基于多源遙感衛星的海面艦船目標檢測方法

孫越嬌,雷武虎,胡以華,趙楠翔,任曉東

(1.脈沖功率激光技術國家重點實驗室,電子工程學院,安徽 合肥 230037; 2.電子制約技術安徽省重點實驗室,安徽 合肥 230037)

1 引 言

在海洋遙感領域,艦船作為海上運輸載體和重要軍事目標,其自動檢測與識別具有非常重要的現實意義,無論在民用還是軍事領域都有著廣闊的應用前景[1]。由于光學衛星遙感圖像直觀易理解,容易解譯,在海域艦船檢測方面具有SAR衛星遙感圖像不能比擬的優勢[2],因此,目前對于衛星遙感圖像的研究重點已經從SAR衛星遙感圖像慢慢轉向光學衛星遙感圖像[3]。基于光學遙感衛星圖像的艦船目標檢測方面的技術文獻也在逐漸增多,Jubelin等人[4]提出了一種多尺度中高分辨率的艦船檢測算法,龔志成等人[5]提出基于鄰域分析的海洋遙感圖像艦船檢測方法,王衛衛等人[6]利用結構紋理分解檢測海洋艦船目標,此外,還有許多學者也研究了可見光遙感圖像艦船檢測[7-14]。

靜止軌道光學成像衛星具有可對大范圍指定區域進行持續觀測等低軌衛星無法比擬的優勢。但是其成像距離遠,空間分辨率通常較低(數十米量級),艦船在圖像上成像面積小,可利用的顯著特征信息較少,同時還受到云層、海浪等干擾,這使得僅利用靜止軌道遙感衛星對艦船目標進行檢測比較困難。而低軌高分辨率光學衛星雖然其觀測周期較長,但是其空間分辨率較高,艦船目標在圖像上成像面積大,能夠捕捉目標更多的細節,有利于艦船目標的檢測。

針對以上問題,本文提出綜合利用高分辨率遙感圖像與靜止軌道遙感圖像進行艦船目標檢測的方法。首先對靜止軌道衛星圖像進行目標預檢測,然后利用衛星圖像的地理信息,在高分辨率遙感衛星圖像中確定候選目標區域,最后對候選目標區域中的目標進行檢測判別,剔除虛警。該方法不僅能有效檢測出重點關注區域內的多個運動艦船目標,而且為后續對運動艦船的監視跟蹤打下基礎,為靜止軌道遙感衛星實現重點區域持續監視提供技術支撐。

2 基于多源遙感衛星圖像的海上艦船目標檢測方法

2.1 基本原理

基于多源遙感衛星的海上艦船目標檢測的原理框圖如圖 1 所示。

圖1 多源遙感衛星艦船目標檢測流程框圖

2.2 靜止軌道遙感衛星圖像目標預檢測

2.2.1 多結構多尺度top-hat融合處理

首先利用多結構多尺度top-hat形態學濾波對海洋背景圖像進行預處理,抑制背景,增強目標,提高目標與背景的對比度。由于圖像中的目標可能具有不同的尺度特性,若對整幅圖像采用單一的結構元素做處理,會丟失圖像的細節信息。因此,根據艦船目標的形狀特征,選擇不同方向、不同尺度的直線及方形結構元素組合構造多結構元素,如圖2所示。

圖2 不同的結構元素類型

將不同結構、尺度元素的top-hat濾波結果進行一定融合處理,公式如下:

(1)

其中,f為原始圖像；r為處理后圖像；n表示結構元數目；ω表示加權系數；b為結構元。

圖3給出了預處理的示例。

圖3(c)、(d)為top-hat形態學濾波結果灰度圖及三維圖,圖3(e)、(f)為本文方法進行預處理的結果灰度圖及三維圖,由圖可知,多結構多尺度top-hat形態濾波雖然背景抑制效果稍遜于top-hat形態濾波,但是其對弱小目標的增強效果遠遠超過top-hat形態濾波,增強了目標與背景的對比度。

圖3 預處理的示例

2.2.2 自適應閾值分割

對預處理后的圖像采用基于圖像均值的自適應閾值分割方法[15]分割出目標。具體算法如式(2)～(4)所示。

T1=meanfx,y

(2)

(3)

Tk+1=(mean(f(fk=1))+mean(f(fk=0)))/2

(4)

迭代直到e=Tk+1-Tk滿足一定的參考條件,取分割閾值T=Tk+1,將圖像分割成兩個部分。

由于閾值分割的不完整,可能存在單個艦船目標由多個鄰近連通域組成的情形,利用區域增長法對各個預檢測目標的連通域進行標記。針對一幅圖像中可能存在多個艦船目標的情況,利用海上運動的艦船目標之間都存在一定的安全距離這一條件作為聚類條件,對連通域進行聚類,得到預檢測結果。

2.3 高分辨率遙感圖像艦船目標檢測

2.3.1 候選目標區域確定

(1)設靜止軌道衛星圖像大小為m×n,對應的地理坐標：經度為Long1～Long2,緯度為Lat1～Lat2。利用2.2中方法對靜止軌道衛星圖像進行處理得到目標在圖像中的坐標,記為x,y,則目標的地理坐標為:

(5)

(6)

(2)設高分辨率衛星圖像大小為m′×n′,對應的地理坐標：經度為Long1′～Long2′,緯度為Lat1′～Lat2′,則目標在圖像中的位置為(x′,y′):

(7)

(8)

圖4 候選目標區域示意圖

2.3.2 艦船目標判別

在高分辨率衛星圖像的候選目標區域內對預檢測結果進行艦船目標的最終判別。本文利用最小外接矩形提取目標的形狀特征[5,16]作為判別依據:

(1)艦船長度L,Lmin≤L≤Lmax；

根據艦船外形的規定參數、先驗知識設定具體的門限值。同時滿足上述3個條件時,判斷為艦船目標,否則剔除。

3 實驗結果與分析

為了驗證本文算法的有效性,采用matlab仿真實驗進行說明。

實驗1為靜止軌道衛星圖像目標預檢測仿真實驗。

本文采用16 m分辨率的光學遙感圖像作為原始圖像來模擬靜止軌道遙感衛星圖像,圖像來自Google Earth,圖像大小為512×512；實驗1分別采用多結構多尺度top-hat濾波算法和top-hat濾波算法對圖像進行預處理,然后進行自適應閾值分割檢測目標。實驗結果如圖5所示。

圖5 靜止軌道衛星圖像目標預檢測結果

如圖所示,圖5(a)、(d)、(g)分別為三幅不同的原始圖像,(b)、(e)、(h)為top-hat濾波后檢測結果,(c)、(f)、(i)為本文提出的濾波算法檢測結果。在第一組實驗中(圖5(a)～(c)),圖像中含有17個目標,圖5(b)檢測出18個目標,圓圈為虛警,圖5(c)成功檢測出17個目標；第二組實驗中(圖5(d)～(f)),圖像中含有目標19個,兩種方法都檢測出17個目標,漏檢2個；第三組實驗中(圖5(g)～(i)),圖像中含有目標28個,圖5(h)檢測出26個目標,漏檢2個,圖5(i)成功檢測出28個目標,其中橢圓為本文方法檢測出而top-hat方法沒能檢測出的目標。由實驗結果可知,兩種方法對極小目標的檢測都存在困難,發生漏檢情況,但是總體來說,多結構多尺度top-hat濾波后分割的檢測率,虛警率都優于top-hat濾波后分割檢測。因此,采用多結構多尺度top-hat濾波能得到更好的預檢測效果。

實驗2為高分辨率遙感圖像艦船目標檢測。

圖6為模擬靜止軌道低分辨率衛星圖像,分辨率16 m,大小為285×175,方形框為實驗1的預檢測結果,由圖可知,預檢測目標為8個。取艦船運動最大速度為30節,低軌高分辨率遙感衛星圖像與靜止軌道遙感衛星圖像的拍攝間隔時間為10 s,結合衛星圖像地理位置信息并按照本文2.3.1節中的公式(5)～(8)可以獲取高分辨率衛星圖像中的目標候選區域,在目標候選區域計算目標判別特征如表1所示。

圖6 預檢測結果

目標1234長度16．970646．857932．019221．8619長寬比1．04353．64533．42．8761矩形度0．73190．72050．82580．7101目標5678長度26．807515．949417．677755．9017長寬比3．40742．26833．57153．2051矩形度0．87240．882810．7333

根據艦船外形的規定參數、先驗知識取Lmin=10,Lmax=100,Rt=2,Ft=0.7,對表1中特征參數進行判別,結果如圖7所示。

圖7 艦船檢測結果

由實驗結果可知,預檢測結果中含有8個目標,在經過對高分辨率圖像中的候選目標區域判別后,有效發現了預檢測結果中的虛假艦船目標,并將其剔除。此外,對高分辨率圖像的候選目標區域進行處理,避免了對整幅圖像處理的龐大計算量,提高了效率。最后將判別結果反映到靜止軌道衛星圖像(如圖7所示)上,也為后續對艦船目標的實時跟蹤做了鋪墊。

4 總 結

結合靜止軌道遙感衛星與低軌高分辨率遙感衛星的優缺點,提出了一種基于多源遙感衛星的海面艦船目標檢測方法。實現了指定大范圍海域艦船目標的快速發現與檢測,既克服了靜止軌道遙感衛星檢測結果可信度低的缺點,同時又克服了低軌高分辨率遙感衛星時效性差的缺點。實驗結果表明:(1)與單一結構的top-hat濾波相比,對靜止軌道遙感衛星圖像采用多結構多尺度top-hat濾波能夠更好地增強目標與背景的對比度,提高了目標檢測率,降低了虛警率；(2)結合高分辨率遙感衛星圖像對靜止軌道遙感衛星圖像目標預檢測結果進行判別,能夠有效剔除由于靜止軌道衛星圖像空間分辨率低造成的海上虛假艦船目標。總之,本文為基于多源遙感衛星的目標檢測跟蹤問題提供了思路,但是只研究了目標檢測階段,缺乏對目標實時監視跟蹤問題的進一步探究。因此,在下一步的研究中,可結合本文方法利用靜止軌道遙感衛星對艦船目標進行實時監視跟蹤的研究。

[1] ZHANG Zhen. A study on harbor target recognition in high resolution optical remote sensing Image[D].Hefei:University of Science and Technology of China,2009.(in Chinese)

張振.高分辨率可見光遙感圖像港口及港內目標識別方法研究[D].合肥：中國科學技術大學,2009.

[2] LI Wenwu.Detection of ship in optical remote sensing image of median-low resolution[D].Changsha:National University of Defense Technology,2008.(in Chinese)

李文武.中低分辨率光學遙感圖像艦船目標檢測算法研究[D].長沙：國防科學技術大學,2008.

[3] ZHANG Fengli,ZHANG Lei,WU Bingfang.Progress of shipdetection technology and system based on remote sensingtechnology in European union[J].Journal of Remote Sensing,2007,11(4):552-562.(in Chinese)

張風麗,張磊,吳炳方.歐盟船舶遙感探測技術與系統研究的進展[J].遙感學報,2007,11(4):552-562.

[4] Jubelin G,Khenchaf A.Multiscale algorithm for ship detection in mid,high and very high resolution optical imagery[C]//Igarss，2014:2289-2292.

[5] GONG Zhicheng,ZENG Huiyi,PEI Jihong.A method for ship detection based on neighborhood characteristics in remote sensing image[J].Journal of Shenzhen University：Science & Engineering,2013,30(6):584-591.(in Chinese)

龔志成,曾惠翼,裴繼紅.基于鄰域分析的海洋遙感圖像艦船檢測方法[J].深圳大學學報:理工版,2013,30(6):584-591.

[6] WANG Weiwei, XI Dengyan,YANG Gongpeng,et al.Warship target detection algorithm based on cartoon-texture decomposition[J].Journal of Xidian University,2012,39(4):131-137.(in Chinese)

王衛衛,席燈炎,楊塨鵬,等.利用結構紋理分解的海洋艦船目標檢測[J].西安電子科技大學學報,2012,39(4):131-137.

[7] LI Xiaobo,SUN Wenfang,LI Li.Ocean moving ship detection method for remote sensing satellite in geostationary orbit[J].Journal of Electronics & Information Technology,2015,37(8):1862-1867.(in Chinese)

李曉博,孫文方,李立.靜止軌道遙感衛星海面運動艦船快速檢測方法[J].電子與信息學報,2015,37(8):1862-1867.

[8] Song Z, Sui H,Wang Y.Automatic ship detection for optical satellite images based on visual attention model and LBP[C]//IEEE Workshop on Electronics,Computer and Applications,IEEE,2014:722-725.

[9] LIU G, Zhang Y,Zheng X,et al.A new method on inshore ship detection in high-resolution satellite images using shape and context information[J].IEEE Geoscience & Remote Sensing Letters,2014,11(3):617-621.

[10] DING Zhenghu, YU Ying,WANG Bin,et al.Visual attention-based ship detection in multispectral imagery[J].Journal of Computer-Aided Design & Computer Graphics,2011,23(3):419-425.(in Chinese)

丁正虎,余映,王斌,等.選擇性視覺注意機制下的多光譜圖像艦船檢測[J].計算機輔助設計與圖形學學報,2011,23(3):419-425.

[11] ZHOU Wei,GUAN Jian,HE You.Ship detection from low observable regions in optical remote sensing imagery[J].Journal of Image and Graphics,2012,17(9):1181-1187.(in Chinese)

周偉,關鍵,何友.光學遙感圖像低可觀測區域艦船檢測[J].中國圖象圖形學報,2012,17(9):1181-1187.

[12] XU Zhitao, LIU Jinguo,LONG Kehui,et al.Ship targets detection of ocean surveillance satellite images based on visual attention[J].Laser & Optoelectronics Progress,2013,50(12):1001-1009.(in Chinese)

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

[13] Su L,Zhou N,Xu C,et al.On the small ship target detection based on panoramic vision[C]//Control Conference,IEEE,2013:3575-3579.

[14] Jin B, Cong Y,Zhou W,et al.A new method for detection of ship docked in harbor in high resolution remote sensing image[C]//International Conference on Progress in Informatics and Computing,IEEE,2014:341-344.

[15] MA Wenwei, ZHAO Yongqiang,ZHANG Guohua,et al.Infrared dim target detection based on multi-structural element morphologicalfilter combined with adaptive threshold segmentation[J]Acta Photonica Sinica,2011,40(7):1020-1024.(in Chinese)

馬文偉,趙永強,張國華,等.基于多結構元素形態濾波與自適應閾值分割相結合的紅外弱小目標檢測[J].光子學報,2011,40(7):1020-1024.

[16] DU Chun,SUN Jixiang,LI Zhiyong.Method for ship recognition using optical remote sensing data[J].Journal ofImage and Graphics,2012,17(4):147-153.(in Chinese)

杜春,孫即祥,李智勇,等.光學遙感艦船目標識別方法[J].中國圖象圖形學報,2012,17(4):147-153.