PMMW金屬目標(biāo)圖像處理與計數(shù)技術(shù)實現(xiàn)

林曉敏， 聶建英

(福州大學(xué)數(shù)學(xué)與計算機(jī)科學(xué)學(xué)院，福州 350108)

0 引言

被動毫米波(PMMW)成像具有全天時全天候和穿透硝煙戰(zhàn)場的工作能力，但PMMW圖像的限制是分辨率［1］。當(dāng)前，國內(nèi)外大部分有關(guān)PMMW成像的文獻(xiàn)都集中在成像技術(shù)和圖像去噪方法的改進(jìn)上，而關(guān)于PMMW圖像金屬目標(biāo)自動計數(shù)的報告尚稀少，暫未查到。在此背景下，本文首次提出實現(xiàn)金屬目標(biāo)自動計數(shù)研究，并給出其具體的實現(xiàn)過程。當(dāng)大量的PMMW圖像目標(biāo)需要識別時，系統(tǒng)在吻合度高的條件下所耗時間遠(yuǎn)低于肉眼識別所需時間。

在PMMW圖像閾值分割問題上，本文通過比較和分析OTSU法與迭代法的各自算法特點(diǎn)，并結(jié)合PMMW圖像的噪聲特性，最終選用迭代法。最后用Visual C++6.0開發(fā)工具實現(xiàn)二值圖像連通域像素標(biāo)記算法，搭建起金屬目標(biāo)個數(shù)的計數(shù)系統(tǒng)，并對系統(tǒng)的響應(yīng)時間做了定量分析。經(jīng)實驗分析，系統(tǒng)具有準(zhǔn)確性，且響應(yīng)時間較短，能準(zhǔn)確地計算出金屬目標(biāo)個數(shù)。本文算法及處理過程可為PMMW金屬目標(biāo)識別和計數(shù)系統(tǒng)的研發(fā)提供一定的參考價值。尤其當(dāng)多源信息融合，多圖像要識別時，可大大縮短肉眼識別所需的時間，快速判斷金屬目標(biāo)個數(shù)，贏得軍事上的寶貴時間。

1 金屬目標(biāo)探測模型

在探測地面目標(biāo)時，毫米波輻射計工作原理是根據(jù)背景和金屬目標(biāo)的毫米波輻射特性之間的差異來探測目標(biāo)的。金屬目標(biāo)的表面反射率趨近1，輻射率趨近0，一般地，地面背景輻射率很高，為0.935左右。毫米波輻射計是一種用于測量物體熱輻射電磁波信號的靈敏度高的接收機(jī)，對天線接收端探測的地面背景溫度和金屬目標(biāo)溫度進(jìn)行比較，即可判斷目標(biāo)是否存在。

在探測距離較近的情況下，可不考慮大氣衰減效應(yīng)，接收機(jī)接收地面輻射，此時天線附近溫度可表示為

式中:θ為入射角;φ為方位角;Δf為接收機(jī)的帶寬;Pi為極化;εg為地面發(fā)射率;εat為大氣發(fā)射率;Ts為天空的真實溫度;Tg為地面的真實溫度;Tat為大氣的真實溫度;ρg為地面發(fā)射系數(shù)。

當(dāng)接收機(jī)接收金屬表面輻射，此時天線附近的溫度可表示為

式中，ρt為金屬目標(biāo)的反射系數(shù)。

由式(1)和式(2)可得地面和金屬目標(biāo)的溫度對比度示為

因金屬與地面背景的視在溫度差很大，從而判斷ΔTt即可檢測出地上的金屬目標(biāo)［2］。但目前毫米波所成圖像的分辨率還較低，因此需要對圖像進(jìn)行處理，以便進(jìn)一步分析其特性。

2 PMMW圖像二值化及數(shù)學(xué)形態(tài)學(xué)處理

2.1PMMW圖像二值化

在圖像識別系統(tǒng)中，一般都需要對圖像進(jìn)行二值化處理，二值化處理后可對目標(biāo)圖像進(jìn)行分割和特征提取等操作。二值化過程是通過選取適當(dāng)?shù)拈撝担?dāng)灰度值大于或等于閥值時則把該灰度值設(shè)為255(白);否則設(shè)為0(黑)。圖像二值化的關(guān)鍵是閾值的選取，經(jīng)典的閾值求解算法有OTSU法、迭代法等。

圖1a是一幅200～300 m距離處集群坦克的被動毫米波成像圖;圖1b是基于OTSU算法的圖1a的二值化圖像，經(jīng)Matlab編程求得其閾值為0.15686;圖1c是基于迭代算法的圖1a的二值化圖像，經(jīng)Matlab編程求得其閾值為0.43137。

因PMMW圖像副對角區(qū)域的概率并不趨向0，而OTSU算法建立在主對角區(qū)域的概率和趨向為1的前提下，因此用OTSU算法對PMMW圖像進(jìn)行二值化不夠合理，且經(jīng)Matlab實驗處理比較，迭代法能更好區(qū)分開目標(biāo)與背景，故本文選用迭代算法作為PMMW金屬目標(biāo)圖像的二值化算法。

圖1 PMMW圖像及其兩種二值化圖像Fig.1 PMMW image and two binary images

2.2 二值化后圖像的數(shù)學(xué)形態(tài)學(xué)處理

數(shù)學(xué)形態(tài)學(xué)研究圖像幾何結(jié)構(gòu)的基本思想是用一個形態(tài)結(jié)構(gòu)元素去試探待處理圖像，驗證能否將此結(jié)構(gòu)元素填充到圖像內(nèi)部。膨脹、腐蝕、開運(yùn)算和閉運(yùn)算這4個運(yùn)算是數(shù)學(xué)形態(tài)學(xué)的基礎(chǔ)。

圖像去噪過程可視為對有用信息進(jìn)行提取，對無用信息進(jìn)行過濾的過程，對二值化后的PMMW圖像，就是從強(qiáng)噪聲背景中提取出金屬目標(biāo)圖像，并把噪聲去除，以得到貼近實際情況的金屬目標(biāo)圖像［3-4］，如圖2所示。

圖2 PMMW二值化圖像的數(shù)學(xué)形態(tài)學(xué)處理過程Fig.2 Steps for processing PMMW binary image based on mathematical morphology

處理的具體步驟如下所述。

1)調(diào)用Matlab中用于對二值圖像進(jìn)行形態(tài)學(xué)操作的函數(shù)bwmorph，其operation參數(shù)選擇open，即對讀入的二值化后的PMMW圖像(圖2a)，進(jìn)行二值開運(yùn)算，消除噪聲，增加邊緣線光滑程度，消除較小的突出部分并斷開間距狹窄的部分，處理結(jié)果如圖2b所示。

2)調(diào)用Matlab中用于對二值圖像進(jìn)行形態(tài)學(xué)操作的函數(shù)bwmorph，operation參數(shù)選擇close，即對圖2b進(jìn)行二值閉運(yùn)算，閉運(yùn)算增加邊緣線光滑程度，但與開運(yùn)算相反的是，它可以消彌狹窄細(xì)長的間斷，消除小的孔洞，并填補(bǔ)邊緣線中的斷裂處，處理結(jié)果如圖2c所示。

3)調(diào)用Matlab中用于對二值圖像進(jìn)行形態(tài)學(xué)膨脹運(yùn)算的函數(shù)imdilate，為了使得處理結(jié)果不產(chǎn)生偏移，這里選取正方形4×4作為結(jié)構(gòu)元素，對圖2c進(jìn)行膨脹處理。膨脹運(yùn)算使圖像擴(kuò)大，并將一些細(xì)小的裂縫連接到一起，修復(fù)一些間斷的簡單結(jié)構(gòu)元素，處理結(jié)果如圖2d所示。

4)調(diào)用Matlab的刪除小面積對象的函數(shù)bwareaopen，把面積小于100的區(qū)域［5］即被膨脹的非目標(biāo)的噪聲點(diǎn)去除掉，bwareaopen函數(shù)的conn參數(shù)選用8鄰域，處理結(jié)果如圖2e所示。

5)調(diào)用Matlab的邊緣檢測函數(shù)edge對圖2e進(jìn)行邊緣提取，Matlab中的常用的圖像邊緣提取算法有:Roberts、Sobel、Prewitt、Canny 等邊緣檢測算子，經(jīng)實驗分析，Roberts算子提取的邊緣較粗糙;Prewitt算子提取的邊緣間斷點(diǎn)較多;Canny算子和Sobel算子邊緣檢測抗噪聲干擾能力好，對PMMW圖像邊緣檢測效果都較理想。該文選用其一Canny算子對圖2e進(jìn)行邊緣提取［6-8］，處理結(jié)果如圖 2f所示。

3 識別系統(tǒng)的實現(xiàn)及與面積法的比較

3.1 像素標(biāo)記法

像素標(biāo)記法是當(dāng)前使用最廣泛的圖像標(biāo)記算法，在經(jīng)由上到下，由左到右兩次掃描之后，即可標(biāo)記出該圖像中符合連通性質(zhì)的連通區(qū)域總數(shù)。一般地，背景像素的灰度值為0，目標(biāo)像素的灰度值為1。注意，對圖像進(jìn)行標(biāo)記之前，為防止斷電或誤操作等意外因素對原圖像造成損壞，系統(tǒng)設(shè)計時另外開辟了一個與原圖像的數(shù)據(jù)大小一樣的內(nèi)存空間來存儲標(biāo)記圖像。

像素標(biāo)記法可分為3個步驟，具體如下所述。

1)讀取圖像，對圖像進(jìn)行初步標(biāo)記，即給每個像素臨時賦一個標(biāo)記值，將具有等價關(guān)系的標(biāo)記值進(jìn)行記錄，并寫入等價對數(shù)組中。

2)對等價對數(shù)組進(jìn)行整理，讀取等價對數(shù)組后，檢查數(shù)組中的等價關(guān)系，并將等價的數(shù)據(jù)用最小標(biāo)記值進(jìn)行替換，這里的最小標(biāo)記值即臨時標(biāo)記的等價對數(shù)組中的最小者。然后用從1開始的正整數(shù)對等價對數(shù)組進(jìn)行重新編號標(biāo)記。

3)用2)中的重新編號標(biāo)記值代替1)中的臨時標(biāo)記值，最后輸出代換后的圖像，輸出的圖像的連通區(qū)域從上到下，從左到右被一個唯一的數(shù)所標(biāo)記。由這些標(biāo)記數(shù)，即可計算出連通區(qū)域個數(shù)［9］。

像素標(biāo)記算法的流程如圖3所示。

圖3 像素標(biāo)記法流程圖Fig.3 Flow chart of pixel labeled arithmetic

3.2 像素標(biāo)記法實現(xiàn)與準(zhǔn)確度測試

根據(jù)以上算法，在Windows XP操作系統(tǒng)平臺上，用Visual C++6.0開發(fā)工具實現(xiàn)以上算法，搭建金屬目標(biāo)識別系統(tǒng)。此系統(tǒng)顯示的連通區(qū)域個數(shù)即是金屬目標(biāo)的個數(shù)，系統(tǒng)界面如圖4所示。

圖4 用戶界面Fig.4 User interface

對經(jīng)上述處理后PMMW圖進(jìn)行測驗，識別結(jié)果如圖5所示。

圖5 計數(shù)結(jié)果Fig.5 Result of counting

注意，圖5界面中包含兩幅圖像，左邊是原始的讀取的待檢測圖像，右邊是標(biāo)記圖像。識別結(jié)果為12個金屬目標(biāo)，這與人眼視覺系統(tǒng)所能從圖形上識別到的12個或13個金屬有較好的吻合度，驗證了此方案金屬目標(biāo)計數(shù)的準(zhǔn)確性。

3.3 系統(tǒng)性能測試

測試環(huán)境配置的主要參數(shù)如下:系統(tǒng)為Windows XP SP3;CPU 為 Intel酷睿 i7 2600，主頻為3.4 GHz，四核心;顯卡為NVIDIA GF104，顯存容量為1 G。軟件為Matlab 7.0;Microsoft Visual C++6.0。

對一幅PMMW圖像測試10次，系統(tǒng)的響應(yīng)時間結(jié)果如表1所示。

表1 次數(shù)與時間的關(guān)系(1)Table 1 The relation between frequency and time(1)

這10次響應(yīng)時間的平均值為0.96869 s，可近似認(rèn)為此平均值即是系統(tǒng)對一幅PMMW圖像的處理和計數(shù)時間，由表1可以看出此系統(tǒng)的計算量較小，且穩(wěn)定。

對10幅PMMW圖像同時進(jìn)行處理，系統(tǒng)響應(yīng)時間如表2所示。

表2 次數(shù)與時間的關(guān)系(2)Table 2 The relation between frequency and time(2)

所測的10次響應(yīng)時間的平均值為3.08803 s，可近似認(rèn)為此平均值即是系統(tǒng)對10幅PMMW圖像的處理和計數(shù)時間。進(jìn)一步，用同樣方法對100幅PMMW圖像進(jìn)行測試，系統(tǒng)的響應(yīng)時間約為32.3569 s。

3.4 面積法測試結(jié)果及兩方法比較

面積法計算目標(biāo)個數(shù)的原理是對分割處理后的圖像的目標(biāo)面積值從小到大進(jìn)行排序，取其中位數(shù)作為平均值，然后用目標(biāo)圖像的總面積除以這個中位數(shù)，從而計算出圖像中目標(biāo)的個數(shù)。用該方法對該文的PMMW圖像進(jìn)行測試，處理的結(jié)果約為17.6個目標(biāo)，這與真實情況的12或13個目標(biāo)有很大的誤差，且面積法要求PMMW圖像的成像距離固定不變［10］。距離一發(fā)生變化就必須重新設(shè)定參數(shù)，否則誤差會很大。像素標(biāo)記法不用考慮距離是否發(fā)生變化，因此像素標(biāo)記法適用條件更寬泛。

所以本文認(rèn)為像素標(biāo)記法更能合理有效計算出PMMW金屬目標(biāo)個數(shù)，面積法造成誤差大的原因很大程度是PMMW圖像自身分辨率低的特點(diǎn)導(dǎo)致的。面積法計數(shù)更適合圖像清晰度高、目標(biāo)成像均勻的圖像。

4 結(jié)束語

本文在PMMW圖像分辨率低、圖像噪聲強(qiáng)的條件下，用數(shù)學(xué)形態(tài)學(xué)方法對其進(jìn)行去噪處理，并用Visual C++6.0開發(fā)工具搭建起金屬目標(biāo)自動計數(shù)系統(tǒng)，并用面積法與像素標(biāo)記法進(jìn)行比較。實驗表明，像素標(biāo)記法能合理有效計算出PMMW圖像中金屬目標(biāo)個數(shù)，有利于軍事上快速做出軍事決策，贏得現(xiàn)代軍事電子對抗時爭分奪秒的寶貴時間，這在軍事上無疑是至關(guān)重要的。同時本文算法可為今后PMMW金屬目標(biāo)識別并自動計數(shù)系統(tǒng)的研發(fā)和完善提供一定的參考。

［1］聶建英，李興國，婁國偉.PMMW裝甲目標(biāo)小波包分析與輻射特性研究［J］.電光與控制.2011，18(3):72-75.

［2］宋建軍，童力，陳旭鋒.利用毫米波輻射計探測金屬目標(biāo)的研究［J］.現(xiàn)代電子技術(shù)，2010，19:47-53.

［3］RAFAEL C G,RICHARD E W.Digital image processing［M］.2nd ed.Publishing house of electronics industry,2003.

［4］倪維平，嚴(yán)衛(wèi)東，邊輝，等.基于MRF模型和形態(tài)學(xué)運(yùn)算的 SAR圖像分割［J］.電光與控制，2011，18(1):32-36.

［5］李凱永，何友金，張鵬，等.地面紅外目標(biāo)圖像識別方法研究［J］.電光與控制，2009，16(3):71-74.

［6］趙繼印，徐艷蕾，焦玉斌.基于順序形態(tài)學(xué)的圖像邊緣檢測快速算法的研究［J］.電子學(xué)報，2008，36(11):2195-2199.

［7］LUENGO-OROZ M A,ANGULO J.Cyclic mathematical morphology in polar-logarithmic representation［J］.Trans Image Process,IEEE,2009,18(5):1090-1096.

［8］KIM J,GRAUMAN K.Asymmetric region-to-image matching for comparing images with generic object categories［C］//Proceedings of International Conference on Computer Vision and Pattern Recognition.San Francisco:IEEE,2010:2344-2351.

［9］王安靜，陳玲，宋建永，等.用VC++實現(xiàn)圖像連通區(qū)域標(biāo)記［J］.電腦編程技巧與維護(hù)，2003(1):74-77.

［10］左欣，韓斌，程嘉林.基于數(shù)字圖像處理的植物葉面積測量方法［J］.計算機(jī)工程與應(yīng)用，2006，42(27):194-197.