基于灰度特性的海天背景小目標檢測

董宇星，劉偉寧

（1.中國科學院長春光學精密機械與物理研究所，吉林 長春 130033；2.中國科學院研究生院，北京 100039）

基于灰度特性的海天背景小目標檢測

董宇星1，2，劉偉寧1

（1.中國科學院長春光學精密機械與物理研究所，吉林 長春 130033；2.中國科學院研究生院，北京 100039）

針對復雜海天背景下的小目標檢測存在海浪、云層干擾等問題，提出了先提取海天線，然后利用一維最大熵閾值分割法對出現在天空、海面或者海天線附近特定區域的目標進行檢測的算法。該算法主要利用天空海面行灰度均值特性，結合梯度運算和形態學運算在海天線的潛在位置中檢測邊緣，進而用強魯棒性的Hough變換直線檢測法擬合海天線，實現對海天線的準確定位。實驗處理分辨率為256 pixel×256 pixel的位圖時，定位海天線需時4.1ms，檢測到目標需時5.3ms，完全滿足高幀頻圖像處理的實時性要求。實驗結果表明，該算法能夠快速、準確地檢測出小目標，大大降低了虛警率。

小目標檢測；海天線；灰度特性；背景分析；圖像處理

1 引言

船載電視跟蹤系統用于對海天背景下的小目標進行捕獲和跟蹤，主要是通過單幀圖像處理捕獲和跟蹤結果，其難點在于消除海空背景所形成的強雜波，提高對單幀圖像中小目標的檢測能力。由于天空和海洋背景［1］的灰度、噪聲特性差異較大，而且復雜的海天背景中，移動的海面和起伏的波浪反光會使圖像的信噪比和對比度等信息都隨著浪高、距離和太陽位置的不同而不斷變化，背景變化復雜。如果對近海目標直接進行全局檢測和處理，很可能會把海面附近的強噪聲點作為目標，造成很高的虛警率。

單幀海空圖像可劃分為天空區域、海天線區域和海面區域。在海天線附近，云層干擾和海面雜波干擾組成的復雜海空背景使自動目標捕獲、跟蹤的困難較大。如果先檢測出海天線區域，就可以在一定程度上降低后續小目標檢測的難度。因此，本文提出首先確定海天線位置，然后針對目標出現的不同位置，在特定的區域中檢測目標。傳統的Canny［2］算子在對圖像進行邊緣檢測時，需要對圖像數據進行高斯平滑運算、梯度運算、非極值抑制及雙門限檢測運算，需要很大的存儲空間和計算時間，很難做到高幀頻圖像處理的實時性。本文算法的實驗結果表明，該方法簡單、快捷，具有很強的魯棒性，可滿足高幀頻圖像處理的實時性。

2 海天背景特性分析

對于海天線附近的海空背景［3］，由于云層和海浪在形成過程中受到物理規律的制約，它們在空間上往往呈大面積的連續分布狀態，并且海洋背景和天空背景平均灰度分布一般都在不同的范圍內，但在二者的交接處會有比較明顯過渡帶，即海天線的存在?？偟膩碚f，無論是從理論上還是通過對實際拍攝的圖像的分析來看，海空圖像［4］都具有以下的特性：

（1）天空、海面各自具有相對比較平緩的灰度變化。

（2）天空、海面平均灰度有一定的偏差。

（3）在垂直方向上存在比較明顯的過渡帶或者漸進的過渡帶。

一般存在著兩種情況：海面亮度較高，天空亮度較低；海面亮度較低，天空亮度較高，如圖1所示。根據其灰度特性統計的行灰度均值曲線，如圖2所示。在實際拍攝的海空背景圖片中，可能會由于光照、天氣等的影響，海天線呈現出一個漸進的過渡帶，使行均值灰度曲線的峰值不明顯，這時可以采用對行均值灰度曲線求梯度運算，使其具有更明顯的峰點。如果能夠準確檢測出海天線的位置，就可以對小目標在單一背景下進行檢測，這樣可以明顯提高準確度，而且可以減少檢測區域的面積和計算時間，達到實時處理。

圖1 原圖Fig.1 Original images

圖2 行灰度均值曲線Fig.2 Lines of row gray mean

3 行映射法海天線粗定位

通過分析海天背景圖像特性可知，海背景和天空背景在成像平面上的成像效果差別很大，即海背景部分和天空背景部分有各自的灰度聚集范圍，兩種背景之間有一條過渡帶。如果fi，j代表點（i，j）處的像素灰度，而μi代表第i行像素灰度的平均值，計算公式如下：

以行數i作為橫坐標，以行的灰度值（歸一化）作為縱坐標，所畫出的曲線就是行均值曲線?；谛杏成淝€梯度算法的海天線提取算法，能夠較好地定位海天線，計算量小、易于實時實現。但是這種算法僅能對行進行定位，對于傾斜的海天線，無法精確定位。

為了減少計算量和盡量減少海面、天空干擾信號的影響，這里僅對海天線潛在區域附近的子帶圖像進行二值化處理。首先通過以行均值曲線突變點或其梯度曲線［5］的最大值點所在的行n0作為分割點，分別計算以此區分的天空、海面灰度的平均值，如下式：

其中N為圖像中的總行數，f（i）為第i行的灰度值，T即為所求得的分割閾值。

為了下一步利用直線擬合定位海天線，需要對二值化之后的子帶圖像通過Sobel算子檢測邊緣。由于海天線接近水平方向，這里僅利用3×3垂直Sobel算子檢測水平邊緣。

4 用快速Hough變換精確定位海天線

Hough變換［6］是對圖像進行某種形式的坐標變換。它將原始圖像中給定形狀的曲線或直線變換成變換空間中的一個點，即原始圖像中給定形狀的曲線和直線上的所有點都集中到變換空間的某個點上形成峰點。這樣，就把原始圖像中給定形狀曲線或直線的檢測問題，變換成尋找變換空間中的峰點問題，即把檢測整體特性（給定曲線的點集）變成檢測局部特性的問題。

Hough變換檢測直線的基本思想是點到線的對偶性。變換前在圖像空間，變換后在參數空間，設在原始圖像空間（x，y），直線方程為：

式中a為斜率，b為截距。對于這個直線上的任一點pi＝（xi，yi）來說，它在由斜率和截距組成的變換空間（a，b）中應滿足如下方程式：

從而可以看出，圖像空間的一個點（xi，yi）對應于變換空間（a，b）中的一條直線；而變換空間中的一個點（a1，b1）對應于圖像空間中的一條斜率為a1，截距為b1的直線y＝（a1x+b1），變換關系如圖3所示。

圖3 Hough變換Fig.3 Hough transform

對于任意方向和任意位置直線的檢測，為了避免垂直線的無限大斜率問題，往往采用極坐標（ρ，θ）作為變換空間，其極坐標方程可寫成：

參量ρ和θ可以唯一地確定一條直線，ρ表示原點到直線的距離，θ是該直線的法線與x軸的夾角。對于（x，y）空間中的任一點（xi，yi）采用極坐標（ρ，θ）作為變換空間，其變換方程為ρ＝xicosθ+yisinθ，這表明原圖像空間中的一點（xi，yi）對應于（ρ，θ）空間中的一條正弦曲線，其初始角和幅值隨xi和yi的值而變。若將（x，y）空間中在同一直線上的一個點序列變換到（ρ，θ）空間，則所有正弦曲線都經過一點（ρ0，θ0），ρ0為這條直線到原點的距離，θ0為法線與x軸的夾角。其中直線的傾斜角φ與θ之間的關系為：

從上述的步驟中不難發現，Hough變換的一個突出優點是抗干擾能力強。如果待檢測線條上有小的擾動或斷裂，甚至虛線，進行Hough變換后，在變換空間中仍能得到明顯的峰值。

從上述原理可知：Hough變換可以將任意的直線通過變換映射到0～180°的θ變換空間中，原始Hough變換空間橫坐標是180°范圍的網格區域。實際中，由于船搖不會過大，海天線通常不會有過大的傾斜度，一般海天線會以水平面為基準上下擺動，因此，通過Hough變換原理檢測海天線時，在變換域搜索極大值點時，只在θ的有限區域中尋找而不必浪費過多不必要的計算。根據式（7）直線的傾斜角φ與θ之間的關系：可知，如果設定海天線最大傾斜為φmax，即可以得到有效θ范圍為：

假設海天線傾斜角φ為0～30°和150～180°，則有效變換域θ為90～120°和60～90°，即φmax＝30°時，θ＝［90°-φmax，90°+φmax］＝［60°，120°］。

變換空間θ從0～180°變為60～120°，減少到原來的1/3。因此，根據海天線傾斜角的特點，采用式（8）開辟變換域空間，利用局部Hough變換擬合直線能夠大大減少存儲空間的開銷和計算時間，更適合于實時處理。

5 實驗結果及分析

采用本文的檢測算法對實際拍攝的?？毡尘跋碌膱D片在VC++6.0環境中進行了仿真實驗。圖片分辨率為256 pixel×256 pixel。分別使用Canny算子處理及本文算法處理進行對比。圖4中（a）、（e）是原始圖像；（b）、（f）為對海天線區域進行二值化之后的結果；（c）、（g）為Hough變換法海天線檢測結果；（d）、（h）為在單一背景下小目標檢測結果。

圖4 實驗結果Fig.4 Results of the experiment

從以上實驗結果可以看出：對于海浪干擾較小的圖4（d），在二值化時，潛在區域中沒有太多的干擾點存在，海天線提取效果最好；而對于圖4（a），干擾較多，二值化可能會引入一些干擾點，利用形態學濾波可以去除大部分的干擾點。大量的圖片實驗表明，由于環境條件的變化，不同的圖片干擾點的影響程度不同，有時可能無法全部去除，所以本文在直線擬合時采用Hough變換法而不是最小二乘擬合法，主要是為了盡量減少干擾點的影響，且Hough變換法具有更強的魯棒性。最后利用一維最大熵閾值分割法［7］分別對海面和天空背景下的小目標進行檢測，檢測結果如圖4（d）和圖4（h）所示。從圖中可以看到，利用簡單的閾值分割法即可檢測出小目標。與Canny算子處理時間比較，本文算法檢測到海天線所用時間是Canny算子所用時間的1/4，表1是對圖4（a）處理的時間，表2是對圖4（e）處理的時間，結合檢測目標所用的時間，可以滿足實時高幀頻圖像處理要求。

表1 圖4（a）處理時間比較Tab.1 Comparison of processing time for Fig.4（a）

表2 圖4（e）處理時間比較Tab.2 Com parison of processing time for Fig.4（e）

6 結束語

針對復雜的海天背景小目標檢測，提出了先提取海天線，然后對出現在天空、海面或者海天線附近特定區域的目標進行檢測的算法。該算法主要利用天空海面行灰度均值的特性，結合梯度運算和形態學運算在海天線的潛在位置中檢測邊緣，進而用強魯棒性的Hough變換直線檢測法擬合海天線，實現對海天線的準確定位。實驗結果表明：該算法能夠快速、準確地檢測出小目標，大大降低了虛警率。

［1］劉松濤，沈同圣，韓艷麗，等.艦船目標海天線提取方法研究［J］.激光與紅外，2003，33（1）：51-53.

LIU ST，SHEN T SH，HAN Y L，et al..Research on locating the horizontal region of ship target［J］.Laser＆Infrared，2003，33（1）：51-53.（in Chinese）

［2］何新英，王家忠，孫晨霞，等.基于數學形態學和Canny算子邊緣提取方法［J］.計算機應用，2008，28（2）：478-480.

HE X Y，WANG JZH，SUN CH X，et al..Edge detectionmethod based onmathematicalmorphology and Canny algorithm［J］.J.Computer Appl.，2008，28（2）：478-480.（in Chinese）

［3］WEIY，SHIZ L，YU H B.An automatic target detection algorithm based on waveletanalysis for infrared image small target in background of sea and sky［J］.SPIE，2003，5082：123-131.

［4］DAVIESY D，PALMERY P，MIRMEHDIM.Detection and tracking of very small low contrast objects［J］.Proc of the British Machine Vision Conference′98，1998：599-608.

［5］易大義，沈云寶，李有法.計算方法［M］.2版.杭州：浙江大學出版社，2003.

YID Y，SHEN Y B，LI Y F.Computational Methods［M］.2nd ed.Hangzhou：Zhejiang University Press，2003.（in Chinese）

［6］夏良正.數字圖像處理［M］.南京：東南大學出版社，1999.

XIA L ZH.Digital Image Processing［M］.Nanjing：Southeast University Press，1999.（in Chinese）

［7］范宏深，倪國強，馮煜芳.復雜背景可見光圖像中小目標探測的新算法［J］.光電工程，2004，31（6）：48-51.

FAN H SH，NIG Q，FENG Y F.A new algorithm for small and dim target detection of visible image under heavy clutters［J］.Opto-electronic Eng.，2004，31（6）：48-51.（in Chinese）

Detection of sea-sky line in comp licated background based on grey characteristics

DONG Yu-xing1，2，LIUWei-ning1
（1.Changchun Institute of Optics，Fine Mechanics and Physics，Chinese Academy of Sciences，Changchun 130033，China 2.Graduate University of Chinese Academy of Sciences，Beijing 100039，China）

To detect precisely small and dim targets in a complicated background with ocean waves and cloud clutters，a new algorithm is presented which picks up the sea-sky line at first，then efficiently detects the targets on the special region under sky，ocean，and nearby the sea-sky line.On the basis of the line gray characteristics of sea and sky，this algorithm combines the gradientmethod and morphologic operation to segment the sub-band image in a potential area of sea-sky line，further to fit the sea-sky line by Hough transform to implement the precise location of the sea-sky line.The experiment result shows that thismethod can extract the seasky line from the complicated sea-sky background and can detect the small targets fast and efficiently.For a 256 pixel×256 pixel file，the sea-sky line can be located in 4.1 ms and a small target can be detected in 5.3 ms，which demonstrates that the algorithm can meet the requirements of high frame image processing in real time.

sea-sky line；grey characteristic；morphologic operation；Hough translation；line fitting

國家863高技術研究發展計劃資助項目（No.2006aa701410）

1674-2915（2010）03-0252-05

TP391.4

A

2010-04-16；

2010-05-07

董宇星（1979—），男，吉林大安人，助理研究員，主要從事弱目標捕獲、跟蹤等方面的研究。E-mail：dongyuxing@126.com