基于圖像融合與處理技術(shù)的艦船目標檢測

曹 冰

(四川工程職業(yè)技術(shù)學院，四川 德陽618000)

0 引 言

艦船目標檢測在國民經(jīng)濟、國家安全和環(huán)境保護等諸多方面有非常重要的地位。艦船目標檢測可以監(jiān)控漁船作業(yè)、港口船舶航行、監(jiān)視艦船的軍事演習等。但由于復(fù)雜的海洋環(huán)境造成船舶檢測困難。目前大多通過獲取光學遙感圖像進行檢測，在獲取光學遙感圖像時，往往受到拍攝時間、拍攝角度、氣候變化等因素的影響導致圖像中含有噪聲、陰影、光斑、模糊等問題。傳統(tǒng)閾值分割無法將艦船從海面背景有效分割出來，實驗證明，基于閾值分割的目標檢測存在較高的虛警率和漏警率［1］。

本文首先獲取原始的光學遙感圖像，進行預(yù)處理去除噪聲等不良因素的干擾;其次進行目標增強，便于感興趣的視覺焦點提取;最后運用自適應(yīng)濾波器提取出劃定的感興趣區(qū)域的特征信息，利用圖像信息融合檢測出艦船目標。

1 基于圖像融合與處理技術(shù)的艦船目標檢測

1.1 基于圖像融合與處理技術(shù)的艦船目標檢測流程

人們在查看光學遙感圖像時通過視覺的非對稱性不斷捕捉圖像的細節(jié)，從而提煉出目標顯著圖，然后找到焦點，能夠快速捕獲到目標。與傳統(tǒng)方法相比，這種方法不需要遍歷整幅圖像，提高了檢測速率。

圖1 艦船檢測流程圖Fig.1 Ship detection flowchart

1.2 艦船目標增強

基于頂帽變換能夠?qū)崿F(xiàn)非線性的空間域濾波，本文利用頂帽變化檢測出圖像的高頻部分，去除掉灰度級變化不大的部分。其目標增強算法為:若f(x，y)表示灰度圖像，b(x，y)是高度為1，對稱且平坦的結(jié)構(gòu)元，此結(jié)構(gòu)元為離散函數(shù)。選擇合適的結(jié)構(gòu)元b 是基于頂帽變換進行目標增強的關(guān)鍵點。Kamarainen J K和Kyrki V［2］等通過對比結(jié)構(gòu)元大的尺寸估算出背景緩慢變化的區(qū)域，然后將獲取到的原始圖像與估算出的區(qū)域相減得到灰度亮變化大的區(qū)域?？墒沁@種方法對于受海浪、云層、霧氣影響所拍攝的光學遙感圖像而言并不能減低虛警率和漏警率。本文考慮在剔除虛警區(qū)域的同時又能最大限度保留目標區(qū)域，設(shè)計了基于自適應(yīng)的結(jié)構(gòu)元素尺寸選取法。

輸入圖像Iinput被均勻劃分為N × M個小格，得到雜波率系數(shù)CRC 為:

式中:σLocal為小格的標準差;LocMean為標準差的平均值，表示局部信息，獲取的光學遙感圖像中海面背景的特征，如噪聲等引起的粗糙度;σWhole為整幅圖的標準差，表示整體信息，描述海面情況，式(2)中α1+ α2=1。

通過CRC 可以計算得到相應(yīng)的結(jié)構(gòu)元素Bsize，本文采用方形的結(jié)構(gòu)元素，大小為Ls× Ls。

式中L-1()為線性反比，其運算函數(shù)如圖2所示。

圖2 線性反比運算Fig.2 Inverse linear operation

圖2 中，CRC的取值范圍為［0，CRCmax］，邊長Ls的取值范圍為［Lmin，Lmax］，從而得到輸入圖像Iinput的增強目標圖像為:

因此得到能夠根據(jù)海面變化等因素自適應(yīng)的結(jié)構(gòu)元素。

1.3 快速選取目標區(qū)域

根據(jù)光學遙感圖像特點可知，艦船目標自身的灰度分布不均勻，所以得到的圖像增強后不能得到連通區(qū)域，不利于目標信息的提取［3］。故本文首先進行區(qū)域連通，即將屬于同一增強區(qū)域合并，方法是:和是待連通的區(qū)域，其兩區(qū)域質(zhì)心距離為，此時待連通區(qū)域合并成一個新的連通區(qū)域，直到第k 次后不再產(chǎn)生新的連通區(qū)域，則候選目標區(qū)域為，M ≤N。經(jīng)過若干次迭代后屬于同一顯著區(qū)域的圖像被合并。保持ROI 區(qū)域與目標尺寸的一致性，以目標區(qū)域的 焦 點 位 置{P1(x1，y1)，P2(x2，y2)，…，PM(xM，yM)}為中心，提取邊長為L的方形ROI，每個ROI的邊長由其對應(yīng)的增強區(qū)域的大小決定，如:

式(5)表示第i個ROI的邊長由第i個目標候選顯著區(qū)域Si決定。

1.4 艦船目標檢測

Gabor 濾波器具有很好的聚焦功能，能在目標鎖定區(qū)域內(nèi)提取更多的有用信息。本文通過一組Gabor 濾波器進行艦船目標增強和提取底層特征信息進行目標檢測，減少了運算的復(fù)雜度［4］。

Gabor 濾波器的計算公式為:

式中:F 為帶通濾波器在頻域中的位置;σx為水平尺度信息;σy為空間尺度信息。

令BF的取值分別為1，1.5，2。，由于Gabor濾波器奇偶對稱，在［0～π］范圍，θ=。

將奇偶對稱的Gabor 濾波器對圖像響應(yīng)的模定義為Gabor 濾波器的能量。

根據(jù)參考文獻［5］選擇1 組參數(shù)不同的Gabor 濾波器組成Gabor 濾波器組來描述圖像所有的方向和頻域信息。

本文采用包含3個濾波器組，每組8個濾波器組成的多通道濾波器，如圖3所示。

圖3 Gabor 濾波器組Fig.3 Gabor filters

由圖3 可知，當圖像通過Gabor 濾波器組后，輸出的24 張子圖像，包含不同方向和頻率的信息，但僅有其中的一小部分圖像能將目標的真實信息表達出來。根據(jù)文獻［6］的融合方法，進行能量誤差逼近，公式為:

通過計算當前Gabor 能量圖與下一個Gabor 能量圖得到R2≥0.95，即得到包含顯著圖像的艦船目標圖像，檢測出艦船目標。

2 實驗結(jié)果

本文選取了55 幅圖，分別使用閾值和本文算法進行艦船目標檢測，實驗結(jié)果如表1所示。

表1 不同艦船目標檢測算法對比Tab.1 Comparison of different ship target detection algorithm

通過表1 可知，本文所設(shè)計的算法與閾值分割進行艦船目標檢測相比，提高了檢測率，降低了漏檢率和虛警率。這是因為在海面復(fù)雜環(huán)境中，閾值分割進行目標檢測時很容易將云朵、浪花等形狀相似的目標分類為艦船目標，增加了虛警率，同時所選擇的閾值有時不能剔除尺寸不理想的特征值，造成漏檢率高于本文設(shè)計的算法，所以說傳統(tǒng)方法對于檢測復(fù)雜海況以及存在形狀相似的對比目標時性能較差。

3 結(jié) 語

針對復(fù)雜海況進行艦船目標檢測，首先獲取原始光學遙感圖像，進行預(yù)處理去除噪聲等不良因素的干擾;其次進行目標增強，利用CRC 自適應(yīng)控制的結(jié)構(gòu)元素尺寸，便于感興趣的視覺焦點提取，運用自適應(yīng)濾波器提取出劃定的感興趣區(qū)域的特征信息，利用圖像信息融合檢測出艦船目標;最后通過實驗進行驗證本文設(shè)計的算法與傳統(tǒng)的艦船目標檢測相比提高了檢測率，即使存在噪聲等不利因素也能有效檢測出目標，并且降低了漏檢率和虛警率。

［1］肖利平，曹炬，高曉穎.復(fù)雜海地背景下的艦船目標檢測［J］.光電工程，2007，34(6):6-10.XIAO Li-ping，CAO Ju，GAO Xiao-ying.Detection for ship targets in complicated background of sea and land［J］.Opto-Electronic Engineering，2007，34(6):6-10.

［2］KAMARAINEN J K，KYRKI V，KALVIAINEN H.Invariance properties of gabor filter-based features overview and applications［C］//IEEE Transactions on Image Processing，2006，15(5):1088-1099.

［3］許志濤，劉金國，龍科慧，等.基于視覺注意機制的海洋監(jiān)視衛(wèi)星圖像艦船目標檢測［J］.激光與光電子學進展，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＆Opto-electronics Progress，2013，50(12):57-65.

［4］姜慶標.光學遙感圖像艦船目標檢測算法研究［J］.艦船科學技術(shù)，2014，36(12):95-98.JIANG Qing-biao.Study of target detection algorithm based on optical remote sensing images［J］.Ship Science and Technology，2014，36(12):95-98.

［5］JAIN A K，RATHA N K，LAKSHMANAN S.Object detection using gabor filters［J］.Pattern Recognition，1997，30(2):295-309.

［6］MORENO P，BERNARDINO A，JOSE Santos-Victor.Gabor parameter selection for local feature detection［J］.Instituto Superior Tecnico ＆ Instituto de Sistemas Robotica，2002.