王冠軍

（中國電子科技集團公司第二十七研究所 河南省鄭州市 450047）

光測設備是現(xiàn)代靶場測量的重要測試設備之一，能夠為測量指揮中心提供大量數(shù)據(jù)情報信息，其目標檢測功能的優(yōu)劣，更是決定了測量試驗能否正常開展的前提條件，對指揮決策的做出提供重要參考價值。隨著對海上作戰(zhàn)能力提升的要求，光測設備需要不斷提高自身應對海上環(huán)境的目標檢測能力。

海洋環(huán)境對光測設備的目標檢測主要有以下幾方面影響：

（1）海洋環(huán)境濕度大，在雨、雪天氣中會產(chǎn)生大量霧氣，能見度降低，造成光測設備呈現(xiàn)低對比度圖像；

（2）海水運動起伏不定，光測設備隨船體一起搖擺，影響相機拍攝畫面穩(wěn)定性；

（3）海洋中易產(chǎn)生波浪和水面折射，可成為海洋環(huán)境觀測的含噪背景，給圖像帶來大量噪聲[1-3]。光測設備在執(zhí)行任務時，易受到以上不可控的環(huán)境因素干擾，影響成像過程，導致圖像質量下降，為目標的檢測帶來困難。

針對?？毡尘俺上褓|量下降情況下的目標檢測需求，本文提出了一種結合視覺顯著性的海空環(huán)境下目標檢測方法。該方法利用二維Log-Gabor 濾波器提取圖像不同尺度、方向間的視覺顯著性特征，對特征圖閾值去噪克服外界環(huán)境干擾，并通過輻射法進行邊界擴展，建立矩形目標區(qū)域，僅需一幀圖像便能有效檢測出目標區(qū)域。對海洋環(huán)境干擾下的圖像進行大量試驗，結果表明本文方法能有效檢測海洋環(huán)境下存在云霧、海浪起伏、光照反射等干擾下的目標。

1 視覺顯著性

視覺顯著性是視覺系統(tǒng)對圖像的不同區(qū)域注意度的客觀體現(xiàn)[4-5]。人類視覺系統(tǒng)能夠快速地在復雜的視覺場景中發(fā)現(xiàn)圖像的顯著性區(qū)域并對其進行分析[6]，目標通常位于該顯著性區(qū)域中。本文利用圖像的視覺顯著性對目標區(qū)域進行檢測。

1.1 圖像金字塔

為降低后續(xù)特征提取的運算量，實現(xiàn)不同尺度下的信息提取，將圖像進行金字塔化分層，如式（1）所示。其中，N 為圖像I 可金字塔化的總層數(shù)；ω 為窗口函數(shù)，Rl、Cl為當前第l 層的行、列數(shù)。

金字塔化后得到分層圖像序列{I1，I2，…Imid，…IN-1，IN}，其中Imid為分層圖像序列中的第中間層圖像。當N 為偶數(shù)時，mid=N/2。

圖1：輻射法構建矩形區(qū)域

1.2 顯著性特征提取

二維Log-Gabor 濾波器能夠有效地提取圖像中方向、空間位置和頻率特性，帶寬不受限制，且直流分量為零，符合人類的視覺特性，并不受光照影響[7]，頻域極坐標下的數(shù)學模型可表示為：

其中，ω 和θ 分別為徑向坐標及角度坐標；ω0為中心頻率，θ0為濾波器方向角；σω用于確定徑向帶寬σθ用于確定方向帶寬。

本文采用多尺度的二維Log-Gabor 濾波器對不同尺寸的低分辨率圖像進行特征提取。對圖層序列{ Imid-2，Imid-1，Imid}進行不同尺度、方向下的特征提取，采用的濾波方向θ0分別為0、45°、90°、135°，且每個方向選取3 個頻率尺度，尺度比例因子為2，帶寬參數(shù)σω/ω0為0.65。

針對不同尺度、方向下的特征圖，采用最近鄰差值法按Imid的尺寸沿方向θ 進行規(guī)范和線性融合，得到最終的視覺顯著性特征圖F。根據(jù)視覺顯著性特征圖，雖然能夠將目標區(qū)域顯示出來，但仍存在一些干擾，為進一步突出目標特征，需進一步進行濾波去噪，本文通過設定閾值去除干擾。

對視覺顯著性特征圖進行5×5 范圍內的灰度累加和非0 像素個數(shù)統(tǒng)計，將獲得的灰度累加均值作為閾值。如式（3）、（4）所示：

其中，特征圖F 的尺寸為H×W；Nid為非0 像素個數(shù)；Sid為統(tǒng)計累加后的局部灰度值；id 為迭代次數(shù)。經(jīng)多次實驗證明id=2 時去噪效果最好。去噪過程如式（5）所示：

2 目標區(qū)域確定

考慮到目標檢測后的任務要求，應對目標建立矩形框，以利于后續(xù)處理。

對去噪后的特征圖進行二值化，其中值為1 的像素為有效像素，值為0 的為無效像素。最終建立的矩形目標區(qū)域應當覆蓋該區(qū)域內所有具有連續(xù)性的有效像素點。本文采用輻射法確定該矩形區(qū)域左上、右上、左下和右下四個角的位置。輻射的方式為以P0 點為中心，沿順時針方向對Dθ {0°，45°，90°，135°，180°，225°，270°，315°}的8 個角度位置處的像素進行檢測，輻射法構建矩形區(qū)域的具體過程如圖1所示。

a 為以P0點為中心按圖的方式對周圍的像素進行輻射檢測，記錄該跳變處的有效像素點，如圖1 中所示的P1和P2點，按其角度位置重置L 中的Lleft、Lrihgt 和Ldown；無效化P0點周圍的有效點，以保證不出現(xiàn)重復檢查的情況，并對預處理點序列的點再進行輻射檢測，直至預處理序列為空。

當海洋環(huán)境干擾較大而導致擴展出多個規(guī)則矩形窗口時，選取特征權重最大區(qū)域作為目標區(qū)域。特征權重由式（6）求出。

其最大值為：

Nl為特征區(qū)域I 內的有效像素個數(shù)；Wl為特征區(qū)域I 的特征權重；W 為最終確立的目標區(qū)域。

3 實驗結果與分析

為驗證本文方法的有效性和可行性，進行了大量的?？毡尘跋履繕藱z測試驗，試驗平臺為某型號艦載經(jīng)緯儀，采用內存為4GB，CPU 為Intel?Core ?2Q9550@2.83GHz 的工控機上，對720×576大小的圖像進行處理。

第一組實驗如圖2所示，對存在霧氣干擾的海洋環(huán)境下的目標檢測。從圖2(a)可見，因霧氣的存在不僅使海洋環(huán)境的能見度降低，也降低了圖像的對比度，對目標觀測造成干擾。本文方法結合目標的視覺顯著性，以視覺顯著性區(qū)域作為目標區(qū)域，能夠有效地對霧氣干擾的海洋環(huán)境下的目標進行檢測。

第二組實驗如圖3所示，因海水對光照具有反射作用，使圖像中出現(xiàn)大量高亮區(qū)域，不僅嚴重干擾光測設備對海面目標的檢測，而且對人眼的直接觀察也有影響。本文方法利用圖像中視覺顯著性最強的區(qū)域作為作為目標區(qū)域，能夠有效地克服光照的影響，對海洋環(huán)境下的目標進行檢測。

第三組實驗如圖4所示，海水的波浪起伏在圖像中構成了含有大量噪聲的背景，其紋理和細節(jié)的變化比目標還要劇烈，對圖中飛機目標的檢測造成干擾。本文方法利用圖像中視覺顯著性，有效地克服波浪起伏的影響，對海洋環(huán)境下的目標進行檢測。

圖2-圖4 顯示出，海洋環(huán)境對目標識別造成了嚴重干擾，即使是人眼識別也存在一定程度的障礙。圖3(b)和圖4(b)也顯示出，即使特征提取也不能將海洋環(huán)境下的干擾完全去除。經(jīng)過閾值法的進一步去噪和輻射法擴展，得到最終的規(guī)則目標區(qū)域圖2(c)、圖3(c)和圖4(c)。從上述三組實驗可見，本文提出的基于視覺感知的目標識別方法能夠克服海洋環(huán)境中的霧氣、光照、海浪等成像質量的影響，對目標進行有效檢測。

圖2：濃霧環(huán)境下的目標識別

圖3：光照反射環(huán)境下的目標識別

圖4：海浪環(huán)境下的目標識別

4 結論

為解決實際的任務需要，本文提出了一種針對海洋環(huán)境干擾下的目標檢測方法，該方法通過金字塔分層，利用多尺度、方向的二維Log-Gabor 濾波器，對圖像進行特征提取，并設定閾值對特征圖去噪，最后以邊界擴展獲得規(guī)則的矩形調焦窗口。通過在某型號光測設備上的大量實驗證明，本文方法能有效克服海洋環(huán)境中因霧氣、海水起伏、海浪、光照等不可控的自然因素影響，對采集到的降質圖像進行有效的目標檢測。本文方法不僅適用于工作在海洋環(huán)境中的光測設備，也同樣能克服其他環(huán)境因素的干擾，具有廣泛的應用范圍。