潘明達(dá)，陳艾玲，倪侃俊

(上海埃威航空電子有限公司，上海 200233)

0 引言

我國管理水域內(nèi)通常航路復(fù)雜、通航環(huán)境惡劣，船舶交通密度大，由此增加了船舶航行的難度及危險系數(shù)。并且水域島礁眾多，存在大量跨海大橋、架空線纜、海產(chǎn)品養(yǎng)殖區(qū)域，船舶種類繁雜，使得對該水域不熟悉的船舶產(chǎn)生望而卻步、寸步難行的感覺。由于雷達(dá)應(yīng)答器可以提供一個正確識別目標(biāo)，具有目標(biāo)識別直觀，且受氣候影響較小的特點，許多船長和引航員經(jīng)常在航標(biāo)用戶座談會上希望增加雷達(dá)應(yīng)答器的應(yīng)用，證明其深受廣大航海用戶的喜愛[1]。隨著我國海事部門管理手段不斷提高，海上雷達(dá)航標(biāo)設(shè)置不斷完善，船舶如果能夠充分利用雷達(dá)航標(biāo)設(shè)備反饋的信息進(jìn)行導(dǎo)航，規(guī)避風(fēng)險，將對船舶安全航行有極大的幫助。

一般情況是雷達(dá)航標(biāo)所處水域環(huán)境惡劣，會發(fā)生信標(biāo)漂移或損壞的情況，航標(biāo)船無法及時了解情況，只有在近距離巡檢中人工才能發(fā)現(xiàn)問題，這樣會嚴(yán)重影響航標(biāo)工作效率進(jìn)而影響船舶的安全航行。所以需要一種適用于航標(biāo)船遠(yuǎn)程監(jiān)測雷達(dá)航標(biāo)狀態(tài)的方法，來遠(yuǎn)程監(jiān)測雷達(dá)航標(biāo)的定位狀態(tài)和應(yīng)答狀態(tài)，實現(xiàn)無人監(jiān)測作業(yè)，保障船舶的航行安全。

由于雷達(dá)對物體的掃描結(jié)果是通過圖像反饋的，因此通過圖像識別技術(shù)對雷達(dá)航標(biāo)的監(jiān)測提供了一種新的思路。模板匹配是計算機(jī)視覺技術(shù)重要的應(yīng)用方向，模板匹配主要是對現(xiàn)有的模板和被檢測物體進(jìn)行全方位的匹配和分析[2]。

1 相關(guān)研究

雷達(dá)航標(biāo)（Racon，又稱雷康），是一種被動式的有源雷達(dá)信標(biāo)，它在接收到船用雷達(dá)的發(fā)射脈沖后約0.5us便自動發(fā)出經(jīng)編碼的回答脈沖信號，故又稱為雷達(dá)應(yīng)答器，如圖1所示，其回答的編碼脈沖信號被船用雷達(dá)接收后顯示在屏上，可以測其方位和距離，以供定位和導(dǎo)航之用。由于回答脈沖是編碼的，故便于相互識別，常用的雷達(dá)航標(biāo)信號是把脈沖編成莫爾斯（Morse）碼[3]。雷達(dá)航標(biāo)可在整個船用雷達(dá)工作頻率范圍內(nèi)接收雷達(dá)脈沖信號，而它的回答信號也可被附近同波段雷達(dá)所接收。雷達(dá)航標(biāo)工作頻率在微波X波段，該波段電磁波特性主要以視距傳播為主，而其作用距離與雷達(dá)應(yīng)答器的功率和安裝天線高度等因素有重要關(guān)聯(lián)，更遠(yuǎn)作用距離需要更大的輸出功率和更高的天線高度，同時作用距離與船用天線高度也有相應(yīng)影響[4]。

圖1 雷達(dá)航標(biāo)示意圖

模板匹配技術(shù)的基本原理是通過使用數(shù)學(xué)函數(shù)將被搜索圖的對應(yīng)坐標(biāo)關(guān)系找出，將找到的對應(yīng)關(guān)系代入到數(shù)學(xué)模型中。在這個過程中模板匹配技術(shù)具備的圖像識別能力往往較強(qiáng)，但是若處于嚴(yán)重干擾狀態(tài)，或參照的模板出現(xiàn)了較大變動，就需要使用更為深層的數(shù)學(xué)工具，構(gòu)建出新條件下的數(shù)學(xué)模型。模板匹配技術(shù)包含了神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學(xué)、自適應(yīng)控制等技術(shù)，運算速度較快，實現(xiàn)方法簡單。因此將模板匹配技術(shù)應(yīng)用到圖像識別當(dāng)中有著較為重要的意義[5]。

2 監(jiān)測方法

根據(jù)雷達(dá)航標(biāo)工作原理，利用船載X 波段導(dǎo)航雷達(dá)對雷達(dá)航標(biāo)進(jìn)行掃描，將一次回波掃描后數(shù)據(jù)及雷達(dá)成像模擬數(shù)據(jù)進(jìn)行采集，數(shù)據(jù)處理后形成雷達(dá)回波圖像，為了遠(yuǎn)程監(jiān)測雷達(dá)航標(biāo)的狀態(tài)，采用模板匹配的方法識別雷達(dá)航標(biāo)發(fā)送的莫爾斯編碼。即在待檢測圖像S 中搜索目標(biāo)圖像T（即模板圖像）并返回T 的坐標(biāo)。進(jìn)行模板匹配時，先建立一個標(biāo)準(zhǔn)模板庫，再根據(jù)相似度準(zhǔn)則計算待檢測圖像S 與目標(biāo)圖像T 之間的相似度Similarity(S,T)，兩者相似度越高，相同的可能性就越高。

經(jīng)典邊緣檢測算法主要是通過各自算法的核心濾波器后，進(jìn)行梯度計算，然后經(jīng)過相應(yīng)算子過零點，最后擬合邊緣[6]。采用邊緣提取的方法進(jìn)行模板匹配，常用的邊緣提取算子有Sobel 算子、Laplacian 算子及Canny 算子。Sobel 算子適用于灰度漸變及噪聲較多的圖像，由于圖像的邊緣不止一個像素，而Sobel 算子對邊緣定位的準(zhǔn)確度不高，所以，當(dāng)對算法的精度要求不高時，通常采用Sobel 算子進(jìn)行邊緣檢測。Laplacian 算子對圖像噪聲敏感，很少應(yīng)用于邊緣檢測，通常用于判斷圖像邊緣像素是明區(qū)還是暗區(qū)。Canny 算子是對Sobel、Laplacian 算子的細(xì)化，同時Canny算子對目標(biāo)定位的準(zhǔn)確度更高，Canny算子對圖像噪聲敏感度低，可以檢測圖像弱邊緣，Canny算子的特點與優(yōu)勢在于，其應(yīng)用了雙閾值的方法分別檢測圖像的弱邊緣（潛在的邊緣）與強(qiáng)邊緣（真實的邊緣），該種方法極大地提高了Canny算子的準(zhǔn)確率。

Canny算子基于三個基本目標(biāo)進(jìn)行邊緣檢測：

⑴低錯誤率。所有邊緣包括弱邊緣與強(qiáng)邊緣都應(yīng)被找到，且沒有偽響應(yīng)。

對婦幼保健檔案管理工作有足夠的重視度,一方面將檔案管理工作與日常審查和績效考核等聯(lián)系在一起,經(jīng)常性抽查檔案管理工作質(zhì)量,增強(qiáng)檔案管理人員在這方面的重視度,使檔案管理水平有顯著提高;另一方面,通過宣傳、教育等方式,使檔案管理人員對婦幼保健檔案管理在整個婦幼保健工作的作用有清楚的認(rèn)識,在日常工作中自覺做好檔案管理工作。

⑵邊緣點應(yīng)該被很好地定位。對于已經(jīng)定位的邊緣點，要求其必須足夠接近圖像的真實邊緣。

⑶ 單一的邊緣點響應(yīng)。若僅存一個單一邊緣點，則檢測器不應(yīng)響應(yīng)多個像素邊緣。

2.1 基于模板匹配的圖像識別方法

Canny 算子是一個具有濾波、增強(qiáng)以及檢測的多階段優(yōu)化算子，它具有很好的邊緣檢測的性能[7]。使用Canny 算子進(jìn)行邊緣檢測圖像識別，分為以下五個步驟。

⑴使用高斯平滑濾波器對圖像進(jìn)行平滑操作，削弱噪聲對檢測結(jié)果的影響，達(dá)到降噪的目的。高斯平滑濾波具有優(yōu)良的噪聲平滑性能和邊緣保留能力，適合平滑圖像、去除噪聲，但運算量較大，限制了其在實時圖像處理系統(tǒng)中的應(yīng)用[8]。如何選擇高斯卷積核的尺寸至關(guān)重要，高斯卷積核的大小將影響Canny 算子的性能，通常高斯卷積核尺寸越小，Canny算子對噪聲越敏感，但其定位準(zhǔn)確率也越低。選擇5×5的高斯卷積核，圖像增強(qiáng)后的特征圖像采用高斯平滑濾波消除噪聲，其中高斯內(nèi)核為：

⑵計算像素點的梯度大小及梯度方向。圖像的邊緣有多種方向，Canny 使用了四個方程式對圖像中的水平邊緣、垂直邊緣及對角邊緣進(jìn)行檢測。Canny算子進(jìn)行邊緣檢測時返回水平Gx和垂直Gy方向的一階導(dǎo)數(shù)值，通過倆一階導(dǎo)數(shù)值推算該像素點的梯度大小G和梯度方向。以Sobel算子為例，用Canny算子分別求出模板圖像每個點的x 方向梯度Gx和y 方向梯度Gy；根據(jù)x、y梯度結(jié)合和邊界點位置信息，求取每個邊界點的梯度方向和梯度大小。采用具體的矩陣對平滑濾波后的特征圖像A 進(jìn)行卷積運算，得到特征圖像的x方向梯度Gx和y方向梯度Gy：

根據(jù)x 方向梯度Gx和y 方向梯度Gy，得到特征圖像A的梯度方向和梯度大小，其中，梯度大小G為：

梯度方向θ為：

⑶應(yīng)用非極大值抑制（Non-Maximum Suppression），消除雜散響應(yīng)。非極大值抑制是一種邊緣稀疏技術(shù)，其作用在于減少響應(yīng)的邊。由于僅僅根據(jù)梯度值來提取圖像邊緣無法提取清晰的邊緣，根據(jù)Canny 算法的第三個基本目標(biāo)可知，對邊緣有且應(yīng)當(dāng)只有一個準(zhǔn)確的響應(yīng)，所以應(yīng)用非極大值抑制將局部最大值之外的所有梯度值抑制為0。對像素進(jìn)行非極大值抑制的步驟是：

②如果當(dāng)前像素的梯度大小較大，則保留該像素點為邊緣點，否則抑制該像素點。

⑷ 應(yīng)用雙閾值（Double-Threshold）檢測來確定弱邊緣與強(qiáng)邊緣。對梯度圖像進(jìn)行非極大值抑制后，余下的像素能夠較準(zhǔn)確的表示圖像中的強(qiáng)邊緣，但由于圖像噪聲和顏色變化的影響，仍然存在一些邊緣像素。為解決以上雜散響應(yīng)的問題，應(yīng)用雙閾值檢測，實現(xiàn)用弱梯度值過濾邊緣像素，保留具有高梯度值的邊緣像素。若邊緣像素的梯度值大于高閾值，則將其標(biāo)記為強(qiáng)邊緣像素；若邊緣像素的梯度值小于高閾值且大于低閾值，則將其標(biāo)記為弱邊緣像素；若邊緣像素的梯度值小于低閾值，則抑制該像素。閾值由給定輸入圖像的內(nèi)容決定。

⑸抑制孤立的弱邊緣完成最終邊緣檢測。被標(biāo)記為強(qiáng)邊緣的像素點已經(jīng)確定為邊緣，因為該些像素點來自圖像中的真實邊緣。而弱邊緣像素則無法確定，因為該些像素可以來自真實邊緣，也可以是由圖像噪聲或顏色變化所引起的。為了得到準(zhǔn)確的檢測結(jié)果，應(yīng)該抑制由圖像噪聲或顏色變化引起的弱邊緣。通常情況下，由真實邊緣引起的弱邊緣像素將會連接到強(qiáng)邊緣像素，而由圖像噪聲或顏色變化引起的響應(yīng)未連接。通過查看弱邊緣像素及其8個鄰域像素跟蹤邊緣連接，只要其中一個為強(qiáng)邊緣像素，則該弱邊緣點就可以保留為真實的邊緣。

使用Canny 算子對目標(biāo)圖像T 進(jìn)行預(yù)處理得到特征圖像，對特征圖像進(jìn)行圖像增強(qiáng)操作建立標(biāo)準(zhǔn)模板庫，圖像增強(qiáng)即做多角度變換和多尺度變換，該種方法使得算法具有旋轉(zhuǎn)不變性及尺度不變性，極大提高了算法的魯棒性。

2.2 目標(biāo)篩選

通過位置匹配的方法過濾非雷達(dá)航標(biāo)的目標(biāo)物，采用傳統(tǒng)定位方法標(biāo)定雷達(dá)航標(biāo)目標(biāo)，用一個結(jié)構(gòu)已知、精度很高的標(biāo)定塊（本船）作為空間參照物，通過空間點和圖像點之間的對應(yīng)關(guān)系建立雷達(dá)航標(biāo)目標(biāo)模型參數(shù)（坐標(biāo)）的約束，然后通過優(yōu)化算法來求取這些參數(shù)。根據(jù)待匹配圖像內(nèi)雷達(dá)航標(biāo)信號的坐標(biāo)和待匹配圖像中心點坐標(biāo)，計算出雷達(dá)航標(biāo)信號與待匹配圖像中心點的距離d，以及與正北方向的夾角α。

待匹配圖像中心點坐標(biāo)（x1，y1），雷達(dá)航標(biāo)信號坐標(biāo)（x2，y2）；

距離d=sqrt(abs(x1-x2)*abs(x1-x2+abs(y1-y2)*abs(y1-y2))；

夾角α=atan2((x1-x2),(y2-y1))*(180/PI)；

根據(jù)雷達(dá)圖像的比例尺和雷達(dá)航標(biāo)信號與待匹配圖像中心點的距離d，計算出雷達(dá)航標(biāo)信號與待匹配圖像中心點的實際距離D；

實際距離D=距離d*比例尺；

待匹配圖像中心點即為船舶當(dāng)前位置，其經(jīng)緯度通過船上定位設(shè)備獲取，通過待匹配圖像中心點經(jīng)緯度、雷達(dá)航標(biāo)信號與待匹配圖像中心點的實際距離D以及與正北方向的夾角α，計算出雷達(dá)航標(biāo)信號的實際經(jīng)緯度；

船舶當(dāng)前經(jīng)度，緯度=（longS,lngS）；

地球半徑R=6371000m；

雷達(dá)航標(biāo)信號緯度

最后得出雷達(dá)航標(biāo)信號經(jīng)度

3 軟件設(shè)計

3.1 框架設(shè)計

雷達(dá)航標(biāo)監(jiān)測軟件是集雷達(dá)回波采集、接收、解析、處理、結(jié)果輸出于一體的自動化信息處理系統(tǒng)。軟件基于面向?qū)ο蠓椒ㄔO(shè)計，采用Visual Studio 2017開發(fā)平臺，其總體框架設(shè)計如圖2所示。

圖2 雷達(dá)航標(biāo)監(jiān)測軟件總體架構(gòu)

雷達(dá)航標(biāo)監(jiān)測軟件由圖像處理識別模塊和數(shù)據(jù)處理模塊組成。圖像處理識別模塊用于完成雷達(dá)回波采集，處理、雷達(dá)航標(biāo)圖像模板數(shù)據(jù)庫管理、將處理后的雷達(dá)航標(biāo)圖像與模板進(jìn)行圖像識別比較，將識別結(jié)果送至數(shù)據(jù)處理模塊。數(shù)據(jù)處理模塊完成雷達(dá)航標(biāo)位置的計算，過濾非雷達(dá)航標(biāo)的目標(biāo)物，進(jìn)而提高識別準(zhǔn)確率，最后將結(jié)果輸出。

3.2 圖像處理識別模塊設(shè)計

圖像處理識別模塊由圖像采集、圖像處理及圖像識別三個單元構(gòu)成。該模塊首先將雷達(dá)航標(biāo)的標(biāo)準(zhǔn)回波圖像作為模板，對模板圖像進(jìn)行處理，得到一組雷達(dá)航標(biāo)模板圖像，并獲取雷達(dá)航標(biāo)模板圖像的特征信息；然后采集當(dāng)前雷達(dá)航標(biāo)回波圖像，并進(jìn)行圖像處理，得到待匹配圖像；將雷達(dá)航標(biāo)模板圖像與采集得到的待匹配圖像進(jìn)行匹配，得到雷達(dá)航標(biāo)模板圖像的匹配區(qū)域在待匹配圖像中的坐標(biāo)值，即為該雷達(dá)航標(biāo)模板圖像包含的雷達(dá)航標(biāo)信號在待匹配圖像中的坐標(biāo)值，并將該數(shù)值送至數(shù)據(jù)處理模塊。

3.3 數(shù)據(jù)處理模塊設(shè)計

數(shù)據(jù)處理模塊由雷達(dá)航標(biāo)位置計算、目標(biāo)篩選過濾及結(jié)果輸出三個單元組成。

雷達(dá)航標(biāo)位置計算根據(jù)雷達(dá)航標(biāo)信號的坐標(biāo)值以及待匹配圖像中心點的經(jīng)緯度計算得到雷達(dá)航標(biāo)信號的經(jīng)緯度。

目標(biāo)篩選過濾為提高雷達(dá)航標(biāo)識別率，設(shè)計步驟如下：

⑴創(chuàng)建一份管理水域內(nèi)部署的雷達(dá)航標(biāo)設(shè)備信息對照表，屬性包括：雷達(dá)航標(biāo)編號、雷達(dá)名稱、經(jīng)度、緯度和莫爾斯碼信息。

⑵根據(jù)待匹配圖像內(nèi)目標(biāo)物的位置和中心點位置，計算出目標(biāo)物和中心點的距離d（單位：像素）、以及與正北方向的夾角θ。根據(jù)雷達(dá)圖像的比例尺和目標(biāo)物和中心點的距離d（單位：像素），計算出目標(biāo)物和中心點的實際距離D。根據(jù)船舶當(dāng)前經(jīng)緯度（可通過船上任意定位設(shè)備獲?。┖湍繕?biāo)物和中心點的實際距離D，以及與正北方向的夾角θ，計算出目標(biāo)物的實際經(jīng)緯度。

⑶根據(jù)目標(biāo)物的實際經(jīng)緯度與雷達(dá)航標(biāo)設(shè)備信息表的經(jīng)緯度進(jìn)行比對，分別以目標(biāo)物的實際經(jīng)緯度和信息表的經(jīng)緯度為中心，半徑為100米（考慮到目標(biāo)物的漂移、圖像像素的誤差），如果沒有交集則表示該目標(biāo)物為非雷達(dá)航標(biāo)的目標(biāo)物，如果有交集則表示該目標(biāo)物為雷達(dá)航標(biāo)的目標(biāo)物。經(jīng)上述判斷，信息表的經(jīng)緯度附近可能出現(xiàn)多個雷達(dá)航標(biāo)的目標(biāo)物，則取相似度值較高的為最終目標(biāo)物。

結(jié)果輸出雷達(dá)航標(biāo)的目標(biāo)物的信息如圖3 所示，包括：雷達(dá)航標(biāo)編號（信息表）、雷達(dá)名稱（信息表）、目標(biāo)物經(jīng)緯度T、目標(biāo)物莫爾斯碼信息、實際距離D（米）和夾角θ。

圖3 雷達(dá)航標(biāo)結(jié)果輸出示意圖

4 應(yīng)用驗證

交通運輸部某海事船舶布置雷達(dá)航標(biāo)監(jiān)測軟件，通過該輪的X 波段導(dǎo)航雷達(dá)采集雷達(dá)航標(biāo)回波數(shù)據(jù)，在航標(biāo)巡檢過程中驗證本軟件功能如圖4所示。在沒有布置雷達(dá)航標(biāo)監(jiān)測軟件之前，雷達(dá)航標(biāo)工作狀態(tài)主要依靠人工在雷達(dá)屏幕觀察，且數(shù)據(jù)無法實時記錄，在使用本軟件后，雷達(dá)航標(biāo)數(shù)據(jù)可自動實時的巡查并記錄，提高了航標(biāo)巡查作業(yè)效率。

圖4 前端結(jié)果顯示示意圖

5 結(jié)束語

雷達(dá)航標(biāo)是一種非常重要的助航工具,雷達(dá)航標(biāo)能夠在可見度非常差的情況下識別并定位航標(biāo)而不依賴全球衛(wèi)星導(dǎo)航系統(tǒng),其以一次回波的方式在雷達(dá)上顯示,并直接給出相對于以船舶為中心的數(shù)據(jù)。

本文采用人工智能的一個重要技術(shù)——圖像識別，實現(xiàn)遠(yuǎn)程監(jiān)測雷達(dá)航標(biāo)的位置狀態(tài)和應(yīng)答狀態(tài)；實現(xiàn)無人監(jiān)測作業(yè)；實時了解雷達(dá)應(yīng)答標(biāo)狀態(tài)，提高雷達(dá)航標(biāo)助航效能。該項研究豐富了海事航標(biāo)管理部門的助航手段，為航海用戶提供全方位、多元化的助航保障服務(wù)，對當(dāng)?shù)氐母劭诮ㄔO(shè)、航海運輸和海上生產(chǎn)有著十分重要的意義。