摘 要：為了解決海天背景下艦船紅外及可見光波段圖像目標(biāo)識別問題，文章提出了一種基于局部二元模式的海天線提取算法。首先通過方差分析，對圖像進(jìn)行預(yù)處理，然后對圖像進(jìn)行局部二元模式分解，最后通過HOUGH變換方法求解圖像的海天線。試驗結(jié)果表明：算法在低對比度、天空有大量云層、海面雜波較多以及天空和海面出現(xiàn)分層且海面有物體噪聲等多組實驗條件下，都有著良好的適應(yīng)性和魯棒性，適于工程應(yīng)用。

關(guān)鍵詞：傳感器；圖像處理；海天線提??；局部二元模式

引言

海天背景下艦船紅外及可見光波段目標(biāo)識別技術(shù)有著重要而廣泛的軍事運用，例如偵察搜索系統(tǒng)（無人機(jī)、偵察機(jī)等）、反艦系統(tǒng)等，它是紅外搜索、制導(dǎo)系統(tǒng)的關(guān)鍵，多年來一直是領(lǐng)域內(nèi)研究的重點。同時，由于成像傳感器受到艦船載體振蕩、搖晃以及海面潮濕大氣等因素影響，該技術(shù)又是研究的難點。

根據(jù)研究發(fā)現(xiàn)，圖像海天線位置是?？毡尘跋屡灮鶊D像的關(guān)鍵信息，特別是紅外探測傳感器在成像距離較遠(yuǎn)時，受海面潮濕大氣影響，艦船目標(biāo)紅外輻射衰減劇烈，在圖像中呈現(xiàn)為弱小目標(biāo)，海天線檢測與提取則成了海面艦船目標(biāo)識別的關(guān)鍵環(huán)節(jié)。

因此，為了能夠提取復(fù)雜海天背景下的海天線，國內(nèi)外許多研究人員進(jìn)行了大量深入的研究，至今已涌現(xiàn)出多種提取算法。

早期的一類方法是基于Hough變換的直線提取技術(shù)，例如文獻(xiàn)[1，2]，但單一Hough變換較難確定單像素直線，同時又由于實際的?？請D像中海天線往往并不是直線特征最明顯的，因此這種方法通常只適應(yīng)海空背景比較干凈的圖像。劉松濤[3]等提出的Hough變化法，只能處理簡單的海天背景，適應(yīng)性不好，當(dāng)海上雜波較多時，該方法則必須在預(yù)處理時加上多次中值濾波，以消除雜波干擾。董月芳等[4]對Hough變化法進(jìn)行了改進(jìn)，提出了一種基于相位編組的海天線提取算法，由于相位編組法能提取出灰度變換緩慢處的直線，再加上Hough變換具有較好的抗噪能力，二者結(jié)合后，算法能魯棒地提取出弱對比度的直線，不足之處是算法對噪聲敏感。

另一類方法是基于區(qū)域特性的直線提取技術(shù)，謝紅[5]等提出的復(fù)雜海天線區(qū)域檢測算法，通過最大類間方差法選取灰度閾值，進(jìn)而檢測出海天線，該方法對于海與天灰度值變化較明顯的海天背景圖像，具有較好的效果，但對于變化不明顯的海天背景圖像，則檢測效果不佳；張淑艷[6]采用多點多層垂直Sobel算子計算圖像邊緣點信息，再基于最小二乘直線擬合法提取海天線，該方法同樣受限于海天背景較大雜波干擾。楊家紅[7]等運用形態(tài)學(xué)，提出基于復(fù)雜海天背景行均值曲線突降區(qū)間的海天線定位算法，但是算法只適應(yīng)于天空灰度高于海面的環(huán)境，以及縱橫搖不明顯的時機(jī)。還有的研究者引入了小波和剪切波[8]，但它們的運算更為復(fù)雜。溫佩芝[9]等提出用小波分析的思想分解圖像檢測海天線，該方法比較有效，但小波的選取及分解尺度與目標(biāo)大小、場景分布有關(guān)，如何恰當(dāng)選取小波和分解尺度是一個問題，算法的實時性也不好。

文章在現(xiàn)有基于Hough變換的海天線提取算法基礎(chǔ)上，為了能夠較好的表征圖像局部信息，把圖像海天兩部分分割開來，引入了局部二元模式（LBP-Local Binary Pattern），通過計算圖像LBP值，構(gòu)建LBP矩陣，再通過HOUGH變換解算海天線的位置，試驗表明，算法能提取出多種情況下的海天線，適應(yīng)性好，魯棒性較強(qiáng)。

1 相關(guān)理論

1.1 Hough變換

Hough變換的基本原理在于利用點與線的對偶性，將原始圖像空間給定的曲線通過曲線表達(dá)式變?yōu)閰?shù)空間的一個點。這樣就把原始圖像中給定曲線的檢測問題轉(zhuǎn)化為尋找參數(shù)空間中的峰值問題，也即把檢測整體特性轉(zhuǎn)化為檢測局部特性。

可見圖像空間的直線L的HOUGH變換在參數(shù)空間（？籽，？茲）是一個點，而圖像空間直線L上的點（xi，yi）的HOUGH變換在參數(shù)空間是一條正弦曲線。因此，由給定的圖像空間的二點映射的二條？籽-？茲曲線在參數(shù)空間相交的公共點確定了原圖像空間二點所表示的直線L的參數(shù)，參見圖1。

2 基于LBP的海天線提取算法

為了能夠較好的表征圖像局部信息，把圖像海天兩部分分割開來，文章引入LBP方法，通過計算圖像LBP值，構(gòu)建LBP矩陣，再通過HOUGH變換解算海天線的位置，詳細(xì)算法步驟如下：

（1）圖像預(yù)處理：依據(jù)圖像海天特性中，天空部分較為平坦，而海面部分紋理較細(xì)，所以，在求解局部LBP值之前，先對圖像做區(qū)域預(yù)處理，即鄰域內(nèi)方差大于一定范圍，即可認(rèn)定為海面，反之，則被認(rèn)定為天空，預(yù)處理效果如圖3（圖2為原圖）所示。

（2）計算圖像紋理：計算圖像LBP值（見公式7），得到圖像LBP矩陣，由此可以得到圖像紋理細(xì)節(jié)。

（3）圖像二值化處理：對圖像LBP矩陣進(jìn)行二值化處理，效果如圖4所示。

（4）計算邊緣：選取抗噪性較好的Canny邊緣檢測算子計算二值化后的圖像邊緣，效果如圖5所示。

（5）擬合海天直線：利用Hough變換解算海天直線。實驗分析結(jié)果，如圖6所示。

3 試驗

論文參照文獻(xiàn)[4]，通過Matlab仿真平臺對6種不同特性的海天背景圖像進(jìn)行仿真試驗，其中，（1）組：對比度明顯且噪聲較少；（2）組：對比度明顯但天空有大量云層；（3）組：對比度不明顯但噪聲較少；（4）組：對比度不明顯且海面雜波稍多；（5）組：對比度不明顯且海面雜波較多；（6）組：對比度不明顯且天空和海面出現(xiàn)分層且海面有物體噪聲，圖像大小皆為200×200。試驗結(jié)果如圖7所示。

6組試驗圖像中，左列是原圖，中間列是對原圖進(jìn)行3×3的鄰域內(nèi)方差后，求解LBP矩陣得到，可以看出已經(jīng)具有良好的海天區(qū)分性。右邊列是利用Hough變換解算海天線結(jié)果，其中粗線即為所提取的海天線?？梢姳舅惴芴崛〕龆喾N情況下的海天線，適應(yīng)性好，魯棒性較強(qiáng)。

4 結(jié)束語

海天線檢測是海面艦船目標(biāo)檢測的基礎(chǔ)，有著重要的軍事價值和意義，為了能夠提取復(fù)雜海天背景下的海天線，論文在分析海天背景圖像特性的基礎(chǔ)上，重點研究了基于局部二元模式的海天線提取方法。

試驗證明算法能提取出多種情況下的海天線，適應(yīng)性好，魯棒性較強(qiáng)。相關(guān)研究方法對于實現(xiàn)海天線檢測具有重要的應(yīng)用價值。

參考文獻(xiàn)

[1]呂俊偉，王成剛，周曉東，等.基于分形特征和Hough變換的海天線檢測算法[J].海軍航空工程學(xué)院學(xué)報，2006，21（5）：545-550.

[2]牛照東，曾榮盛，陳曾平.利用局部直線段模糊投票的低SNR海天線提取方法[J].信號處理，2010，26（3）：405-413.

[3]劉松濤，周曉東，王成剛.復(fù)雜?？毡尘跋卖敯舻暮Ｌ炀€檢測算法研究[J].光電工程：2006，33（8）：5-10.

[4]董月芳，張云峰，劉揚，等.基于相位編組的Hough變換提取海天線算法[J].液晶與顯示，2010（12）.

[5]謝紅，劉玲，劉艷.復(fù)雜海天線區(qū)域檢測算法研究[J].應(yīng)用科技，2006，33（6）：96-98.

[6]張淑艷.海天背景下弱小目標(biāo)實時捕獲跟蹤研究[D].北京：中國科學(xué)院研究生院，2006.

[7]楊家紅，李翠紅，危德益，等.基于復(fù)雜?？毡尘靶芯登€的海天線定位算法[J].激光與紅外，2012，42（12）：1346-1350.

[8]鄒瑞濱，史彩成，毛二可.基于剪切波變換的復(fù)雜海面紅外目標(biāo)檢測算法[J].儀器儀表學(xué)報，2011，32（5）：1103-1109.

[9]溫佩芝，史澤林，等.基于小波變換的復(fù)雜海面背景紅外小目標(biāo)檢測[J].激光與紅外，2003，33（6）：449-452.

[10]董月芳.海天背景下海天線定位及目標(biāo)跟蹤算法研究[D].北京：中國科學(xué)院研究生院，2010.

[11]李加佳，彭啟民.適應(yīng)光照突變的運動目標(biāo)檢測算法[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2012，24（11）：1405-1409.

作者簡介：楊常青（1976-），男，遼寧東港人，博士，主要從事光電成像處理技術(shù)研究。