,,,,
(1.中海石油環(huán)保服務(wù)(天津)有限公司,天津 300457; 2.中國(guó)海洋大學(xué) 海洋地球科學(xué)學(xué)院,山東 青島 266061)
在過(guò)去的10年中,成像系統(tǒng)被廣泛應(yīng)用于遙感技術(shù)以改進(jìn)石油泄漏檢測(cè)方法。在用這些成像系統(tǒng)獲得的真實(shí)圖像中,有許多方法可以探測(cè)到石油泄漏。但遙感圖像只能提供較低的空間分辨率的圖像,不能有效地監(jiān)測(cè)和發(fā)現(xiàn)規(guī)模較小的石油泄漏。作為一種補(bǔ)充,鉆井平臺(tái)上的監(jiān)控視頻圖像可以得到很好的利用,獲得區(qū)域性的高分辨率海面監(jiān)測(cè)圖像,通過(guò)利用獲取的連續(xù)視頻圖像,開(kāi)展海面油膜的分割和識(shí)別監(jiān)測(cè)。
探測(cè)石油泄漏所涉及的復(fù)雜問(wèn)題是由于不同的風(fēng)/霧和海面條件造成的。這些復(fù)雜的環(huán)境因素導(dǎo)致了原油泄漏圖像的非均勻照明和低信噪比,使得油膜的提取和識(shí)別更加困難。低對(duì)比度圖像降低了各種圖像處理和計(jì)算機(jī)視覺(jué)算法的性能。圖像增強(qiáng)的目的是去除源圖像中的噪聲,增強(qiáng)圖像對(duì)比度。然而,在有霧的情況下,這些方法并沒(méi)有考慮到霧的厚度與物體的景深比例關(guān)系。為此,可采用高斯去噪和局部圖像對(duì)比度增強(qiáng)技術(shù)對(duì)海面油膜圖像進(jìn)行預(yù)測(cè),提高圖像的信噪比,為油膜圖像分割做準(zhǔn)備。
鑒于海面油膜圖像的低對(duì)比度和低信噪比等特性,傳統(tǒng)的基于閾值和邊界梯度的分割方法難以取得預(yù)期的效果[1]。由Osher和Sethian提出的水平集算法[2]可以有效地解決曲線演化問(wèn)題,并且適用于多維度空間,已被廣泛應(yīng)用于圖像分割識(shí)別領(lǐng)域。Chan-Vese在2001年基于Mumford-Shah模型提出了一種改進(jìn)型水平集圖像分割方法[3-4],分割過(guò)程不依賴圖像像素梯度變化,而是通過(guò)計(jì)算能量函數(shù)最小化實(shí)現(xiàn)圖像分割。
風(fēng)速、風(fēng)向、溫度、洋流、海水成分,以及陸地等都會(huì)引起海洋的復(fù)雜運(yùn)動(dòng),因此,海面由于其特殊的環(huán)境特性,采集的視頻圖像普遍存在光照不均勻、與海面波浪等造成的圖像紋理的一致性的問(wèn)題,導(dǎo)致圖像低對(duì)比度和低信噪比等,給海面圖像的處理和目標(biāo)提取造成困難。
如圖1a)、b)所示,海面溢油圖像明顯受到了加性噪聲的影響,這里通過(guò)高斯噪聲模型來(lái)近似模擬噪聲信號(hào)。對(duì)于抑制服從正態(tài)分布的噪聲,高斯濾波器擁有效果較好的噪聲濾除效果,可應(yīng)用于圖像處理的降噪過(guò)程[5]。高斯濾波通過(guò)計(jì)算各像素領(lǐng)域內(nèi)像素的加權(quán)平均值代替原像素亮度值,可通過(guò)圖像卷積處理得到。高斯濾波器濾波后的圖像和像素值三維分布如圖1c)、d)所示。
圖1 高斯濾波去噪
KIM Jin-Hwan提出的圖像傳播模型為[6]
J(p)=t(p)I(p)+(1-t(p))A
(1)
式中:J(p)=(Jr(p)、Jg(p)、Jb(p))、I(p)=(Ir(p)、Ig(p)、Ib(p))分別為原始圖像和觀察圖像在r、g、b三通道各像素點(diǎn)P處對(duì)應(yīng)的像素值;A=(Ar,Ag,Ab)為環(huán)境光線在大氣中的亮度因子;t(p)∈[0,1]為光線傳輸因子,與光線傳輸距離相關(guān)。
圖2顯示了該算法的處理流程。首先,確定一個(gè)輸入模糊圖像的大氣光線。然后,假設(shè)場(chǎng)景深度在一個(gè)圖像區(qū)塊中是近似的,并找到每個(gè)區(qū)塊的最佳傳輸系數(shù),以最大化恢復(fù)圖像的對(duì)比度。此外,還減少了由于像素值的截?cái)喽鴮?dǎo)致的信息丟失,同時(shí)增強(qiáng)了對(duì)比度。最后,考慮到傳輸圖和大氣的光,從輸入模糊的圖像中恢復(fù)了場(chǎng)景的輻射。
圖2 圖像增強(qiáng)算法的流程
模型中大氣亮度A通常為一幅圖像的最亮區(qū)域。為了尋找圖像中的最亮區(qū)塊,通常把整幅圖像均分為4塊區(qū)域,計(jì)算區(qū)塊平均亮度減去各個(gè)像素值得到中心偏離程度(即方差),通過(guò)上述公式計(jì)算值對(duì)各區(qū)塊進(jìn)行打分,分值最高的區(qū)塊為亮度最大的區(qū)塊。
此后,在該區(qū)域內(nèi),通過(guò)計(jì)算個(gè)像素點(diǎn)與白光(RGB(255,255,255))的距離獲取距離最小,即為最亮的像素點(diǎn)的RGB值作為需要的大氣亮度A的值。
判斷一個(gè)企業(yè)內(nèi)部審計(jì)的有效程度,最好的標(biāo)準(zhǔn)就是企業(yè)的財(cái)務(wù)管理系統(tǒng)是否能夠發(fā)揮其應(yīng)有的作用。例如,當(dāng)企業(yè)的資金鏈出現(xiàn)問(wèn)題,導(dǎo)致企業(yè)資金流動(dòng)性大大降低,可能有破產(chǎn)的風(fēng)險(xiǎn),這就表示企業(yè)內(nèi)部審計(jì)沒(méi)有發(fā)揮好它對(duì)財(cái)務(wù)管理系統(tǒng)的監(jiān)督作用,導(dǎo)致資金危機(jī)的出現(xiàn)。當(dāng)上述關(guān)于資金鏈問(wèn)題出現(xiàn)的時(shí)候,企業(yè)應(yīng)該采取措施盡量降低相關(guān)的財(cái)務(wù)融資風(fēng)險(xiǎn),其中尤為重要的措施是完善內(nèi)部審計(jì),讓內(nèi)審發(fā)揮其對(duì)財(cái)務(wù)投融資部門(mén)的監(jiān)督作用,保證企業(yè)能夠重回正軌。由上述的例子我們可以得出結(jié)論,企業(yè)的內(nèi)部審計(jì)系統(tǒng)采取的各種監(jiān)督、管控手段,在很大程度上決定了一個(gè)企業(yè)是否能夠規(guī)避相關(guān)的財(cái)務(wù)風(fēng)險(xiǎn)。
d=
傳輸系數(shù)t(p)與場(chǎng)景景深成反比例,
(2)
均方誤差(mean squared error,MSE)是衡量“平均誤差”的一種較方便的方法??梢栽u(píng)價(jià)數(shù)據(jù)的變化程度。這里,通過(guò)求取各像素值與圖像像素均值的偏離程度來(lái)描述圖像的整體對(duì)比度。用公式可表示為
(3)
將公式變換為
(4)
根據(jù)文獻(xiàn)[2]中提出的2個(gè)代價(jià)函數(shù)來(lái)衡量對(duì)比度增強(qiáng)和信息丟失情況。
E=Econtrast+λLEloss
(5)
(6)
(7)
式中:Econtrast為對(duì)比度代價(jià)函數(shù),它與圖像均方誤差成反比,與系數(shù)t成正比,當(dāng)該值最小時(shí),圖像對(duì)比度獲得極大增強(qiáng);Eloss為圖像信息損失函數(shù),其表示圖像變換過(guò)程中像素值落到[0,255]區(qū)間外像素值平方和的函數(shù)。
在求取大氣亮度系數(shù)A和各像素點(diǎn)的傳輸系數(shù)t后,可通過(guò)圖像傳播模型進(jìn)行圖像重構(gòu),以得到去光照不均勻和對(duì)比度增強(qiáng)后的圖像,其增強(qiáng)效果見(jiàn)圖3。
圖3 圖像去霧及對(duì)比度增強(qiáng)處理
(8)
人類視覺(jué)對(duì)于亮度的變化比對(duì)色度變化更敏感。RGB色彩空間上的顏色分量具有較強(qiáng)相關(guān)性,與人類視覺(jué)的色彩感知相似性不成正比,是一個(gè)不均勻的視覺(jué)色彩空間。然后,在YUV色彩空間,分量Y表征強(qiáng)度的感覺(jué),分量U、V與圖像像素的色度相關(guān),描述圖像的色彩與飽和度,亮度分量Y和色度分量U、V是相互不相關(guān)的,兩者相互分離,因此,需要進(jìn)行圖像色彩空間轉(zhuǎn)換,從RGB色彩空間到Y(jié)UV色彩空間的轉(zhuǎn)換公式為
水平集經(jīng)過(guò)升維處理將二維空間變化轉(zhuǎn)變?yōu)槿S空間變換,將平面曲線的演化問(wèn)題轉(zhuǎn)化為三維曲面的演化,可以很好地解決二維空間拓?fù)渥兓y以表示的問(wèn)題,通過(guò)求解模型偏微分方程PDE(partial differential equation)檢測(cè)圖像邊緣進(jìn)行分割[7-8]。
二維空間的曲線演化可隱式表示為三維空間的曲面演化函數(shù)的水平集。
C={(x,y),u(x,y)=c}
(10)
即三維曲面函數(shù)u=u(x,y)與三維空間中平面函數(shù)u=c的交線。
隨時(shí)間t的變化,二維曲線的函數(shù)可表示為
C(t)={(x,y),u(x,y,t)=c}
(11)
可看作三維曲面簇u=u(x,y,t)與平面u=c相交得到水平集。
由數(shù)學(xué)推導(dǎo)可得水平集曲線演化方程,表示為
(12)
式中:β為曲線的變化速度;|▽u|為曲線上點(diǎn)的法向量。
(13)
式中:d為點(diǎn)與曲線之間的歐幾里得距離。
基于水平集的圖像分割通過(guò)將二維曲線C用高維度空間下的水平集函數(shù)表示,再通過(guò)求解其構(gòu)造能量泛函對(duì)應(yīng)的Euler-Lagrange方程式能量最小化,以獲得水平集的演化過(guò)程。
這里,采用C-V模型是基于區(qū)域的水平集方法,其能量泛函公式為
ECV(c1,c2,C)=μ·Length(C)+
v·Area(inside(C))+
(14)
式中:μ、λ1、λ2為取值為正的比例系數(shù),c1、c2分別表示曲線C內(nèi)、外部的圖像像素均值。能量泛函的第一項(xiàng)和第二項(xiàng)用于規(guī)整曲線C,確保獲得足夠短的曲線;而第三項(xiàng)和第四項(xiàng)負(fù)責(zé)使曲線C盡量貼合目標(biāo)輪廓。
基于對(duì)比度增強(qiáng)后的海面溢油圖像,采用Chan-Vese算法對(duì)單通道顏色空間圖像進(jìn)行分割,其分割過(guò)程與結(jié)果見(jiàn)圖4。
圖4 水平集分割過(guò)程與分割結(jié)果
針對(duì)海面溢油圖像的低對(duì)比度和低信噪比等特性進(jìn)行了降噪和局部對(duì)比度增強(qiáng)等預(yù)處理,并結(jié)合C-V水平集算法對(duì)海面溢油圖像進(jìn)行目標(biāo)分割,該算法能更有效地定位油膜邊緣。從圖像分割結(jié)果可以看出,建立在Chan-Vese模型上的圖像水平集分割技術(shù),能夠在不依賴圖像梯度變化的基礎(chǔ)上對(duì)目標(biāo)進(jìn)行分割,圖像分割抗噪能力上具有較強(qiáng)優(yōu)勢(shì),能夠?qū)崿F(xiàn)海面溢油的有效分割。
[1] 臧風(fēng)妮.智能視頻監(jiān)控中海面艦船目標(biāo)檢測(cè)算法研究[D].中國(guó)海洋大學(xué),2014:129.
[2] KIM J, JANG W, SIM J, et al. Optimized Contrast Enhancement for Real-Time Image and Video Dehazing[J]. J Vis Commun Image R.2013(3):410-425.
[3] Pascal Getreuer, Chan-Vese Segmentation[J]. Image Processing On Line,2012(2):214-224.
[4] Tony Chan and Luminita Vese. An Active Contour Model without Edges[C]. Scale-Space Theories in Computer Vision,1999.
[5] 錢(qián)蕓,張英杰.水平集的圖像分割方法綜述[J].中國(guó)圖象圖形學(xué)報(bào),2008(1):7-13.
[6] SONG M, CAI L, LIN B, AN J, et al. Hyperspectral Oil Spill Image Segmentation Using Improved Region-Based Active Contour Model[J]. Geoscience & Remote Sensing Symposium,2016:6352-6355.
[7] CRANDALL R. Image segmentation using the Chan-Vese algorithm[C]. ECE 532 Project.Fall,2009.
[8] CHAN T F, VESE L. Active contours without edges[J]. Image processing, IEEE transactions on,2001,10(2):266-277.