黃 攀，木 銳，鐘建波，賈鈺超，王彩萍，羅 宏，羅永芳，夏青松，李洪兵，汪 興

基于EmguCV的紅外圖像海天線提取算法研究

黃 攀，木 銳，鐘建波，賈鈺超，王彩萍，羅 宏，羅永芳，夏青松，李洪兵，汪 興

（云南北方馳宏光電有限公司，云南 昆明 650217）

本文基于海天背景目標(biāo)提取技術(shù)的研究，給出一種實(shí)用的海天線提取算法。首先，采用空域?yàn)V波消除弱小船只目標(biāo)和近域海浪雜碎波的干擾，對(duì)降噪后的紅外圖像進(jìn)行形態(tài)學(xué)梯度運(yùn)算，采用Ostu閾值分割方法，獲取海天線邊緣輪廓，然后利用Hough直線檢測(cè)算法，獲取海天線待擬合點(diǎn)數(shù)組，最后利用最小二乘法擬合海天線。實(shí)驗(yàn)結(jié)果表明，本算法能夠準(zhǔn)確、快速地提取海天線，為海上目標(biāo)的快速探測(cè)跟蹤奠定基礎(chǔ)，對(duì)紅外搜救設(shè)備進(jìn)行海上目標(biāo)探測(cè)跟蹤具有重要意義。

紅外圖像；海天線；形態(tài)學(xué)梯度；Hough變換

0 引言

在機(jī)載或船載紅外熱成像海上目標(biāo)搜救系統(tǒng)中，如何準(zhǔn)確有效地提取海天線是進(jìn)行海上目標(biāo)探測(cè)跟蹤的一個(gè)重要環(huán)節(jié)。準(zhǔn)確提取海天線有助于劃分航拍紅外圖像中的天空和海面部分，縮小目標(biāo)搜索區(qū)域，降低目標(biāo)探測(cè)跟蹤算法的時(shí)間復(fù)雜度，快速探測(cè)跟蹤海上艦船目標(biāo)，保證系統(tǒng)實(shí)時(shí)性。此外，海天線附近區(qū)域分布的目標(biāo)多為小目標(biāo)，易受近處海面破碎波浪或遠(yuǎn)處天空云層的干擾，而近距離區(qū)域分布的目標(biāo)多為大目標(biāo)，故對(duì)不同尺寸、不同區(qū)域海上目標(biāo)的探測(cè)跟蹤，設(shè)定的閾值門限也不同。準(zhǔn)確提取海天線有利于海上目標(biāo)探測(cè)跟蹤區(qū)域的劃分，削弱干擾信息，降低目標(biāo)探測(cè)的錯(cuò)誤率，提高目標(biāo)探測(cè)跟蹤的準(zhǔn)確率。對(duì)于低空掠海飛行目標(biāo)探測(cè)跟蹤，準(zhǔn)確提取海天線可快速鎖定搜索區(qū)域，極大抑制海面強(qiáng)大浪花和移動(dòng)艦船目標(biāo)的干擾，提高飛行目標(biāo)的探測(cè)準(zhǔn)確率[1]。

利用紅外熱成像設(shè)備遠(yuǎn)距離觀察海天背景目標(biāo)時(shí)，海天線附近垂直梯度值較大，且海天線通常為一條直線，故海天線檢測(cè)就是在一種強(qiáng)干擾背景下檢測(cè)垂直梯度值較大的直線邊緣輪廓。其中，海天背景的強(qiáng)干擾主要有條紋狀海浪和海天線上面的連續(xù)云層。張峰[2]等采用行映射直方圖方法從強(qiáng)對(duì)比度的海天背景中提取海天線，該方法不適合海天線傾斜過大的情況；劉士建[3]等在張峰[2]成果的基礎(chǔ)上，采用模板運(yùn)算增強(qiáng)紅外圖像海天線附近區(qū)域的梯度值，再利用非線性分割方法，獲取海天線部分輪廓；裴繼紅[4]等利用海天線的梯度信息，提出直線擬合法，該方法抗干擾能力不足；石文君[5]等采用多幀能量積累方法提高圖像對(duì)比度，再用Gabor變換和多通道濾波消除干擾，最后用Hough變換獲取海天線直線邊緣。該方法需要積累多幀紅外圖像，故實(shí)時(shí)性低。

本文針對(duì)船載紅外海上目標(biāo)探測(cè)跟蹤的實(shí)際應(yīng)用場(chǎng)景，提出一種基于EmguCV的紅外圖像海天線提取算法。該算法先采用空域?yàn)V波消除弱小船只目標(biāo)和近域海浪雜碎波浪的干擾，再對(duì)降噪后的紅外圖像進(jìn)行形態(tài)學(xué)梯度運(yùn)算，閾值分割、獲取海天線邊緣輪廓，然后利用Hough直線檢測(cè)，獲取海天線待擬合點(diǎn)數(shù)組，最后利用最小二乘法擬合海天線。

1 EmguCV簡(jiǎn)介

EmguCV是將OpenCV（Open Source Computer Vision Library）使用C#語(yǔ)言封裝成的.NET庫(kù)，使用EmguCV就可在.NET平臺(tái)上調(diào)用OpenCV提供的計(jì)算機(jī)視覺函數(shù)庫(kù)。OpenCV由Intel微處理器研究實(shí)驗(yàn)室的視覺交互組開發(fā)，內(nèi)置各種形式的圖像和視頻源文件的幀提取函數(shù)和標(biāo)準(zhǔn)圖像處理算法，包含下列5個(gè)獨(dú)立子庫(kù)：CXCORE、CV、HIGHGUI、CVAUX、CVCAM。其中CXCORE庫(kù)主要負(fù)責(zé)數(shù)據(jù)的基本運(yùn)算；CV庫(kù)負(fù)責(zé)圖像處理、結(jié)構(gòu)分析、運(yùn)動(dòng)分析、目標(biāo)跟蹤和模式識(shí)別等視覺算法；HIGHGUI庫(kù)用于圖像界面、圖像視頻輸入輸出和系統(tǒng)調(diào)用函數(shù)等用戶交互；CVAUX庫(kù)存放即將被淘汰的算法和函數(shù)及新出現(xiàn)的實(shí)驗(yàn)性算法和函數(shù)；CVCAM庫(kù)存放攝像機(jī)接口。

2 理論與方法

2.1 紅外圖像預(yù)處理

當(dāng)使用船載和機(jī)載熱像儀探測(cè)和跟蹤海上的運(yùn)動(dòng)目標(biāo)（如落水人員、救生筏艇和艦船等）時(shí)，需要從復(fù)雜海面背景或海天背景中準(zhǔn)確分離海上的運(yùn)動(dòng)目標(biāo)。在此過程中，準(zhǔn)確提取海天線有利于海上目標(biāo)探測(cè)跟蹤區(qū)域的劃分，削弱干擾信息，降低目標(biāo)探測(cè)的錯(cuò)誤率，提高目標(biāo)探測(cè)跟蹤的準(zhǔn)確率。而海天線的提取必須先消除弱小船只目標(biāo)和近域海浪雜碎波浪的干擾，因此在海天線提取前應(yīng)先對(duì)紅外圖像進(jìn)行一定的預(yù)處理。

紅外圖像中，系統(tǒng)噪聲和目標(biāo)細(xì)節(jié)均屬于高頻分量，而背景和海天線輪廓一般為低頻分量，故可對(duì)圖像進(jìn)行低通濾波，以此達(dá)到抑制弱小目標(biāo)和海雜波、增強(qiáng)海天線邊緣輪廓的目的[6]。紅外圖像的時(shí)域低通濾波用卷積實(shí)現(xiàn)，其表達(dá)式為：

式中：*為卷積運(yùn)算；(,)為源紅外圖像；(,)為經(jīng)濾波器濾波后的海天線輪廓增強(qiáng)圖像；(,)為濾波器滑動(dòng)窗口；對(duì)應(yīng)的頻域卷積模板為矩陣。模板中心像素區(qū)域的權(quán)值最小，使目標(biāo)細(xì)節(jié)、海浪隨機(jī)破碎雜波和噪聲點(diǎn)不易通過，而面積較大的背景和海天線易于通過，抑制弱小目標(biāo)和海浪破碎雜波對(duì)海天線提取的干擾。

經(jīng)低通濾波后的紅外圖像，較好地保留海天線邊緣輪廓信息，但仍會(huì)殘留部分系統(tǒng)噪聲。系統(tǒng)噪聲多屬于椒鹽噪聲，且不具有幀間連續(xù)性和相關(guān)性，故可通過中值濾波算子濾除系統(tǒng)噪聲，進(jìn)一步增強(qiáng)海天線邊緣輪廓信號(hào)，有利于提取海天線輪廓。

2.2 邊緣檢測(cè)

邊緣檢測(cè)是一種基于圖像相鄰像素灰度梯度來分割圖像的常用方法。本文通過相鄰像素形態(tài)學(xué)垂直梯度來提取紅外圖像中包含海天線的邊緣輪廓。其表達(dá)式為：

式中：(,)為源紅外圖像的形態(tài)學(xué)梯度值；(,)為源紅外圖像的形態(tài)學(xué)膨脹操作；(,)為源紅外圖像的形態(tài)學(xué)腐蝕操作。將紅外圖像中的形態(tài)學(xué)膨脹結(jié)果減去形態(tài)學(xué)腐蝕結(jié)果，即得到包含目標(biāo)梯度的邊緣輪廓信息[7]。

針對(duì)船載紅外海上目標(biāo)探測(cè)跟蹤的實(shí)際應(yīng)用場(chǎng)景中，海天線一般為水平傾斜直線，故只需提取紅外圖像的形態(tài)學(xué)垂直梯度。

2.3 閾值分割

最大類間方差法是一種常用的圖像二值化分割方法。該方法先遍歷所有可能的分割閾值，再對(duì)每個(gè)閾值結(jié)果的兩類像素計(jì)算方差，并將類間方差最小時(shí)對(duì)應(yīng)的閾值設(shè)定為圖像的最佳分割閾值[8]。針對(duì)圖像灰度直方圖中雙峰明顯，雙峰無明顯低谷或雙峰和低谷都不明顯的情況，使用該方法可最大化地確定雙峰間的分割閾值位置。

2.4 直線檢測(cè)

紅外圖像經(jīng)預(yù)處理、邊緣檢測(cè)和閾值化分割，所得圖像中仍然會(huì)存在破碎雜波、條紋狀涌浪、天空背景云層和目標(biāo)的垂直梯度信息，通常上述殘留信號(hào)均為弱信號(hào)，而海天線垂直梯度為強(qiáng)信號(hào)，且海天線邊緣輪廓清晰連續(xù)，故可利用Hough變換提取海天線[9]。

Hough變換是一種圖像空間到參數(shù)空間或極坐標(biāo)空間的變換，能夠快速檢測(cè)二值圖像中的線、圓或其他簡(jiǎn)單形狀，其變換過程如圖1。圖像空間中的兩點(diǎn)(x,y)和(x,y)共線，則直線參數(shù)、唯一確定。推論可得：圖像空間中確定直線的點(diǎn)集，其映射到參數(shù)空間中都相交于一點(diǎn)。類似于圖像空間到參數(shù)空間的映射，圖像空間也可映射到極坐標(biāo)空間，且圖像空間中共線的點(diǎn)在極坐標(biāo)空間中都會(huì)交于一點(diǎn)。因此，檢測(cè)圖像空間的直線，相當(dāng)于檢測(cè)參數(shù)空間或極坐標(biāo)空間中相交線最多的點(diǎn)，利用映射關(guān)系，即可在圖像空間中定位海天線。利用最小二乘法擬合圖像空間中的直線檢測(cè)數(shù)據(jù)，可獲得圖像空間中的海天線信息。

3 實(shí)驗(yàn)結(jié)果及分析

本文實(shí)驗(yàn)數(shù)據(jù)來源于2018年3月份某艦載紅外熱像儀采集的夜間紅外圖像，經(jīng)預(yù)處理、邊緣檢測(cè)、閾值分割、直線檢測(cè)的效果如圖2所示。圖2(d)可得，源圖像中海天線附近僅有一個(gè)強(qiáng)目標(biāo)船只，近岸區(qū)域存在海浪的隨機(jī)破碎雜波，其灰度值較大。圖2(b)為源紅外圖像經(jīng)邊緣檢測(cè)后結(jié)果，由圖可得，海浪隨機(jī)破碎雜波對(duì)于海天線的檢測(cè)存在較大干擾。圖2(c)為源紅外圖像經(jīng)預(yù)處理后的邊緣檢測(cè)結(jié)果。相比圖2(b)，圖像預(yù)處理能夠明顯降低海面隨機(jī)破碎波浪對(duì)海天線邊緣輪廓的干擾。圖2(d)為源紅外圖像經(jīng)本文算法提取海天線的實(shí)際效果。相比圖2(e)，進(jìn)一步說明，紅外圖像的預(yù)處理對(duì)于消除海上雜波的干擾具有重要意義。結(jié)果表明，本文方法能夠從復(fù)雜的海面背景中準(zhǔn)確提取海天線。圖2(f)為包含多目標(biāo)船只的紅外圖像，其中船只目標(biāo)有強(qiáng)目標(biāo)也有弱目標(biāo)，均分布在海天線附近，且近岸區(qū)域存在隨機(jī)破碎雜波和細(xì)小的條紋狀涌浪。經(jīng)文中的海天線提取算法處理，能夠準(zhǔn)確提取海天線，為艦載或機(jī)載紅外熱成像對(duì)海上目標(biāo)的探測(cè)跟蹤奠定基礎(chǔ)。

圖1 Hough變換

圖2 海天線檢測(cè)方法對(duì)比

4 結(jié)論

本文針對(duì)船載熱像儀在海上目標(biāo)探測(cè)跟蹤的實(shí)際應(yīng)用場(chǎng)景，介紹了一種基于EmguCV的紅外圖像海天線提取方法。實(shí)驗(yàn)結(jié)果表明，該方法能夠從強(qiáng)背景干擾中準(zhǔn)確提取海天線。證實(shí)了該方法的有效性和準(zhǔn)確性，為船載或機(jī)載紅外熱像儀對(duì)海上目標(biāo)的快速探測(cè)跟蹤奠定基礎(chǔ)。

[1] 安博文, 胡春暖, 劉杰, 等. 基于Hough變換的海天線檢測(cè)算法研究[J]. 紅外技術(shù), 2015, 37(3): 196-199.

AN Bowen, HU Chunnuan, LIU Jie, et al. Study of sea-sky-line detection algorithm based on Hough transform[J]., 2015, 37(3): 196-199.

[2] 張鋒, 楊樹謙. 艦船紅外圖象特征提取及目標(biāo)識(shí)別技術(shù)探討[J]. 紅外與激光工程, 1991(2): 21-25.

ZHANG Feng, Yang Shuqian. Discussion on feature extraction of ship infrared image and target recognition technology[J]., 1991(2): 21-25.

[3] 劉士建, 蔣敏, 莊良. 一種快速有效的紅外圖像中海天線提取算法[J]. 紅外技術(shù), 2011, 33(4): 230-232. LIU Shijian, JIANG Min, ZHUANG Liang. A fast and effective algorithm for sea-sky-line extraction in infrared image[J]., 2011, 33(4): 230-232.

[4] 裴繼紅, 謝維信, 劉上乾. 艦船紅外成象目標(biāo)實(shí)時(shí)識(shí)別跟蹤算法研究[J].光電工程, 1995(5): 21-31.

PEI Jihong, XIE Weixin, LIU Shangqian. Investigations of real time recognition and tracking algorithm for warship IR imaging target[J]., 1995(5): 21-31.

[5] 石文君, 吳中川, 劉曉紅, 等. 低對(duì)比度條件下基于能量積累和Gabor變換的海天線提取[J]. 紅外技術(shù), 2010, 32(5): 283-287.

SHI Wenjun, WU Zhongchuan, LIU Xiaohong. Sky-sea line extraction based on energy accumulation & Gabor transform in low contrast conditions[J]., 2010, 32(5): 283-287.

[6] 劉曄, 胡紹海, 李向軍. 海平面紅外目標(biāo)的檢測(cè)和跟蹤技術(shù)[J]. 計(jì)算機(jī)仿真, 2011, 28(1): 289-293.

LIU Ye, HU Shaohai, LI Xiangjun. Detection and tracking technology for targets in infrared images[J]., 2011, 28(1): 289-293.

[7] 葉斌, 彭嘉雄. 基于形態(tài)學(xué)Top—Hat算子的小目標(biāo)檢測(cè)方法[J]. 中國(guó)圖象圖形學(xué)報(bào), 2002, 7(7): 638-642.

YE Bin, PENG Jiaxiong. Small target detection method based on morphology top-hat operator[J]., 2002, 7(7): 638-642.

[8] Ohtsu N. A threshold selection method from gray-level histograms[J]., 1979, 9(1): 62-66.

[9] 董宇星, 劉偉寧, 王爽. 基于Canny原理海天線檢測(cè)算法研究[J].計(jì)算機(jī)測(cè)量與控制, 2010, 18(3): 697-698.

DONG Xinyu, LIU Weining, WANG Shuang. Sea-sky-line extraction algorithm based on Canny principle[J]., 2010, 18(3): 697-698.

Sea-Skyline Extraction Algorithm Based on EmguCV with Infrared Images

HUANG Pan，MU Rui，ZHONG Jianbo，JIA Yuchao，WANG Caiping，LUO Hong，LUO Yongfang，XIA Qingsong，LI Hongbin，WANG Xing

(,650217,)

Sea-skyline extraction is an important research subject in the development of infrared search-and-rescue equipment for offshore target detection and tracking. This study investigates sea-sky background target-extraction technology and develops a practical sea–skyline extraction algorithm. First, this work uses spatial filtering to eliminate the interference of a small-vessel target and near-domain sea clutter; it then performs a morphological gradient operation, obtains the edge contour of the sea–skyline using the Ostu threshold-segmentation method, obtains a point group using the Hough transform, and extracts the sea-skyline using the least square method. The experimental results show that the algorithm can accurately and quickly extract the sea-skyline. This study provides a foundation for the rapid detection and tracking of offshore targets.

infrared image, sea-sky-line, morphological gradient, Hough transform

TP391

A

1001-8891(2020)11-1048-05

2019-04-22；

2020-10-12.

黃攀（1986-），男，湖北廣水人，碩士，工程師，主要從事紅外系統(tǒng)設(shè)計(jì)及算法研究工作，E-mail：523525650@qq.com。