趙業(yè)翀

（江蘇大學(xué) 江蘇省鎮(zhèn)江市 212003）

多云背景條件會對目標(biāo)檢測的精準(zhǔn)度產(chǎn)生較大的影響，從目標(biāo)檢測方法應(yīng)用到各個行業(yè)和領(lǐng)域來看，多云背景條件一般出現(xiàn)在對海上飛機(jī)目標(biāo)檢測的過程中。檢測算法是目標(biāo)檢測工作開展的主要依據(jù)，當(dāng)前能夠應(yīng)用于目標(biāo)檢測的算法類型，以圖像閾值分割算法為主。對基于漸進(jìn)閾值分割的多元背景目標(biāo)檢測進(jìn)行分析，能夠為提高目標(biāo)檢測的實際效果提供一定的技術(shù)優(yōu)化思路。

1 圖像閾值分割算法

1.1 圖像閾值分割算法的具體含義

圖像閾值分割算法是現(xiàn)階段應(yīng)用的最為廣泛的一種圖像分割方法，能夠有效滿足目標(biāo)和背景占據(jù)不同灰度級范圍圖像的分割要求[1]。圖像閾值化主要是指依據(jù)圖像中的目標(biāo)提取物與背景在灰度特性上的差異，將圖像整體劃分為兩個具有不同灰度級的區(qū)域組合，并從中選取一個合適的閾值作為劃分圖像像素點的主要依據(jù)，在對圖像的各個像素點進(jìn)行目標(biāo)和背景區(qū)域的劃分之后，就可以得到一個二值圖像。在此過程中，閾值變換曲線如圖1所示。由閾值分割算法得到的圖像，能夠以壓縮數(shù)據(jù)的方式，減少圖像在實際分割中所占用的儲存空間，簡化圖像后續(xù)的分析和處理步驟，在保證圖像分割效果的同時，也能夠有效提高算法運(yùn)行和處理的效率。

圖1：閾值變換曲線

盡管圖像閾值分割算法一般包括單閾值分割和多閾值分割兩種主要的類型，但兩種圖像分割的算法在應(yīng)用原理上是相對一致的。在圖像閾值分割算法中確定閾值，主要可以呈現(xiàn)出以下形式：

T=T[x,y,p(x,y),q(x,y)]

在該式中，T代表選擇的閾值劃分標(biāo)準(zhǔn)，p(x,y)代表像素點在這一坐標(biāo)位置的灰度值，而q(x,y)代表這一坐標(biāo)點鄰域的局部特性。當(dāng)p(x,y)＞T時，坐標(biāo)點(x,y)就是物體點，當(dāng)p(x,y)＜T時，坐標(biāo)點(x,y)就是背景點?？紤]到T在閾值中的取值不同，可以將圖像分割算法中的閾值標(biāo)準(zhǔn)分為三種類型，即T=T[p(x,y)]的全局閾值，T=T[p(x,y),q(x,y)]的局部閾值，T=T[x,y,p(x,y),q(x,y)]的動態(tài)閾值[2]。全局閾值一般被應(yīng)用到圖像灰度分布較集中的情況中，但由于現(xiàn)實中的圖像分割處理情況大多較為復(fù)雜，因而在實際應(yīng)用圖像閾值分割算法時，通常采用局部閾值和動態(tài)閾值兩種情況。

1.2 閾值選取方法

雙峰法主要是指在假設(shè)圖像主要由前景和背景兩部分組成的前提下，圖像分割后的灰度直方圖中圖像的前景和背景都會形成高峰，而兩個高峰之間的最低谷就是圖像本身的閾值。

迭代法主要是指在分割圖像并求出圖像的最大灰度值和最小灰度值之后，依據(jù)這兩個數(shù)值來確定初始閾值。再選取一個合適的閾值，將圖像分割為前景和背景之后，將閾值標(biāo)準(zhǔn)帶入到初始閾值的計算公式當(dāng)中，從而獲得圖像前景和背景兩者的平均灰度值以及在這種情況下的新閾值[3]。當(dāng)選取的閾值標(biāo)準(zhǔn)與新閾值相等時，可以得出圖像的閾值，如果沒有達(dá)到這一標(biāo)準(zhǔn)，就需要重新選擇閾值來重復(fù)以上步驟，直到得出圖像閾值結(jié)果為止。

大津法主要是指在對需要分割的圖像劃定一個灰度級范圍之后，在這一灰度級范圍內(nèi)選取相應(yīng)的灰度級像素個數(shù)，在對每個灰度級存在的概率進(jìn)行分析之后，得到的灰度級像素就是圖像的閾值。

灰度拉伸法主要是在大津法的基礎(chǔ)上，以增加圖像灰度級數(shù)的方式，增加圖像前景和背景的灰度差，從而讓分割后的圖像更為清晰的一種取值方法[4]。在實際應(yīng)用灰度拉伸法時，需要依據(jù)不同的圖像類型來使用不同的拉伸系數(shù)，以此來保證圖像閾值分割算法的應(yīng)用效果。

Kirsch算法主要是針對數(shù)字圖像中每個像素具有的8個鄰點灰度值提出的，以像素的8個鄰點灰度值為依據(jù)，讓其中三個相鄰點的加權(quán)和減去剩下5個零點的加權(quán)，從而得到一個差值[5]。依據(jù)這一差值大小，可以讓像素的三個鄰點繞著像素點自身不斷移動，閾值就是這個過程中8個差值的最大值，可以用Kirsch算子來表示。

從圖像閾值分割算法的實際應(yīng)用情況來看，迭代法以及灰度拉伸法的閾值取值方法應(yīng)用效果更為明顯[7]。

2 多云背景下的目標(biāo)檢測現(xiàn)狀

多云背景，如圖2，是一種會阻礙目標(biāo)檢測準(zhǔn)確性的主要因素，多云背景條件一般會對飛機(jī)航行過程中的目標(biāo)檢測產(chǎn)生影響。而從空中飛機(jī)目標(biāo)檢測的實際情況來看，飛機(jī)在海上飛行中很容易受到多云背景的影響導(dǎo)致目標(biāo)檢測獲得的圖像清晰度較低。飛機(jī)的目標(biāo)檢測技術(shù)一般存在于艦載光電系統(tǒng)當(dāng)中。在現(xiàn)代科學(xué)技術(shù)不斷提高的背景下，光電成像系統(tǒng)，如圖3，的運(yùn)行效果得到不斷改善，已經(jīng)能夠被應(yīng)用到全天候的工作當(dāng)中，具有較強(qiáng)的抗干擾能力和良好的隱蔽性。光電以下系統(tǒng)能夠被應(yīng)用到偵查監(jiān)視以及探測等多種工作要求當(dāng)中。其中，飛機(jī)上應(yīng)用的艦載光電系統(tǒng)，能夠有效滿足光電對抗、海上精確測量等方面的工作要求。但從艦載光電系統(tǒng)的實際運(yùn)行情況來看，在遠(yuǎn)距離的情況下，由于光電系統(tǒng)中的探測器接收到的目標(biāo)信號較弱，在目標(biāo)檢測中獲得的圖像像素也并不大，這樣就會因為信噪比低、對比度差等原因影響到目標(biāo)檢測圖像的清晰度。

圖2：多云背景

圖3：光成像系統(tǒng)圖

3 基于漸進(jìn)閾值分割的多云背景目標(biāo)檢測分析

3.1 多云背景目標(biāo)特性

要想應(yīng)用漸進(jìn)閾值分割來提升目標(biāo)檢測效果，首先需要對多云背景下的目標(biāo)特性進(jìn)行分析。從以往目標(biāo)檢測中呈現(xiàn)的圖像類型和情況來看，目標(biāo)圖像一般由背景、噪聲和目標(biāo)三部分組成，將目標(biāo)圖像的主要結(jié)構(gòu)用公式來表示如下：

f(x,y)=B(x,y)+N(x,y)+T(x,y)

在該式中，(x,y)代表圖像像素點的坐標(biāo)，f(x,y)為圖像整體的灰度值，B(x,y)為背景的灰度值，N(x,y)為噪聲的灰度值，T(x,y)為目標(biāo)的灰度值。

3.2 漸進(jìn)閾值分割算法的應(yīng)用原理

漸進(jìn)閾值分割是在圖像閾值分割算法應(yīng)用遠(yuǎn)離的基礎(chǔ)上，將檢測算法所依賴的閾值以漸進(jìn)迭代的方式進(jìn)行取值，在建立初步的分割圖像集之后，在集合二值圖像的過程中，以鏈碼描述算法來實現(xiàn)目標(biāo)描述和區(qū)域填充的要求，以此來提取并計算更完整的目標(biāo)特征。在對提取的目標(biāo)特征信息進(jìn)行驗證之后，應(yīng)用信息逐層篩選的策略來確認(rèn)多云背景下的目標(biāo)區(qū)域范圍，并從中保存與目標(biāo)檢測相關(guān)的有效信息。依據(jù)得到的有效信息，將目標(biāo)區(qū)域的圖像進(jìn)行累加，依據(jù)累加后的圖像和設(shè)定的概率閾值來對真實的目標(biāo)進(jìn)行判斷和取舍，從而保證在多云背景下目標(biāo)檢測的準(zhǔn)確性和穩(wěn)定性。一般來說，經(jīng)過閾值化處理后的圖像，可以定義為，其中，圖像為g(x,y)，0為背景、1為對象。

3.3 目標(biāo)檢測過程

如圖4所示。

圖4：以漸進(jìn)閾值算法為依據(jù)的多云背景目標(biāo)檢測流程

3.3.1 云層圖像預(yù)處理

由于多云背景下的云層變化方式和規(guī)律特點并不固定，對云層圖像的預(yù)處理，主要是以背景抑制為主的。在圖像背景抑制過程中，需要以提高圖像整體的信噪比為主要目標(biāo)，保證圖像處理后的效果能夠有效滿足目標(biāo)檢測的要求。對于處在不同云層領(lǐng)域背景的目標(biāo)，選擇合適的背景抑制算法來減少圖像中存在的噪聲和背景雜波，同時，也需要應(yīng)用圖像增強(qiáng)和濾波算法來有效提升云層圖像的信噪比，從而為后續(xù)云層圖像的目標(biāo)特征提取提供便利。

以高通濾波算法為例，考慮到多云背景圖像的像素本身具有較強(qiáng)的關(guān)聯(lián)性，在應(yīng)用傳感器獲取到云層圖像信息之后，可以應(yīng)用高通濾波的方法，從多云背景灰度的相關(guān)性角度來滿足背景抑制的相關(guān)要求。具體而言，高通濾波算法主要應(yīng)用以下表達(dá)式進(jìn)行計算：

在該式中，f(x,y)為獲得的云層原始圖像，s(x,y)為應(yīng)用高通濾波算法背景抑制后的圖像，而m(i,j)為高通濾波算法的應(yīng)用模板（圖5）。一般情況下，高通濾波算法中應(yīng)用的模板尺寸為(2a+1)×(2b+1)。

圖5：高通濾波算法應(yīng)用的模板

3.3.2 基于漸進(jìn)閾值的圖像分割

考慮到多云背景條件本身的復(fù)雜性，依據(jù)圖像閾值漸進(jìn)算法的基本原理，選擇漸進(jìn)迭代的方法來確定閾值大小。

在依據(jù)漸進(jìn)迭代方法計算圖像閾值時，需要以分割閾值的范圍越小、分割次數(shù)越少為主要原則，以μ代表云層圖像閾值均值，以σ代表圖像方差。在多云背景下，云層圖像的方差也比較大，圖像閾值的分割范圍一般為[μ-σ，μ+σ]。而在天空無云的情況下，由于云層圖像的方差也比較小，圖像閾值的分割范圍可以擴(kuò)大到[μ-3σ，μ+3σ]。在確定好圖像閾值的分割范圍之后，就可以結(jié)合云層圖像的灰度分布情況來選擇10-20個漸進(jìn)的灰度閾值，以此來滿足合成二值圖像的要求。

3.3.3 鏈碼描述算法在漸進(jìn)閾值分割中的應(yīng)用

鏈碼描述算法主要是指以鏈碼的形式來對目標(biāo)對象的特征進(jìn)行描述，并依據(jù)描述的信息來對填充相應(yīng)的目標(biāo)區(qū)域。在實際的工作中，鏈碼描述算法主要依據(jù)一個確定的像素點，對像素點周圍的8個鄰點像素的方向以逆時針的形式進(jìn)行編碼。在按照漸進(jìn)閾值算法來對云層圖像進(jìn)行初步分割之后，鏈碼描述算法需要依據(jù)分割后的圖像來對目標(biāo)特征進(jìn)行計算。

在應(yīng)用鏈碼描述算法對目標(biāo)特征進(jìn)行計算時，需要從記錄起始點坐標(biāo)開始，依據(jù)事先確定好的編碼，沿著目標(biāo)邊界對后續(xù)像素點的方向碼進(jìn)行記錄。其中，鏈碼計算過程如下，

在這個過程中，算法計算選取的目標(biāo)特征屬性主要包括目標(biāo)的運(yùn)動特征、目標(biāo)強(qiáng)度、潛在目標(biāo)大小、目標(biāo)與背景之間的對比度、目標(biāo)區(qū)域的像素相關(guān)性六個內(nèi)容。在依據(jù)鏈碼描述算法獲得目標(biāo)特征的屬性參數(shù)信息之后，可以直接計算出檢測目標(biāo)對象的周長、目標(biāo)面積、外接矩形以及邊界梯度強(qiáng)度等具體的特征描述情況。

3.3.4 確認(rèn)目標(biāo)

在對目標(biāo)特征信息進(jìn)行篩選的過程中，依據(jù)漸進(jìn)閾值分割算法的相關(guān)原理和要求，需要在結(jié)合算法系統(tǒng)對目標(biāo)的先驗知識分析后，依據(jù)目標(biāo)的周長與面積、占空比等指標(biāo)來對目標(biāo)進(jìn)行篩選。在得到初步的篩選信息后，還需要依據(jù)圖像成像約束的原理，以目標(biāo)本身的寬高比例約束來對目標(biāo)進(jìn)行再次篩選。在經(jīng)過兩次篩選之后，需要考慮到人造目標(biāo)與云層之間有顯著邊界的特點，以目標(biāo)邊界像素的梯度強(qiáng)度作為確認(rèn)和提取目標(biāo)的主要依據(jù)，正確區(qū)分人造目標(biāo)與自然目標(biāo)。

3.3.5 目標(biāo)判別

考慮到真實目標(biāo)很容易在這個多次篩選的過程中反復(fù)出現(xiàn)，在對目標(biāo)進(jìn)行判別的過程中，在應(yīng)用漸進(jìn)閾值分割算法的前提下，可以憑借閾值概率來作為判別真實圖像的主要依據(jù)。也就是說，在對云層圖像進(jìn)行多次閾值分割的過程中，真實目標(biāo)出現(xiàn)的概率要普遍比偽目標(biāo)出現(xiàn)的概率大，可以依據(jù)這一特點，在累加二值圖像的過程中，依據(jù)閾值概率來確定需要檢測的真實目標(biāo)。而在得到最終累加的二值圖像之后，還需要依據(jù)得到的閾值概率，對閾值圖像進(jìn)行再次分割和篩選，從而有效確定需要檢測的真實目標(biāo)。

3.4 檢測結(jié)果分析

結(jié)合多云背景下目標(biāo)檢測的常用主體來看，在對漸進(jìn)閾值分割算法的有效性進(jìn)行實驗分析時，可以選用飛機(jī)艦載光電系統(tǒng)運(yùn)行中采集到的可見光圖像。本次實驗中選取的多云背景條件下的可見光圖像相關(guān)參數(shù)如下：可見光圖像分辨率為1920×1080，圖像幀頻為100Hz。在圖像處理板平臺上進(jìn)行有關(guān)漸進(jìn)閾值分割算法的目標(biāo)檢測分析。

在實驗檢測的過程中，原始圖像的灰度均值為160，方差為61，依據(jù)漸進(jìn)閾值分割算法的相關(guān)原理，確定原始圖像的閾值取值范圍在99-221的灰度值之間。將漸進(jìn)閾值圖像分割的標(biāo)準(zhǔn)定為每隔20個灰度級進(jìn)行一次圖像分割，在圖像分割完成后累加形成二值圖像。依據(jù)實驗結(jié)果可以發(fā)現(xiàn)，在閾值取159、179時，飛機(jī)目標(biāo)出現(xiàn)。而在對閾值分割的結(jié)果進(jìn)行分析之后可以發(fā)現(xiàn)，159、179的閾值取值在經(jīng)過多次篩選之后仍然能夠完全保留，各種偽目標(biāo)基本都能夠被濾除。如圖6所示。

圖6：閾值159、179（右上）、199（左下）、219取值下的云層圖像呈現(xiàn)效果

而在對這一實驗的整個過程進(jìn)行總結(jié)和分析之后，發(fā)現(xiàn)在可見光圖像的圖像幀頻為100Hz的情況下，對云層單幀圖像進(jìn)行處理的時間最大可以達(dá)到8s，沒有超出對于單幀圖像處理的10s要求。

4 結(jié)論

綜上所述，漸進(jìn)閾值分割算法的應(yīng)用，能夠在一定程度上滿足多云背景下目標(biāo)檢測算法的應(yīng)用要求。目標(biāo)檢測在現(xiàn)代社會的多個行業(yè)和領(lǐng)域中都有著廣泛的應(yīng)用，從圖像閾值分割算法的角度來對現(xiàn)有的目標(biāo)檢測方法和技術(shù)進(jìn)行優(yōu)化，不僅能夠有效提升目標(biāo)檢測的實際效果，同時也能夠讓目標(biāo)檢測被應(yīng)用到實時跟蹤以及光電探測等領(lǐng)域當(dāng)中，有效滿足包括飛機(jī)在內(nèi)的各種技術(shù)領(lǐng)域的現(xiàn)代化發(fā)展要求。