面向冰區航行的近場海冰感知與航向決策

謝宗軒 李 博 王勝正 劉 衛

上海海事大學商船學院，上海，201306

0 引言

兩極地區由于關鍵的戰略地理位置與豐富的自然、礦產資源，受到人們越來越多的關注。在北極地區，隨著全球氣候變暖造成的海冰覆蓋范圍縮小，北極航道具有大幅縮短東北亞、歐洲和北美三大經濟圈間航線航程的經濟效益；國務院于2018年1月發布的首份北極政策文件——《中國的北極政策》白皮書將“冰上絲綢之路”納入“一帶一路”，倡議涉北極國家共同合作，為北極的和平、穩定和可持續發展做出更大貢獻[1]；在南極地區，《南極條約》雖然禁止開發南極區域礦產資源南極活動以科考活動為主，但從事旅游觀光活動的人數也在逐年增長；國家海洋局2018年2月發布的《南極活動環境保護管理規定》中，明確對南極地區所有考察、旅游、探險、漁業、交通等活動進行環境保護管理工作[2]。上述政策與規定除了凸顯兩極地區的重要性外，也預示著極地航行已進入常態化，為了保障冰區航行安全，開展近場海冰感知的研究十分必要。

冰區航行安全的研究熱點包括事故前的冰區航行風險識別及事故后的冰區航行事故風險評價[3]兩類。其中，事故前的冰區航行風險識別研究聚焦于采用不同方法，如模糊層次分析法(analytic hierarchy process，AHP)[4]、貝葉斯網絡(Bayesian network)[5-6]、模糊故障樹(fuzzy fault tree)[7]、離散選擇模型(discrete choice model，DCM)[8]等，通過分析風險影響因素(risk influencing factors)提出航行風險評價模型，實現冰區航行的風險評估；事故后的冰區航行事故風險評價研究主要通過專家問卷、事故數據庫或航行數據等方式獲取定性、定量數據，采用貝葉斯網絡[9]、故障樹[10]、馬爾可夫鏈(Markov chain)[11]等方法，開展船舶航行風險評估，找出事故發生的根本原因。上述研究為冰區航行安全做出了重要貢獻，大多數是從人、機、環、管等方面開展系統性研究，本文研究對象則聚焦于冰區航行中最主要的礙航物——海冰。

在冰情數據來源方面，大部分研究主要通過海冰模型[12-14]、冰圖(ice chart)[15]或遙感圖像[16]獲取海冰信息，本質上屬于大尺度數據，對近場與實時掌握海冰冰情的能力較差。實際上，雷達是一種重要的探冰工具，可視為航行員的第二雙眼睛，《極地水域船舶航行安全規則(Polar Code)》明確指出，在極地水域航行的船舶應積極配備使用具探冰能力的雷達[17]。在同樣采用雷達獲取冰情信息的研究中[18-19]，多數研究僅采用航海雷達(marine radar)單一傳感器，本文則對航海雷達與探冰雷達(ice radar)的圖像進行融合，可為近場海冰感知提供更完整的海冰信息。

冰區航行輔助決策是極區自主船舶發展的關鍵技術，主要研究方向聚焦在航線設計。一部分研究應用圖論算法(如RRT[19]與DIJKSTRA[20]算法等)進行冰區航線規劃；另一部分研究考慮冰況與船舶操縱特性，以燃料消耗或航行總成本為目標，進行冰區航線優化[21-23]。然而，近場海冰轉向避障的研究報道較少，且未充分考慮海冰分布情況、偏航程度與轉向角度之間的關系。綜上所述，本文以近場海冰為研究對象，通過航海雷達與探冰雷達的融合圖像感知海冰信息，進行近場海冰密集度計算，繪制海冰風險感知圖像，提出冰區航向決策方法，為冰區航行近場海冰感知與航向決策提供技術支持。

1 冰區航行海冰感知設備

本文的技術路線圖見圖1。在中國船級社(China classification society，CCS)編寫的《極地水域操作手冊編寫指南》中提到，雖然在不同海況和天氣條件下，雷達探測不同特征浮冰塊的能力存在一定局限性，但它仍是目前探測冰目標的最有效設備[24]。本文利用航海雷達與探冰雷達的不同特性對近場海冰進行感知。

圖1 冰區航行近場海冰感知與航向決策技術路線圖Fig.1 Technology roadmap of near-field sea ice perception and course decision for ice navigation

航海雷達是船舶必備的導航輔助設備，用于物標的識別與跟蹤。航海雷達天線通過發送高速電磁波來確定物標，并將物標反射的回波顯示于雷達屏幕上，據此得知物體的位置、方位與距離。其頻率較高的X波段(10 GHz)主要在短距離、近場航行場景下使用，有較清晰的圖像和較好的分辨率；頻率較低的S波段(3 GHz)多用于雨天、霧中航行下的物標識別和跟蹤。

探冰雷達同樣是基于電磁波理論，定期發出無線電波并接收從冰層和物體反射回來的回波。由于冰的電導率較低且冰蓋具有良好的成層性與均一性，相比其他地球物理探測方法，探冰雷達具有很高的穿透能力和對冰川內部層的分辨能力，兼具采集信息量大與效率高等特點。

以上兩種雷達對海冰感知的特性有所不同，航海雷達一般能檢測較大范圍，但對海冰的探測能力相對較弱；探冰雷達可以更好地反映冰厚與冰層紋理，但一般探測距離較短且噪聲干擾較多。互補與融合兩種雷達的圖像信息，有助于提升海冰感知的效果。

2 冰區航行雷達圖像融合

即使挑選同一時點兩種來源的雷達圖像，圖像融合也存在冗余信息與空間配準等問題，需要先進行以下處理。

2.1 雷達圖像讀取與基本信息獲取

首先讀取同時點航海雷達與探冰雷達的圖像，將雷達圖像以三維矩陣形式保存，通過圖像測量工具分別獲取包括圖像尺寸、感興趣區域(region of interest，ROI)、顯示方向、量程(range)、距離刻度圈間距、本船位置(Ship)、短期目標位置(Goal)等基本信息。獲取的航海雷達圖像的基本信息如圖2所示，圖像尺寸為1920×1080像素(pixels，圖中簡寫為px)；ROI為(344，38)、(344，1079)、(1575，38)、(1575，1079)四個坐標點所構成的矩形區域；顯示方向為船首向上(head up)，艏向180°，指向正北(0°)；雷達顯示方式為偏心顯示，量程設定為6海里(n mile)，距離刻度圈2海里對應175像素；本船位置(Ship)即距離刻度圈的圓心，位于(938，844)；短期目標位置(Goal)為規劃航路(紅色虛線)與方位刻度的藍色交點，位于(1367，55)。獲取的探冰雷達圖像的基本信息如圖3所示，圖像尺寸亦為1920×1080像素；ROI為以(540，540)為圓心、以500像素為半徑的圓形區域；顯示方向為北朝上(north up)，艏向180°，指向正南(180°)；雷達顯示方式為非偏心顯示，量程設定為8海里，距離刻度圈2海里，對應125像素；本船位置(Ship)即距離刻度圈的圓心，位于(540，540)。上述基本信息的獲取有助于后續對雷達圖像的處理與融合。

圖2 航海雷達圖像基本信息獲取Fig.2 Basic information acquisition of marine radar image

圖3 探冰雷達圖像基本信息獲取Fig.3 Basic information acquisition of ice radar image

2.2 冗余信息剔除

觀察航海雷達與探冰雷達的原始圖像可知，除了海冰感知最關注的雷達回波信息外，還包含各類文字、數字、標示線等冗余信息，須進行篩選與處理。

(1)ROI獲取。根據原始圖像尺寸與ROI范圍信息，創建掩碼(mask)矩陣使ROI范圍內顯示為白色、ROI范圍外顯示為黑色，通過下式運算獲取ROI：

dst(I)=s(I)∧mask(I)≠0

(1)

式中，dst()為輸出圖像矩陣；I為圖像矩陣元素的多維索引；s(I)為輸入圖像矩陣；mask()為掩碼矩陣。

(2)雷達回波提取。航海雷達的回波為黃色、探冰雷達的回波為白灰色，為了更好地提取具有特定顏色的雷達回波，將ROI圖像的顏色模型從RGB轉換成HSV；進而，設置相應的顏色閾值后，通過下式計算獲得雷達回波提取的二值化圖像：

dst(I)=lowerb(I)≤s(I)≤upperb(I)

(2)

式中，lowerb()為下邊界閾值；s為輸入圖像矩陣；upperb()為上邊界閾值。

(3)標識線修復。ROI圖像中除了雷達回波外，仍存在各種標識線的遮擋，將對海冰的提取效果產生干擾，例如在探冰雷達ROI圖像內，有3圈黃色距離刻度圈及1條紅色船首線等標識線，如圖4a所示；進行圖像修復時，需創建標識線掩碼，明確指出需要修復的區域，如圖4b所示；借助標識線邊緣區域的像素信息進行圖像修復后，可消除上述標識線，如圖4c所示。

(a)修復前 (b)修復區域 (c)修復后圖4 探冰雷達標識線修復Fig.4 Marking line repair of ice radar image

通過峰值信噪比(peak signal to noise ratio，PSNR)可以檢驗圖像修復效果，該值越大表示失真越小，修復效果越好。圖4a中，標識線修復前的PSNR值為30.16 dB；而圖4c中，修復后的PSNR值為46.71 dB，修復效果明顯。另外，從圖4a與圖4c右下角的放大圖示也可以比對看出標識線已清除干凈，修復效果良好。

(4)本船回波剔除。當雷達距離刻度圈圓心上出現范圍較小且獨立的回波時，可能是由本船鋼體船殼所產生的，并不是海冰或其他物標，如圖5a所示；為了剔除本船船體的回波，需先檢測圖像中所有回波的輪廓范圍信息，經比對確認與本船位置重疊的輪廓并紀錄該輪廓索引號后，即可刪除雷達圖像中的本船回波，如圖5b所示。

(a)剔除前 (b)剔除后圖5 本船回波剔除Fig.5 Own ship echo elimination

2.3 空間配準處理

觀察2.1節獲取的航海雷達與探冰雷達圖像基本信息的幾何差異，可知圖像在融合前須解決空間配準的問題。本文采用固定航海雷達圖像，調整探冰雷達圖像的方式進行幾何變換。

(1)圖像旋轉。當航海雷達與探冰雷達圖像的船艏向角度不一致時，確認旋轉角度后，可通過式(3)的仿射變換或式(4)與式(5)的坐標變換進行圖像旋轉：

(3)

u′=ucosθ-vsinθ

(4)

v′=usinθ+vcosθ

(5)

式中，(u′，v′)為變換后圖像的像素坐標；A為仿射矩陣；(u，v)為原圖像的像素坐標；θ為旋轉角度。

例如，當航海雷達船艏向指向0°，探冰雷達船艏向指向180°時，將探冰雷達圖像逆時針旋轉180°后，可獲得與航海雷達圖像相同的船艏向角度。

(2)圖像縮放。當航海雷達與探冰雷達圖像每海里對應像素不一致時，確認縮放倍率后，可通過式(6)的仿射變換或式(7)與式(8)的坐標變換進行圖像縮放：

(6)

u′=cuu

(7)

v′=cvv

(8)

式中，cu、cv為縮放倍率。

例如，當航海雷達距離刻度圈2海里對應175像素，探冰雷達距離刻度圈2海里對應125像素時，將探冰雷達圖像放大1.4倍后，可獲得與航海雷達圖像每海里相同的對應像素。

(3)圖像平移。當航海雷達與探冰雷達圖像的本船位置像素不一致時，確認垂直移動量與水平移動量后，可通過式(9)的仿射變換或式(10)與式(11)的坐標變換進行圖像平移：

(9)

u′=u+tu

(10)

v′=v+tv

(11)

式中，tu為垂直移動量；tv為水平移動量。

例如，當航海雷達的本船位置位于(938，844)，探冰雷達的本船位置位于(540，540)時，將探冰雷達圖像向右移動398個像素、向下移動304個像素后，可獲得與航海雷達圖像相同的本船位置。

2.4 雷達圖像融合

經過冗余信息剔除與空間配準處理，確認航海雷達與探冰雷達圖像各自的權重后，可通過下式進行圖像融合：

dst(I)=s1(I)α+s2(I)β+γ

(12)

式中，s1、s2分別為圖像一、圖像二的輸入圖像矩陣；α、β分別為圖像一、圖像二的權重；γ為添加標量。

兩種雷達圖像信息的互補與融合有助于后續近場海冰感知應用功能的開發。

3 近場海冰感知應用

為了掌握近場海冰分布的情況，應用第2節融合好的雷達圖像，本節建立近場海冰密集度計算與海冰風險感知圖像繪制的步驟如下。

3.1 海冰密集度計算

海冰密集度(sea ice concentration)是視野范圍內海面上浮冰覆蓋的比例量，多以十分法表示。海冰密集度是評估冰區航行安全的重要指標，更是極地操作限制評估風險指數系統(polar operation limit assessment risk indexing system，POLARIS)中計算風險指數結果(RIO)的關鍵變量[25]。根據國際氣象組織(world meteorological organization，WMO)的分級定義[26]，本文匯整不同海冰密集度等級的圖示與可航行性，見表1。由于傳統獲取近場海冰密集度的主要方法是通過人工瞭望估算，受天氣與人員素質等影響，存在較大的不確定性；本文通過航海雷達與探冰雷達的融合圖像進行海冰密集度計算，可獲得較人工瞭望估算更精確的計算結果，求解步驟如下：

(1)將分別經過冗余信息剔除與空間配準處理的航海雷達與探冰雷達彩色圖像轉換為灰度圖像后，通過式(12)進行圖像融合。

(2)考慮航海雷達與探冰雷達共同覆蓋的海域，決定海冰密集度的評估范圍，例如以本船位置為圓心、350像素為半徑的圓形區域。

(3)通過下式計算海冰密集度CSI：

CSI=c/A

(13)

式中，c為評估范圍內非0像素點的總數；A為評估范圍的像素面積。

表1 海冰密集度等級Tab.1 Degree of sea ice concentration

3.2 海冰風險感知圖像繪制

應用航海雷達與探冰雷達的融合圖像進行海冰風險的可視化，繪制步驟如下：

(1)將分別經過冗余信息剔除與空間配準處理的航海雷達與探冰雷達彩色圖像轉換為灰度圖像后，通過式(12)進行圖像融合。

(2)通過融合圖像的灰度信息繪制海冰風險熱力圖與等值線圖。

(3)將2.1節獲取的本船位置與短期目標位置等基本信息標注在熱力圖與等值線圖上。

4 冰區航向決策

為了降低航行冰困風險，減少船舶與海冰的接觸，在第3節近場海冰感知的基礎上，提出冰區航向決策方法，找出合適的航向角進行船舶操縱。

4.1 船舶領域的構建與擴展

船舶領域(ship domain)是駕駛員想要保持本船周圍避免他船或礙航物進入的有效領域，HANSEN等[27]根據4年的海上交通數據對船舶領域的大小和形狀進行分析，認為FUJI等[28]提出的長半軸為4倍船長、短半軸為1.6倍船長的橢圓形區域是最合適的船舶領域，如圖6所示。

圖6 船舶領域示意圖Fig.6 Schematic diagram of ship domain

當艏向平行于水平軸時，橢圓形船舶領域(圖6中的實線橢圓)可以通過下式計算：

(14)

式中，(x，y)為艏向平行于水平軸時，船舶領域上的各點坐標；(x0，y0)為船舶中心點位置；a、b分別為橢圓形的長半軸與短半軸；L為船長。

當艏向改變時，任意角度的橢圓形船舶領域(圖6中的虛線橢圓)可以通過下式計算：

x′=xcosθ-ysinθ

(15)

y′=xsinθ+ycosθ

(16)

(17)

式中，(x′，y′)為艏向任意改變時船舶領域上的各點坐標。

船舶領域僅是最終避免礙航物進入本船周圍的邊界，為了提前做出轉向預判，本文將船舶領域進行擴展，擴展的船舶領域仍可通過上述公式計算。參考避碰行動的行業習慣，擴展的船舶領域其長半軸至少應大于2海里、短半軸至少應大于1海里，可依據船舶的破冰能力進行調整。

4.2 近場水域劃分與探測

圖7 近場水域劃分與探測Fig.7 Near-field water division and detection

根據《國際海上避碰規則》與行業習慣，將擴展的船舶領域劃分為正前探測、右舷及左舷等3個區域，如圖7所示，船首正前方354°～0°及0°～6°(共12°)為橙色的正前探測區域；6°～112.5°為綠色的右舷區域；247.5°～354°為紅色的左舷區域。由于船舶已駛離后方海冰，船尾后方的海冰態勢無須考慮。橙色的正前探測區域除了可以判斷船首前方的海冰態勢以外，還可以通過探測角的改變，作為搜索合適航向的測試工具。其中，探測角為短期目標與艏向之間的夾角，亦為偏航角。

4.3 探測角評估模型

為了比較不同探測角的優劣，考慮海冰密集度與偏航角，構建評估模型如下：

IE=CSIwc+ψwy/180

(18)

式中，wc為海冰密集度權重，取1；ψ為偏航角，不考慮方向性差異；wy為偏航權重，視船首前方的海冰態勢，取0或1；IE為探測角評估指數，該值越小越好。

4.4 航向角尋優方法

在4.1節至4.3節的基礎上提出冰區航向決策流程，如圖8所示，具體航向角尋優方法與步驟整理如下：

圖8 冰區航向決策流程Fig.8 Course decision process in ice region

(1)通過正前區域的海冰密集度判斷船首前方的海冰態勢，當正前區域的海冰密集度大于或等于0.3時，表示船首前方有明顯的礙航海冰，將式(18)探測角評估指標中的海冰密集度權重wc設置為1，偏航權重wy設置為0，僅考慮探測區域的海冰密集度，以航行安全為重；當正前區域的海冰密集度高低于0.3時，表示船首前方海冰稀疏，wc與wy皆設置為1，綜合考慮航行安全和效率。

(2)設置探測角的搜索范圍，以初始艏向為中心，左右舷各90°的區間(共180°)作為搜索范圍。

(3)將搜索范圍的區間端值設置為初始探測角，通過式(18)計算初始探測角的評估指數；在尋優過程中，以1°為步長更新探測角，重新計算評估指數，直至搜索完畢。

(4)最小評估指數的探測角即為最優航向角。

5 實例分析

本文搜集2019年極地科考破冰船“雪龍2”號首航南極，從深圳前往中山站執行第36次南極科考任務時的航海雷達與探冰雷達回放視頻，進行密集冰場與稀疏冰場的實驗。

5.1 密集冰場實例

截取2019年11月19日18：28：57的航海雷達與探冰雷達圖像，如圖9左側圖像所示，此時“雪龍2”號已航行至南緯66°，周圍海冰分布密集且顯著。通過第2節的雷達圖像融合流程，進行冗余信息剔除、空間配準處理與圖像融合后，獲得融合的雷達圖像如圖9右側圖像所示。

圖9 密集冰場的雷達圖像融合Fig.9 Radar image fusion of dense ice field

(1)近場海冰感知應用。通過3.1節的求解步驟，以本船位置為圓心、以350像素為半徑的圓形區域作為海冰密集度的評估范圍，如圖10中的紅色圓形區域所示，該范圍內非0像素點的總數為272 866，面積為384 845像素，經計算得出海冰密集度為70.9%，以十分法表示為7/10，屬于航行有障礙的場景。

圖10 密集冰場的海冰密集度計算Fig.10 Sea ice concentration calculation of dense ice field

為了比較機器計算與人工瞭望估算的結果，咨詢中國極地研究中心有豐富極區航行經驗的船長，同時調取“雪龍 2”號羅經甲板上監控攝像頭的拍攝畫面后，發現當經驗不足的船員進行人工瞭望估算時，可能未察覺或未考慮稍遠處的冰況，出現低估海冰密集度的情況。如圖11所示，從攝像畫面中可見，通過人工瞭望估計本船周圍的海冰密集度約為3/10，明顯低估真實情況；本文通過兩種雷達圖像的融合，可以更宏觀且精確地計算海冰密集度。

(a)船首攝像頭 (b)右舷攝像頭圖11 “雪龍 2”號攝像頭畫面Fig.11 Surveillance camera images of the Xuelong 2

通過3.2節的求解步驟，繪制海冰風險熱力圖，如圖12a所示，特別關注本船周圍灰度大于200的高亮海冰；繪制海冰風險等值線圖如圖12b所示，特別關注本船周圍灰度大于210的橘紅色海冰。此時融合圖像夾雜、模糊，通過海冰風險感知圖像有助于凸顯高風險海冰所在區域，掌握船舶可能航行的空隙。

(a)熱力圖 (b)等值線圖圖12 密集冰場的海冰風險感知Fig.12 Sea ice riskperception of dense ice field

(2)冰區航向決策。首先，由式(14)～式(17)，構建與擴展船舶領域，“雪龍2”號船長122.5 m，型寬22.32 m，構建的船舶領域如圖13a中的紅色橢圓所示；對船舶領域進行10倍擴展，擴展后的長半軸為2.7海里、短半軸為1海里，擴展后的船舶領域如圖13a中的綠色實線橢圓所示。進而，如圖13b所示，此時初始艏向指向正北(0°)、短期目標位置(Goal)位于本船右舷前方的29°(此時船舶偏航29°)、正前區域的海冰密集度為0.45(CSI≥0.3)，如圖13b中的橘色扇形區域所示，因此將海冰密集度權重wc設置為1、偏航權重wy設置為0，不考慮偏航程度。最后，以初始艏向為中心、左右舷各90°的區間作為搜索范圍，遍歷所有探測角，通過式(18)計算各探測角的評估指數，得到最小的評估指數IE為0.438，最優航向角為359°，如圖13b中藍色虛線橢圓的方向所示。因此，本船應該下達左舵1°的舵令進行操船。

(a)船舶領域擴展 (b)最優航向角探測圖13 密集冰場的航向決策Fig.13 Course decision of dense ice field

5.2 稀疏冰場實例

截取2019年11月18日21：04：18的航海雷達與探冰雷達圖像，如圖14左側圖像所示，此時“雪龍2”號剛航行至南緯63°，周圍海冰分布稀疏且零星。根據第2節的雷達圖像融合流程，獲得融合后的雷達圖像，如圖14右側所示。

圖14 稀疏冰場的雷達圖像融合Fig.14 Radar image fusion of sparse ice field

(1)近場海冰感知應用。通過3.1節的求解步驟，以本船位置為圓心、以350像素為半徑的圓形區域作為海冰密集度的評估范圍，如圖15中紅色圓形區域所示，該范圍內非0像素點的總數為28 192，面積為384 845像素，經計算得出海冰密集度為7.3%，屬于自由航行的場景。

圖15 稀疏冰場的海冰密集度計算Fig.15 Sea ice concentration calculation of sparse ice field

通過3.2節的求解步驟，繪制海冰風險熱力圖，如圖16a所示，特別關注本船周圍灰度大于200的高亮海冰；繪制海冰風險等值線圖，如圖16b所示，特別關注本船周圍灰度大于210的橘紅色海冰。此時融合圖像暗沉、細碎，通過海冰風險感知圖像有助于厘清海冰輪廓，標記需要注意的海冰區域。

(a)熱力圖 (b)等值線圖圖16 稀疏冰場的海冰風險感知Fig.16 Sea ice risk perception of sparse ice field

實際上3.1節海冰密集度算法中的非0像素點計數還隱含海冰標記的功能，將已融合的雷達圖像二值化后，依據各塊海冰的連通區域，可以從“1”開始使用正整數依序對海冰標記序號，如圖17的紅色數字所示。據此，后續還可對海冰進行追蹤和管理。

圖17 海冰序號標記Fig.17 Sea ice serial number marking

(a)最優航向角探測前 (b)最優航向角探測后圖18 稀疏冰場的航向決策Fig.18 Course decision of sparse ice field

(2)冰區航向決策。對“雪龍 2”號船舶領域的構建與擴展同5.1節所述，擴展后的船舶領域如圖18a中的綠色實線橢圓所示。此時初始艏向指向正北(0°)、短期目標位置(Goal)位于本船左舷前方的324°(此時船舶偏航36°)、正前區域的海冰密集度為0.07(CSI<0.3)，如圖18a中的橘色扇形區域所示，海冰密集度權重wc設置為1、偏航權重wy設置為1，綜合考慮海冰密集度與偏航程度。最后，以初始艏向為中心，左右舷各90°的區間作為搜索范圍，遍歷所有探測角，通過式(18)計算各探測角的評估指數，得到最小的評估指數IE為0.160，最優航向角為319°，如圖18b中藍色虛線橢圓的方向所示。因此，本船應該下達左舵41°的舵令進行操船。

算法運行時間決定實際操作是否切實可用。本節實例分析的計算機配置為：“Windows 10”+“CPU：AMD Ryzen 7 4800H with Radeon Graphics 2.90 GHz”+“RAM：16.0 GB”。在密集冰場實例中，完成雷達圖像融合、近場海冰感知應用及冰區航向決策，共用時33 s；在稀疏冰場實例中，共用時9.2 s。實際上，算法運行時間受冰場復雜程度、代碼邏輯與計算機硬件配置等因素影響，但由上述數據可知，相比船舶駕駛員決策應變過程，本文算法運行時間是高效可行的。

6 結論

航海雷達與探冰雷達圖像信息的互補與融合，有助于獲取更完整的近場海冰信息。本文利用融合的雷達圖像建立海冰密集度計算的求解步驟，相比人工瞭望估算僅至十分位且有低估的風險，機器計算可至百分位，更為精確、可靠；利用融合的雷達圖像建立海冰風險感知圖像的繪制步驟，通過繪制海冰風險熱力圖與等值線圖，提供更清晰、直觀的圖示，有助于快速掌握當前近場海冰的風險分布情況；結合船舶領域與避碰規則的思想，綜合考慮海冰密集度與偏航程度，提出了冰區航向決策方法，經過搜索與評估可得到最優航向角。

根據實例分析結果，采用本文提出的近場海冰感知方法與冰區航向決策方法，在密集冰場與稀疏冰場都能很好地獲得近場海冰的風險分布情況，并即時給予適當的轉向建議，對保障極區航行安全具有重要意義。