李浩誼 馬春庭

（中國(guó)人民解放軍陸軍工程大學(xué)石家莊校區(qū)火炮工程系 石家莊 050003）

1 引言

近年來(lái)，海上艦船目標(biāo)的檢測(cè)與識(shí)別成為圖像處理技術(shù)領(lǐng)域的研究熱點(diǎn)，而圖像分割技術(shù)能夠?qū)D像中的目標(biāo)物體和背景相分離，以便于更好地進(jìn)行艦船目標(biāo)的識(shí)別與檢測(cè)［1］。其中圖像邊緣特征提取成為了當(dāng)前艦船圖像分割領(lǐng)域的一個(gè)重要分支，也是基于目標(biāo)幾何外形的研究方法之一。但復(fù)雜多變的海面背景、起伏不斷的海浪軌跡、船只外形樣貌的多樣性以及圖像噪聲等這些因素，使得關(guān)于海上艦船目標(biāo)的邊緣提取成為圖像處理的一大技術(shù)難點(diǎn)［2］。傳統(tǒng)的圖像邊緣檢測(cè)方法有Sobel算法、Canny算法、閾值化分割法和灰度二值法等，但對(duì)于目標(biāo)與背景灰度相似、灰度變化平滑的艦船圖像來(lái)說(shuō)，這些方法存在計(jì)算量大、邊緣模糊等不足［3］。

針對(duì)以上問(wèn)題，本文提出一種改進(jìn)的Scharr邊緣檢測(cè)算法并應(yīng)用于海上艦船圖像中，該算法結(jié)合統(tǒng)計(jì)濾波去噪算法和改進(jìn)的自適應(yīng)雙閾值選取算法的優(yōu)點(diǎn)，用0°，45°，90°和135°四個(gè)方向的Scharr算子模板來(lái)提取艦船圖像目標(biāo)邊緣，并通過(guò)仿真對(duì)比實(shí)驗(yàn)對(duì)其進(jìn)行評(píng)價(jià)，證明該算法與傳統(tǒng)方法相比，提取的邊緣圖像質(zhì)量更好，受噪聲影響更小。

2 算法的基礎(chǔ)及分析

2.1 統(tǒng)計(jì)濾波去噪算法

由于海上艦船圖像中大多存在著起伏不斷的海浪軌跡等噪聲，這將使后續(xù)的邊緣檢測(cè)過(guò)程變得困難，因此選擇一個(gè)高效且有效的去噪算法對(duì)邊緣檢測(cè)十分重要［4］。為了有效減少此類噪聲對(duì)邊緣檢測(cè)造成的影響，文本采用基于統(tǒng)計(jì)濾波的去噪算法，該算法是利用灰度均值和方差的統(tǒng)計(jì)性質(zhì)來(lái)濾波去噪的［5］。

對(duì)于一幅M×N的灰度圖像W，圖像灰度級(jí)和與其鄰域像素均值灰度的灰度級(jí)都是L，為圖像在點(diǎn)的灰度值，用μ表示所

有像素點(diǎn)的平均灰度值，μ的表達(dá)式為

另外，用σ2表示所有像素點(diǎn)的方差，σ2的表達(dá)式為

然后通過(guò)下文中的式（5）給定的閾值T求出對(duì)應(yīng)像素點(diǎn)灰度值，表達(dá)式如下：

2.2 Scharr邊緣檢測(cè)算法

傳統(tǒng)的Scharr算子模板主要用作邊緣檢測(cè)，它包含兩組3×3的矩陣，分別代表水平方向和垂直方向［6］。該算法分別用兩組算子模板與圖像作平面卷積，計(jì)算得出圖像橫向灰度和縱向灰度的差分近似值，由式（4）可以分別得到梯度由公式得出像素點(diǎn)的梯度，假如梯度大于某一設(shè)定的閾值，則認(rèn)為該點(diǎn)為邊緣點(diǎn)［7］。

為了提高邊緣檢測(cè)的準(zhǔn)確性，本文增加了45°和135°兩個(gè)方向算子模板，其算子模板如圖2所示。模板內(nèi)的數(shù)值為模板權(quán)值，通過(guò)參考文獻(xiàn)［8］和利用類比的方法確定模板權(quán)值。

圖1 傳統(tǒng)的Scharr算子模板

圖2 增加的Scharr算子模板

Scharr作為一階微分算子，與其他邊緣微分算子具有相同的基本特點(diǎn)，即對(duì)突變有較強(qiáng)的響應(yīng)，其優(yōu)點(diǎn)是速度極快，準(zhǔn)確度比傳統(tǒng)的Sobel算子更好，但缺點(diǎn)是人為設(shè)定的閾值無(wú)法很好的分離邊緣候選點(diǎn)中邊緣點(diǎn)與非邊緣點(diǎn)［9］。

2.3 自適應(yīng)雙閾值選取算法

傳統(tǒng)的Scharr算法是通過(guò)人為設(shè)定固定閾值來(lái)進(jìn)行圖像的最終分割，固定閾值的設(shè)定對(duì)邊緣檢測(cè)的準(zhǔn)確度影響十分大。如果閾值選擇合適，不僅對(duì)能夠抑制偽邊緣，同時(shí)還能在很大程度上減少噪聲帶來(lái)的影響。如果閾值選取過(guò)高會(huì)丟失一些邊緣信息，閾值選擇過(guò)低則會(huì)導(dǎo)致偽邊緣影響圖像的質(zhì)量，選擇合適的閾值對(duì)Scharr邊緣檢測(cè)是十分重要的［10］。本文提出一種改進(jìn)的基于簡(jiǎn)單統(tǒng)計(jì)法的自適用雙閾值選擇方法，該方法不是人為地選擇閾值而是通過(guò)圖像本身的像素灰度特點(diǎn)通過(guò)算法選擇合適的閾值來(lái)進(jìn)行邊緣檢測(cè)。

簡(jiǎn)單統(tǒng)計(jì)法是一種基于簡(jiǎn)單的圖像統(tǒng)計(jì)的閾值選取方法。使用該方法，能直接計(jì)算一幅圖像的分割閾值［11］，計(jì)算公式為

f為像素點(diǎn)的灰度值，ex水平方向的灰度差值，ey為垂直方向的灰度差值為水平和垂直方向中最大的灰度差值。

但由于海上艦船圖像中波浪軌跡等噪聲會(huì)明顯增大水平方向和垂直方向的灰度值的差值［12］，因此需要對(duì)簡(jiǎn)單統(tǒng)計(jì)法中的ex，ey的計(jì)算方法進(jìn)行改進(jìn)，考慮到圖像的二階微分的特性［13］，同時(shí)為了適當(dāng)減少噪聲造成的影響，本文重新定義了ex，ey的計(jì)算方法，計(jì)算公式如下：

3 改進(jìn)算法

針對(duì)前文分析，為了減小噪聲對(duì)圖像的干擾和解決因傳統(tǒng)Scharr算法閾值選取不當(dāng)產(chǎn)生的問(wèn)題，本文提出一種改進(jìn)的Scharr邊緣檢測(cè)算法，具體步驟如下：

1）使用統(tǒng)計(jì)濾波去噪算法對(duì)圖像進(jìn)行平滑處理；

2）使用四個(gè)Scharr算子模板與圖像進(jìn)行卷積運(yùn)算，計(jì)算梯度幅值

3）用雙閾值算法檢測(cè)邊緣。像素點(diǎn)梯度值大于高閾值Tmax的一定是邊緣；像素點(diǎn)梯度值小于低閾值Tmin的一定不是邊緣；如果像素點(diǎn)梯度值大于低閾值而又小于高閾值，則要看這個(gè)像素的鄰域像素中是否有大于高閾值的邊緣像素；如果有則是邊緣點(diǎn)，否則不是。

算法流程圖如圖3所示：

圖3 改進(jìn)的Scharr算法的工作流程

4 仿真實(shí)驗(yàn)及結(jié)果分析

為了檢測(cè)本文算法的邊緣檢測(cè)效果，仿真實(shí)驗(yàn)在 Matlab R2016a環(huán)境下，Intel?Core?i5-6500 CPU 3.20GHz/8.00GB內(nèi)存的機(jī)器上進(jìn)行的。圖4為原圖，其中圖4（a）為單一海上艦船圖像，圖4（b）為多艘海上艦船圖像。分別采用傳統(tǒng)Sobel算法、Canny算法和本文算法進(jìn)行邊緣檢測(cè)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖5和圖6所示。

圖4 仿真對(duì)象

圖5 不同算法對(duì)圖4（a）處理效果

圖6 不同算法對(duì)圖4（b）處理效果

圖 5（a）、（b）和（c）分別為對(duì)圖 4（a）的 Sobel算法、Canny算法以及本文算法的檢測(cè)結(jié)果。通過(guò)觀察，容易看出Sobel算法提取的邊緣信息完整，整體輪廓清晰，但同時(shí)在艦船兩側(cè)存在著大量的離散噪聲點(diǎn)。而Canny算法受噪聲影響較小，但提取了過(guò)多的偽邊緣，圖像質(zhì)量不理想。而本文算法由于進(jìn)行了統(tǒng)計(jì)濾波去噪預(yù)處理，有效抑制不良噪聲帶來(lái)的影響，增加的算子模板較好地定位了邊緣線，使檢測(cè)的輪廓線較為清晰，連續(xù)性較好，圖像質(zhì)量理想。

圖6（a）、（b）和（c）分別為對(duì)圖 4（b）的 Sobel算法、Canny算法以及本文算法的檢測(cè)結(jié)果。由圖可見，Sobel算法仍然存在著大量離散噪聲點(diǎn)，并且噪聲點(diǎn)隨機(jī)地分布在檢測(cè)的圖像中。而Canny算法則由于大量偽邊緣的存在而嚴(yán)重影響了邊緣檢測(cè)的效果。本文算法由于使用了自適應(yīng)雙閾值選取算法選取閾值，因此在多艘海上艦船目標(biāo)存在時(shí)能夠更好地顯示不同艦船目標(biāo)，同時(shí)抑制噪聲造成的影響，檢測(cè)出的邊緣信息完整準(zhǔn)確，連續(xù)性較好，效果較好。

5 結(jié)語(yǔ)

針對(duì)傳統(tǒng)邊緣檢測(cè)算法對(duì)于海上艦船圖像檢測(cè)中存在檢測(cè)效果不理想、抗噪能力較低的問(wèn)題，本文提出一種改進(jìn)的Scharr圖像邊緣檢測(cè)方法并成功地運(yùn)用在海上艦船圖像邊緣檢測(cè)中。該算法結(jié)合統(tǒng)計(jì)濾波去噪算法和改進(jìn)的自適應(yīng)雙閾值算法的優(yōu)點(diǎn)，結(jié)合實(shí)際圖像中存在的問(wèn)題，改進(jìn)了閾值的計(jì)算方法，較好地抑制了噪聲的干擾；通過(guò)增加Scharr模板算子，準(zhǔn)確地檢測(cè)出圖像的邊緣，適用于海上艦船圖像中的邊緣檢測(cè)。如何進(jìn)一步提高算法魯棒和細(xì)化檢測(cè)的邊緣，則有待進(jìn)一步研究。