光學(xué)遙感圖像艦船目標(biāo)檢測(cè)算法研究

姜慶標(biāo)

(南京工程學(xué)院 汽車與軌道交通學(xué)院，江蘇 南京 211167)

光學(xué)遙感圖像艦船目標(biāo)檢測(cè)算法研究

姜慶標(biāo)

(南京工程學(xué)院 汽車與軌道交通學(xué)院，江蘇 南京 211167)

針對(duì)航天圖像艦船目標(biāo)快速檢測(cè)問(wèn)題，本文提出了一種復(fù)雜海洋背景中艦船目標(biāo)的快速提取，艦船尾跡的檢測(cè)及目標(biāo)檢測(cè)算法。根據(jù)人類視覺(jué)注意機(jī)制，把梯度作為視覺(jué)注意前期的簡(jiǎn)單特征，然后以開(kāi)爾文尾跡為主要依據(jù)，以區(qū)域灰度方差表示紋理粗糙度，進(jìn)行艦船尾跡識(shí)別，最后分析艦船檢測(cè)的原則和主要特征，提出艦船目標(biāo)檢測(cè)流程，并進(jìn)行目標(biāo)檢測(cè)實(shí)驗(yàn)，實(shí)現(xiàn)準(zhǔn)確的尾跡識(shí)別和目標(biāo)檢測(cè)。

光學(xué)遙感圖像；尾跡識(shí)別；艦船；目標(biāo)檢測(cè)

0 引 言

隨著高分辨率光學(xué)遙感圖像的出現(xiàn)，遙感圖像細(xì)節(jié)更加豐富，利用航天可見(jiàn)光圖像進(jìn)行海洋目標(biāo)檢測(cè)引起了越來(lái)越多的關(guān)注。現(xiàn)階段，我國(guó)海上安全形勢(shì)日趨復(fù)雜，及時(shí)獲得可疑目標(biāo)的信息和參數(shù)估計(jì)，可為我國(guó)海域?qū)崟r(shí)監(jiān)控系統(tǒng)提供重要數(shù)據(jù)[1-5]。

對(duì)于海域背景簡(jiǎn)單，呈灰度分布時(shí)，以閾值法檢測(cè)艦船目標(biāo)均等得到理想結(jié)果[6-9]。海洋環(huán)境受海洋季風(fēng)氣候影響，多云雨天氣，實(shí)際所獲得的遙感影像往往有較多的云塊存在，圖像中云塊的存在對(duì)艦船的檢測(cè)有較大的影響，造成虛警過(guò)多，同時(shí)由于目標(biāo)的稀缺性及目標(biāo)檢測(cè)的實(shí)時(shí)性要求，如何從含有云層干擾的大數(shù)據(jù)量影像中快速準(zhǔn)確提取出目標(biāo)是艦船檢測(cè)需要解決的問(wèn)題。針對(duì)海域背景復(fù)雜，云層干擾較多的情況，本文研究去除艦船復(fù)雜海洋背景并提取艦船目標(biāo)的方法，并進(jìn)一步研究艦船尾跡檢測(cè)和艦船目標(biāo)檢測(cè)。

1 視覺(jué)注意機(jī)制

廣闊海域中往往只有少量的艦船，如何從中快速選擇感興趣區(qū)域并提取目標(biāo)是艦船檢測(cè)的核心問(wèn)題。人類視覺(jué)系統(tǒng)(HVS)面對(duì)復(fù)雜場(chǎng)景能迅速選擇幾個(gè)區(qū)域進(jìn)行優(yōu)先處理，該過(guò)程被稱為視覺(jué)注意(Visual Attention)，被選中的區(qū)域被稱為注意焦點(diǎn)(Focus of Attention，F(xiàn)OA)，或稱為感興趣區(qū)域(Region of Interest，ROI)。以視覺(jué)注意機(jī)制建立艦船目標(biāo)檢測(cè)模型，繪制檢測(cè)流程如圖1所示。

圖1 基于視覺(jué)圖像的艦船目標(biāo)檢測(cè)流程圖Fig.1 The flow chart of ship target detection based on visual images

根據(jù)人眼視覺(jué)早期對(duì)圖像灰度變化的敏感性，本文把梯度作為視覺(jué)注意前期的簡(jiǎn)單特征。梯度依據(jù)圖像灰度變化的程度劃分，本文以索貝爾(Sobel)算子提取梯度圖，采用的Sobel算子包括2個(gè)方向算子，一為沿水平邊緣檢測(cè)(x方向)，另一個(gè)為沿垂直邊緣檢測(cè)(y方向)，x方向算子Gx可表示為：

y方向算子Gy可表示為：

Sobel算子的梯度模型可表示為：

G[f(i,j)]={Gx[f(i,j)]2+Gy[f(i,j)]2}1/2

2 艦船目標(biāo)尾跡檢測(cè)模型

艦船行駛在海面時(shí)，由于船身與水面作用會(huì)產(chǎn)生擾動(dòng)波紋，艦船行駛過(guò)該區(qū)域后會(huì)在該區(qū)域形成尾跡，尾跡隨著艦船行駛而產(chǎn)生并消散，當(dāng)艦船的尾跡尺度在可分辨范圍內(nèi)時(shí)，可在光學(xué)圖像中將該尾跡提取分析，對(duì)于光學(xué)遙感拍攝的艦船尾跡可被分為以下3類：

1)開(kāi)爾文(Kelvin)尾跡，開(kāi)爾文尾流如圖2所示，是指在艦船航行時(shí)在艦船尾部水面留下的比較清晰可辨、持續(xù)時(shí)間較長(zhǎng)的波動(dòng)界面。開(kāi)爾文尾流主要由橫向波、擴(kuò)散波和尖波構(gòu)成，其中開(kāi)爾文尾跡半張角一般為19.5°左右。艦船實(shí)際運(yùn)行過(guò)程中一般會(huì)產(chǎn)生兩對(duì)開(kāi)爾文尾跡，船首和船尾均會(huì)產(chǎn)生，船尾產(chǎn)生的開(kāi)爾文尾跡幅度遠(yuǎn)大于船首。

2)湍流和旋渦尾跡，湍流和漩渦主要由于艦船排水設(shè)施和艦尾螺旋槳對(duì)水面作用產(chǎn)生，在遙感圖像中由于其持續(xù)時(shí)間較長(zhǎng)、幅度較大而被明顯發(fā)現(xiàn)。

3)局部擾動(dòng)區(qū)域由于其波動(dòng)幅度較小，在艦船檢測(cè)時(shí)可被忽略。

圖2 艦船尾跡模式Fig.2 The ship wake model

由于艦船尾跡存在局部擾動(dòng)區(qū)域和自由波動(dòng)區(qū)域，一般局部擾動(dòng)區(qū)域存在于艦船首部，其波動(dòng)幅度較小，由遙感得到的圖像艦首與艦尾區(qū)域呈現(xiàn)出過(guò)渡條紋帶，灰度值變化較大。對(duì)于船體運(yùn)行方向的前端則由于水面波動(dòng)較小，呈現(xiàn)出平滑的灰度帶，所以艦首艦尾區(qū)域的圖像紋理不同，可根據(jù)紋理特征檢測(cè)該水面區(qū)域是否存在艦船尾跡，并根據(jù)艦首艦尾區(qū)別確定尾跡所在位置，進(jìn)一步確定艦船航向。

區(qū)域灰度方差用來(lái)表示圖像在某一區(qū)域內(nèi)灰度值變化大小，對(duì)于紋理變化較大的區(qū)域方差值較大，根據(jù)艦首艦尾紋理特征不同，本文采用遙感圖像區(qū)域灰度方差表示遙感圖像紋理粗糙度，根據(jù)區(qū)域灰度方差值檢測(cè)是否存在尾跡，并確認(rèn)尾跡方位。根據(jù)開(kāi)爾文尾跡分布理論，其半張角為19.5°，以艦船中心和開(kāi)爾文主線與艦船主軸的夾角來(lái)選擇尾跡包含區(qū)域，尾跡包含區(qū)域大小與方位角關(guān)系如圖3所示。

圖3 尾跡包含區(qū)域與方位角關(guān)系示意圖Fig.3 Wake area and azimuth relationship diagram

區(qū)域從艦船中心處劃分，區(qū)域的大小根據(jù)艦船長(zhǎng)度及圖像分辨率進(jìn)行選取，除邊界限制外保證2個(gè)區(qū)域大小相等，區(qū)域1和2標(biāo)號(hào)的選擇是為了使艦船沿y增大方向行駛時(shí)尾跡都在區(qū)域1中，保持表示的一致性，判別的準(zhǔn)則是：

其中varl和var2分別為區(qū)域1和2中的灰度方差。

3 艦船目標(biāo)的檢測(cè)

基于遙感圖像的艦船目標(biāo)檢測(cè)過(guò)程中包括艦船目標(biāo)特征提取、選擇和識(shí)別提取算法設(shè)計(jì)，首先根據(jù)艦船特點(diǎn)設(shè)定識(shí)別特征，然后利用算法將該特征提取出來(lái)并進(jìn)行分門別類，根據(jù)分類特點(diǎn)對(duì)疑似目標(biāo)進(jìn)行檢測(cè)識(shí)別。其中目標(biāo)檢測(cè)特征的選擇對(duì)目標(biāo)檢測(cè)算法實(shí)現(xiàn)具有決定意義，在選擇過(guò)程中其應(yīng)具有可分性、穩(wěn)健性、完備性與獨(dú)立性、簡(jiǎn)單性和不變性的特點(diǎn)。

遵循以上原則可使指艦船目標(biāo)與虛警目標(biāo)應(yīng)具有本質(zhì)區(qū)別，目標(biāo)檢測(cè)特征不受可能存在的噪聲干擾，其能夠獨(dú)立反映出檢測(cè)目標(biāo)的某一方面信息，不相互重疊和冗余，計(jì)算過(guò)程簡(jiǎn)單、計(jì)算量小、計(jì)算速度快，便于迅速提取、鑒別，其不隨圖像的方向、尺寸等因素變化而變化。

根據(jù)艦船檢測(cè)特征的特點(diǎn)，可用于艦船目標(biāo)檢測(cè)的特征主要包括基于區(qū)域描述的特征、基于邊界描述的特征和其他一些特征，如運(yùn)動(dòng)特征和譜特征。

基于區(qū)域描述的特征主要有統(tǒng)計(jì)特征(如均值、標(biāo)準(zhǔn)差、最大值、偏斜度)、紋理特征(灰度共生矩陣提取的紋理熵、紋理對(duì)比度、均勻性等特征)、形態(tài)特征(周長(zhǎng)、面積、長(zhǎng)寬比、緊湊度、對(duì)稱性)、矩特征(Hu矩、Zernike矩)、分形特征等。基于邊界描述的特征包括傅立葉描述子和邊界序列矩。運(yùn)動(dòng)特征是指根據(jù)第2節(jié)尾跡目標(biāo)檢測(cè)算法所提取的各項(xiàng)特征參數(shù)，其在艦船檢測(cè)中表現(xiàn)明顯，但不一定存在。

通過(guò)對(duì)大量影像的目視判讀，可以發(fā)現(xiàn)中低分辨率圖像中目標(biāo)的像素?cái)?shù)目較少，主要表現(xiàn)出形狀信息。針對(duì)這一特點(diǎn)，借鑒前人所做研究，文中在目標(biāo)檢測(cè)時(shí)選擇以下特征：區(qū)域的面積、長(zhǎng)、寬、長(zhǎng)寬比、EF均值、輪廓序列矩。

1)幾何特征

艦船的面積、長(zhǎng)、寬、長(zhǎng)寬比等幾何特征，是海上目標(biāo)最基本的特征參數(shù)，它表明目標(biāo)的大小，通過(guò)對(duì)不同類型艦船目標(biāo)的統(tǒng)計(jì)，艦船的尺寸總在一定范圍內(nèi)，對(duì)于不符合該范圍的疑似目標(biāo)即可認(rèn)為是虛警，如過(guò)大、過(guò)小、過(guò)長(zhǎng)的疑似目標(biāo)。

2)擴(kuò)展分形均值(Extended Fractal，EF)

EF是一個(gè)局部統(tǒng)計(jì)量，EF特征的基本計(jì)算過(guò)程為：給定一幅圖像I(m,n)，其x維(y維)方向的EF特征是分別對(duì)x(y)方向的圖像數(shù)值延遲2△后的增量平方均值與延遲4△后的增量平方均值的比的對(duì)數(shù)值。

EF作為對(duì)紋理的一種描述可以對(duì)不同紋理圖像進(jìn)行分類，云塊一般灰度變化平緩，EF值較小，故也可將疑似目標(biāo)區(qū)域的EF均值作為檢測(cè)的特征。因EF計(jì)算耗時(shí)，將其作為檢測(cè)特征時(shí)效性更佳，由于EF的尺度敏感性，根據(jù)疑似目標(biāo)的長(zhǎng)度選擇合適的滑窗大小可取得更好結(jié)果。

3)輪廓序列矩

檢測(cè)出疑似目標(biāo)得到其ROI后，依次提取上述特征，對(duì)其進(jìn)行檢測(cè)，檢測(cè)的策略是序貫檢測(cè)與特征匹配相結(jié)合，先對(duì)面積、長(zhǎng)、寬、長(zhǎng)寬比依次進(jìn)行序貫檢測(cè)，濾除不符合條件的，然后根據(jù)區(qū)域EF均值進(jìn)行閡值判決，區(qū)域EF均值小于閡值的則為虛假，接下來(lái)對(duì)輪廓序列矩特征用最小距離法進(jìn)行特征匹配，最終完成檢測(cè)。在進(jìn)行完艦船目標(biāo)檢測(cè)流程后，可根據(jù)艦船的基本幾何尺寸特征，如長(zhǎng)度、寬度對(duì)其進(jìn)行簡(jiǎn)單初始分類，艦船目標(biāo)檢測(cè)流程如圖4所示。

采用本文算法，對(duì)6幅來(lái)自4個(gè)不同遙感平臺(tái)成像條件下的遙感圖像進(jìn)行了目標(biāo)檢測(cè)，圖像中目視判讀共有102個(gè)目標(biāo)，檢測(cè)結(jié)果如表1所示，檢測(cè)率均超過(guò)了90%。

圖4 目標(biāo)檢測(cè)流程Fig.4 The process of target detection

表1 目標(biāo)檢測(cè)結(jié)果

4 結(jié) 語(yǔ)

本文研究了基于遙感圖像的復(fù)雜海域下艦船目標(biāo)的快速檢測(cè)方法，基于視覺(jué)注意機(jī)制建立了艦船目標(biāo)檢測(cè)模型，選定了艦船目標(biāo)特征，根據(jù)開(kāi)爾文尾跡特點(diǎn)建立了艦船目標(biāo)尾跡檢測(cè)模型，以遙感圖像區(qū)域紋理確定了艦船目標(biāo)及航向，根據(jù)艦船目標(biāo)特征，提出了一種艦船目標(biāo)檢測(cè)算法，通過(guò)實(shí)驗(yàn)驗(yàn)證了本文方法的有效性。

[1] 桑農(nóng),李正龍,張?zhí)煨?人類視覺(jué)注意機(jī)制在目標(biāo)檢測(cè)中的應(yīng)用[J].紅外與激光工程,2004,33(1):38-42.

SANG Nong,LI Zheng-long,ZHANG Tian-xu.Applications of human visual attention mechanisms in object detection[J].Infrared and Laser Engineering,2004,33(1):38-42.

[2] 蘇麗芳,朱子健,宋萬(wàn)杰,等.艦船目標(biāo)實(shí)測(cè)數(shù)據(jù) ISAR 成像分析[J].艦船科學(xué)技術(shù),2008,30(3):115-117.

SU Li-fang,ZHU Zi-jian,SONG Wan-jie,et al. The ISAR imaging analysis of the real data of ship target[J].Ship Science and Technology,2008,30(3):115-117.

[3] 肖利平,曹炬,高曉穎.復(fù)雜海地背景下的艦船目標(biāo)檢測(cè)[J].光電工程,2007,34(6):6-10.

SU Li-fang,ZHU Zi-jian,SONG Wan-jie,et al.The ISAR imaging analysis of the real data of ship target[J].Ship Science and Technology,2008,30(3):115-117.

[4] 許志濤,劉金國(guó),龍科慧,等.基于視覺(jué)注意機(jī)制的海洋監(jiān)視衛(wèi)星圖像艦船目標(biāo)檢測(cè)[J].激光與光電子學(xué)進(jìn)展,2013,50(12):57-65.

XU Zhi-tao,LIU Jin-guo,LONG Ke-hui,et al.Ship targets detection of ocean surveillance satellite images based on visual attention[J].Laser &Optoelectronics Progress,2013,50(12):57-65.

[5] 王衛(wèi)衛(wèi),席燈炎,楊塨鵬,等.利用結(jié)構(gòu)紋理分解的海洋艦船目標(biāo)檢測(cè)[J].西安電子科技大學(xué)學(xué)報(bào),2012,39(4):131-137.

WANG Wei-wei,XI Deng-yan,YANG Gong-peng,et al.Warship target detection algorithm based on cartoon-texture decomposition[J].Journal of Xidian University(Natural Science),2012,39(4):131-137.

[6] 陳云飛,賈兵,李桂娟,等.基于高分辨圖像聲吶的艦船聲尾流實(shí)測(cè)研究[J].艦船科學(xué)技術(shù),2012,33(12):82-84.

CHEN Yun-fei,JIA Bing,LI Gui-juan,et al.Experimental study on the acoustic scattering of the ships' wakes using imaging sonar[J].Ship Science and Technology,2012,33(12):82-84.

[7] 唐沐恩,林挺強(qiáng),文貢堅(jiān).遙感圖像中艦船檢測(cè)方法綜述[J].計(jì)算機(jī)應(yīng)用研究,2011,28(1):29-36.

TANG Mu-en,LIN Ting-qiang,WEN Gong-jian. Overview of ship detection methods in remote sensing image[J].Application Research of Computers,2011,28(1):29-36.

[8] 陳標(biāo),侯海平,陶榮華,等.艦船尾跡SAR圖像特征的譜分析研究[J].艦船科學(xué)技術(shù),2009,30(6):95-98.

CHEN Biao,HOU Hai-ping,TAO Rong-hua,et al.Study on the spectrum analysis of SAR image characteristic of ship wake[J].Ship Science and Technology,2009,30(6):95-98.

[9] 高立寧,畢福昆,龍騰,等.一種光學(xué)遙感圖像海面艦船檢測(cè)算法[J].清華大學(xué)學(xué)報(bào):自然科學(xué)版,2011,51(1):105-110.

GAO Li-ning,BI Fu-kun,LONG Teng,et al.Ship detection algorithm for optical remote sensing images[J].Journal of Tsinghua University(Science and Technology),2011,51(1):105-110.

Study of target detection algorithm based on optical remote sensing images

JIANG Qing-biao

(Automotive & Rail Transit,School of Nanjing Institute of Technology,Nanjing 211167，China)

Rapid detection problem for a space ship image target, this paper proposes a rapid extraction of ship target in the complex background of marine, ship wake detection and target detection algorithm.According to human visual attention mechanism, the gradient as a simple features of visual attention early, then kelvin wake as the main basis, expressed as a regional gray variance texture roughness, is used to identify the ship wake, finally analyzes the principle and main characteristics of ship detection, put forward the ship target detection process, and the target detection experiment, has realized the accurate trail identify and target detection.

optical remote sensing images； wake recognition；ships；target detection

2014-03-27;

2014-07-18

姜慶標(biāo)(1970-)，男，碩士，講師，研究方向?yàn)檩o助駕駛系統(tǒng)、計(jì)算機(jī)控制技術(shù)。

U665.26

A

1672-7649(2014)12-0095-04

10.3404/j.issn.1672-7649.2014.12.021