面向無人艇雷達圖像的連通區域標記改進算法

潘選任, 王冬姣, 葉家瑋

面向無人艇雷達圖像的連通區域標記改進算法

潘選任, 王冬姣, 葉家瑋

(華南理工大學 土木與交通學院, 廣東 廣州, 510640)

搭載雷達的無人艇在水域中航行時, 通過雷達掃描水域附近的環境以識別無人艇周圍的障礙物, 為了區分雷達圖像中的障礙物, 通常采用連通區域標記算法對不同障礙物進行標記。由于雜波對雷達成像的干擾, 造成雷達圖像中像素點增加, 使用常見的算法處理圖像時效果不佳, 為此, 提出一種改進算法, 在常見算法的基礎上增加去除雜波像素點的功能, 并標記出圖像中的最大障礙物。經過實驗分析后可知, 相比于改進前的算法, 改進后的算法減少了標記的區域數量, 處理后的雷達圖像更加平滑, 便于無人艇對最大障礙物進行預警以及采取合理的避碰措施。

無人艇; 雷達圖像; 障礙物; 連通區域標記算法

0 引言

無人艇由于體積小、成本低、活動區域廣、雷達反射面積小等優勢越來越被廣泛關注, 目前主要用于航道測量、海洋環境監測等領域[1]。無人艇通常依靠雷達來獲取可靠的航路信息, 保證其在復雜的水域環境中安全航行, 并完成各種航行任務。

由于雷達掃描的原始圖像有很多雜波, 不方便岸站進行觀察, 調大雷達增益又會使雷達圖像上障礙物的掃描范圍縮小, 增加無人艇的碰撞危險, 因此采用連通區域標記算法對雷達掃描所得的圖像進行處理, 便于岸站區分障礙物, 及時采取避碰措施。

目前許多文獻對圖像處理和連通區域標記算法進行了研究。汪勁希等[2]通過線段表連通域原理對二值化后的海天線圖像進行檢測, 以提取海天線的非線性邊緣信息。田守東[3]采用8鄰域連通, 完成對雷達圖像中目標的識別, 標記出圖像中所有連通區域, 不受區域形狀的影響。王凱等[4]在傳統連通區域算法的基礎上, 采用圖像分塊的改進方法, 減少了數據處理量, 提高了抗噪性。謝宜壯等[5]提出一種新的連通域標記算法, 通過增加虛警剔除, 減小控制邏輯的復雜性, 使新算法在速度和性能上更具有優勢。

采用一般的圖像處理算法處理雷達圖像時, 由于雜波的影響, 處理后的圖像效果較差。文中對現有算法進行改進, 挑選合適的閾值處理圖像, 將不同的障礙物提取出來并進行標記, 使改進后的算法不僅適用于處理雷達圖像, 而且增加了提取最大障礙物的功能, 便于岸站對無人艇附近最具威脅的障礙物進行預警。

1 雷達圖像

選用圖1所示的Broadband 3G雷達作為艇載雷達, 該型雷達高24 cm, 重7.5 kg, 采用12/24 V直流電壓供電, 工作功率為18 W, 工作溫度為–25℃～44℃, 能短時間內開機且無需預熱, 完全滿足無人艇的需求。

圖1 雷達設備

艇載雷達通電后將信號接口與路由器相連接, 路由器向外發射Wi-Fi信號, 岸站接收路由器發射的信號后, 就可以在提供的軟件界面上顯示雷達圖像。如圖2所示, 紅色部分為障礙物, 雷達回波信號最強, 黑色部分為背景, 無雷達回波信號。

圖2 雷達掃描圖像

2 連通區域分析

連通區域分析是指將雷達圖像中的各個連通區域找出并標記, 是圖像處理工作中所使用的主要預處理方法[6]。連通區域分析處理的對象通常是一張二值化后的圖像, 二值圖像的亮度值只有2個狀態: 黑(背景像素為0)和白(目標像素為255)[7]。通過對二值圖像中白色像素(目標)的標記, 讓每個單獨的連通區域形成一個被標識的塊, 就是連通區域分析。

圖像的連通區域是指圖像的最大連通子集中的所有元素都是前景像素的區域。例如圖3中有5個連通區域。

圖3 二值圖像與標記

連通性的準則有以下2種: 如果2個像素點1(1,1)和2(2,2)滿足

即1和2是4鄰接的, 此情況下, 1個像素有4個像素與其鄰接, 如圖4(a)。如果2個像素點坐標1(1,1)和2(2,2)滿足

即1和2是8鄰接的, 此情況下, 1個像素有8個像素與其鄰接, 如圖4(b)。圖4中標號為的像素是像素的索引號為的鄰居, 以P表示[8]。

圖4 2種鄰接方式

3 連通區域標記算法

常見的連通區域分析算法有2種: 2遍掃描法(Two-Pass)和種子填充法(Seed-Filling)。2遍掃描法是由Rosenfeld[9]提出的經典連通區域標記算法, 該算法是對二值圖像進行2遍掃描以確定連通區域, 掃描順序為從左到右, 從上到下[10]。種子填充法來源于計算機圖形學[11], 常用于對某個圖像進行填充。算法的思路為: 選取1個前景像素點作為種子, 然后根據連通區域的2個基本條件(像素值相同、位置相鄰)將與種子相鄰的前景像素合并到同一個像素集合中, 最后得到的該像素集合則為一個連通區域。

3.1 種子填充改進算法

由于2遍掃描法需要對圖像掃描2遍, 而種子填充算法只需要掃描1遍即可完成對連通區域的像素標記[12], 因此文中對種子填充算法進行改進。改進前的算法[13]流程如圖5所示。

改進前的算法采用4鄰接的方式處理圖2中雷達掃描所得的圖像, 最后的處理結果如圖6所示。圖中, 圖像正上方的連通區域有1塊沒有標記完成, 而且有很多雜波形成的細小區域, 不便于觀察。

由于8鄰接方式更加全面, 有更好的通用性, 因此改進算法擴大到8鄰接進行分析。改進后的算法先處理二值圖像中的雜波, 然后完成對連通區域的輪廓跟蹤及標記, 最后提取圖像中的最大連通區域。算法流程如圖7所示。

圖5 改進前的算法流程

圖6 改進前算法所得圖像

3.2 二值圖像閾值選取

雷達圖像一般包括目標物體、背景和噪聲,要想從多值的數字圖像中直接提取出目標物體, 常用的方法就是閾值分割法。使用閾值分割法前需要對圖像進行二值化處理, 即將圖像上的像素點的亮度值設置為0或255, 使整個圖像呈現出只有黑和白的明顯的視覺效果。然后利用圖像中需提取的目標與背景在亮度上的差異, 通過設定閾值將像素級分成若干類, 從而實現目標與背景的分離[14]。

圖7 改進后的算法流程

當原始圖像的某個像素點大于或等于閾值時, 將此像素點標記為目標像素(像素值為1), 當原始圖像的某個像素點低于閾值時, 將此像素點標記為背景像素(像素值為0)。

在圖2所示的雷達圖像中有明顯的目標和背景, 灰度直方圖呈雙峰分布, 如圖8所示, 因此, 可采用固定閾值法進行閾值選取。

圖8 雷達圖像灰度直方圖

選取兩峰之間的谷底對應的灰度級作為閾值, 此時閾值=30, 大于閾值的作為前景, 小于閾值的作為背景, 從而完成目標和背景的分離。最終圖像的二值化處理結果如圖9所示。

圖9 二值化后的圖像

選取固定閾值對圖像進行二值化處理后, 將圖像中閾值低于100的連通區域反轉為背景像素,以去除圖像中剩余的許多小的連通區域和雜波,提升算法處理圖像的速度, 快速標記圖像中的障礙物, 去除后的圖像更加平滑, 如圖10所示。

圖10 去除雜波后的圖像

3.3 輪廓跟蹤

圖像連通區域的標記通過輪廓跟蹤完成。輪廓跟蹤就是如何根據當前的輪廓點, 找到下一個輪廓點, 存在以下2種情況: 根據圖4, 若當前的輪廓點是第1個輪廓點, 那么從與當前點鄰接的左上點5開始按順時針方向掃描它的鄰居, 第1個遇到的前景像素就是下一個輪廓點; 若當前的輪廓點不是第1個輪廓點, 那么假如上一個輪廓點是當前輪廓點的鄰居P, 那么從P+2開始按順時針方向掃描當前輪廓點的鄰居, 第1個遇到的像素點就是下一個輪廓點[8]。

首先從輪廓的第1個像素點左上的鄰居5開始按順時針方向掃描它的鄰居。若當前像素點的所有鄰居都是背景像素, 即當前像素點是一個孤立的點, 則停止跟蹤并返回0, 否則第1個遇到的前景像素點即為下一個輪廓點。若當前輪廓點不是第1個輪廓點, 則先檢查當前輪廓點的標簽, 如果當前點已經標記且不是最新標簽(假設當前點的標簽為),則提前終止跟蹤并返回。假如上一個輪廓點是當前輪廓點的鄰居P, 那么從P+2開始按順時針方向掃描當前輪廓點的鄰居, 首先遇到的前景像素點就是下一個輪廓點。如果當前點是起始點并且下一個點是第2點, 則輪廓跟蹤算法程序結束, 返回0[8]。

通過輪廓跟蹤得到圖像中的所有連通區域后, 給不同的連通區域隨機分配不同的顏色進行標記。標記結果如圖11所示。

圖11 連通區域標記

3.4 最大連通區域提取

通過讀取雷達的二值圖像, 將各連通區域標記顏色, 統計各區域的顏色數量, 求取最多顏色數量區域, 并把該區域標為255, 其他的標為0, 就能提取出圖像的最大連通區域, 如圖12所示, 此時提取出的最大連通區域在雷達的右側, 因此無人艇在航行時需要密切關注右側的障礙物。

圖12 最大連通區域提取圖像

4 實驗驗證

將雷達置于無人艇模型(簡稱船模), 在室外空地測試接收雷達圖像, 實驗環境如圖13(a)所示, 船模的正前方置有1艘雙體船。雷達掃描圖像如圖13(b)所示, 圖像正上方的一塊紅色障礙物即為雙體船。

圖13 實驗環境及障礙物雷達圖像

在VS2017軟件以及Opencv2.7.0環境中編寫改進的種子填充算法程序, 驗證算法的有效性。程序運行后可得到二值化后去除雜波的圖像、連通區域標記圖像以及最大連通區域提取圖像, 如圖14所示。

圖14 經改進程序處理后的障礙物圖像

由圖14(a)可以看到, 與原始雷達圖像相比, 部分小的區域和雜波已被去除, 雷達圖像更加平滑; 圖14(b)將雷達掃描的所有障礙物標記為不同的顏色, 可更好地觀察周圍的障礙物; 圖14(c)將圖像中的最大障礙物提取出來, 即正前方的雙體船, 提醒岸站特別注意, 需要采取轉向措施避開前方的船舶。

將船模右轉后, 正前方的雙體船位于船模的左側, 此時的實驗環境及雷達圖像如圖15所示。在雷達的界面上可以看到左側有一塊大的紅色障礙物, 此時運行程序得到圖16所示3幅圖像。

根據圖16(c)可知, 船模轉向后程序提取的最大障礙物位于左側, 即雙體船所在的位置。

圖15 船模右轉實驗環境及雷達圖像

圖16 經改進程序處理后的船模右轉圖像

通過上述實驗驗證了改進后的算法能有效處理雷達圖像, 并能提取圖像中的最大障礙物, 為無人艇采取合理的避碰措施提供參考。

將改進前算法與改進后算法的處理效果進行對比, 選取圖2、圖13(b)和圖15(b)所示的3幅雷達圖像作為處理對象, 對比算法改進前后連通區域的標記數量以及計算程序的運行速度, 結果如表1和表2所示。

表1 改進前算法的運行結果

表2 改進后算法的運行結果

對比可知, 相比于改進前的算法, 算法改進后, 減少了圖像的噪聲和雜波, 使雷達圖像的連通區域的標記數量減少, 在一定程度上提高了算法的運行速度。

5 結束語

文中通過對連通區域分析中的種子填充算法進行改進, 去除了雷達圖像中的雜波和小的連通區域, 減少了算法標記的數量,并能夠提取雷達圖像中的最大障礙物。相比于原始算法的處理結果, 改進后算法標記的障礙物數量減少, 縮短了圖像處理的時間, 通過實驗觀測到的雷達圖像更為平滑, 且更為直觀地觀察到無人艇周圍的最大障礙物。因此改進后的算法在無人艇航行時, 能有效處理雷達圖像, 并對周圍的最大障礙物進行預警。

文中僅對雷達圖片進行了靜態分析, 但無人艇在水面航行時, 需要對雷達掃描后的圖像進行實時的分析處理, 以判斷無人艇前方或周圍最具威脅的障礙物, 做出適當的避碰操縱指令, 如何動態持續地的處理雷達圖像是有待進一步開展的工作。

[1] 鄭烈心.水面無人艇建模與運動控制系統設計[D].廣州: 華南理工大學, 2016.

[2] 汪勁希, 燕肇一, 彭真明.復雜背景下海天線的連通域檢測法[J].艦船科學技術, 2016(8): 108-112.

Wang Jin-xi, Yan Zhao-yi, Peng Zhen-ming.A Sea-Sky- Line Detection Algorithm Based on the Method of Conne- cted Area Detection Under Complicated Background[J].Ship Science and Technology, 2016, 38(8): 108-112.

[3] 田守東.基于雷達圖像的目標檢測技術研究[D].哈爾濱: 哈爾濱工程大學, 2010.

[4] 王凱, 黃山, 趙瑜, 等.面向圖像目標提取的改進連通域標記算法[J].計算機工程與設計, 2014, 35(7): 2438- 2441.

Wang Kai, Huang Shan, Zhao Yu, et al.Improved Algori- thm of Connected Component Labeling for Image Targets Extraction[J].Computer Engineering and Design, 2014, 35(7): 2438-2441.

[5] 謝宜壯, 譚許彬, 陳禾.一種新的連通域標記算法[J].北京理工大學學報, 2012, 32(12): 1273-1278.

Xie Yi-zhuang, Tan Xu-bin, Chen He.A New Algorithm for Connected Components Labeling[J].Transaction of Beijing Institute of Technology, 2012, 32(12): 1273-1278.

[6] 左文明.連通區域提取算法研究[J].計算機應用與軟件, 2006, 23(1): 97-98.

Zuo Wen-ming.Study on Connected Regions Extraction[J].Computer Applications and Software, 2006, 23(1): 97-98.

[7] 左敏, 曾廣平, 涂序彥, 等.基于等價對的圖像連通域標記算法[J].計算機仿真, 2011, 28(1): 14-16, 50.

Zuo Min, Zeng Guang-ping, Tu Xu-yan, et al.A Connected Domain Labeling Algorithm Based on Equivalence Pair in Binary Image[J].Computer Simulation, 2011, 28 (1): 14-16, 50.

[8] 張云哲, 趙海, 宋純賀, 等.一種新的連通區域標記算法[J].計算機應用研究, 2010, 27(11): 4335-4337, 4340.

Zhang Yun-zhe, Zhao Hai, Song Chun-he, et al.New Me- thod for Component-Labeling in Binary Image[J].Application Research of Computers, 2010, 27(11): 4335-4337, 4340.

[9] Rosenfeld A.Sequential Operations in Digital Picture Processing[J].Journal of the ACM, 1996, 13(4): 471-494.

[10] 沈夏炯, 段曉宇, 原萬里, 等.基于連通區域標記算法的圓檢測算法的研究[J].計算機工程與應用, 2018, 54 (21): 95-98.

Shen Xia-jiong, Duan Xiao-yu, Yuan Wan-li, et al.Research on Circle Detection Algorithm Based on Connected Region Labeling Algorithm[J].Computer Engineering and Applications, 2018, 54(21): 95-98.

[11] 覃方濤, 房斌.GPU加速的二值圖連通域標記并行算法[J].計算機應用, 2010, 30(10): 2774-2776.

Qin Fang-tao, Fang Bin.GPU Accelerated Parallel Labe- ling Algorithm of Connected-Domains in Binary Images [J].Journal Computer Applications, 2010, 30(10): 2774- 2776.

[12] 張國和, 徐快, 段國棟, 等.一種適于硬件實現的快速連通域標記算法[J].西安交通大學學報, 2018, 52(6): 95-101.

Zhang Guo-he, Xu Kuai, Duan Guo-dong, et al.A Fast Labeling Algorithm of Connected Components Applicable for Hardware Implementation[J].Journal of Xi’an Jiao- tong University, 2018, 52(8): 95-101.

[13] Robert L.OpenCV 2 Computer Vision Application Programming Cookbook[M].Birmingham: Packt Publishing, 2011.

[14] 雷建鋒, 汪偉.基于OpenCV的圖像閾值分割研究與實現[J].現代電子技術, 2013, 36(24): 73-76.

Lei Jian-feng, Wang Wei.Research and Implementa- tion of Image Threshold Segmentation Based on OpenCV[J].Modern Electronics Technique, 2013, 36(24): 73-76.

Improved Algorithm of Connected Component Labeling for Unmanned Surface Vehicle Radar Images

PAN Xuan-ren, WANG Dong-jiao, YE Jia-wei

(College of Civil and Transportation Engineering, South China University of Technology, Guangzhou 510640, China)

When an unmanned surface vehicle(USV) equipped with a boat-borne radar navigates the water, the radar scans the environment near the water, and the radar image is used to identify the obstacles around the USV.To distinguish different obstacles, a connected component labeling algorithm is used to mark different obstacles in the radar image.Owing to the interference from clutter on radar imaging, the pixels in the radar image increase; thus, the results obtained from traditional algorithms to process the image are inadequate.Therefore, an improved algorithm is proposed to improve the function of removing the clutter pixels based on conventional algorithms and mark the biggest obstacle in the image.Compared with the traditional algorithm, the improved algorithm reduced the number of marked areas, and the processed radar images are smoother, which is convenient for the USV to detect the largest obstacle early such that avoidance maneuvers can be performed.

unmanned surface vehicle(USV); radar image; obstacle; connected component labeling algorithm

潘選任, 王冬姣, 葉家瑋.面向無人艇雷達圖像的連通區域標記改進算法[J].水下無人系統學報, 2022, 30 (1): 78-84.

U674.91; U665.22

A

2096-3920(2022)01-0078-07

10.11993/j.issn.2096-3920.2022.01.010

2021-01-18;

2021-03-19.

廣東省科技項目(2015B010919006).

潘選任(1995-), 男, 在讀碩士, 主要研究方向為新型船舶與海洋結構物制造.

(責任編輯: 楊力軍)