程 紅，劉思彤，孫文邦

(空軍航空大學(xué)，吉林 長春130022)

1 引言

隨著21世紀(jì)——世人所公認的海洋世紀(jì)的到來，各國對海洋權(quán)益的爭奪也日趨激烈，爭奪對象也由以有戰(zhàn)略意義的戰(zhàn)區(qū)和戰(zhàn)略通道為主，變?yōu)橐誀帄Z島嶼、海域和海洋資源為主。海上艦船尤其是航母和軍艦等具有偵察和打擊能力的重要戰(zhàn)略目標(biāo)，作為實施海洋戰(zhàn)略的重要載體，擔(dān)負著海上作戰(zhàn)、偵察、打擊和搜救等重大任務(wù)，對于確保取得軍事行動的成功起到重要作用，對其進行檢測與監(jiān)視關(guān)系到國家的安全和發(fā)展利益［1－2］。但由于遙感影像的范圍較廣，常常有陸地區(qū)域存在或以其為背景，影響了對海上目標(biāo)的直接檢測與分析，這時就需要進行海陸分離。高效快速的海陸分離有助于從海量遙感數(shù)據(jù)中快速準(zhǔn)確地自動檢測和提取艦船目標(biāo)，能夠為海上情報信息的獲取爭取時間，并提供有效的保證。

現(xiàn)有的海陸分離方法可分為基于先驗信息的海陸分離和基于圖像特征差異的海陸分離兩大類?；谙闰炐畔⒌暮ｊ懛蛛x方法［3－4］是一種簡單、高效的方法，它借助空間地理信息、海岸線或港口背景圖像等先驗信息，利用模板匹配來實現(xiàn)海陸分離?；趫D像特征差異的海陸分離是最通用的方法，該方法利用海洋與陸地之間的灰度、紋理或其他特征差異對陸地和海洋進行分割。李文武、沈葉?。?］等利用灰度統(tǒng)計分布信息確定分割閾值實現(xiàn)海陸分離，但計算量較大，效果不理想;李琨、蔡姝、荊浩［6－8］等利用Canny算子提取梯度信息并輔以形態(tài)學(xué)運算進行海陸分離，對于平坦紋理區(qū)域效果不佳;瞿繼雙等［9］利用Otsu法進行初始分割，這也是目前最常用的方法。以上方法對于海面平靜、陸地與海洋特征差異明顯和陸地內(nèi)部特征分布均勻的情況效果較好，但對于較為復(fù)雜的情況，分割后存在大量孤立區(qū)域，就需要進行內(nèi)部孤立區(qū)域的消除。像素標(biāo)記法［10］，是最常用和最簡單的方法，主要統(tǒng)計孤立區(qū)域的面積信息并將其作為分類依據(jù)，但此方法需要根據(jù)先驗信息設(shè)定閾值進行篩選;此外，也有少量學(xué)者提出去除內(nèi)部孤立區(qū)域，但存在較大局限性。上述方法大多采用單一特征進行海陸分離，分割效果有限;孤立區(qū)域去除方面研究較少且存在一定的局限性，因而本文提出聯(lián)合多特征的海陸分離方法，針對港口和島嶼分別進行處理，并對分離結(jié)果進行優(yōu)化，消除內(nèi)部孤立區(qū)域，最后將陸地屏蔽。

2 多特征提取與內(nèi)部優(yōu)化的海陸分離

分別針對港口和陸地的特點進行海陸分離，包括多特征分割、內(nèi)部優(yōu)化和陸地屏蔽三部分，算法流程如圖1所示。

2．1 多特征分割

2．1．1 對于包含港口的海陸圖像

在包含港口的遙感圖像中，如圖2所示，港口與海洋的灰度差異較大，且海洋區(qū)域灰度分布較均勻，可以利用灰度閾值法進行分割;但港口內(nèi)部也可能存在與海洋同灰度的區(qū)域，僅利用灰度特征進行分割不能達到分割要求，又因為港口內(nèi)部建筑較多，梯度特征明顯，而海面較平靜，梯度特征較少，因此本文加入梯度特征，與灰度特征共同完成分割。

(1)灰度特征 Otsu法是由Otsu于1978年提出的，以其計算簡單、穩(wěn)定有效，一直廣為使用，在其基礎(chǔ)上又出現(xiàn)了許多改進算法。從模式識別的角度看，最佳閾值應(yīng)當(dāng)產(chǎn)生最佳的目標(biāo)類與背景類的分離性能，此性能我們用類間方差來表征:

其中，σ2為兩類間方差;Wa為A類占圖像的比例;μa為A類灰度均值;Wb為B類占圖像的比例;μb為B類灰度均值;μ為圖像總體平均灰度。從最小灰度值到最大灰度值遍歷T，使得兩類總方差σ2(T)取最大值的T，即為最佳分割閾值。Otsu法選取出來的閾值非常理想，對各種情況的表現(xiàn)都較為良好，是目前最常用的方法，因此本文采用Otsu法提取灰度特征。

(2)梯度特征 在邊緣提取算法中，Canny提出的邊緣檢測方法具有很好的邊緣檢測性能，應(yīng)用較為廣泛。σ是Canny算子的尺度因子，在0～1之間取值，σ值的大小影響Canny邊緣提取的結(jié)果，可以根據(jù)實際分割需要選取不同的σ值，本文中σ在0．1～0．2取值。為了得到連通的整體，需要對梯度特征提取后的結(jié)果進行形態(tài)學(xué)膨脹、空洞填充和腐蝕運算，膨脹與腐蝕采用相同的結(jié)構(gòu)元素。

圖2 包含港口的海陸圖像Fig．2 Sea-land image including port

2．1．2 對于包含島嶼的圖像

在包含島嶼的遙感圖像中，如圖3所示，島嶼與海洋的灰度差異也較大，但其周邊海域灰度分布不均，用灰度特征會造成誤分割;從圖中可以看出島嶼上植被較豐富，因而梯度特征和紋理特征較明顯，可以利用這兩種特征來實現(xiàn)分割。

遙感圖像中海面灰度近似呈高斯分布，灰度分布范圍很窄，表現(xiàn)為較小的灰度方差;有島嶼存在的局部區(qū)域灰度存在躍變，產(chǎn)生較大的局部灰度方差，因而本文用局部統(tǒng)計方差作為紋理特征來描述這種灰度上的變化，將島嶼陸地與海洋區(qū)分開。圖像上的每個區(qū)域用它的灰度局部統(tǒng)計方差來描述，整個灰度圖像用一個由標(biāo)準(zhǔn)差特征點組成的標(biāo)準(zhǔn)差特征平面［11］來表征，設(shè)置適當(dāng)?shù)拈撝导纯傻玫郊y理提取結(jié)果。梯度特征提取同上。

對特征處理結(jié)果進行或運算，即得到合并結(jié)果并對其進行適當(dāng)?shù)男螒B(tài)學(xué)處理。

圖3 包含島嶼的海陸圖像Fig．3 Sea-land image including island

2．2 內(nèi)部區(qū)域優(yōu)化

海陸分離是將圖像分為海洋和陸地兩大部分，由于海面有船只存在且陸地內(nèi)部較為復(fù)雜，使得初步分離后海洋和陸地內(nèi)部有孤立區(qū)域存在，還需要進一步處理才能得到海陸分離的最終結(jié)果。對于海面上的船只，由于面積較小，可以通過設(shè)定小面積閾值將其剔除，但對于陸地孤立區(qū)域和面積較大的海洋孤立區(qū)域不適用。像素標(biāo)記法是最常用的也是最簡單的去除孤立區(qū)域的方法，但由于圖像各不相同，閾值設(shè)定需根據(jù)對象的面積而定，因而適用性不強。本文對其進行改進:1)根據(jù)大多數(shù)圖像中海洋或陸地區(qū)域較大，所占面積也較大這一特點，將面積閾值設(shè)為圖像面積的1/4，將小于閾值的孤立區(qū)域篩選出來;2)計算各孤立區(qū)域的區(qū)域方差、一致性和信息熵特征(經(jīng)過實驗選取)進行聚類，將孤立區(qū)域篩選出來。通過分別對海洋和陸地的孤立區(qū)域進行計算，將同時滿足這兩個條件的孤立區(qū)域標(biāo)記為對應(yīng)區(qū)域，這樣既減少了計算量，又避免了錯分，實驗結(jié)果如圖4所示。圖像4(a)中小艦船目標(biāo)已被剔除，圖像4(b)中的小島與艦船面積相近且都小于閾值，但經(jīng)過紋理聚類，確定小島為陸地將其保留，而將艦船去除。

圖4 內(nèi)部區(qū)域優(yōu)化結(jié)果Fig．4 Results of internal area optimizing

2．3 陸地屏蔽

現(xiàn)有的大多數(shù)海陸分離方法只區(qū)分了海洋和陸地，將陸地區(qū)域標(biāo)記為0(灰度圖像顯示為黑色)，并沒有考慮后續(xù)針對海面上目標(biāo)檢測與識別工作如何開展。大多數(shù)的檢測算法需要對整幅圖像進行處理，將陸地標(biāo)記為0勢必會影響算法效果。因此，本文提出對分離后的海洋區(qū)域進行直方圖統(tǒng)計，選取統(tǒng)計量最大的灰度值作為陸地區(qū)域的屏蔽值，這樣既屏蔽了陸地，又不會對后續(xù)工作造成影響。但由于島嶼圖像灰度不均，無法找到合適的屏蔽值，因此該方法只適用于港口圖像。如圖5所示，經(jīng)本文方法屏蔽后的圖像基本找不到陸地的痕跡，而且比較自然，有益于檢測工作的進行。

圖5 陸地屏蔽結(jié)果Fig．5 Results of land shielding

3 實驗結(jié)果對比分析

為了驗證本文算法的可行性與有效性，在Inter CPU Q9400 2．66GHz，內(nèi)存為4GB的計算機，Matlab R2007b的環(huán)境下，將本文方法與常用的海陸分離方法進行對比實驗與分析。本文選取從Google Earth上得到的兩組海陸圖像進行實驗，第一組為包含港口的海陸圖像，第二組為包含島嶼的海陸圖像，每一組又包含兩幅圖像。

3．1 實驗結(jié)果圖像對比與分析

對包含港口的圖像進行分析，從圖6中可以看出，文獻［8］和文獻［6］的方法能基本實現(xiàn)海陸分離，但分離結(jié)果不完整，還存在部分欠分割，而本文方法能夠精確地將陸地與海洋分離，且陸地區(qū)域保留完整，同時消除了淺海區(qū)域?qū)z測的影響。圖6(d)中部分碼頭和沿岸的灰度與海洋相近，因而導(dǎo)致欠分割;單純利用梯度特征無法判斷圖6(e)中平坦區(qū)域正確定性;而本文方法將兩者的優(yōu)勢互補，劣勢相消，得到比較理想的結(jié)果，如圖6(f)所示。

圖6 海陸分離結(jié)果對比－包含港口Fig．6 Comparison of sea－land segmentation including port

對包含島嶼的圖像進行對比分析，如圖7所示。利用文獻［7］和文獻［6］中的方法只能對紋理特征明顯的部分有較好的結(jié)果，而對島嶼周邊的淺海部分不適用;本文方法既能完整地將島嶼分離又能將干擾區(qū)域屏蔽，具有很大優(yōu)勢。文獻［7］(圖7(a))利用像素標(biāo)記法將小島漏判為海洋，文獻［6］(圖7(b))雖正確分離出小島，但也將帶有尾跡的艦船錯判為島嶼，而本文方法(圖7(c))能正確的對兩者進行區(qū)分，避免了錯判與漏判。

圖7 海陸分離結(jié)果對比－包含島嶼Fig．7 Comparison of sea-land segmentation including island

3．2 實驗結(jié)果參數(shù)對比

為了進一步比較算法性能，我們定義如下參數(shù)來定量說明本文方法的優(yōu)勢(以陸地為角度):

陸地檢測率=檢測正確的陸地/原始陸地;

陸地錯誤檢測率=檢測錯誤的陸地/原始陸地;

陸地正確檢測率=檢測正確的陸地/檢測出的陸地。

通過對實驗圖像進行人工標(biāo)識陸地部分獲得原始陸地面積，通過比較計算得到對比結(jié)果。

表1 海陸分離效果參數(shù)對比Tab．1 Parameter comparison of sea-land segmentation

如表1所示，本文方法的陸地檢測率和正確檢測率均在99%以上，高于其他方法，在保留海洋信息的前提下，準(zhǔn)確有效地將海洋與陸地分離，具有較高的分割效率和較好的分割效果。雖然本文方法的錯檢率相對其他方法偏高，但基本發(fā)生在陸地內(nèi)部，不影響海面目標(biāo)的檢測，反而能將不必要的虛警去除，為后續(xù)艦船目標(biāo)的檢測提供了方便。最后對各方法的計算時間進行比較，本文方法雖然需要計算多個特征在時間上沒有太大優(yōu)勢，但為后續(xù)處理節(jié)省了時間，因此總時間比其他方法將近快1倍。上述參數(shù)可以說明，本文的方法更具有優(yōu)勢。

4 結(jié)語

本文針對目前海陸分離方法依靠先驗信息易使結(jié)果不準(zhǔn)確，利用灰度等單一特征易產(chǎn)生孤立區(qū)域等問題，提出一種聯(lián)合多特征提取與分離結(jié)果優(yōu)化的海陸分離方法，并借助直方圖統(tǒng)計法將陸地屏蔽。該方法能準(zhǔn)確地實現(xiàn)海洋與陸地的分離，精確地將陸地區(qū)域分割出來，達到了海陸分離的目的和要求，同時，為后續(xù)艦船檢測工作的開展提供了方便。實驗結(jié)果及參數(shù)分析均顯示本文方法與常用的海陸分離方法相比，具有可行性、有效性和較大優(yōu)勢。

［1］ Corbane C，Pecoul E，Demagistri L，et al．Fully automated procedure for ship detection using optical satellite imagery［C］．Proceedings of the SPIE，Remote Sensing of Inland，Coastal，and Oceanic Waters，2008，7150:1－13．

［2］ Corbane C，Marre F，Petit M．Using SPOT－5 HRG data in panchromatic mode for operational detection of small ships in tropical area［J］．Sensors，2008，8:2959－2973．

［3］ Guan．J，Chen X．L，Y Huang，Adaptive fractional Fourier transform-based detection algorithm for moving target in heavy sea clutter［J］．IET Radar Sonar Navigation，2012，6(5):389－401．

［4］ LONG Gang，CHEN Xuequan．A method for automatic detection of ships in harbor area in high-resolution remote sensing image［J］．Computer Simulation，2007，24(5):198－201．(in Chinese)隆剛，陳學(xué)佺．高分辨率遙感圖像港內(nèi)艦船的自動檢測方法［J］．計算機仿真，2007，24(5):198－201．

［5］ SHEN Yejian，XU Shoushi．Effective method for dam recognition from visible images［J］．Computer Applications，2006，26(8):1972－1974．(in Chinese)沈葉健，徐守時．一種有效的可見光圖像中水壩目標(biāo)的識 別 方 法［J］．計 算 機 應(yīng) 用，2006，26(8):1972－1974．

［6］ JING Hao，CHEN Xuequan，GU Zhiwei．A method for coastline extraction based on edges［J］．Computer Simulation，2006，23(8):89－93．(in Chinese)荊浩，陳學(xué)佺，顧志偉．一種基于邊緣特征的海岸線檢測方法［J］．計算機仿真，2006，23(8):89－93．

［7］ LI Kun，ZHENG Qinghui，LIAO Dongxue．An automatic image segmentation approach based gradient［J］．Journal of Astronautics．2006，27(6):1288－1292．(in Chinese)李琨，鄭慶暉，廖冬學(xué)．基于梯度特征的圖像自動分割方法［J］．宇航學(xué)報，2006，27(6):1288－1292．

［8］ CAI Shu，WU Hongming．Study on change detection of ship target based on sea-land segmentation［J］．Video Engineering，2010，34(5):109－112．(in Chinese)蔡姝，吳宏明．基于海陸分割的艦船目標(biāo)變化檢測研究［J］．電視技術(shù)，2010，34(5):109－112．

［9］ QU Jishuang，WANG Chao，WANG Zhenzhi．A multithreshold based morphological approach for extracting coastal line feature from remote sensed images［J］．Journal of Image and Graphics，2003，8(7):805－509．(in Chinese)瞿繼雙，王超，王正志．一種基于多閾值的形態(tài)學(xué)提取遙感圖像海岸線特征方法［J］．中國圖象圖形學(xué)報，2003，8(7):805－509．

［10］XIAO Liping，CAO Ju，GAO Xiaoying．Detection for ship targets in complicated background of sea and land［J］．Opto-Electronic Engineering，2007，34(6):6－10．(in Chinese)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．

［11］ZHAO Yinghai，WU Xiuqing，WEN Lingyun，et al．Ship target detection scheme for optical remote sensing images［J］．Opto-Electronic Engineering，2008，35(8):102－106．