.

[4]石珍龍. 獵雷聲吶圖像數(shù)據(jù)采集與處理[D]. 哈爾濱:哈爾濱工程大學(xué),1996 .

[5]Rolf Adams and Leanne Bischof. Seeded Region Growing. IEEE transactions of pattern analysis and machine intelligence (1994) 6, vol. XVI, pp 641-647.

[6]秦襄培,鄭賢忠. MATLAB圖像處理寶典[M].北京:電子工業(yè)出版社,2011.