李 波， 安博文

(上海海事大學(xué) 信息工程學(xué)院，上海 201306)

海天背景下港口船舶檢測(cè)算法研究*

李 波， 安博文

(上海海事大學(xué) 信息工程學(xué)院，上海 201306)

針對(duì)海面視頻圖像中目標(biāo)船舶總是出現(xiàn)在海天線附近且海面經(jīng)常出現(xiàn)間斷性不連續(xù)雜波和孤立噪聲點(diǎn)的問題，采用邊緣檢測(cè)、閾值分割與霍夫線檢測(cè)結(jié)合的方法檢測(cè)出海天線。去除海天線及以上背景，準(zhǔn)確定位目標(biāo)船舶。采用局部自適應(yīng)閾值分割去除海面由于漩渦產(chǎn)生的間斷性雜波，分割出真實(shí)目標(biāo)船舶。通過形態(tài)學(xué)處理來填補(bǔ)目標(biāo)船舶中間出現(xiàn)的空洞，連通域面積檢測(cè)去除靜止點(diǎn)來消除對(duì)目標(biāo)點(diǎn)的影響。實(shí)驗(yàn)結(jié)果表明：該方法能有效地去除海面雜波和噪聲點(diǎn)等對(duì)目標(biāo)的干擾，有效檢測(cè)出海面背景下的目標(biāo)船舶。

邊緣檢測(cè)； 霍夫變換； 海天線檢測(cè)； 自適應(yīng)閾值分割； 數(shù)學(xué)形態(tài)學(xué)； 連通域

0 引 言

隨著經(jīng)濟(jì)的發(fā)展，海上交通事故越發(fā)頻繁。在船舶密集且極易發(fā)生交通事故的港口安裝可見光成像設(shè)備，實(shí)時(shí)采集海上港口過往船舶的視頻，采用圖像處理等方法準(zhǔn)確檢測(cè)船舶，并采集船舶具體位置、航向等信息。其中，海天線檢測(cè)是整個(gè)目標(biāo)檢測(cè)中的關(guān)鍵，在去除背景干擾的同時(shí)還可以快速定位目標(biāo)檢測(cè)范圍。遠(yuǎn)處船只相對(duì)較小，與海面灰度值相差不大，并且攝像頭拍攝視頻本身存在噪聲，海面波浪以及海水形成漩渦等因素對(duì)遠(yuǎn)處船只造成干擾，嚴(yán)重影響遠(yuǎn)處船只的檢測(cè)。目前抑制噪聲、二值化分割目標(biāo)主要方法有中值濾波[1]，能量累積[2]，OTSU閾值分割[3]，這些方法在背景簡(jiǎn)單且灰度差不大情況下有較好效果，但是在灰度差較大且背景起伏較大時(shí)虛警率較高。

本文提出的方法結(jié)合視頻圖像的特點(diǎn)，在自適應(yīng)濾波的基礎(chǔ)上，以邊緣檢測(cè)和霍夫變換為主檢測(cè)出海天線[4]，并經(jīng)過多條線段擬合，確定海天線坐標(biāo)，去除海天線及以上背景干擾，再通過局部自適應(yīng)閾值分割去除海面雜波，最后通過形態(tài)學(xué)處理和連通域面積檢測(cè)準(zhǔn)確檢測(cè)出目標(biāo)。

1 目標(biāo)檢測(cè)與分割

本文方法流程圖如圖1所示。

1.1 海天線檢測(cè)算法

為了確定海天線位置并去除海天線及其以上背景。

圖1 算法流程圖

根據(jù)視頻圖像中背景及目標(biāo)船只所形成線的特點(diǎn)，提出邊緣檢測(cè)與霍夫變換相結(jié)合的方法檢測(cè)海天線[4]，并確定海天線的坐標(biāo)位置。

1.1.1 圖像預(yù)處理、Sobel邊緣檢測(cè)及二值化

為去除視頻圖像中大量噪聲，首先采用自適應(yīng)中值濾波器對(duì)其預(yù)處理。該濾波器去除視頻圖像中椒鹽噪聲、脈沖噪聲都有顯著效果，不會(huì)丟失圖像信息。

本文采用的是Sobel邊緣檢測(cè)[5]，在傳統(tǒng)Sobel算子基礎(chǔ)上增加兩個(gè)方向模板：45°和135°方向，而且重新調(diào)整了原有兩個(gè)模板的權(quán)值。為獲得海天線邊緣信息，采用最大類間方差法將邊緣檢測(cè)后的圖像二值化。原圖像、邊緣檢測(cè)處理結(jié)果圖像與二值化圖像如圖2所示。

圖2 原圖像、邊緣檢測(cè)處理圖像與二值化圖像

1.1.2 霍夫變換檢測(cè)海天線

霍夫變換是通過參數(shù)空間變換完成線檢測(cè)，可利用參數(shù)空間的極值點(diǎn)完成檢測(cè)。

在xy平面上，通過任意一點(diǎn)(xi,yi)的無數(shù)條直線形成直線族，可以表示為yi=axi+b，對(duì)應(yīng)到ab(也稱為參數(shù)空間)平面上可以看作是自變量為a和因變量為b的直線。所以兩個(gè)平面之間的映射是直線族到一條直線的轉(zhuǎn)換。在xy平面中，根據(jù)兩點(diǎn)確定一條直線原則，對(duì)應(yīng)到ab平面上是兩條直線相交于一點(diǎn)，如圖3所示。由此可知，對(duì)于xy平面上確定直線上的點(diǎn)集，映射到ab平面上直線族都相交于一點(diǎn)。

圖3 xy平面和ab平面映射關(guān)系

但是平面中的直線斜率a接近90°方向時(shí)，會(huì)造成計(jì)算上的困難。為了解決這一難題，使用極坐標(biāo)法表示平面中的直線，如式(1)所示

xcosθ+ysinθ=ρ

(1)

類似于ab參數(shù)空間，可將xy平面上的點(diǎn)映射到ρθ平面上的曲線，如圖4所示。

圖4 xy平面和ρθ平面映射關(guān)系

為了得到相關(guān)參數(shù)，可以將ρθ參數(shù)空間劃分為一個(gè)累加器單元，如圖5所示。然后xy平面上圖像的每個(gè)非背景點(diǎn)坐標(biāo)(xk,yk) 通過公式(1)進(jìn)行坐標(biāo)轉(zhuǎn)換運(yùn)算轉(zhuǎn)化為ρθ平面上的曲線。其中θ的取值范圍是[-π/2,π/2],ρ的取值為圖像中非背景點(diǎn)與原點(diǎn)距離的最大值與最小值。其中θ軸上每個(gè)量化的θ值與ρ值一一對(duì)應(yīng)，也就是說得到量化后的θ值就能得到相應(yīng)的ρ值。對(duì)得到的ρ值進(jìn)行舍入，得到ρ軸上所允許的最近似的值。對(duì)應(yīng)的(ρ,θ)單元的累加值相應(yīng)增加。所有運(yùn)算過程結(jié)束后，統(tǒng)計(jì)每個(gè)累加單元的累加值。

圖5 ρθ空間累加器

依據(jù)該原理，根據(jù)圖像中海天線是所有線中最長(zhǎng)、特征最明顯的直線，只要獲取ρθ參數(shù)空間累加值的最大值(ρm,θm)，通過相應(yīng)公式xcosθm+ysinθm=ρ進(jìn)行反運(yùn)算，就能找到圖像中所存在的直線。但是在實(shí)際中，利用霍失變換檢測(cè)到的海天線不是一條直線，而是由多條線段連接起來的，所以，要對(duì)檢測(cè)到的海天線進(jìn)行多線段擬合，提高海天線檢測(cè)率。

本文所采用的多線段擬合是利用最小二乘法[6]將分割得到的每個(gè)子圖像中相鄰兩條線段進(jìn)行一次擬合，以此類推，將最后得到的兩幅子圖像合并，得出比較精確的直線。

設(shè)x和y之間的函數(shù)為y=ax+b。對(duì)于等精度測(cè)量得到的N組數(shù)據(jù)(xi,yi)，i=1,2,…,n。xi值被認(rèn)為是準(zhǔn)確的，所有誤差只聯(lián)系yi。對(duì)于等精度觀測(cè)值的直線擬合，觀測(cè)值yi偏差的加權(quán)平方和為最小，如式(2)所示

(2)

上式分別對(duì)a,b求偏導(dǎo)，如式(3)、式(4)所示

(3)

(4)

整理后得到方程組如(5)所示

(5)

解上述方程組可得a和b的最佳估計(jì)值

(6)

(7)

最小二乘法處理數(shù)據(jù)時(shí)除了給出數(shù)據(jù)a,b外，常常給出相關(guān)系數(shù)r，r的定義式如式(8)所示

(8)

1.2 局部自適應(yīng)閾值分割

在圖像處理應(yīng)用中常用的圖像二值化方法有：全局固定閾值[7]、局部自適應(yīng)閾值、OTSU等。

全局固定閾值就是對(duì)整幅圖像都是用一個(gè)統(tǒng)一的閾值來進(jìn)行二值化，但是對(duì)于紋理比較復(fù)雜且像素值分布不穩(wěn)定的圖像，會(huì)使前景目標(biāo)丟失或者將前景目標(biāo)的大部分拋棄，對(duì)于遠(yuǎn)處的小目標(biāo)表現(xiàn)尤為明顯。

本文所采用的是局部自適應(yīng)閾值分割[8]，在圖像中每個(gè)像素值的二值化閾值并不是固定不變的，而是隨著其周圍像素分布的改變而變化。通常來說，圖像中目標(biāo)存在的區(qū)域亮度決定了二值化閾值的大小。如圖6所示是3×3鄰域塊，其中r是權(quán)值。在所使用的局部鄰域塊均值方法中，通過計(jì)算像素點(diǎn)所在p×p區(qū)域的加權(quán)平均，然后減去鄰域塊的最小方差值得到所需要的局部自適應(yīng)的閾值。

圖6 3×3鄰域塊

設(shè){fi,j}(1≤i≤I,1≤j≤J)為輸入圖像，mi,j和vi,j分別是平均值和方差。平均值mi,j如式(9)所示，方差vi,j如式(10)所示

(9)

(10)

式中p為局部鄰域塊。當(dāng)vi,j>vmin時(shí)，局部自適應(yīng)閾值tij=mi,j+vi,j，當(dāng)vi,j≤vmin時(shí)，tij=tij-1，這里vmin是最小方差值。如果j=1，那么tij=ti-1,j，t11=ti0j0，這里vi0,j0>vmin。

1.3 形態(tài)學(xué)處理與連通域面積檢測(cè)

由于檢測(cè)到的目標(biāo)船舶中間會(huì)有小空洞，影響檢測(cè)結(jié)果的完整性，形態(tài)學(xué)處理不僅填充目標(biāo)中間的空洞，而且在一定程度上能夠平滑圖像。這里采用形態(tài)學(xué)開運(yùn)算[9]：先腐蝕后膨脹。開運(yùn)算能夠使目標(biāo)輪廓變得光滑，消除細(xì)小的突出物，此外還能消除小的孔洞，填補(bǔ)輪廓線中的斷裂。

由于海面上有航標(biāo)等靜止點(diǎn)，腐蝕運(yùn)算無法去除，所以，可以通過畫出其連通域[10]，計(jì)算出面積，根據(jù)面積大小和長(zhǎng)寬比例判斷來去除靜止點(diǎn)。

2 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)用到的視頻是利用可見光攝像頭拍攝港口得到的，攝像頭分辨率為1920×1080，將拍攝到的視頻壓縮為640×480進(jìn)行處理，計(jì)算機(jī)內(nèi)存為4 GB；系統(tǒng)平臺(tái)為32位Win 7系統(tǒng)；軟件實(shí)施平臺(tái)為VS 2010和OpenCV 2.4.8。

圖7(a)是初步檢測(cè)到組成海天線所有線段的端點(diǎn)坐標(biāo)，由圖可知，有4對(duì)坐標(biāo)對(duì)應(yīng)有4條線段，圖7(b)是對(duì)應(yīng)分割得到的子圖像，其中將點(diǎn)(49,227)，(342,221)確定的線段與(93,225)，(345,220)確定的線段分割在一個(gè)子圖像中，將點(diǎn)(348,217)，(637,211)確定的線段與(346,218)，(500,218)確定的線段分割在一個(gè)子圖像中，在第二幅子圖像中線段中間有零散的點(diǎn)，所以，在檢測(cè)過程中還要設(shè)定點(diǎn)與點(diǎn)的間隔閾值，如果超過該閾值就能將兩點(diǎn)連接從而形成所需線段。圖8(a)為子圖像多線段擬合結(jié)果;(b)為子圖像合并后的海天線效果。

圖7 線段端點(diǎn)坐標(biāo)分布及子圖像

圖8 子圖像及合并圖像海天線檢測(cè)

圖9是應(yīng)用全局固定閾值分割、最大類間方差法自適應(yīng)閾值分割與局部自適應(yīng)閾值分割處理后的圖像，可以看出，前兩種算法都不能有效去除海面波浪或者海水漩渦形成的雜波，本文算法不僅能去除這些雜波，還能保證檢測(cè)到目標(biāo)船舶的完整性。

圖9 三種方法處理結(jié)果比較

通過形態(tài)學(xué)處理和連通域面積檢測(cè)將分割出的目標(biāo)船舶中間細(xì)小空洞填補(bǔ)，同時(shí)根據(jù)提取目標(biāo)輪廓的面積以及船體的形狀，按照長(zhǎng)寬比例判斷將靜止點(diǎn)去除，如圖10所示。

圖10 形態(tài)學(xué)與連通域處理結(jié)果圖像

3 結(jié) 論

本文對(duì)海天背景下港口船舶的檢測(cè)進(jìn)行了研究，提出通過Sobel邊緣檢測(cè)與霍夫變換結(jié)合的方法檢測(cè)并去除海天線及以上背景，運(yùn)用局部自適應(yīng)閾值分割檢測(cè)出目標(biāo)，并通過形態(tài)學(xué)處理及連通域面積檢測(cè)對(duì)其后處理，有效去除海面雜波及孤立噪聲點(diǎn)，實(shí)現(xiàn)目標(biāo)船舶的完整性檢測(cè)，具有實(shí)際應(yīng)用意義。

[1] 楊 蕊,張涇周.基于幀差法與邊緣信息的紅外目標(biāo)檢測(cè)算法研究[J].科學(xué)技術(shù)與工程,2012,12(26):6648-6651.

[2] 葉 斌,彭嘉雄.基于能量累積與順序形態(tài)濾波的紅外小目標(biāo)檢測(cè)[J].中國(guó)圖象圖形學(xué)報(bào),2002,7(3):251-255.

[3] 謝鵬鶴,楊恢先,王緒四.基于最大累積剩余熵的紅外圖像分割[J].傳感器與微系統(tǒng),2011,30(7):34-37.

[4] 溫佩芝,史澤林,于海斌.復(fù)雜海面背景紅外小目標(biāo)自動(dòng)檢測(cè)方法[J].紅外與激光工程,2003,32(6):590-594.

[5] 沈德海,候 建,鄂 旭.基于改進(jìn)的Sobel算子邊緣檢測(cè)[J].計(jì)算機(jī)技術(shù)與發(fā)展,2013,23(11):22-25.

[6] 丁克良,沈云中,歐吉坤.整體最小二乘法直線擬合[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào),2010,29(1):44-47.

[7] 葉 斌,彭嘉雄.基于形態(tài)學(xué)Top-Hat算子的小目標(biāo)檢測(cè)方法[J].中國(guó)圖像圖形學(xué)報(bào),2002,9(7):638-642.

[8] 周美亮,安博文.基于紅外面陣傳感器的小目標(biāo)檢測(cè)算法[J].傳感器與微系統(tǒng),2014,33(11):142-144.

[9] 甘明剛,陳 杰,劉 勁,等.一種基于三幀差分和邊緣信息的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J].電子與信息學(xué)報(bào),2010,32(4): 894-897.

[10] 盧官明,謝 雙.自適應(yīng)背景更新及運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].南京郵電大學(xué)學(xué)報(bào),2013,33(3):12-17.

Research on port ships detection algorithm on sea-sky background*

LI Bo， AN Bo-wen

(College of Information Engineering,Shanghai Maritime University,Shanghai 201306,China)

Aiming at the problems that the target ships are always near the sea-sky line and often appear discontinuous clutter and isolated noise points on the sea in video image,a method is put forward that combines edge detection with threshold segmentation and Hoff line detection to detect the sea-sky line.Remove sea-sky line and above background,positioning the target ships accurately.Then the local adaptive threshold segmentation is used to remove the discontinuity clutter because of vortex on the sea,and the real target ships are segmented.Finally,in order to fill the cavities of the middle of the target ships and remove the rest points to eliminate the influence on target points,the morphological procession and the connected domain area detection is used.Experimental results show that the method can effectively remove the interference of sea clutter and noise,and can effectively detect the target ships under the background of sea.

edge detection; Hoff transform; sea-sky line detection; adaptive threshold segment; mathematical morphology; connected domain

10.13873/J.1000—9787(2017)02—0057—04

2016—03—31

國(guó)家自然科學(xué)基金資助項(xiàng)目(61171126)；上海市重點(diǎn)支撐計(jì)劃資助項(xiàng)目(12250501500)

TP 391.4

A

1000—9787(2017)02—0057—04

李 波(1990-),男,碩士研究生,主要研究方向?yàn)榧t外小目標(biāo)檢測(cè)、圖像處理。

安博文(1969-),男，博士，教授，主要從事遙感圖像處理研究工作。