王 萍，馮衛(wèi)家，屈 展，解以揚，賈惠珍

作為圖像識別的基礎工作，對象的分割問題倍受學者和研究人員關注，并致力優(yōu)質高效的分割效果．就傳統(tǒng)的圖像分割算法而言，幅度分割側重圖像的灰度等級，邊緣分割側重對象的邊界方向；差影法分割則側重運動著的對象等等，這些方法在應對復雜背景下非規(guī)則對象的分割問題時仍有一定的困難．

近年來，出現(xiàn)了一些解決較復雜問題的針對性的新型分割算法．Wang等[1]利用 MS-FCM 聚類算法，解決像素值相似但又分布于不同區(qū)域的像素點的分離問題，成功實現(xiàn)了胡子與胡須這種復雜背景下的嘴唇區(qū)域的提取．由 Kass等[2]提出的主動輪廓模型(Snakes)被廣泛應用于非規(guī)則圖像的分割及目標跟蹤等方面．Ji等[3]設計的 loop-free snakes，以減小對初始輪廓的依賴、增大參數(shù)彈性等優(yōu)點，實現(xiàn)對管狀物、尖角、深凹/凸形狀物的分割．Zoller等[4]則結合圖像顏色和紋理特征分布以及基于概率形狀的知識，制定貝葉斯框架，通過參數(shù)分布聚類實現(xiàn)受限于形狀的圖像分割．鐘孟兒等[5]提出了一種復雜背景下直線或十字線型的目標物體的分離算法．王鵬等[6]通過探測窗法，解決光斑質心的自動查詢．

在現(xiàn)有的成功算法中，還較少涉及復雜背景下不具有取值一致性的非規(guī)則帶狀區(qū)域的分割．

筆者的工作源于多普勒氣象雷達探測到的云體反射率圖像[7]的識別問題．通常情況下，有一種能夠預示冰雹、暴雨等強風暴天氣將要出現(xiàn)的天氣條件，其在雷達回波圖像上表現(xiàn)出一條彎延的若隱若現(xiàn)的帶狀區(qū)域，氣象上稱之為邊界層輻合線[8](后文中簡稱輻合線)．輻合線對氣象災害的預示能力使得對它的準確識別尤為關鍵；而輻合線反射率強度的不唯一性、形狀的不確定性以及與背景反射率強度的相近性又對其識別形成巨大挑戰(zhàn)．為此，筆者設計出“探測窗”協(xié)同“加深印象”算法，以解決該類復雜背景下非規(guī)則帶狀區(qū)域的分割問題．

1 邊界層輻合線的圖像特點

圖 1左側為一張含輻合線的雷達反射率的局部偽彩圖像，右側的各小圖經過了人工處理，意欲增強其中的邊界層輻合線的視覺示意效果．

圖1 邊界層輔合線反射率圖像Fig.1 PBL convergent lines at a reflectivity picture

結合圖1及專家經驗，可歸納如下：

(1) 輻合線是一條可能帶有岔路的彎延的帶狀區(qū)域；

(2) 同一時刻的一條輻合線上的反射率強度不盡相同，但多集中在 15、20、25、30、35,dBZ 這幾個量級上；

(3) 輻合線上像素的反射率強度大于輻合線兩側像素的反射率強度；

(4) 背景中同時含有大量的與輻合線的反射率強度相同的區(qū)域．

2 局部帶狀區(qū)域檢測

針對帶狀對象在形態(tài)上的非規(guī)則性和取值上的非唯一性的特點，本文采用從局部到整體的探測思路，探測窗就是實現(xiàn)這種思路的工具．

2.1 探測窗設計

局部探測的目的是首先弱化被檢對象的復雜性，帶狀對象在幾何結構上的非規(guī)則性是表現(xiàn)于宏觀上的，隨著觀察范圍的逐漸縮小，“帶子”會逐漸變直，同時會排除開相近的干擾；二是雖然帶狀區(qū)域在反射率值上可能是非唯一的，但當觀察范圍縮小到一定程度后，反射率值會取得一致(反射率值變化處除外)．

1) 探測窗形狀

出于不限定被探測的帶狀對象局部走向的通用性考慮，將探測窗設計為方形(m×m)．

2) 探測窗尺度

本文將“帶狀對象最粗的局部在窗內仍能呈現(xiàn)帶狀”的最小窗作為確定探測窗尺度的依據．實現(xiàn)方法如下．

設經統(tǒng)計運算得到被測對象局部最大寬度的均值Wμ和方差Wσ，則將局部最大寬度設定為

式中：int為取整運算；c可以取 1、2或 3，視專家經驗和問題特點而定；0.5是為獲得四舍五入的效果而加入的．探測窗尺度

按照式(1)和式(2)，得到本文所需的局部輻合線探測窗尺度，如表1所示．

表1 局部輻合線探測窗尺度Tab.1 Size of local convergent lines detection window

2.2 局部帶狀區(qū)域探測算法

設探測窗探測到局部帶狀區(qū)域集合Ψ，Ψ= { ψi}，其中的一部分組成輻合線區(qū)域Ω．

步驟 1 對像素點 p而言，若其反射率值R(p)∈RΩ，RΩ={ R1, … ,R5}={15,20,25,30,35}dBZ，則將探測窗滑動至以p點為中心的位置．

步驟 2 以 p為種子在探測窗內進行 8鄰域區(qū)域生長[9]，得到連通域 Zj，其間使用的一致性條件為生長點η的反射率值 R (η)≥Tr，Tr是反射率閾值，初值設為 R5．

步驟3 判斷 Zj是否屬于Ψ．

判斷準則如下．設 Zj的面積為 Sj，探測窗被 Zj分割成N個連通域，那么

上述準則的物理意義在于局部帶狀區(qū)域的面積不能太大且一定將探測窗割裂為 2個以上的互不連通區(qū)．

如圖 2所示， Z1和 Z2因同時滿足判斷準則的條件 1和條件 2而屬于Ψ；Z3因不滿足條件 1、Z4不滿足條件2、Z5兩個條件均不滿足而均不屬于Ψ．

圖2 用準則判斷 Z j是否屬于Ψ示意Fig.2 Sketch of principles to judge whether Z jbelongs toΨ

在判斷準則下，進行操作如下．

若 Zj∈Ψ或Tr= R1，則在p點的探測結束；否則，若 Zj?Ψ，Tr-5→Tr．

算法中，調整閾值 Tr的作用如下．

(1) 通過對 Tr由高到低的調整，盡量找出滿足準則條件的 Zj．以圖 3為例，圖 3(a)為探測窗內的局部圖像，圖 3(b)、(c)、(d)依次為 Tr取初值(即Tr= R5= 3 5dBZ )、30dBZ、25dBZ時的探測情況，容易看出，待算法運行到第 3個循環(huán)，探測到帶狀區(qū)域，即 Zj∈Ψ．

圖3 局部帶狀域判別示例Fig.3 Judgment of the local belt structure

(2) Tr由高到低的過程，保證使具有較高反射率值的ψi首先被找到．例如，圖4(a)存在局部帶狀域，Tr= R5= 3 5dBZ 時，測到圖 4(b)中的 Zb；Tr= R4= 3 0dBZ時，測到圖 4(c)中的 Zc；而該算法探測到 Zb后，不再繼續(xù)探測．

步驟4 依次掃描圖像，得到所有局部帶狀區(qū){}.iψ

圖4 算法運行示例Fig.4 Results of the algorithms

3 加深“印象”處理及帶狀度檢測

由局部探測的工作原理可知，圖像中能夠被探測到最短帶的長度介于1～ 2倍的探測窗窗寬之間，因此，局部探測結束之后，得到的是一張攜帶許多短小帶狀區(qū)域的分割圖像，這些短小的帶狀區(qū)域形成對真正較長的輻合線的干擾．

面對長的輻合線和短的干擾，窗探測的區(qū)別是“被多次探測到”還是“僅被 1次或少數(shù)幾次探測到”，基于此，特別提出加深“印象”策略，以加大長短帶之間的區(qū)分度．

3.1 加深“印象”策略

建立一個放置圖像中各像素點“屬于輻合線”印象的二維數(shù)組，探測伊始，各點印象值為 0，探測中，帶狀域的內點每被探到 1次便做一次“印象”累加．

3.2 加深“印象”的實施方案

首先，將加深“印象”策略嵌入局部探測過程中，即當用探測窗檢出圖像的局部帶狀區(qū)域iψ之后，增加如下工作．

(1)計算iψ中每一個像素q的局部印象值

式中 Wq為q處的帶寬．設過q點沿水平、垂直方向的局部帶狀域的內點數(shù)分別為 Nx(q)和 Ny(q)，則將 Wq估計為

Wq起到歸一化的作用，用以使印象值主要反映長度信息．

融入以上加深“印象”策略的總探測結果會給出一個總體印象矩陣，將每個像素的印象值逐一與給定的閾值比較，大于閾值的像素點保留，否則舍去．

3.3 “印象”閾值的確定

設被檢對象是一條等寬的長度為l的水平或垂直走向的理想帶狀區(qū)域，則不難推出，理想帶上的最大印象值等于探測窗的窗寬m，而具有最大印象值的帶狀的長度

其余的印象值依次從 m ?1減到1．

參照以上分析可以取“印象”閾值為m或m?1，例如設“印象”閾值為m，則會使短于2(m ? 1 )的帶狀區(qū)域消失；使長于2(m ? 1 )但短于2m的帶子不再呈帶狀；使較短的帶狀區(qū)域的帶狀度減弱，而對較長帶子影響不大，如圖5(a)和(b)所示．

圖5 探測結果示例Fig.5 Results of detection window

3.4 基于帶狀度的濾波

經過加深“印象”，無關的短帶更短，其帶狀的程度退化．

一般地，在周長相同的條件下，帶狀區(qū)的面積遠遠小于其他形狀的區(qū)域面積，因此，本文定義區(qū)域的帶狀度為

式中：ol是被考核區(qū)域外輪廓的周長；il是區(qū)域空洞的輪廓周長；S是區(qū)域面積；分子項的平方是出于使e成為無量綱量的考慮．

經分析，可以為e設定一個大于100的閾值eT，且只將大于該值的區(qū)域保留下來，圖 5(c)是圖 5(b)經此方案(取eT為135)濾波的效果．

4 測試結果

為提高輻合線的檢測效果，局部探測之前，對圖像做了適當?shù)念A處理，預處理工作包括將明顯不是輻合線的小面積云團區(qū)域和顯著風暴區(qū)域剔除、連通化處理[10-11]等．

按照第 2、3節(jié)提出的方案及算法，對天津地區(qū)含輻合線的 61張雷達反射率圖像組織測試，測試結果如表2所示，由表2可知：

(1)有3條(3/61 4.92= %)輻合線未被檢出，查其原因，發(fā)現(xiàn)這3條輻合線的反射值跳出了本文設定的RΩ的范圍；

(2)SF和 ST分別為檢出的無關區(qū)域和真實區(qū)域的面積．本文用 SF/(SF+ ST)來說明對輻合線區(qū)域的誤警率．可以看出，本文方法仍有一定的輻合線區(qū)域的誤警率．從行業(yè)知識可知，在水汽逐漸密集的區(qū)域，如果出現(xiàn)環(huán)境風的對吹或風速從快到慢的突然轉變，就形成了產生輻合線的物理機制，經對 61個測試樣本的人工觀測發(fā)現(xiàn)，在被本文算法誤報的區(qū)域中，90%以上沒有這種物理機制相配合，這就是說，無關區(qū)域FS的進一步濾除可借助輻合線兩側風場的自動分析以及輻合線上水汽分布特點進行，這將是本文工作的延伸．

表2 測試結果Tab.2 Detecting results

5 結 論

(1)探測窗法使大尺度輻合線的分割問題降低到探測窗的尺度，從而降低了問題的復雜性．

由于探測窗的尺度較小，盡管大尺度下輻合線的帶狀結構千變萬化，走向復雜，但其落在探測窗中的部分所表現(xiàn)出來的復雜性有限、區(qū)域特征相對穩(wěn)定，可以克服輻合線不同位置的主要構成不同的問題，因此，探測窗可以在一定程度上穩(wěn)定高效的分割形態(tài)各異的帶狀對象．

(2)加深“印象”法可以有助于將大尺度的帶狀區(qū)域保留、將短帶區(qū)域濾除，增加了探測結果的魯棒性．

(3)基于區(qū)域的帶狀度濾波方法，計算簡單，工作穩(wěn)定，在濾除無關區(qū)域中發(fā)揮著重要作用．

［1］ Wang Shilin，Lau Wing-Hong，Liew Alan Wee-Chung，et al. Robust lip region segmentation for lip images with complex background[J]. Pattern Recognition，2007，40(12)：3481-3491.

［2］ Kass M，Witkin A，Terzopoulos D. Snakes：Active contour models[J]. International Journal of Computer Vision，1988，1(4)：321-331.

［3］ Ji Lilian，Yan Hong. Loop-free snakes for highly irregular object shapes[J]. Pattern Recognition Letters，2002，23(5)：579-591.

［4］ Zoller T，Buhmann J M. Shape constrained image segmentation by parametric distributional clustering[C]//Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Washington，DC，USA，2004：386-393.

［5］ 鐘孟兒，馮華君，裴錫宇，等. 在復雜背景下線狀物體的圖像分割算法研究[J]. 光學儀器，2005，27(1)：52-56.

Zhong Menger，F(xiàn)eng Huajun，Pei Xiyu，et al. Segmentation of linear object from complex background[J].Optical Instruments，2005，27(1)：52-56(in Chinese).

［6］ 王 鵬，周 昕，王 勇，等． 哈特曼波前傳感器光斑質心探測窗口的自動確定方法研究[J]. 激光雜志，2005，26(5)：46-47.

Wang Peng，Zhou Xin，Wang Yong，et al. Study on an automatic selection method for spot centroid detection window of Harlsnan wavefront sensor[J]. Laser Journal，2005，26(5)：46-47(in Chinese).

［7］ 俞小鼎，姚秀萍，熊廷南，等. 多普勒天氣雷達原理與業(yè)務應用[M]. 北京：氣象出版社，2006.

Yu Xiaoding，Yao Xiuping，Xiong Tingnan，et al.Doppler Weather Radar Principles and Business Applications[M]. Beijing：Meteorological Press，2006(in Chinese).

［8］ 張 群，張維桓，姜勇強．邊界層輻合線發(fā)展成颮線的數(shù)值試驗[J]. 氣象科學，2001，21(3)：308-315．

Zhang Qun，Zhang Weihuan，Jiang Yongqiang. Numerical trial of PBL convergence line developing to squall line [J]. Scientia Meteorologica Sinica，2001，21(3)：308-315(in Chinese).

［9］ Leila D，Khelil N，Mohamed B. Image segmentation by self-organized region growing[C]//Computer Information Systems and Industrial Management Applications.Ostrava，Czech，2008：171-176.

［10］ 王 萍，董曉凱，賈惠珍. 基于雷達回波反射率圖的雹云特征提取[J]. 天津大學學報，2007，40(10)：1241-1246.

Wang Ping，Dong Xiaokai，Jia Huizhen. Hail cloud feature extraction based on radar reflectivity image[J].Journal of Tianjin University，2007，40(10)：1241-1246(in Chinese).

［11］ 賈永紅. 計算機圖像處理與分析[M]. 武漢：武漢大學出版社，2001.

Jia Yonghong. Computer Image Processing and Analysising[M]. Wuhan：Wuhan University Press，2001(in Chinese).