余杰， 蔡志明， 王平波

(1.海軍工程大學(xué) 電子工程學(xué)院，湖北 武漢 430030； 2.中國船舶集團(tuán)公司 第715研究所，浙江 杭州 310012)

B顯是現(xiàn)代主動(dòng)聲吶的主要顯示圖像，它在方位(波束)-距離(時(shí)間)平面上以亮度或偽彩形式給出回波強(qiáng)度展示[1-3]，可視為一種空間能量譜。聲吶操作員根據(jù)B顯圖，并結(jié)合聽音結(jié)果，進(jìn)行目標(biāo)判型。隨著主動(dòng)聲吶向低頻、大功率、大孔徑方向發(fā)展[4]，其探測(cè)范圍不斷擴(kuò)大，但識(shí)別能力卻提高有限，導(dǎo)致聲吶B顯圖像呈現(xiàn)的“滿天星”狀日趨嚴(yán)重，操作員難以從中辨識(shí)出目標(biāo)亮點(diǎn)。B顯圖像中所謂“亮點(diǎn)”，是依據(jù)能量聚集性規(guī)則挑選出的局部極值點(diǎn)(或塊)。其中，目標(biāo)和雜波亮點(diǎn)被界定為疑似目標(biāo)，物理上對(duì)應(yīng)于潛艇、水面艦艇等運(yùn)動(dòng)目標(biāo)，或海底大型結(jié)構(gòu)物、海上固定作業(yè)平臺(tái)等靜止目標(biāo)。疑似目標(biāo)亮點(diǎn)的結(jié)構(gòu)與位置相對(duì)穩(wěn)定，從B顯圖像中拾取這些亮點(diǎn)，是目標(biāo)跟蹤與辨識(shí)的前提基礎(chǔ)。

傳統(tǒng)上，需訓(xùn)練提高聲吶操作員的識(shí)圖與聽音能力，使其能依靠經(jīng)驗(yàn)與觀感，手動(dòng)對(duì)B顯圖像做合適調(diào)亮，用肉眼觀察篩選出疑似目標(biāo)亮點(diǎn)，并在其方位上進(jìn)行聽測(cè)，然后綜合多幀(也稱PING)情況做出判決。此方法人為因素大、耗時(shí)長(zhǎng)、效率低，且往往伴隨較高的漏警或虛警，亟待優(yōu)化[5-6]。

為更好解決B顯圖像中疑似目標(biāo)拾取問題，提高聲吶系統(tǒng)操作效率和自動(dòng)化水平，本文提出一種疑似目標(biāo)自動(dòng)拾取算法，包括：圖像自動(dòng)調(diào)亮、自適應(yīng)二值化、形態(tài)學(xué)閉運(yùn)算、連通區(qū)域標(biāo)測(cè)與前景/背景標(biāo)定、全域極值點(diǎn)遍歷提取、極值點(diǎn)視在信噪比計(jì)算、亮點(diǎn)檢取雙閾值計(jì)算、亮點(diǎn)閾值檢測(cè)與綜合篩判等處理環(huán)節(jié)，有機(jī)運(yùn)用圖像分割[7]、圖像形態(tài)學(xué)[8-9]、統(tǒng)計(jì)模型[10]擬合等通用方法，并基于主動(dòng)B顯疑似目標(biāo)拾取對(duì)這些方法做適應(yīng)性設(shè)計(jì)。

該方法無需人工干預(yù)，調(diào)亮、二值化、雙檢取閾值等參數(shù)的計(jì)算都是自適應(yīng)的。由于自動(dòng)劃分了前景與背景2個(gè)區(qū)域，且分別賦予不同檢取閾值，因此較全局單閾值法漏報(bào)率低，為后續(xù)PING間累積和跟蹤識(shí)別打下良好基礎(chǔ)。

1 B顯圖像的一般特性與調(diào)亮處理

1.1 B顯圖像的一般特性

以拖線陣主動(dòng)聲吶為例，典型B顯圖像如圖1，其上呈現(xiàn)出多種回波樣態(tài)。依圖像直觀，這些回波樣態(tài)大致可分為：目標(biāo)亮點(diǎn)(TP)、雜波亮點(diǎn)(CP)、混響亮點(diǎn)(RP)、混響亮區(qū)(RZ)、強(qiáng)輻射源亮條(VB)、拖船亮條(PB)和直達(dá)波亮區(qū)(DZ)等。

圖1 典型的主動(dòng)聲吶B顯圖像

TP、CP在物理上對(duì)應(yīng)于運(yùn)動(dòng)或靜止的實(shí)體目標(biāo)，是B顯圖像上的疑似目標(biāo)；RP無實(shí)體目標(biāo)對(duì)應(yīng)，而RZ為大量混響亮點(diǎn)疊加。VB為遠(yuǎn)場(chǎng)艦船輻射噪聲在主動(dòng)聲吶匹配頻段上的泄漏，而PB為近場(chǎng)拖船噪聲在匹配頻段和近端射指向上的泄漏。DZ則為發(fā)射聲直達(dá)波及其一次海底反射波，往往是最強(qiáng)亮區(qū)。

這些回波樣態(tài)強(qiáng)度不同。圖像亮度合適時(shí)，TP或CP能量聚集性較好，VB和PB的縱向尺度接近貫通，PB更寬且近距離處更強(qiáng)，RZ及DZ具有較大散布面積，RP也有聚集性，但亮度較小或略大。可逐步篩取此類回波樣態(tài)圖像特征，來拾取疑似目標(biāo)。

上面提及的樣態(tài)特征，是對(duì)單幀B顯圖像而言，是本文研究利用的對(duì)象。通過對(duì)多幀圖像特征挖掘，可進(jìn)一步明確疑似目標(biāo)，比如通過連續(xù)多幀間亮點(diǎn)重復(fù)性考察，可排除混響亮點(diǎn)，本文不作展開。

1.2 B顯圖像的調(diào)亮處理

因距離近衰減小且近端向指向性差等因素，PB和DZ共同作用，會(huì)在B顯圖像的近端射方向近距離處形成一塊很強(qiáng)的亮區(qū)，整幅B顯圖像的自然動(dòng)態(tài)范圍很大，如圖2所示。

圖2 B顯圖像原始數(shù)據(jù)

圖2中中下方(對(duì)應(yīng)小掠射方位和很近距離)有一塊極強(qiáng)亮區(qū)，能量高出其他區(qū)域數(shù)個(gè)數(shù)量級(jí)。受此處極值影響，在全局線性歸一化下，圖像的大部分區(qū)域都處于低量化值水平，無法觀察到圖像細(xì)節(jié)和其余亮點(diǎn)。

因此，在分析、拾取疑似目標(biāo)前，需首先對(duì)B顯圖像調(diào)亮處理(截?cái)嗍椒蔷€性放大與歸一化操作)，遍歷其圖像中每個(gè)點(diǎn)Pi，將其乘以適當(dāng)?shù)南禂?shù)：

(1)

式中：α為調(diào)亮步進(jìn)幅度參數(shù)，α∈(1,2]∩R；n為調(diào)亮系數(shù)；α越大，則改變n引起的調(diào)亮變化率越大；Dmax為結(jié)果量化的最大值，結(jié)果中大于Dmax的值被截?cái)嗵幚怼鹘y(tǒng)主動(dòng)聲吶裝備的調(diào)亮過程由人工操作，每次操作，n增大或減小1，全局遍歷求取Pi值，圖像亮度整體變化一次，直至找到適合操作員研判的圖像亮度。未被合理調(diào)亮的B顯圖像可能處于欠亮或者過亮的狀態(tài)，其外觀如圖3所示。

圖3 調(diào)亮不合適的B顯圖像

欠亮狀態(tài)，某些低強(qiáng)度疑似目標(biāo)亮點(diǎn)無法被拾取；過亮?xí)r，某些高強(qiáng)度疑似目標(biāo)亮點(diǎn)可能被截?cái)?，使面積擴(kuò)散失去點(diǎn)狀特征，又或因其他高強(qiáng)度干擾亮條/亮區(qū)的截?cái)鄶U(kuò)散被掩蓋。對(duì)某一強(qiáng)度疑似目標(biāo)合適的亮度選擇，可能對(duì)其余強(qiáng)度疑似目標(biāo)并不合適，需反復(fù)調(diào)整。因此，手工調(diào)亮耗時(shí)耗力，難以形成一致的亮度設(shè)置和統(tǒng)一拾取效果。為實(shí)現(xiàn)疑似目標(biāo)自動(dòng)拾取，首先需構(gòu)建B顯圖像自動(dòng)調(diào)亮算法。

2 疑似目標(biāo)自動(dòng)拾取算法

本文提出的B顯圖像中疑似目標(biāo)自動(dòng)拾取算法，包括圖像自動(dòng)調(diào)亮、自適應(yīng)二值化、形態(tài)學(xué)閉運(yùn)算、連通區(qū)域標(biāo)測(cè)與前景/背景標(biāo)定、全域極值點(diǎn)遍歷提取、極值點(diǎn)視在信噪比計(jì)算、亮點(diǎn)檢取雙閾值計(jì)算、亮點(diǎn)閾值檢測(cè)與綜合篩判等環(huán)節(jié)。算法流程如圖4。

圖4 本文算法流程

2.1 圖像自動(dòng)調(diào)亮

1.2節(jié)介紹了B顯圖像自動(dòng)調(diào)亮算法的重要性。其關(guān)鍵在于自適應(yīng)選取調(diào)亮系數(shù)n；考察一組以連續(xù)調(diào)亮系數(shù)處理后結(jié)果的直方圖，如圖5。

圖5 合理調(diào)亮結(jié)果及其直方圖特征對(duì)比

如圖5所示，若近0值總數(shù)(N0)和近超大值總數(shù)(Nmax)處于N0?Nmax，如圖5(a)，則繼續(xù)增大調(diào)亮系數(shù)n，直到當(dāng)Nmax>N0第1次發(fā)生，如圖5(c),則對(duì)應(yīng)的n可視為最優(yōu)調(diào)亮系數(shù)；相應(yīng)的，圖5(d)為合理調(diào)亮的B顯圖像。若繼續(xù)調(diào)亮，則B顯圖像會(huì)趨于過亮狀態(tài)，其直方圖如圖5(b)所示。

2.2 自適應(yīng)二值化

經(jīng)合理調(diào)亮后，根據(jù)圖像中每個(gè)點(diǎn)的能量大小，將每個(gè)點(diǎn)自然區(qū)分為“亮”與“暗”2態(tài)。此處理過程對(duì)應(yīng)圖像二值化算法。本文應(yīng)用最大熵二值分割算法，利用圖像熵為準(zhǔn)則做圖像分割。給定一特定閾值q(0≤q

式中：P0(q)、P1(q)分別表示q閾值分割的背景和前景像素的累計(jì)概率，兩者之和為1。背景和前景對(duì)應(yīng)的熵為：

(2)

(3)

處于該分割閾值時(shí)，圖像總熵為：

H(q)=H0(q)+H1(q)

(4)

遍歷找到圖像總熵的最大值，將其對(duì)應(yīng)的分割閾值q作為自適應(yīng)二值化閾值，結(jié)果如圖6所示。

圖6 二值化處理結(jié)果

圖6中大部分目標(biāo)、雜波、混響亮點(diǎn)、混響亮區(qū)，強(qiáng)輻射亮條都作為“亮”狀態(tài)與其他部分區(qū)分。

2.3 形態(tài)學(xué)閉運(yùn)算

考察二值化處理結(jié)果可見，一些 “亮”態(tài)點(diǎn)趨于連片，而另外一些“亮”態(tài)點(diǎn)相對(duì)孤立。運(yùn)用數(shù)學(xué)形態(tài)學(xué)，填充趨于連片的“亮”態(tài)點(diǎn)間孔隙，形成圖像上的連通區(qū)域。

數(shù)學(xué)形態(tài)學(xué)利用探針(結(jié)構(gòu)元素)收集圖像信息，當(dāng)探針在圖像中按某種規(guī)則不斷移動(dòng)時(shí)，便可獲得圖像內(nèi)部各個(gè)形狀間的關(guān)系，從而了解圖像的結(jié)構(gòu)特征。

設(shè)f(x,y)是輸入圖像，b(x,y)是結(jié)構(gòu)元素，用結(jié)構(gòu)元素b對(duì)圖像f進(jìn)行膨脹和腐蝕運(yùn)算，算子分別定義為：

(f⊕b)(s,t)=max[f(s-x,t-y)-b(x,y)]

(f?b)(s,t)=min[f(s+x,t+y)-b(x,y)]

f關(guān)于b的開運(yùn)算和閉運(yùn)算算子分別定義為：

f°b=f?b⊕b

(5)

f·b=f⊕b?b

(6)

式中：?、⊕、·和°分別是腐蝕、膨脹、開運(yùn)算和閉運(yùn)算的運(yùn)算符。

形態(tài)學(xué)算法中，結(jié)構(gòu)元素選擇為關(guān)鍵環(huán)節(jié)。考察B顯二值化圖，可觀察到2種典型孔隙：被動(dòng)豎狀干擾孔隙以及連片干擾孔隙，如圖7(b)。設(shè)計(jì)結(jié)構(gòu)元素1(豎線型)和結(jié)構(gòu)元素2(菱形)，如圖7(a)；結(jié)構(gòu)元素1用于前者填充，其閉運(yùn)算效果如圖7(d)；結(jié)構(gòu)元素2用于后者填充，其閉運(yùn)算效果如圖7(f)；處理全過程如圖7(b)～(f)所示。

圖7 結(jié)構(gòu)元素設(shè)計(jì)及閉運(yùn)算算法示意

進(jìn)一步考慮結(jié)構(gòu)元素設(shè)計(jì)，可認(rèn)為結(jié)構(gòu)元素1與2組合類似于紡錘型，符合主動(dòng)回波內(nèi)在構(gòu)型，波束維有展寬，距離維有多途效應(yīng)與脈壓；形成了此部分理論分析的縱深空間，本文不再贅述。

2.4 連通區(qū)域標(biāo)測(cè)與前景/背景標(biāo)定

經(jīng)形態(tài)學(xué)閉運(yùn)算處理，“連片”之間的孔隙已被填充，在圖像上形成連通區(qū)域。提取每個(gè)連通區(qū)域并標(biāo)記，并做適當(dāng)篩選即可標(biāo)定出前景與背景區(qū)域。

應(yīng)用區(qū)域生長(zhǎng)法標(biāo)定每一連通區(qū)域。其基本原理如圖8。圖8(a)灰色區(qū)域?yàn)榇闅v的連通區(qū)域。任選其中一點(diǎn)，如圖8(e)黑點(diǎn)，若其8鄰域中有灰點(diǎn)，則標(biāo)記，得到圖8(f)，而后考察被標(biāo)注所有點(diǎn)的連通區(qū)域中是否有灰點(diǎn)，依此類推，直到被標(biāo)注所有點(diǎn)的8鄰域中沒有灰點(diǎn)，如圖8(h)。

圖8 區(qū)域生長(zhǎng)法步驟示意

標(biāo)出所有連通區(qū)域，并統(tǒng)計(jì)各連通區(qū)域的面積(總點(diǎn)數(shù))。以面積均值為閾值，保留大于閾值的連通區(qū)域，將其全集定義為前景區(qū)，并將B顯圖中非前景區(qū)的部分定義為背景區(qū)，如圖9。

圖9 雙區(qū)域劃分結(jié)果示意

2.5 全域極值點(diǎn)遍歷提取

通過逐點(diǎn)掃描整幅方位距離能量圖，提取每個(gè)中心點(diǎn)八鄰域點(diǎn)的值，若中心點(diǎn)的值為這9點(diǎn)中最大，則該點(diǎn)被視為一個(gè)局部極值被提取。

2.6 極值點(diǎn)視在信噪比計(jì)算

遍歷所有被提取的局部極值，計(jì)算每個(gè)局部極值的視在信噪比。視在信噪比表示局部極值“所在區(qū)域”相較于其“周邊參照區(qū)域”的“凸顯”程度。

局部極值“所在區(qū)域”，可確定為極值點(diǎn)及其八鄰域。一般地，方位維與距離維上的圖像點(diǎn)即對(duì)應(yīng)信號(hào)處理輸出的方位分辨元與距離分辨元，所以極值點(diǎn)的八鄰域點(diǎn)分別對(duì)應(yīng)2個(gè)維度上的三分辨元，這是合理的。局部極值的“周邊參照區(qū)域”可一般性地取“所在區(qū)域”的八鄰域區(qū)域，如圖10所示。并且一般地，八鄰域區(qū)域的大小可與局部極值所在區(qū)域的大小一致?？紤]到不同距離上目標(biāo)能量所占據(jù)的方位分辨元數(shù)量不同，那么距離近的周邊參照區(qū)域或許應(yīng)相應(yīng)大些。

圖10 局部亮點(diǎn)的視在信噪比計(jì)算示意

為簡(jiǎn)化處理，本文的周邊參照區(qū)域大小與局部極值所在區(qū)域的大小一致。截取B顯圖像中包含單個(gè)疑似目標(biāo)的“所在區(qū)域”及其“參照區(qū)域”的部分進(jìn)行觀察，如圖11所示。顯然，這2個(gè)疑似目標(biāo)的能量相對(duì)集中于方位維上約2～3個(gè)點(diǎn)、距離維上約3個(gè)點(diǎn)，說明上述區(qū)域大小的分析是符合現(xiàn)實(shí)的。

圖11 疑似目標(biāo)鄰域形態(tài)示意

視在信噪比的具體算法為：對(duì)于任意一個(gè)局部極值點(diǎn)，取其所在區(qū)域的9個(gè)點(diǎn)計(jì)算能量均值，作為視在信噪比中的“信”部分，記作tar；統(tǒng)計(jì)周邊參照區(qū)域的72個(gè)點(diǎn)的能量均值，作為視在信噪比中的“噪”部分，記作back。如圖11所示。

任一局部亮點(diǎn)p的視在信噪比計(jì)算為：

(7)

將比值取ln，使backtar的局部極值點(diǎn)在視在信噪比尺度規(guī)格上一致。

2.7 亮點(diǎn)撿取雙閾值計(jì)算

一幅B顯圖像中，局部極值點(diǎn)數(shù)量可達(dá)幾千個(gè)。針對(duì)B顯中的背景與前景區(qū)域，分別統(tǒng)計(jì)所有局部極值點(diǎn)視在信噪比，形成2個(gè)統(tǒng)計(jì)分布結(jié)果。由于任意2個(gè)極值點(diǎn)的選取不發(fā)生相互影響，且其視在信噪比計(jì)算方法統(tǒng)一，可視為相互獨(dú)立同分布的隨機(jī)過程，根據(jù)大數(shù)定律，可視為高斯分布形態(tài)。用高斯分布擬合這2個(gè)統(tǒng)計(jì)分布結(jié)果，其示意圖如圖12。

圖12 2個(gè)區(qū)域局部極值視在信噪比分布

圖12(a)、(b)中，2區(qū)域的極值點(diǎn)視在信噪比均值μ都接近0，即大多都非疑似目標(biāo)亮點(diǎn)，而為隨機(jī)起伏；畢竟，疑似目標(biāo)出現(xiàn)為小概率事件。疑似目標(biāo)視在信噪比應(yīng)處于上述高斯分布右拖尾區(qū)。此外，B顯圖像自動(dòng)數(shù)據(jù)處理不能替代前端信號(hào)處理，即不打算拾取弱小能量目標(biāo)，只在意孤立的點(diǎn)目標(biāo)。

經(jīng)統(tǒng)計(jì)運(yùn)算，圖12所對(duì)應(yīng)B顯圖像中，前景區(qū)域標(biāo)準(zhǔn)差σ為0.26，背景區(qū)域?yàn)?.38，兩者差異明顯，體現(xiàn)出此2區(qū)域能量起伏程度特性上的差異。

應(yīng)用高斯分布特性，計(jì)算亮點(diǎn)撿取閾值：統(tǒng)計(jì)前景/背景區(qū)極值點(diǎn)視在信噪比均值，記為μ1與μ2；其標(biāo)準(zhǔn)差，記作σ1與σ2，則雙閾值DT1與DT2為

(8)

式中：β1和β2分別為前景與背景區(qū)檢取閾值的微調(diào)系數(shù)，默認(rèn)為0。

2.8 亮點(diǎn)閾值檢測(cè)與綜合篩判

按所在區(qū)域，將所有局部極值與對(duì)應(yīng)檢取閾值DT1、DT2進(jìn)行大小比較，檢取所有大于閾值的局部極值，其結(jié)果如圖13所示。

圖13 雙閾值能量檢測(cè)結(jié)果

圖13中，方形框標(biāo)注背景區(qū)中撿取結(jié)果；圓形框標(biāo)注前景區(qū)中撿取結(jié)果，作為初篩疑似目標(biāo)。經(jīng)觀察，在被動(dòng)豎狀干擾波束上往往存在較多成排點(diǎn)被檢取，若不加以處理，顯然增加了疑似目標(biāo)虛警。然而，疑似目標(biāo)卻可能在被動(dòng)豎狀干擾波束上，不可一刀切全部排除，可通過能量排序方式處理，即限定單條強(qiáng)輻射源亮帶上的初篩疑似目標(biāo)最大數(shù)量為M個(gè)(M是小的正整數(shù))。其物理意義是，強(qiáng)輻射源信號(hào)作為遠(yuǎn)方平面波入射，在亮帶上是方位聚集的，而亮帶整體是距離平穩(wěn)的；疑似目標(biāo)則一般同時(shí)在方位和距離上聚集，若恰有疑似目標(biāo)位于亮帶上，則一般是有限的聚集，就可與亮帶相區(qū)分。

綜合判篩后，得出最終疑似目標(biāo)的拾取結(jié)果，如圖14所示，其中圓形標(biāo)注即被拾取的疑似目標(biāo)。

圖14 綜合判篩后的拾取結(jié)果

經(jīng)上述多環(huán)節(jié)處理，最終自動(dòng)地從主動(dòng)B顯圖像中拾取出疑似目標(biāo)。為后續(xù)的基于多PING方法進(jìn)一步篩選研判提供基礎(chǔ)。

3 算法效能驗(yàn)證與性能對(duì)比

利用2019年7月南海某海域?qū)嶒?yàn)數(shù)據(jù)驗(yàn)證本文算法有效性，本次實(shí)驗(yàn)包含5個(gè)確定目標(biāo)，分別為水面活動(dòng)目標(biāo)、水下活動(dòng)目標(biāo)以及水面靜止目標(biāo)。

3.1 算法性能比較研究

通過去除自動(dòng)調(diào)亮及雙閾值撿取過程，即使用手動(dòng)調(diào)亮與全局圖像單閾值撿取，可視為去除了本文算法核心機(jī)制，保留其他處理機(jī)制與其一致，作為對(duì)比算法，也可視為近似于人工拾取法的模擬。

分別使用本文算法與對(duì)比算法對(duì)實(shí)驗(yàn)數(shù)據(jù)中相同B顯圖像做處理，拾取結(jié)果如圖15所示。

圖15 不同算法的處理結(jié)果對(duì)照

如圖15，本文算法拾取到所有5個(gè)確定目標(biāo)，對(duì)比算法(手動(dòng)調(diào)亮+單閾值法)漏檢目標(biāo)3與目標(biāo)5。

3.2 利用連續(xù)多個(gè)單幀圖像驗(yàn)證本算法效能

應(yīng)用本文算法處理實(shí)驗(yàn)數(shù)據(jù)，共處理連續(xù)54幀B顯圖像數(shù)據(jù)。結(jié)果中，每幀拾取的疑似目標(biāo)總數(shù)約二十幾個(gè)。其中包括非確定疑似目標(biāo)，這些非確定疑似目標(biāo)或許是本文算法不應(yīng)拾取的虛假點(diǎn)，亦或是海上的確存在的疑似目標(biāo)，只是我們未知。

對(duì)于單幀處理，本算法力求拾取全部疑似目標(biāo)，并限制虛警最大值。在對(duì)此實(shí)驗(yàn)數(shù)據(jù)處理中，限制單幀拾取疑似目標(biāo)最大數(shù)量為32,這是基于探測(cè)場(chǎng)景的經(jīng)驗(yàn)值，同時(shí)就限制了單幀拾取的最大虛警。后續(xù)可觀察連續(xù)多幀處理結(jié)果，以進(jìn)一步排除虛警。

因?qū)嶒?yàn)數(shù)據(jù)中存在較多非確知疑似目標(biāo)，因此，對(duì)疑似目標(biāo)拾取虛警的準(zhǔn)確判定與定量研究需依賴多幀幀間信息，本文算法尚未涉及，不做詳細(xì)展開。

對(duì)于連續(xù)多個(gè)單幀的處理，統(tǒng)計(jì)了本文算法與對(duì)比算法對(duì)確定目標(biāo)的拾取率以及對(duì)確定目標(biāo)的拾取虛警率，如圖16所示。

圖16 連續(xù)多個(gè)單幀拾取結(jié)果統(tǒng)計(jì)

結(jié)果表明，本文算法在連續(xù)54幀拾取到幾乎所有確定目標(biāo)(僅在其中2幀各有1個(gè)目標(biāo)遺漏)，確定目標(biāo)平均拾取率高于99%；而對(duì)比算法則具有相對(duì)較高的確定目標(biāo)漏報(bào)率，如圖16(a)。當(dāng)然，本文算法與對(duì)比算法在連續(xù)54幀處理中，都表現(xiàn)出相對(duì)較高的確定目標(biāo)拾取虛警率，其中本文算法對(duì)確定目標(biāo)拾取虛警率穩(wěn)定在75%左右，略低于對(duì)照算法。因處理的實(shí)驗(yàn)數(shù)據(jù)中確定目標(biāo)為5個(gè)，則綜合表明，本文算法中疑似目標(biāo)拾取虛警最大值得到了限制。

4 結(jié)論

1)本文提出一種主動(dòng)B顯圖像中疑似目標(biāo)自動(dòng)拾取方法。該方法屬于信號(hào)處理之后的數(shù)據(jù)處理，基于數(shù)據(jù)處理實(shí)現(xiàn)目標(biāo)信息的自動(dòng)提取。本文的數(shù)據(jù)處理不打算彌補(bǔ)或提升信號(hào)處理，即不打算實(shí)現(xiàn)檢測(cè)信噪比增益，只在意從信號(hào)處理大量的檢測(cè)分辨單元中自動(dòng)發(fā)現(xiàn)與報(bào)告孤立亮點(diǎn)。這是針對(duì)單PING數(shù)據(jù)的處理，以此為基礎(chǔ)可進(jìn)一步實(shí)現(xiàn)多PING數(shù)據(jù)連續(xù)處理，并由此可實(shí)現(xiàn)目標(biāo)疑似程度的甄別、目標(biāo)運(yùn)動(dòng)要素提取、目標(biāo)形態(tài)提取以及目標(biāo)識(shí)別等。

2)本文算法包括圖像自動(dòng)調(diào)亮、自適應(yīng)二值化、形態(tài)學(xué)閉運(yùn)算、連通區(qū)域標(biāo)測(cè)與前景/背景標(biāo)定、全域極值點(diǎn)遍歷提取、極值點(diǎn)視在信噪比計(jì)算、亮點(diǎn)檢取雙閾值計(jì)算、亮點(diǎn)閾值檢測(cè)與綜合篩判等處理環(huán)節(jié)；并利用海試數(shù)據(jù)，通過算法對(duì)比驗(yàn)證了本文算法效能。結(jié)果表明，本文算法在確定目標(biāo)的檢測(cè)率上比傳統(tǒng)類人工拾取方法優(yōu)越，并且，因?yàn)閷⑹叭》秶譃榍熬氨尘?區(qū)域考慮，具有低漏報(bào)率。

關(guān)于形態(tài)學(xué)結(jié)構(gòu)元素的精細(xì)化選取以及與分辨元相結(jié)合的局部極值點(diǎn)視在信噪比計(jì)算在本文中尚未展開討論，將于后續(xù)研究工作中繼續(xù)開展。