孫越嬌,雷武虎,胡以華,趙楠翔,任曉東

(1.脈沖功率激光技術(shù)國家重點實驗室,電子工程學(xué)院,安徽 合肥 230037; 2.電子制約技術(shù)安徽省重點實驗室,安徽 合肥 230037)

1 引 言

在海洋遙感領(lǐng)域,艦船作為海上運(yùn)輸載體和重要軍事目標(biāo),其自動檢測與識別具有非常重要的現(xiàn)實意義,無論在民用還是軍事領(lǐng)域都有著廣闊的應(yīng)用前景[1]。由于光學(xué)衛(wèi)星遙感圖像直觀易理解,容易解譯,在海域艦船檢測方面具有SAR衛(wèi)星遙感圖像不能比擬的優(yōu)勢[2],因此,目前對于衛(wèi)星遙感圖像的研究重點已經(jīng)從SAR衛(wèi)星遙感圖像慢慢轉(zhuǎn)向光學(xué)衛(wèi)星遙感圖像[3]?；诠鈱W(xué)遙感衛(wèi)星圖像的艦船目標(biāo)檢測方面的技術(shù)文獻(xiàn)也在逐漸增多,Jubelin等人[4]提出了一種多尺度中高分辨率的艦船檢測算法,龔志成等人[5]提出基于鄰域分析的海洋遙感圖像艦船檢測方法,王衛(wèi)衛(wèi)等人[6]利用結(jié)構(gòu)紋理分解檢測海洋艦船目標(biāo),此外,還有許多學(xué)者也研究了可見光遙感圖像艦船檢測[7-14]。

靜止軌道光學(xué)成像衛(wèi)星具有可對大范圍指定區(qū)域進(jìn)行持續(xù)觀測等低軌衛(wèi)星無法比擬的優(yōu)勢。但是其成像距離遠(yuǎn),空間分辨率通常較低(數(shù)十米量級),艦船在圖像上成像面積小,可利用的顯著特征信息較少,同時還受到云層、海浪等干擾,這使得僅利用靜止軌道遙感衛(wèi)星對艦船目標(biāo)進(jìn)行檢測比較困難。而低軌高分辨率光學(xué)衛(wèi)星雖然其觀測周期較長,但是其空間分辨率較高,艦船目標(biāo)在圖像上成像面積大,能夠捕捉目標(biāo)更多的細(xì)節(jié),有利于艦船目標(biāo)的檢測。

針對以上問題,本文提出綜合利用高分辨率遙感圖像與靜止軌道遙感圖像進(jìn)行艦船目標(biāo)檢測的方法。首先對靜止軌道衛(wèi)星圖像進(jìn)行目標(biāo)預(yù)檢測,然后利用衛(wèi)星圖像的地理信息,在高分辨率遙感衛(wèi)星圖像中確定候選目標(biāo)區(qū)域,最后對候選目標(biāo)區(qū)域中的目標(biāo)進(jìn)行檢測判別,剔除虛警。該方法不僅能有效檢測出重點關(guān)注區(qū)域內(nèi)的多個運(yùn)動艦船目標(biāo),而且為后續(xù)對運(yùn)動艦船的監(jiān)視跟蹤打下基礎(chǔ),為靜止軌道遙感衛(wèi)星實現(xiàn)重點區(qū)域持續(xù)監(jiān)視提供技術(shù)支撐。

2 基于多源遙感衛(wèi)星圖像的海上艦船目標(biāo)檢測方法

2.1 基本原理

基于多源遙感衛(wèi)星的海上艦船目標(biāo)檢測的原理框圖如圖 1 所示。

圖1 多源遙感衛(wèi)星艦船目標(biāo)檢測流程框圖

2.2 靜止軌道遙感衛(wèi)星圖像目標(biāo)預(yù)檢測

2.2.1 多結(jié)構(gòu)多尺度top-hat融合處理

首先利用多結(jié)構(gòu)多尺度top-hat形態(tài)學(xué)濾波對海洋背景圖像進(jìn)行預(yù)處理,抑制背景,增強(qiáng)目標(biāo),提高目標(biāo)與背景的對比度。由于圖像中的目標(biāo)可能具有不同的尺度特性,若對整幅圖像采用單一的結(jié)構(gòu)元素做處理,會丟失圖像的細(xì)節(jié)信息。因此,根據(jù)艦船目標(biāo)的形狀特征,選擇不同方向、不同尺度的直線及方形結(jié)構(gòu)元素組合構(gòu)造多結(jié)構(gòu)元素,如圖2所示。

圖2 不同的結(jié)構(gòu)元素類型

將不同結(jié)構(gòu)、尺度元素的top-hat濾波結(jié)果進(jìn)行一定融合處理,公式如下:

(1)

其中,f為原始圖像；r為處理后圖像；n表示結(jié)構(gòu)元數(shù)目；ω表示加權(quán)系數(shù)；b為結(jié)構(gòu)元。

圖3給出了預(yù)處理的示例。

圖3(c)、(d)為top-hat形態(tài)學(xué)濾波結(jié)果灰度圖及三維圖,圖3(e)、(f)為本文方法進(jìn)行預(yù)處理的結(jié)果灰度圖及三維圖,由圖可知,多結(jié)構(gòu)多尺度top-hat形態(tài)濾波雖然背景抑制效果稍遜于top-hat形態(tài)濾波,但是其對弱小目標(biāo)的增強(qiáng)效果遠(yuǎn)遠(yuǎn)超過top-hat形態(tài)濾波,增強(qiáng)了目標(biāo)與背景的對比度。

圖3 預(yù)處理的示例

2.2.2 自適應(yīng)閾值分割

對預(yù)處理后的圖像采用基于圖像均值的自適應(yīng)閾值分割方法[15]分割出目標(biāo)。具體算法如式(2)～(4)所示。

T1=meanfx,y

(2)

(3)

Tk+1=(mean(f(fk=1))+mean(f(fk=0)))/2

(4)

迭代直到e=Tk+1-Tk滿足一定的參考條件,取分割閾值T=Tk+1,將圖像分割成兩個部分。

由于閾值分割的不完整,可能存在單個艦船目標(biāo)由多個鄰近連通域組成的情形,利用區(qū)域增長法對各個預(yù)檢測目標(biāo)的連通域進(jìn)行標(biāo)記。針對一幅圖像中可能存在多個艦船目標(biāo)的情況,利用海上運(yùn)動的艦船目標(biāo)之間都存在一定的安全距離這一條件作為聚類條件,對連通域進(jìn)行聚類,得到預(yù)檢測結(jié)果。

2.3 高分辨率遙感圖像艦船目標(biāo)檢測

2.3.1 候選目標(biāo)區(qū)域確定

(1)設(shè)靜止軌道衛(wèi)星圖像大小為m×n,對應(yīng)的地理坐標(biāo)：經(jīng)度為Long1～Long2,緯度為Lat1～Lat2。利用2.2中方法對靜止軌道衛(wèi)星圖像進(jìn)行處理得到目標(biāo)在圖像中的坐標(biāo),記為x,y,則目標(biāo)的地理坐標(biāo)為:

(5)

(6)

(2)設(shè)高分辨率衛(wèi)星圖像大小為m′×n′,對應(yīng)的地理坐標(biāo)：經(jīng)度為Long1′～Long2′,緯度為Lat1′～Lat2′,則目標(biāo)在圖像中的位置為(x′,y′):

(7)

(8)

圖4 候選目標(biāo)區(qū)域示意圖

2.3.2 艦船目標(biāo)判別

在高分辨率衛(wèi)星圖像的候選目標(biāo)區(qū)域內(nèi)對預(yù)檢測結(jié)果進(jìn)行艦船目標(biāo)的最終判別。本文利用最小外接矩形提取目標(biāo)的形狀特征[5,16]作為判別依據(jù):

(1)艦船長度L,Lmin≤L≤Lmax；

根據(jù)艦船外形的規(guī)定參數(shù)、先驗知識設(shè)定具體的門限值。同時滿足上述3個條件時,判斷為艦船目標(biāo),否則剔除。

3 實驗結(jié)果與分析

為了驗證本文算法的有效性,采用matlab仿真實驗進(jìn)行說明。

實驗1為靜止軌道衛(wèi)星圖像目標(biāo)預(yù)檢測仿真實驗。

本文采用16 m分辨率的光學(xué)遙感圖像作為原始圖像來模擬靜止軌道遙感衛(wèi)星圖像,圖像來自Google Earth,圖像大小為512×512；實驗1分別采用多結(jié)構(gòu)多尺度top-hat濾波算法和top-hat濾波算法對圖像進(jìn)行預(yù)處理,然后進(jìn)行自適應(yīng)閾值分割檢測目標(biāo)。實驗結(jié)果如圖5所示。

圖5 靜止軌道衛(wèi)星圖像目標(biāo)預(yù)檢測結(jié)果

如圖所示,圖5(a)、(d)、(g)分別為三幅不同的原始圖像,(b)、(e)、(h)為top-hat濾波后檢測結(jié)果,(c)、(f)、(i)為本文提出的濾波算法檢測結(jié)果。在第一組實驗中(圖5(a)～(c)),圖像中含有17個目標(biāo),圖5(b)檢測出18個目標(biāo),圓圈為虛警,圖5(c)成功檢測出17個目標(biāo)；第二組實驗中(圖5(d)～(f)),圖像中含有目標(biāo)19個,兩種方法都檢測出17個目標(biāo),漏檢2個；第三組實驗中(圖5(g)～(i)),圖像中含有目標(biāo)28個,圖5(h)檢測出26個目標(biāo),漏檢2個,圖5(i)成功檢測出28個目標(biāo),其中橢圓為本文方法檢測出而top-hat方法沒能檢測出的目標(biāo)。由實驗結(jié)果可知,兩種方法對極小目標(biāo)的檢測都存在困難,發(fā)生漏檢情況,但是總體來說,多結(jié)構(gòu)多尺度top-hat濾波后分割的檢測率,虛警率都優(yōu)于top-hat濾波后分割檢測。因此,采用多結(jié)構(gòu)多尺度top-hat濾波能得到更好的預(yù)檢測效果。

實驗2為高分辨率遙感圖像艦船目標(biāo)檢測。

圖6為模擬靜止軌道低分辨率衛(wèi)星圖像,分辨率16 m,大小為285×175,方形框為實驗1的預(yù)檢測結(jié)果,由圖可知,預(yù)檢測目標(biāo)為8個。取艦船運(yùn)動最大速度為30節(jié),低軌高分辨率遙感衛(wèi)星圖像與靜止軌道遙感衛(wèi)星圖像的拍攝間隔時間為10 s,結(jié)合衛(wèi)星圖像地理位置信息并按照本文2.3.1節(jié)中的公式(5)～(8)可以獲取高分辨率衛(wèi)星圖像中的目標(biāo)候選區(qū)域,在目標(biāo)候選區(qū)域計算目標(biāo)判別特征如表1所示。

圖6 預(yù)檢測結(jié)果

目標(biāo)1234長度16．970646．857932．019221．8619長寬比1．04353．64533．42．8761矩形度0．73190．72050．82580．7101目標(biāo)5678長度26．807515．949417．677755．9017長寬比3．40742．26833．57153．2051矩形度0．87240．882810．7333

根據(jù)艦船外形的規(guī)定參數(shù)、先驗知識取Lmin=10,Lmax=100,Rt=2,Ft=0.7,對表1中特征參數(shù)進(jìn)行判別,結(jié)果如圖7所示。

圖7 艦船檢測結(jié)果

由實驗結(jié)果可知,預(yù)檢測結(jié)果中含有8個目標(biāo),在經(jīng)過對高分辨率圖像中的候選目標(biāo)區(qū)域判別后,有效發(fā)現(xiàn)了預(yù)檢測結(jié)果中的虛假艦船目標(biāo),并將其剔除。此外,對高分辨率圖像的候選目標(biāo)區(qū)域進(jìn)行處理,避免了對整幅圖像處理的龐大計算量,提高了效率。最后將判別結(jié)果反映到靜止軌道衛(wèi)星圖像(如圖7所示)上,也為后續(xù)對艦船目標(biāo)的實時跟蹤做了鋪墊。

4 總 結(jié)

結(jié)合靜止軌道遙感衛(wèi)星與低軌高分辨率遙感衛(wèi)星的優(yōu)缺點,提出了一種基于多源遙感衛(wèi)星的海面艦船目標(biāo)檢測方法。實現(xiàn)了指定大范圍海域艦船目標(biāo)的快速發(fā)現(xiàn)與檢測,既克服了靜止軌道遙感衛(wèi)星檢測結(jié)果可信度低的缺點,同時又克服了低軌高分辨率遙感衛(wèi)星時效性差的缺點。實驗結(jié)果表明:(1)與單一結(jié)構(gòu)的top-hat濾波相比,對靜止軌道遙感衛(wèi)星圖像采用多結(jié)構(gòu)多尺度top-hat濾波能夠更好地增強(qiáng)目標(biāo)與背景的對比度,提高了目標(biāo)檢測率,降低了虛警率；(2)結(jié)合高分辨率遙感衛(wèi)星圖像對靜止軌道遙感衛(wèi)星圖像目標(biāo)預(yù)檢測結(jié)果進(jìn)行判別,能夠有效剔除由于靜止軌道衛(wèi)星圖像空間分辨率低造成的海上虛假艦船目標(biāo)?？傊?本文為基于多源遙感衛(wèi)星的目標(biāo)檢測跟蹤問題提供了思路,但是只研究了目標(biāo)檢測階段,缺乏對目標(biāo)實時監(jiān)視跟蹤問題的進(jìn)一步探究。因此,在下一步的研究中,可結(jié)合本文方法利用靜止軌道遙感衛(wèi)星對艦船目標(biāo)進(jìn)行實時監(jiān)視跟蹤的研究。

[1] ZHANG Zhen. A study on harbor target recognition in high resolution optical remote sensing Image[D].Hefei:University of Science and Technology of China,2009.(in Chinese)

張振.高分辨率可見光遙感圖像港口及港內(nèi)目標(biāo)識別方法研究[D].合肥：中國科學(xué)技術(shù)大學(xué),2009.

[2] LI Wenwu.Detection of ship in optical remote sensing image of median-low resolution[D].Changsha:National University of Defense Technology,2008.(in Chinese)

李文武.中低分辨率光學(xué)遙感圖像艦船目標(biāo)檢測算法研究[D].長沙：國防科學(xué)技術(shù)大學(xué),2008.

[3] ZHANG Fengli,ZHANG Lei,WU Bingfang.Progress of shipdetection technology and system based on remote sensingtechnology in European union[J].Journal of Remote Sensing,2007,11(4):552-562.(in Chinese)

張風(fēng)麗,張磊,吳炳方.歐盟船舶遙感探測技術(shù)與系統(tǒng)研究的進(jìn)展[J].遙感學(xué)報,2007,11(4):552-562.

[4] Jubelin G,Khenchaf A.Multiscale algorithm for ship detection in mid,high and very high resolution optical imagery[C]//Igarss，2014:2289-2292.

[5] GONG Zhicheng,ZENG Huiyi,PEI Jihong.A method for ship detection based on neighborhood characteristics in remote sensing image[J].Journal of Shenzhen University：Science & Engineering,2013,30(6):584-591.(in Chinese)

龔志成,曾惠翼,裴繼紅.基于鄰域分析的海洋遙感圖像艦船檢測方法[J].深圳大學(xué)學(xué)報:理工版,2013,30(6):584-591.

[6] WANG Weiwei, XI Dengyan,YANG Gongpeng,et al.Warship target detection algorithm based on cartoon-texture decomposition[J].Journal of Xidian University,2012,39(4):131-137.(in Chinese)

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,2012,39(4):131-137.

[7] LI Xiaobo,SUN Wenfang,LI Li.Ocean moving ship detection method for remote sensing satellite in geostationary orbit[J].Journal of Electronics & Information Technology,2015,37(8):1862-1867.(in Chinese)

李曉博,孫文方,李立.靜止軌道遙感衛(wèi)星海面運(yùn)動艦船快速檢測方法[J].電子與信息學(xué)報,2015,37(8):1862-1867.

[8] Song Z, Sui H,Wang Y.Automatic ship detection for optical satellite images based on visual attention model and LBP[C]//IEEE Workshop on Electronics,Computer and Applications,IEEE,2014:722-725.

[9] LIU G, Zhang Y,Zheng X,et al.A new method on inshore ship detection in high-resolution satellite images using shape and context information[J].IEEE Geoscience & Remote Sensing Letters,2014,11(3):617-621.

[10] DING Zhenghu, YU Ying,WANG Bin,et al.Visual attention-based ship detection in multispectral imagery[J].Journal of Computer-Aided Design & Computer Graphics,2011,23(3):419-425.(in Chinese)

丁正虎,余映,王斌,等.選擇性視覺注意機(jī)制下的多光譜圖像艦船檢測[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報,2011,23(3):419-425.

[11] ZHOU Wei,GUAN Jian,HE You.Ship detection from low observable regions in optical remote sensing imagery[J].Journal of Image and Graphics,2012,17(9):1181-1187.(in Chinese)

周偉,關(guān)鍵,何友.光學(xué)遙感圖像低可觀測區(qū)域艦船檢測[J].中國圖象圖形學(xué)報,2012,17(9):1181-1187.

[12] XU Zhitao, LIU Jinguo,LONG Kehui,et al.Ship targets detection of ocean surveillance satellite images based on visual attention[J].Laser & Optoelectronics Progress,2013,50(12):1001-1009.(in Chinese)

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.

[13] Su L,Zhou N,Xu C,et al.On the small ship target detection based on panoramic vision[C]//Control Conference,IEEE,2013:3575-3579.

[14] Jin B, Cong Y,Zhou W,et al.A new method for detection of ship docked in harbor in high resolution remote sensing image[C]//International Conference on Progress in Informatics and Computing,IEEE,2014:341-344.

[15] MA Wenwei, ZHAO Yongqiang,ZHANG Guohua,et al.Infrared dim target detection based on multi-structural element morphologicalfilter combined with adaptive threshold segmentation[J]Acta Photonica Sinica,2011,40(7):1020-1024.(in Chinese)

馬文偉,趙永強(qiáng),張國華,等.基于多結(jié)構(gòu)元素形態(tài)濾波與自適應(yīng)閾值分割相結(jié)合的紅外弱小目標(biāo)檢測[J].光子學(xué)報,2011,40(7):1020-1024.

[16] DU Chun,SUN Jixiang,LI Zhiyong.Method for ship recognition using optical remote sensing data[J].Journal ofImage and Graphics,2012,17(4):147-153.(in Chinese)

杜春,孫即祥,李智勇,等.光學(xué)遙感艦船目標(biāo)識別方法[J].中國圖象圖形學(xué)報,2012,17(4):147-153.