姜慶標(biāo)

(南京工程學(xué)院 汽車與軌道交通學(xué)院，江蘇 南京 211167)

光學(xué)遙感圖像艦船目標(biāo)檢測算法研究

姜慶標(biāo)

(南京工程學(xué)院 汽車與軌道交通學(xué)院，江蘇 南京 211167)

針對(duì)航天圖像艦船目標(biāo)快速檢測問題，本文提出了一種復(fù)雜海洋背景中艦船目標(biāo)的快速提取，艦船尾跡的檢測及目標(biāo)檢測算法。根據(jù)人類視覺注意機(jī)制，把梯度作為視覺注意前期的簡單特征，然后以開爾文尾跡為主要依據(jù)，以區(qū)域灰度方差表示紋理粗糙度，進(jìn)行艦船尾跡識(shí)別，最后分析艦船檢測的原則和主要特征，提出艦船目標(biāo)檢測流程，并進(jìn)行目標(biāo)檢測實(shí)驗(yàn)，實(shí)現(xiàn)準(zhǔn)確的尾跡識(shí)別和目標(biāo)檢測。

光學(xué)遙感圖像；尾跡識(shí)別；艦船；目標(biāo)檢測

0 引 言

隨著高分辨率光學(xué)遙感圖像的出現(xiàn)，遙感圖像細(xì)節(jié)更加豐富，利用航天可見光圖像進(jìn)行海洋目標(biāo)檢測引起了越來越多的關(guān)注?，F(xiàn)階段，我國海上安全形勢日趨復(fù)雜，及時(shí)獲得可疑目標(biāo)的信息和參數(shù)估計(jì)，可為我國海域?qū)崟r(shí)監(jiān)控系統(tǒng)提供重要數(shù)據(jù)[1-5]。

對(duì)于海域背景簡單，呈灰度分布時(shí)，以閾值法檢測艦船目標(biāo)均等得到理想結(jié)果[6-9]。海洋環(huán)境受海洋季風(fēng)氣候影響，多云雨天氣，實(shí)際所獲得的遙感影像往往有較多的云塊存在，圖像中云塊的存在對(duì)艦船的檢測有較大的影響，造成虛警過多，同時(shí)由于目標(biāo)的稀缺性及目標(biāo)檢測的實(shí)時(shí)性要求，如何從含有云層干擾的大數(shù)據(jù)量影像中快速準(zhǔn)確提取出目標(biāo)是艦船檢測需要解決的問題。針對(duì)海域背景復(fù)雜，云層干擾較多的情況，本文研究去除艦船復(fù)雜海洋背景并提取艦船目標(biāo)的方法，并進(jìn)一步研究艦船尾跡檢測和艦船目標(biāo)檢測。

1 視覺注意機(jī)制

廣闊海域中往往只有少量的艦船，如何從中快速選擇感興趣區(qū)域并提取目標(biāo)是艦船檢測的核心問題。人類視覺系統(tǒng)(HVS)面對(duì)復(fù)雜場景能迅速選擇幾個(gè)區(qū)域進(jìn)行優(yōu)先處理，該過程被稱為視覺注意(Visual Attention)，被選中的區(qū)域被稱為注意焦點(diǎn)(Focus of Attention，F(xiàn)OA)，或稱為感興趣區(qū)域(Region of Interest，ROI)。以視覺注意機(jī)制建立艦船目標(biāo)檢測模型，繪制檢測流程如圖1所示。

圖1 基于視覺圖像的艦船目標(biāo)檢測流程圖Fig.1 The flow chart of ship target detection based on visual images

根據(jù)人眼視覺早期對(duì)圖像灰度變化的敏感性，本文把梯度作為視覺注意前期的簡單特征。梯度依據(jù)圖像灰度變化的程度劃分，本文以索貝爾(Sobel)算子提取梯度圖，采用的Sobel算子包括2個(gè)方向算子，一為沿水平邊緣檢測(x方向)，另一個(gè)為沿垂直邊緣檢測(y方向)，x方向算子Gx可表示為：

y方向算子Gy可表示為：

Sobel算子的梯度模型可表示為：

G[f(i,j)]={Gx[f(i,j)]2+Gy[f(i,j)]2}1/2

2 艦船目標(biāo)尾跡檢測模型

艦船行駛在海面時(shí)，由于船身與水面作用會(huì)產(chǎn)生擾動(dòng)波紋，艦船行駛過該區(qū)域后會(huì)在該區(qū)域形成尾跡，尾跡隨著艦船行駛而產(chǎn)生并消散，當(dāng)艦船的尾跡尺度在可分辨范圍內(nèi)時(shí)，可在光學(xué)圖像中將該尾跡提取分析，對(duì)于光學(xué)遙感拍攝的艦船尾跡可被分為以下3類：

1)開爾文(Kelvin)尾跡，開爾文尾流如圖2所示，是指在艦船航行時(shí)在艦船尾部水面留下的比較清晰可辨、持續(xù)時(shí)間較長的波動(dòng)界面。開爾文尾流主要由橫向波、擴(kuò)散波和尖波構(gòu)成，其中開爾文尾跡半張角一般為19.5°左右。艦船實(shí)際運(yùn)行過程中一般會(huì)產(chǎn)生兩對(duì)開爾文尾跡，船首和船尾均會(huì)產(chǎn)生，船尾產(chǎn)生的開爾文尾跡幅度遠(yuǎn)大于船首。

2)湍流和旋渦尾跡，湍流和漩渦主要由于艦船排水設(shè)施和艦尾螺旋槳對(duì)水面作用產(chǎn)生，在遙感圖像中由于其持續(xù)時(shí)間較長、幅度較大而被明顯發(fā)現(xiàn)。

3)局部擾動(dòng)區(qū)域由于其波動(dòng)幅度較小，在艦船檢測時(shí)可被忽略。

圖2 艦船尾跡模式Fig.2 The ship wake model

由于艦船尾跡存在局部擾動(dòng)區(qū)域和自由波動(dòng)區(qū)域，一般局部擾動(dòng)區(qū)域存在于艦船首部，其波動(dòng)幅度較小，由遙感得到的圖像艦首與艦尾區(qū)域呈現(xiàn)出過渡條紋帶，灰度值變化較大。對(duì)于船體運(yùn)行方向的前端則由于水面波動(dòng)較小，呈現(xiàn)出平滑的灰度帶，所以艦首艦尾區(qū)域的圖像紋理不同，可根據(jù)紋理特征檢測該水面區(qū)域是否存在艦船尾跡，并根據(jù)艦首艦尾區(qū)別確定尾跡所在位置，進(jìn)一步確定艦船航向。

區(qū)域灰度方差用來表示圖像在某一區(qū)域內(nèi)灰度值變化大小，對(duì)于紋理變化較大的區(qū)域方差值較大，根據(jù)艦首艦尾紋理特征不同，本文采用遙感圖像區(qū)域灰度方差表示遙感圖像紋理粗糙度，根據(jù)區(qū)域灰度方差值檢測是否存在尾跡，并確認(rèn)尾跡方位。根據(jù)開爾文尾跡分布理論，其半張角為19.5°，以艦船中心和開爾文主線與艦船主軸的夾角來選擇尾跡包含區(qū)域，尾跡包含區(qū)域大小與方位角關(guān)系如圖3所示。

圖3 尾跡包含區(qū)域與方位角關(guān)系示意圖Fig.3 Wake area and azimuth relationship diagram

區(qū)域從艦船中心處劃分，區(qū)域的大小根據(jù)艦船長度及圖像分辨率進(jìn)行選取，除邊界限制外保證2個(gè)區(qū)域大小相等，區(qū)域1和2標(biāo)號(hào)的選擇是為了使艦船沿y增大方向行駛時(shí)尾跡都在區(qū)域1中，保持表示的一致性，判別的準(zhǔn)則是：

其中varl和var2分別為區(qū)域1和2中的灰度方差。

3 艦船目標(biāo)的檢測

基于遙感圖像的艦船目標(biāo)檢測過程中包括艦船目標(biāo)特征提取、選擇和識(shí)別提取算法設(shè)計(jì)，首先根據(jù)艦船特點(diǎn)設(shè)定識(shí)別特征，然后利用算法將該特征提取出來并進(jìn)行分門別類，根據(jù)分類特點(diǎn)對(duì)疑似目標(biāo)進(jìn)行檢測識(shí)別。其中目標(biāo)檢測特征的選擇對(duì)目標(biāo)檢測算法實(shí)現(xiàn)具有決定意義，在選擇過程中其應(yīng)具有可分性、穩(wěn)健性、完備性與獨(dú)立性、簡單性和不變性的特點(diǎn)。

遵循以上原則可使指艦船目標(biāo)與虛警目標(biāo)應(yīng)具有本質(zhì)區(qū)別，目標(biāo)檢測特征不受可能存在的噪聲干擾，其能夠獨(dú)立反映出檢測目標(biāo)的某一方面信息，不相互重疊和冗余，計(jì)算過程簡單、計(jì)算量小、計(jì)算速度快，便于迅速提取、鑒別，其不隨圖像的方向、尺寸等因素變化而變化。

根據(jù)艦船檢測特征的特點(diǎn)，可用于艦船目標(biāo)檢測的特征主要包括基于區(qū)域描述的特征、基于邊界描述的特征和其他一些特征，如運(yùn)動(dòng)特征和譜特征。

基于區(qū)域描述的特征主要有統(tǒng)計(jì)特征(如均值、標(biāo)準(zhǔn)差、最大值、偏斜度)、紋理特征(灰度共生矩陣提取的紋理熵、紋理對(duì)比度、均勻性等特征)、形態(tài)特征(周長、面積、長寬比、緊湊度、對(duì)稱性)、矩特征(Hu矩、Zernike矩)、分形特征等?；谶吔缑枋龅奶卣靼ǜ盗⑷~描述子和邊界序列矩。運(yùn)動(dòng)特征是指根據(jù)第2節(jié)尾跡目標(biāo)檢測算法所提取的各項(xiàng)特征參數(shù)，其在艦船檢測中表現(xiàn)明顯，但不一定存在。

通過對(duì)大量影像的目視判讀，可以發(fā)現(xiàn)中低分辨率圖像中目標(biāo)的像素?cái)?shù)目較少，主要表現(xiàn)出形狀信息。針對(duì)這一特點(diǎn)，借鑒前人所做研究，文中在目標(biāo)檢測時(shí)選擇以下特征：區(qū)域的面積、長、寬、長寬比、EF均值、輪廓序列矩。

1)幾何特征

艦船的面積、長、寬、長寬比等幾何特征，是海上目標(biāo)最基本的特征參數(shù)，它表明目標(biāo)的大小，通過對(duì)不同類型艦船目標(biāo)的統(tǒng)計(jì)，艦船的尺寸總在一定范圍內(nèi)，對(duì)于不符合該范圍的疑似目標(biāo)即可認(rèn)為是虛警，如過大、過小、過長的疑似目標(biāo)。

2)擴(kuò)展分形均值(Extended Fractal，EF)

EF是一個(gè)局部統(tǒng)計(jì)量，EF特征的基本計(jì)算過程為：給定一幅圖像I(m,n)，其x維(y維)方向的EF特征是分別對(duì)x(y)方向的圖像數(shù)值延遲2△后的增量平方均值與延遲4△后的增量平方均值的比的對(duì)數(shù)值。

EF作為對(duì)紋理的一種描述可以對(duì)不同紋理圖像進(jìn)行分類，云塊一般灰度變化平緩，EF值較小，故也可將疑似目標(biāo)區(qū)域的EF均值作為檢測的特征。因EF計(jì)算耗時(shí)，將其作為檢測特征時(shí)效性更佳，由于EF的尺度敏感性，根據(jù)疑似目標(biāo)的長度選擇合適的滑窗大小可取得更好結(jié)果。

3)輪廓序列矩

檢測出疑似目標(biāo)得到其ROI后，依次提取上述特征，對(duì)其進(jìn)行檢測，檢測的策略是序貫檢測與特征匹配相結(jié)合，先對(duì)面積、長、寬、長寬比依次進(jìn)行序貫檢測，濾除不符合條件的，然后根據(jù)區(qū)域EF均值進(jìn)行閡值判決，區(qū)域EF均值小于閡值的則為虛假，接下來對(duì)輪廓序列矩特征用最小距離法進(jìn)行特征匹配，最終完成檢測。在進(jìn)行完艦船目標(biāo)檢測流程后，可根據(jù)艦船的基本幾何尺寸特征，如長度、寬度對(duì)其進(jìn)行簡單初始分類，艦船目標(biāo)檢測流程如圖4所示。

采用本文算法，對(duì)6幅來自4個(gè)不同遙感平臺(tái)成像條件下的遙感圖像進(jìn)行了目標(biāo)檢測，圖像中目視判讀共有102個(gè)目標(biāo)，檢測結(jié)果如表1所示，檢測率均超過了90%。

圖4 目標(biāo)檢測流程Fig.4 The process of target detection

表1 目標(biāo)檢測結(jié)果

4 結(jié) 語

本文研究了基于遙感圖像的復(fù)雜海域下艦船目標(biāo)的快速檢測方法，基于視覺注意機(jī)制建立了艦船目標(biāo)檢測模型，選定了艦船目標(biāo)特征，根據(jù)開爾文尾跡特點(diǎn)建立了艦船目標(biāo)尾跡檢測模型，以遙感圖像區(qū)域紋理確定了艦船目標(biāo)及航向，根據(jù)艦船目標(biāo)特征，提出了一種艦船目標(biāo)檢測算法，通過實(shí)驗(yàn)驗(yàn)證了本文方法的有效性。

[1] 桑農(nóng),李正龍,張?zhí)煨?人類視覺注意機(jī)制在目標(biāo)檢測中的應(yīng)用[J].紅外與激光工程,2004,33(1):38-42.

SANG Nong,LI Zheng-long,ZHANG Tian-xu.Applications of human visual attention mechanisms in object detection[J].Infrared and Laser Engineering,2004,33(1):38-42.

[2] 蘇麗芳,朱子健,宋萬杰,等.艦船目標(biāo)實(shí)測數(shù)據(jù) ISAR 成像分析[J].艦船科學(xué)技術(shù),2008,30(3):115-117.

SU Li-fang,ZHU Zi-jian,SONG Wan-jie,et al. The ISAR imaging analysis of the real data of ship target[J].Ship Science and Technology,2008,30(3):115-117.

[3] 肖利平,曹炬,高曉穎.復(fù)雜海地背景下的艦船目標(biāo)檢測[J].光電工程,2007,34(6):6-10.

SU Li-fang,ZHU Zi-jian,SONG Wan-jie,et al.The ISAR imaging analysis of the real data of ship target[J].Ship Science and Technology,2008,30(3):115-117.

[4] 許志濤,劉金國,龍科慧,等.基于視覺注意機(jī)制的海洋監(jiān)視衛(wèi)星圖像艦船目標(biāo)檢測[J].激光與光電子學(xué)進(jìn)展,2013,50(12):57-65.

XU Zhi-tao,LIU Jin-guo,LONG Ke-hui,et al.Ship targets detection of ocean surveillance satellite images based on visual attention[J].Laser &Optoelectronics Progress,2013,50(12):57-65.

[5] 王衛(wèi)衛(wèi),席燈炎,楊塨鵬,等.利用結(jié)構(gòu)紋理分解的海洋艦船目標(biāo)檢測[J].西安電子科技大學(xué)學(xué)報(bào),2012,39(4):131-137.

WANG Wei-wei,XI Deng-yan,YANG Gong-peng,et al.Warship target detection algorithm based on cartoon-texture decomposition[J].Journal of Xidian University(Natural Science),2012,39(4):131-137.

[6] 陳云飛,賈兵,李桂娟,等.基于高分辨圖像聲吶的艦船聲尾流實(shí)測研究[J].艦船科學(xué)技術(shù),2012,33(12):82-84.

CHEN Yun-fei,JIA Bing,LI Gui-juan,et al.Experimental study on the acoustic scattering of the ships' wakes using imaging sonar[J].Ship Science and Technology,2012,33(12):82-84.

[7] 唐沐恩,林挺強(qiáng),文貢堅(jiān).遙感圖像中艦船檢測方法綜述[J].計(jì)算機(jī)應(yīng)用研究,2011,28(1):29-36.

TANG Mu-en,LIN Ting-qiang,WEN Gong-jian. Overview of ship detection methods in remote sensing image[J].Application Research of Computers,2011,28(1):29-36.

[8] 陳標(biāo),侯海平,陶榮華,等.艦船尾跡SAR圖像特征的譜分析研究[J].艦船科學(xué)技術(shù),2009,30(6):95-98.

CHEN Biao,HOU Hai-ping,TAO Rong-hua,et al.Study on the spectrum analysis of SAR image characteristic of ship wake[J].Ship Science and Technology,2009,30(6):95-98.

[9] 高立寧,畢福昆,龍騰,等.一種光學(xué)遙感圖像海面艦船檢測算法[J].清華大學(xué)學(xué)報(bào):自然科學(xué)版,2011,51(1):105-110.

GAO Li-ning,BI Fu-kun,LONG Teng,et al.Ship detection algorithm for optical remote sensing images[J].Journal of Tsinghua University(Science and Technology),2011,51(1):105-110.

Study of target detection algorithm based on optical remote sensing images

JIANG Qing-biao

(Automotive & Rail Transit,School of Nanjing Institute of Technology,Nanjing 211167，China)

Rapid detection problem for a space ship image target, this paper proposes a rapid extraction of ship target in the complex background of marine, ship wake detection and target detection algorithm.According to human visual attention mechanism, the gradient as a simple features of visual attention early, then kelvin wake as the main basis, expressed as a regional gray variance texture roughness, is used to identify the ship wake, finally analyzes the principle and main characteristics of ship detection, put forward the ship target detection process, and the target detection experiment, has realized the accurate trail identify and target detection.

optical remote sensing images； wake recognition；ships；target detection

2014-03-27;

2014-07-18

姜慶標(biāo)(1970-)，男，碩士，講師，研究方向?yàn)檩o助駕駛系統(tǒng)、計(jì)算機(jī)控制技術(shù)。

U665.26

A

1672-7649(2014)12-0095-04

10.3404/j.issn.1672-7649.2014.12.021