船閘通航安全分析及過閘能力的提升方法

李國偉

佛山市樵桑聯圍南海區水利所

基于目標運動特性，數字圖像處理中的目標檢測技術分為運動目標檢測和靜止目標檢測。根據運動目標的圖像序列，運動目標檢測包括靜止背景和運動背景。

對于船閘通航安全分析而言，目標檢測包括靜止船舶和運動船舶，當船舶等待開門時，忽略了船舶的微小漂移，應將其視為靜止目標檢測[1]。船舶通過船閘時，應將其視為運動目標檢測，由于陽光對河道的強烈影響，即使在同一地點、不同時間、不同天氣條件下，背景圖像也可能不同。閃光、反射、波動波和照度都對圖像質量有影響。在對某船閘圖像分析和仿真的基礎上，提出了一種兼顧運動目標檢測和靜止目標檢測的算法。

1 河道范圍的確定

在船閘通航安全分析中，河道是視野的焦點，但由于攝像機將各種場景放置在岸邊會使船舶檢測復雜化，因此通過對河道的檢測來確定船舶檢測的圖像處理范圍是必要的[2]。步驟如下：

首先，采用分段線性灰度變換作為圖像增強，提高了信道邊緣的灰度，彌補了傳輸和過渡過程中圖像質量的下降。

第二，將數學形態學應用到灰度膨脹的計算中，由于河流中或河岸上的干擾如河岸的反射和河流表面的桿燈閃爍，都與河道邊緣平行，如果只使用邊緣檢測，提取的邊緣可能不是真實的邊緣，甚至一些有用的河道信息可能在干擾信息中丟失。由于陰影通常位于河流表面或河岸內部，而且河道和河岸是各向同性的，數學形態學有助于最大限度地消除陰影的干擾，并保持河道邊緣和河岸邊界。并且下移邊緣檢測可以盡可能平滑陰影和干擾，從而達到良好的效果，提取的邊緣必須是真實的。

最后，利用Hough 變換對河道進行線性檢測，確定河道范圍。

圖1給出了河道圖像數學形態學計算的模擬效果，a 為船閘原始圖像；b 為灰度增強圖像；c 為通過數學形態計算得到圖像；d 為提取邊緣的最終效果。

圖1 邊緣提取

圖2顯示了不同情況下固定河道處理范圍的模擬效果。a、b、c 為原件；e、d、f 給出了通過河道檢測的定位結果，其中兩條白線標記了河道的范圍。

圖2 固定處理范圍

2 運動目標檢測

2.1 方法

運動目標的圖像序列比靜止目標的圖像序列為目標檢測提供了更有價值的信息，在靜止背景下的運動目標檢測中，通常采用差分和自適應的運動目標檢測方法[3]。差分法是對同一背景、不同時間拍攝的兩幅圖像的對應像素進行灰度差分計算。該方法簡單有效，但要求背景絕對不變或基本不變。當背景雜波起伏較大時，自適應運動目標檢測方法更為有效。在圖像和參考圖像的雜波背景在空間上相對應的條件下，利用相關特性，調整權值去除生成量中的相關元素，從而壓縮背景雜波和相關噪聲，配準和光流法是目前比較流行的方法，配準通常從穩像和配準開始。利用配準后的圖像序列，可以像靜止背景下的運動目標檢測一樣進行目標檢測。光流法可以通過運動速度來分辨不同的物體和背景，但由于其計算量大、實時性差，因而不切實際。

2.2 計算

在船閘通航安全分析系統中，視場是固定的（攝像機安裝后保持靜止），因此本文研究了靜止背景下的運動目標檢測問題。

假設兩幅相鄰圖像f（ij），f.（i.j），對應像素灰度差絕對值dif（ij），（i=1，2，…；M；j=1，2…N；M、N表示高度和寬度），然后k幀差圖像（gAij）生成

其中TdiflTdifh表示假定閾值的下限和上限。

對于差分圖像中運動信息的提取，提出了差分緊度的概念，差分緊度決定是否存在運動船舶。COM 由三部分組成：1）水平緊致度（COMH）：它是差分點的水平投影；2）垂直緊致度（COMV）：它是差分點的垂直投影；3）面積閾值（AT）：考慮到雜散點可能達不到物體差分所需的密度，至少應該是這樣。

其中Peakh 和Peakv 是指主最大值可以擴展到零的像素總數；Total 是差異點的總和。

式中，CONTH 為水平濃度閾值；通過差分圖像的計算和統計，如果COM 為假，則沒有提取出有用的運動信息，需要采用靜止目標檢測的方法來檢測船舶；如果COM 為真，則有用信息已被提取，可能存在移動船舶或因卡基閃爍的漣漪而導致的虛假移動。為了在不影響真實運動信息提取的前提下，最大限度地減少由閃爍引起的誤識，提出了一種削峰直方圖的方法。實驗表明，對于有閃爍的圖像，直方圖中的灰度峰往往與其他部分分離。反射越強，趨勢越明顯，提出在直方圖中剔除反射引起的峰值。在此過程中，如果部分對象和ReflectionRay 比例重疊，則一定會丟失一些信息。但實驗表明，如果攔截點選擇得當，這種損失就無關緊要了。將公式（1）應用于截獲的灰度圖像進行差分計算，如果根據公式（5）判斷COM 為真，則檢測到運動船舶。另外，本文還提出運動信息的提取是從背景中提取的，需要采用靜止目標檢測的方法。

3 靜止物體檢測

對于靜止目標檢測，圖像處理技術可以用來提取單個圖像中目標的邊緣、形狀或紋理等特征。通過對這些性質的定性和定量分析，可以得出正確的結論。

3.1 固定船舶檢測

河道通常局限于某一區域，該區域的灰度是均勻的。

在通道中必須打破這種一致性。提取圖像邊緣，確定河道范圍，利用小區域的灰度平均值和灰度方差，建立判斷河道內船舶檢測均勻性的準則。

將信道劃分為一定數量的小范圍。假設范圍isK.K 的數目既不能太大也不能太小。當它太大時，判斷可能太微妙；當它太小時，很難提取信息，并將每個小范圍細分為兩個子范圍（左和右）。分別計算：A（i.lef）、Var（i.lef）、Av（iright）、Var（iright）、Av（i，整體）、Var（i，整體），其中，Aw（i.）表示第i小范圍的灰度平均值，Var（i.）表示第i小范圍的灰度方差，i=1，2，…，K。

按照步驟縮小范圍，重復計算灰度平均值和方差，統計時根據灰度平均變化增量和灰度方差的分布來劃分置信區間（如圖3 所示）。

圖3 平均增量、方差分布和置信區間標記

在圖中，一個u；σ(i=1，2，3）分別指設置灰度平均變化增量和灰度變化閾值。區間統計量縮小后，較大的置信區間取代以前較小的置信區間，P最大，A最小。通過對大量圖像數據的統計分析，得出置信區間O（A）、O（B）…、O（G）是無目標的，置信區間O（M）、O（N）、O（O）、O（P）可能有目標的結論。剩下的是不確定范圍，需要進一步計算。對于指定的范圍I、J，記錄每次計算所得范圍的最大灰度方差，假設為varmax；對于指定的范圍K、L，記錄每次計算所得范圍的最大灰度平均值，假設為avmax；對于指定的范圍H，同時記錄varmax和avmax。以上升半梯形函數為例。

當然，其他形式的函數，如上升半正態函數也起作用。

在得到每個區間的置信度O（=1，2..K）后，根據O＞OT0，統計出3 取2 或5 取3 的置信閾值。如果在連續3 個（或5 個）范圍內，2 個（或3 個）范圍符合0，＞0-，則檢測到靜止船舶。否則，就沒有船了。

3.2 特殊陰影處理

由于形狀上的直線通常表征一些特殊的陰影，如河岸或橋梁的反射，因此可以通過邊緣圖像的Hough變換來提取切向路徑。然后對目標范圍進行線性劃分，將上述靜止目標檢測方法應用于各自范圍內的目標檢測[4]。由于這種陰影不影響運動信息的提取，因此在運動目標檢測中不需要這種處理。

4 結語

本文提出了一種用于船閘通航安全分析的船舶檢測算法，提高了系統的安全性和可靠性。本文通過圖像邊緣檢測來確定河道的處理區域。提出了一種基于削峰直方圖的方法來抑制船閘內水流閃爍產生的虛假運動信息。通過計算差分圖像的投影密度函數，提出了差分緊度的概念，有助于更精確地檢測運動船舶。利用河道中幾個小區域直方圖的統計特性：灰度平均值和灰度方差，實現了對靜止船舶的檢測，并用置信域對檢測結果進行了判斷，計算機仿真表明，它對船閘中船舶的檢測有很大的貢獻。