汪勁希，燕肇一，彭真明（ 電子科技大學(xué) 光電信息學(xué)院，四川 成都 610054）

復(fù)雜背景下海天線的連通域檢測法

汪勁希，燕肇一，彭真明
（ 電子科技大學(xué) 光電信息學(xué)院，四川 成都 610054）

海天線的檢測對于劃分?？毡尘?、識別紅外艦船目標(biāo)具有重要作用。本文提出一種基于線段表連通域原理的海天線檢測方法。首先去除原始紅外圖像的強(qiáng)水紋干擾和背景干擾，再通過梯度運算和最大值濾波找出海天線的位置。最后基于線段表連通域原理對二值化后的圖像進(jìn)行檢測，以提取海天線的非線性邊緣信息。實驗表明，該方法的檢測精度高，而且當(dāng)海天線上存在艦船時，不會對艦船輪廓產(chǎn)生影響，克服了 Hough 變換法只能檢測出直線的缺點，具有較強(qiáng)的實用性。

海天線檢測；紅外艦船目標(biāo)；梯度運算；連通域檢測；線段表

0　引　言

紅外艦船目標(biāo)識別技術(shù)由于在無人偵察和反艦制導(dǎo)中的重要作用，近年來被許多國家列為軍事重點研究課題。但受到海面強(qiáng)水紋、背景障礙物、探測器噪聲等因素的干擾，艦船目標(biāo)的定位和識別成為非常具有挑戰(zhàn)性的問題。海天線的檢測可以有效抑制復(fù)雜?？毡尘爸械脑肼暩蓴_、縮小艦船目標(biāo)的搜尋范圍，因此也成為紅外艦船識別中的關(guān)鍵環(huán)節(jié)。

許多現(xiàn)有文獻(xiàn)對海天線的檢測方法進(jìn)行研究。魏穎［1］等利用小波多尺度分析邊緣檢測算法，建立直線方程并求得不同尺度下海天線的位置；劉松濤［2］等提出一種魯棒的海天線檢測算法，先進(jìn)行梯度運算得到差分圖像，然后方向細(xì)化并采用 Hough 變換檢測海天線；劉士建［3］等通過模版運算增強(qiáng)圖像在海天線區(qū)域的梯度值，利用非線性閾值分割去除圖像噪聲，并通過行掃描提取出海天線位置；安博文等［4］采用隨機(jī)點采樣配合多線段擬合的方法高效檢測海天線，克服Hough 變換計算量大影響實時性的缺點，提高檢測效率?？梢园l(fā)現(xiàn)，大多數(shù)現(xiàn)有文獻(xiàn)的核心思想在于直線提取。當(dāng)圖像背景中含有山、橋等復(fù)雜物體，海天線上含有艦船目標(biāo)時，利用直線代替海天線位置就會對海天線上的艦船造成影響。本文基于線段表連通域原理對海天線進(jìn)行檢測，利用連通水平線段構(gòu)成的曲線來刻畫海天線，不會對海天線上的艦船輪廓產(chǎn)生影響，具有較強(qiáng)的實用性。

1　圖像預(yù)處理

為更好地提取海天線信息，需要對原始紅外圖像進(jìn)行預(yù)處理，以去除強(qiáng)水紋干擾和背景中復(fù)雜物體的影響，具體操作分為 3 步。

1.1去除強(qiáng)水紋干擾和背景干擾

強(qiáng)水紋干擾會造成紅外圖像中波浪的灰度強(qiáng)度接近海天線像素點灰度值，造成海天線提取困難。劉世軍［5］在研究中發(fā)現(xiàn)，強(qiáng)水紋干擾的水面區(qū)域像素灰度值一般在均值附近，因此采用如下方法去除干擾：

當(dāng)背景中含有山脈、橋梁時也會對海天線的檢測造成干擾。例如橋面也是直線，在經(jīng)過邊緣檢測后容易與海天線邊緣混淆，因此采用去水紋后的圖像與原圖像之差作為研究對象進(jìn)行下一步的邊緣檢測，這種方式也能較為容易的去掉復(fù)雜背景的干擾。

1.2邊緣檢測

在去除背景干擾后，圖像成分變得較為簡單。這時為了達(dá)到尋找邊緣的目的，檢測灰度變化可以采用一階/二階導(dǎo)數(shù)來完成［6］。為了在圖像中尋找邊緣的強(qiáng)度和方向，選擇梯度向量來定義：

該向量的重要幾何性質(zhì)就是它指明了函數(shù)在某位置最大變化率的方向。

式中：gx和 gy都是與原圖像大小相同的圖像，是 x 和 y 在 f 中所有像素位置上變化產(chǎn)生的，而即可提取圖像的邊緣信息。

1.3最大值濾波與二值化處理

最大值濾波是一種基于統(tǒng)計排序理論的非線性濾波技術(shù)［7］，其定義為：

式中：A 為濾波窗口，通常取為奇數(shù)，最大值濾波的目的在于消除噪聲的同時保持圖像中的邊緣和細(xì)節(jié)。

為了使圖像變得更加簡單且減少數(shù)據(jù)量，再對圖像進(jìn)行二值化處理。由于預(yù)處理中已去除了水紋干擾和復(fù)雜背景干擾，該方法直接對濾波后的圖像 K 做如下處理：

直接將矩陣中的非 0 值轉(zhuǎn)化為 1 的做法簡化了傳統(tǒng)二值化處理中確定閾值的步驟。

2　連通域檢測

二值圖像的連通域檢測是圖像處理中提取目標(biāo)幾何特征的常用方法。如圖 1 所示，連通區(qū)域分為四連通和八連通 2 種，對于具有復(fù)雜背景干擾的海天線檢測，選擇八連通的方式較為合適。

圖 1　兩種連通關(guān)系Fig. 1　Two kinds of correcting relation

當(dāng) 2 條線段相連通時，線段上的像素點也都連通，因此連通域可以看作水平線段的組合。本文采用基于線段表的二值圖像連通域檢測法［8］，可以減小圖像存儲空間、高效判斷出海天線的位置。將水平線段作為連通體的基本單元，具體檢測步驟如下：

1）對二值圖像逐行掃描，記錄所有水平線段的編號和左右端點坐標(biāo) x1，x2，并將每條線段的標(biāo)記值賦為 0。

2）根據(jù)端點坐標(biāo)判斷兩相鄰水平線段間的連通關(guān)系。設(shè) xa和 xb為第 i - 1 行某線段的左右端點坐標(biāo)，xc和 xd為第 i 行某線段的左右端點坐標(biāo)，若能夠滿足條件，則判定兩相鄰水平線段八連通。

3）更新線段標(biāo)記，具體處理方法為：

① 如果當(dāng)前線段與上一行中的線段都不連通，則按照自然數(shù)從小到大的順序賦予當(dāng)前線段新的標(biāo)記。由于二值圖像中處于第一行的線段沒有上一行，直接將其標(biāo)記為 1。

② 如果當(dāng)前線段與上一行某線段相連通，且當(dāng)前線段標(biāo)記值為 0，則將上一行線段的標(biāo)記值賦予當(dāng)前線段。

③ 如果當(dāng)前線段與上一行某線段相連通，且當(dāng)前線段的標(biāo)記值非 0，則將兩線段中較小的標(biāo)記值賦予當(dāng)前線段。

4）標(biāo)記更新之后，還可能出現(xiàn)相同連通區(qū)域內(nèi)包含不同標(biāo)記值的情況，如圖 2 和 圖 3 所示，因此需要建立映射表，進(jìn)行標(biāo)記統(tǒng)一。首先初始化一個二維數(shù)組，記錄每條線段的編號與其對應(yīng)的標(biāo)記值（見表 1）。再采用遞歸的傳遞方法，按線段編號從大到小的順序依次歸并等價的連通標(biāo)記。（見表 2）。

圖 2　原始二值圖像Fig. 2　The original binary image

圖 3　標(biāo)記后二值圖像Fig. 3　The binary image after being marked

表 1　掃描后的映射表Tab. 1　The mapping table after scanning

表 2　排序歸并后的映射表Tab. 2　The mapping table after merging sorting

依次執(zhí)行以上的連通域檢測步驟后，可以發(fā)現(xiàn)該二值圖像的八連通區(qū)域有標(biāo)記為 1，2，4 的 3 個，連通域檢測結(jié)果如圖 4 所示。

圖 4　連通域檢測結(jié)果Fig. 4　The result of connected area detection

3　實驗結(jié)果與分析

以一幅具有強(qiáng)水紋干擾和復(fù)雜背景的紅外圖像檢測算法效果。首先去除圖像的強(qiáng)水紋干擾和復(fù)雜背景干擾，再依次對圖像進(jìn)行梯度運算、最大值濾波、二次梯度運算以及二值化后的最長連通域檢測，原始紅外圖像中的海天線位置即可提取出來。圖 6～圖 12 展示了各流程的處理效果。

圖 5　源圖像Fig. 5　Source image

圖 6　去除強(qiáng)水紋后圖像Fig. 6　Removing the disturbance of water

為了比較 Hough 變換海天線檢測法與連通域檢測的效果差異，再分別對復(fù)雜程度依次增加的 3 幅紅外圖像作檢測，結(jié)果如圖 13～圖 18 所示。

圖 7　去除復(fù)雜背景后圖像Fig. 7　Removing the complicated background

圖 8　梯度運算結(jié)果Fig. 8　The gradient computation

圖 9　最大值濾波結(jié)果Fig. 9　Maximum filtering

圖 10　二次梯度運算結(jié)果Fig. 10　The 2nd gradient computation

圖 11　最長連通域檢測結(jié)果Fig. 11　The longest connected area detection

圖 12　海天線情況Fig. 12　The sea-sky-line detection

圖 13　Hough 變換檢測圖 AFig. 13　Hough transform detection figure A

圖 14　Hough 變換檢測圖 BFig. 14　Hough transform detection figure

對于圖像 A，可以看出 Hough 變換與連通域檢測的結(jié)果差別不大；對于圖像 B，Hough 變換的海天線直接穿過艦船，而連通域檢測的海天線則繞過線上艦船，也反映出海平面的起伏變化；對于圖像 C，Hough變換的海天線檢測出現(xiàn)了偏差，誤把橋面當(dāng)做了海天線，而基于連通域原理檢測出的海天線較為準(zhǔn)確。

圖 15　Hough 變換檢測圖 CFig. 15　Hough transform detection figure C

圖 16　連通域檢測圖 AFig. 16　Connected area detection figure A

圖 17　連通域檢測圖 BFig. 17　Connected area detection figure B

圖 18　連通域檢測圖 CFig. 18　Connected area detection figure C

4　結(jié)　語

海天線檢測對于抑制背景干擾、提高艦船檢測精度和檢測速度有重要意義。本文利用基于線段表的連通域原理檢測出的海天線，不僅消除了復(fù)雜背景的干擾，而且避開了海平面上的艦船，使得海天分割更加準(zhǔn)確，也為進(jìn)一步應(yīng)用（諸如艦船目標(biāo)識別、圖像配準(zhǔn)）奠定了良好基礎(chǔ)。

［1］魏穎，史澤林，李成軍，等. 海空背景下紅外小目標(biāo)檢測算法［J］. 紅外與激光工程，2003，33（2）：153-156. WEI Ying，SHI Ze-lin，LI Cheng-jun，et al. Detection algorithm for infrared small target in background of sea and sky［J］. Infrared and Laser Engineering，2003，33（2）：153-156.

［2］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. LIU Song-tao，ZHOU Xiao-dong，WANG Cheng-gang. Robust sea-sky-line detection algorithm under complicated sea-sky background［J］. Opto-electronic Engineering，2006，33（8）：5-10.

［3］劉士建，蔣敏，莊良. 一種快速有效的紅外圖像中海天線提取算法［J］. 紅外技術(shù)，2011，33（4）：230-232，240. LIU Shi-jian，JIANG Min，ZHUANG Liang. A fast and effective algorithm for sea-sky-line extraction in infrared images［J］. Infrared Technology，2011，33（4）：230-232，240.

［4］安博文，胡春暖，劉杰，等. 基于Hough變換的海天線檢測算法研究［J］. 紅外技術(shù)，2015，37（3）：196-199. AN Bo-wen，HU Chun-nuan，LIU Jie，et al. Study of sea-skyline detection algorithm based on Hough transform［J］. Infrared Technology，2015，37（3）：196-199.

［5］劉世軍. ?？毡尘跋录t外艦船目標(biāo)識別方法研究［D］. 成都：電子科技大學(xué)，2011. LIU Shi-jun. The study of the infrared ship recognition method under sea-sky background［D］. Chengdu：University of Electronic Science and Technology of China，2011.

［6］岡薩雷斯，伍茲. 數(shù)字圖像處理［M］. 阮秋琦，譯. 3版. 北京：電子工業(yè)出版社，2011：454-455. GONZALEZ R C，WOODS R E. Digital image processing ［M］. YUAN Qiu-qi，Trans. 3rd ed. Beijing：Publishing House of Electronics Industry，2011：454-455.

［7］彭真明，雍楊，楊先明. 光電圖像處理及應(yīng)用［M］. 成都：電子科技大學(xué)出版社，2012：106-108. PENG Zhen-ming，YONG Yang，YANG Xian-ming. Photoelectric image processing and application［M］. Chengdu：UESTC Press，2012：106-108.

［8］梁煒，朱煜. 基于線段表的二值圖像連通區(qū)域檢測［C］//計算機(jī)技術(shù)與應(yīng)用發(fā)展·2007——全國第18屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集. 寧波：中國儀器儀表學(xué)會微型計算機(jī)應(yīng)用學(xué)會，2007：1157-1160. LIANG Wei，ZHU Yu. Connected area detection of binary image based on line segment table［C］//The Computer Technology and Application Development. Ningbo：［s.n.］，2007：1157-1160.

A sea-sky-line detection algorithm based on the method of connected area detection under complicated background

WANG Jin-xi，YAN Zhao-yi，PENG Zhen-ming
（School of Optoelectronic Information，University of Electronic Science and Technology of China，Chengdu 610054，China）

The detection of sea-sky-line is of great importance in dividing the sea-sky background and recognizing infrared ship targets. This article provides a sea-sky-line detection algorithm which uses the method of connected area detection base on line segment table. Firstly，wipe off the disturbance of water wave and background，then do the gradient algorithm and max filtering to find the position of sea-sky-line. By means of connected area detection based on the segment table，the non-linear information of the sea-sky line can be obtained after binaryzation. It concludes that our method has a high detecting precision and it will not affect the ships' outline. It overcomes the disadvantage in Hough transform which can only detect straight line and has a strong practicality.

sea-sky-line detection；infrared ship targets；gradient algorithm；Connected Area Detection；line segment table

TP391.41

A

1672 - 7619（2016）08 - 0108 - 05

10.3404/j.issn.1672 - 7619.2016.08.023

2016 - 06 - 15

國家自然科學(xué)基金資助項目（61571096）

汪勁希（1995 - ），男，本科，研究方向為光電圖像處理。