羅興潮 黃文騫 程益鋒

（海軍大連艦艇學(xué)院軍事海洋與測繪系 大連 116013）

1 引言

近幾十年，海洋資源被不斷利用開發(fā)，瀕海國家爭奪海洋勢力范圍斗爭加劇，作為沿海國家傳統(tǒng)任務(wù)，艦船目標(biāo)檢測發(fā)揮著越來越重要的作用。隨著遙感技術(shù)的不斷發(fā)展完善，基于遙感手段進行艦船目標(biāo)檢測被廣泛運用于各個領(lǐng)域。在民用方面，基于遙感的艦船目標(biāo)檢測可以進行海上艦船活動監(jiān)測與交通管制、輔助海上救助、保障漁業(yè)監(jiān)管、監(jiān)測船舶污染等；在軍用方面，可以偵查與監(jiān)視敵軍海上實力及重要軍事目標(biāo)、引導(dǎo)制導(dǎo)武器進行精確打擊等［1～2］。可以看出，在實際應(yīng)用中，艦船目標(biāo)檢測的區(qū)域多為近海，且檢測范圍較大。因此，如何實現(xiàn)高精度、高時效的大范圍近海艦船目標(biāo)檢測一直是國內(nèi)外的研究熱點。

目前，基于遙感的艦船目標(biāo)檢測根據(jù)影像數(shù)據(jù)的不同，可以分為基于合成孔徑雷達（Synthetic Aperture Radar，SAR）影像的艦船目標(biāo)檢測與基于光學(xué)影像的艦船目標(biāo)檢測［3］。SAR 遙感采用主動微波遙感技術(shù)，具有全天時、全天候、多極化、多視角、探測距離遠、覆蓋范圍大以及一定的穿透能力等優(yōu)勢。光學(xué)遙感與SAR 遙感相比，雖不能全天候、全天時工作，但具有表達形式直觀、圖像信息量大、解譯原理簡單等優(yōu)點［4］。近紅外遙感作為光學(xué)遙感的重要部分，由于海水對近紅外波段的吸收作用，水體反射率遠小于陸地與水上目標(biāo)，非常適合用于大范圍近海艦船目標(biāo)檢測。為此，本文提出一種基于近紅外遙感的大范圍近海艦船目標(biāo)檢測方法。

2 檢測流程

基于遙感的大范圍近海艦船目標(biāo)檢測有別于一般的圖像檢測與識別，遙感影像的數(shù)據(jù)量大，海面背景下的艦船目標(biāo)的面積小而模糊，又存在云團、陸地、島嶼、噪聲等干擾，常規(guī)目標(biāo)檢測方法并不適用。為了快速、準(zhǔn)確地檢測船只，艦船目標(biāo)檢測的流程一般分為三個模塊。如圖1，首先是預(yù)處理模塊，該模塊的任務(wù)是對需要進行艦船目標(biāo)檢測的影像進行輻射校正、幾何校正和海陸分離等預(yù)處理，得到去除陸地區(qū)域干擾的待檢測影像；然后是粗檢測模塊，該模塊的任務(wù)是完成對影像進行快速檢測，得到疑似船只的目標(biāo)切片；最后是精檢測模塊，該模塊的任務(wù)是對粗檢測出的目標(biāo)切片進一步分析，排除非艦船目標(biāo)，得到最終的艦船檢測結(jié)果。

圖1 艦船目標(biāo)檢測流程圖

3 海陸分離

本文采用Landsat 8 的近紅外波段（Near Infrared）數(shù)據(jù)，波段范圍0.845μm～0.885μm，空間分辨率為30m，遙感數(shù)據(jù)產(chǎn)品都已經(jīng)過系統(tǒng)輻射校正和幾何校正，在進行艦船目標(biāo)檢測前，還需要對影像進行海陸分離。

海陸分離方法可以分為基于先驗信息的海陸分離和基于圖像特征差異的海陸分離兩大類［5］?；谙闰炐畔⒌暮ｊ懛蛛x方法，需要借助現(xiàn)有的海岸線等先驗地理空間信息，通過匹配來實現(xiàn)海陸分離［6～8］?；趫D像特征差異的海陸分離是一種通用的，不需要其他信息或數(shù)據(jù)的數(shù)字圖像處理方法，根據(jù)圖像分割方法的不同，又可以分為基于邊緣提取的海陸分離、基于閾值分割的海陸分離、基于區(qū)域生長的海陸分離以及結(jié)合特定理論的海陸分離［9～11］。閾值法是一種常用的圖像分割方法，具有速度快、計算簡單等優(yōu)點，但難以精細分割，為了實現(xiàn)精準(zhǔn)的海陸分離，本文使用一種改良的閾值分割方法進行海陸分離，先通過最大類間方差法確認(rèn)閾值，對影像先進行粗分割，再通過形態(tài)學(xué)處理得到精細分割結(jié)果。

3.1 最大類間方差法

由于近紅外波段的特性，在近紅外遙感影像中陸地區(qū)域的亮度普遍大于海面區(qū)域，因此，在對影像進行閾值分割時，分割閾值應(yīng)當(dāng)使前景的平均灰度、背景的平均灰度與整個圖像的平均灰度之間差別最大，Otsu 在1978 年提出了最大類間方差法［12］，通過區(qū)域的方差來表示這種差異。該算法在判決分析最小二乘法原理的基礎(chǔ)上推導(dǎo)得出，計算過程如下。

影像中，灰度為i 的像素數(shù)為ni，灰度范圍為［0，L-1］，則總的像素數(shù)為

各灰度值出現(xiàn)概率為

把圖中的灰度值用閾值T 分成兩個像素子集C0和C1，C0由灰度值在［0，T-1］的像素組成，C1由灰度值在［T，L-1］的像素組成。像素子集C0和C1的概率分別為

像素子集C0和C1的平均灰度分別為

整幅影像的平均灰度為

兩個像素子集與整幅圖像像素灰度的總方差為

讓T 在［0，T-1］范圍內(nèi)依次取值，使σ2B 最大的T值便是最佳的區(qū)域分割閾值。

如圖2，通過最大類間方差法得到的分割結(jié)果還比較粗糙，需要繼續(xù)進行精細分割。

圖2 海陸粗分割結(jié)果圖

3.2 形態(tài)學(xué)處理

閾值分割后的影像，陸地與海面上還留有許多空洞與散雜點。本文采用一種迭代膨脹的算法對影像進行形態(tài)學(xué)處理（⊕表示膨脹、☉表示腐蝕），先填充陸地上的空洞，計算過程如下。

A 為一個待填充空洞，AL為集合A 的邊界，先由一個3*3的8鄰域結(jié)構(gòu)元素B對A腐蝕，然后用A減去腐蝕得到AL:

對所有非邊界點標(biāo)記為0，然后將1 賦值給起始點P，下列過程將整個區(qū)域填充:

這里X0=P，C 是一個3*3 的4 鄰域?qū)ΨQ結(jié)構(gòu)元素，AC是AL的補集。如果XK=XK-1，則算法在迭代的第K步結(jié)束。

圖3 海陸精分割結(jié)果圖

通過填洞，可以得到一片完整的陸地區(qū)域。除海上的散雜點同樣使用迭代膨脹的算法，先將影像進行反色處理，然后重復(fù)填洞的步驟。如圖3，通過形態(tài)學(xué)處理，得到分割好的二值圖像，再將二值圖像對原影像進行掩膜處理，便完成了海陸分離，得到海面背景下的待檢測區(qū)域。

4 艦船目標(biāo)檢測

4.1 艦船目標(biāo)粗檢測

4.1.1 方差紋理濾波

經(jīng)過海陸分離后的影像，艦船目標(biāo)與海面背景相比亮度較高，適于檢測，但由于大范圍的海面背景灰度變化較大，不同區(qū)域的艦船目標(biāo)亮度也存在差異，直接通過閾值法分割整幅影像的艦船目標(biāo)與海面背景，會造成錯判，導(dǎo)致大量艦船目標(biāo)的漏檢，如圖4。針對這個問題，本文提出一種基于方差紋理的艦船目標(biāo)檢測方法。

圖4 閾值分割結(jié)果圖

紋理特征，是圖像中普遍存在而又難以描述的特征，是數(shù)字圖像處理中的一種重要的視覺線索。紋理特征分析技術(shù)一直是計算機視覺、圖像分析、圖像檢索等領(lǐng)域的研究熱點［13］。紋理特征分析根據(jù)描述方法的不同，可以分為以下幾類:統(tǒng)計法、幾何法、模型法、信號處理法和結(jié)構(gòu)分析法，本文采用的是統(tǒng)計法?；诮y(tǒng)計法的紋理特征分析是基于像素及其鄰域的灰度屬性，來研究紋理區(qū)域的統(tǒng)計特性。根據(jù)影像海面背景的灰度變化較小，而艦船目標(biāo)亮度高的特點，本文使用3×3 窗口提取影像的方差紋理。實現(xiàn)方差紋理提取要對圖像每個點重復(fù)下面操作。

1）計算原影像f(x,y) 的以點(i,j) 為中心的3×3鄰域內(nèi)的像素方差:

2）將1）的運算結(jié)果作為輸出影像g(x,y)中點(i,j)新的響應(yīng)。

如圖5，經(jīng)過處理后的影像，海面背景灰度大小與變化范圍減小，艦船目標(biāo)相對亮度增強。

圖5 方差紋理影像

4.1.2 疑似艦船目標(biāo)提取

影像經(jīng)過方差紋理處理后，艦船目標(biāo)在海面背景下變得清晰凸顯，接下來，從影像上提取疑似艦船目標(biāo)的亮斑。首先，對灰度影像進行二值化處理，將高亮度的目標(biāo)從海面背景中分割出來，然后，通過閉運算彌合斷裂目標(biāo)的狹窄間隙，填充大目標(biāo)的中空點。如圖6，經(jīng)過處理后，疑似的艦船目標(biāo)已經(jīng)從影像中初步分割出來，在海面背景上呈散狀白點分布，但是仍存在許多點噪聲、礁石與島嶼等非艦船目標(biāo)。

圖6 艦船目標(biāo)粗提取結(jié)果圖

4.2 艦船目標(biāo)精檢測

為了去除上一步提取結(jié)果中的非艦船目標(biāo)，本文對艦船目標(biāo)的特征進行提取與分析。首先，通過方差紋理濾波處理訓(xùn)練影像，提取影像中已知艦船目標(biāo)1612 個。然后，計算每一個艦船目標(biāo)的面積與長、短軸信息。其中，面積可以由像素個數(shù)表示；長、短軸可以由最小外接矩陣法求出。最后，通過統(tǒng)計分析目標(biāo)特征得到，方差紋理濾波處理后的艦船目標(biāo)在二值化影像中的像素面積范圍為［9，240］，長短軸比值范圍為［1，4.1］，如圖7。

根據(jù)上述艦船目標(biāo)特征分析結(jié)果，對照待檢測影像中的疑似艦船目標(biāo)的像素面積、長短軸比值，我們可以濾過不符合艦船特征的目標(biāo)，得到最終的檢測結(jié)果，如表1、圖8。

圖7 艦船目標(biāo)特征直方圖

表1 實驗結(jié)果

圖8 艦船目標(biāo)檢測結(jié)果圖

5 結(jié)語

本文利用水體對近紅外波段吸收性強的特性，提出一種大范圍近海艦船目標(biāo)檢測方法。在預(yù)處理階段，采用了一種改良的閾值分割法對影像進行海陸分割，先基于最大類間方差法確認(rèn)閾值對影像進行粗分割，再通過形態(tài)學(xué)處理得到海陸精分割結(jié)果。在檢測階段，通過方差紋理濾波器減小海面背景的灰度變化區(qū)間，增強艦船目標(biāo)的相對亮度，從而分割出疑似艦船目標(biāo)，最后經(jīng)過特征分析排除非艦船目標(biāo)，得到檢測結(jié)果。實驗結(jié)果表明，本方法能有效地檢測的艦船目標(biāo)，具有較高的精度。