基于海天背景的小目標檢測

楊亦涵 李和陽

摘要

由于海天背景下，存在海浪、海鳥、云層等干擾問題，設計了海天背景下的小目標檢測系統。該系統先對圖片序列進行去燥處理，然后定位海天線，最后利用目標檢測算法在海天線附近對小目標進行檢測.即首先用中值濾波算法對圖像進行去燥處理，接著通過改進的Hough變換定位海天線，優先從海天線附近檢測目標，從而提高海天背景下小目標檢測的效率。

【關鍵詞】海天背景 小目標檢測 海天線檢測

1 引言

近年來，目標檢測作為國內外學者研究的熱點，在軍事領域、交通監控等領域有著廣泛的應用。其中海天背景下的小目標檢測，由于背景中存在海浪、云層干擾嚴重的特性，使得目標檢測變得困難。通過觀察可以發現，目標一般位于海天線附近，所以可以通過定位海天線，確定目標優先檢測范圍，然后利用目標檢測算法快速檢測到目標，縮短檢測時間，提高目標檢測效率。

2 海天背景分析

由于目標背景的差異，適合的目標檢測算法也有所不同。本文針對海天背景下的目標檢測，為了提高小目標檢測的效率，對海天背景下的圖像進行分析，總結出它們存在的典型特征。主要有以下三個方面：

（1）目標一般位于海天線附近。目標背景由天空區域和海面區域拼接而成，交界處即為海天線。通過觀察發現，目標一般位于海天線附近，海天線一般呈水平方向分布。

（2）海面區域存在噪聲。天空區域主要包含云層，顏色分布均勻，紋理簡單，而海面區域存在海浪等波紋，紋理突出，且存在明顯的噪聲干擾。

（3）目標比較小。一般海天背景下檢測的船艦目標占整副圖像的比例比較小，通常目標只有幾個像素，稱之為小目標。與大目標相比之下，小目標由于像素小，其紋理、顏色等特征不太明顯，是的小目標檢測更為艱難。

通過以上對海天背景圖像特征分析，利用這些特征對海天背景下的船艦小目標進行檢測。

3 基于海天背景的船艦目標檢測

目標檢測系統由圖像預處理、海天線定位、目標檢測三個模塊組成。其中圖像預處理模塊選擇信噪比增益明顯的中值濾波算法濾除圖像中的噪聲，減弱噪聲對目標可檢測性的影響;海天線定位模塊先利用Canny算子進行邊緣檢測，得到邊緣圖像，再利用Hough變換檢測海天線的位置，確定目標大概率出現的區域;目標檢測模塊利用最大熵分割法優先從海天線附近檢測，最終檢測出目標位置。

3.1 中值濾波

由于海天背景下船艦目標所占像素很小，且當海面背景下存在大量海浪，此時背景噪聲往往比目標信號還要大，使得海天背景下小目標檢測變得很困難。為了提高系統對船艦小目標的檢測能力，以及小目標的可檢測性，需要對原始圖像進行濾波處理，減弱背景噪聲的影響，同時增強目標可檢測性。針對海天背景下的船艦小目標檢測，本文采用中值濾波算法，該算法適用于目標像素比較少的圖像。

中值濾波算法在十九世紀八十年代被提出，是一種非線性濾波技術。中值濾波算法的思想是將每一個像素點的灰度值設置為該點某鄰域內的所有像素點灰度值的中值。中值濾波器是一個還有奇數個像素點的窗口，設窗口大小為m，將窗口內像素點按其像素值進行排列，取其中值作為濾波器的輸出，輸出值作為窗口中心位置的像素灰度值。中值濾波的關鍵在于濾波窗口尺寸的選擇，實際應用中根據目標的像素大小來確定，通過實驗不斷測試直到滿意為止。本文通過大量實驗，最終確定濾波窗口尺寸選用3*3。

3.2 基于Hough變換的海天線檢測

海天線即天空與海面銜接處的分界線，通過前面對海天背景的分析，發現目標一般位于海天線附近，可以通過海天線來確定目標最有可能出現的范圍。因此，對于海天背景下的小目標檢測，海天線檢測起著關鍵性的作用。

海天線檢測可以轉換為圖像中直線提取的問題，有很多種方法，如基于灰度特性的海天線檢測，利用天空背景與海面背景明顯的灰度值差別來檢測海天線，當海天線傾斜角度較大時，算法效果較差;基于直線擬合的海天線檢測算法，適用于天空背景比較簡單的情況，容易受云層的干擾;基于Otsu閾值分割的海天線檢測方法取決于閾值的選取，且檢測效率低;基于Hough變換的海天線檢測方法能夠在復雜的海天背景下精確的檢測到海天線，但是也存在一定的問題，如檢測過程比較耗時，導致實時性差。本文針對基于Canny算子和Hough變換的海天線檢測方法進行改進，提高算法的檢測效率。

Canny算子是一個多級邊緣檢測算子，可以實現圖像的邊緣檢測。該算法本質是利用高斯函數的一階微分，提取的邊緣完整且連續性好。

Hough變換的基本思想是利用直角坐標系和極坐標系中，點與線之間的對偶關系，即直角坐標系中的點是極坐標系中的線，直角坐標系中的線是極坐標系中的點，反之成立。圖像空間中的像素點對應的直角坐標系，參數空間對應極坐標系。Hough變換廣泛應用于圖像中各種形狀的檢測。

在X-Y坐標系中，對于直線y=kx+b，一組k和b值對應一條唯一確定的直線，該直線也可以寫成b=（-x）k+y，即在K-B坐標系中，對于一組確定的（x，y）將在K-B坐標系中對應唯——條直線?？紤]到垂直直線斜率無限大問題，把直角坐標系對應到極坐標系中，極坐標方程可以表示為ρ=xcosθ+ysinθ，變量ρ和θ可以唯一確定一條直線，ρ表示原點到直線的距離，ρ表示該直線的發現與x軸的夾角，其中θ的范圍為[-90°，90°]，對邊緣圖像中的每一個邊緣點在參數空間位置的累加器進行一次投票，通過峰值確定像素空間中的直線。

從上述中可以發現，Hough變換對Canny邊緣檢測得到的每個點都進行180度的變換，而實際視頻圖像中船艦目標對象不會有很大的傾斜度，因此可以縮小變換范圍。假如海天線的最大傾斜角度為θ_max，則Hough變換中θ的有效范圍為：[90° -θ_max，90°+θ_max]，縮小了Hough變換的范圍，能夠很大程度上減少計算時間，更適用于實時處理。

海天線提取仿真效果如圖2所示。

實驗結果表明，基于Hough變換改進的海天線檢測方法能夠在復雜的海天背景下精確的定位海天線，有效克服云層海浪等雜波的干擾，檢測效率高且對復雜背景適應性強。

3.3 實驗結果與結論

采用本文設計的系統對實際拍攝的海天背景下的圖片在VS2015環境下進行仿真實驗。原始圖像經過中值濾波處理、海天線檢測、目標檢測后的圖像如圖3所示。

從實驗結果可以看出，系統實現了海天背景下小目標檢測。圖3（1）為原始圖像，圖3（2）為原始圖像經過中值濾波后的圖像，噪聲明顯有所減弱，目標可檢測性更強，圖3（3）中海天線提取效果良好，然后利用一維最大熵閾值分割法對海天背景下的小目標檢測結果如圖3（4）所示，可以準確的檢測出目標所在的位置。

4 結束語

本文主要研究了海天背景下的小目標檢測，首先利用中值濾波算法對原始圖像進行預處理，減弱噪聲的影響，接著利用改進的Hough變換方法提取海天線，縮小目標優先檢測的范圍，最后利用一維最大熵分割法檢測出目標。實驗結果表明，該系統能夠實現準確的目標檢測，通過改進濾波算法提升圖像質量從而提高了目標檢測精確度，通過改進海天線提取算法很大程度上提高了目標檢測效率。

參考文獻

[1]董宇星，劉偉寧.基于灰度特性的海天背景小目標檢測[J].中國光學，2010.