數(shù)據(jù)挖掘下無人船舶目標(biāo)圖像識別研究

趙曉燕

（烏蘭察布廣播電視大學(xué) 內(nèi)蒙古 烏蘭察布 012000）

0 引言

隨著社會經(jīng)濟(jì)的發(fā)展，海洋船舶在航行速度、密度等方面均得到了顯著的提升，增加了船舶碰撞事件發(fā)生風(fēng)險，同時也對港口交通管理及航行安全提出了更高的要求。無人船舶所處環(huán)境惡劣，面臨風(fēng)向、浪潮等復(fù)雜變化，在海面上航行穩(wěn)定性會受到各類因素的影響。傳統(tǒng)目標(biāo)圖像獲取主要采用的是航拍技術(shù)或水聲技術(shù)，遠(yuǎn)距離拍攝圖像，在識別近距離目標(biāo)時存在一定的不足[1]。而無人船舶在航行時需要時刻對目標(biāo)圖像進(jìn)行識別，并執(zhí)行躲避障礙任務(wù)，對圖像及信息處理能力有著較高的要求。基于此本研究采用數(shù)據(jù)挖掘技術(shù)，對無人船舶目標(biāo)圖像識別情況進(jìn)行分析，驗證了該方法的有效性，以期為無人船舶安全、穩(wěn)定運(yùn)行提供參考。

1 無人船舶水面目標(biāo)圖像特征提取

船舶水面目標(biāo)主要包括島嶼、礁石及船舶等，以往采用航拍技術(shù)獲得的圖像是從不同角度獲得的圖像，容易出現(xiàn)縮放、平移等視角畸變。因此在識別無人船舶目標(biāo)圖像時應(yīng)保障盡可能消除視角畸變的影響。通過對船舶輪廓、島嶼、礁石等目標(biāo)的分析可以發(fā)現(xiàn)目標(biāo)形狀不同其特征描述也呈現(xiàn)出明顯的差異，船舶與島嶼、礁石等在表面紋理方面差異大，可以通過紋理特征描述幫助目標(biāo)圖像識別。

1.1 水面目標(biāo)紋理特征提取

作為目標(biāo)灰度提取的固有特征，紋理特征能夠應(yīng)用于對具有明顯差異的目標(biāo)與非目標(biāo)對象的識別。目前，紋理特征多被應(yīng)用于交通工具識別中，在水面目標(biāo)分類識別中應(yīng)用相對較少。此次研究在無人船舶圖像識別中對紋理特征進(jìn)行提取。

采用灰度共生矩陣的方法提取目標(biāo)紋理特征，采用如下描述因子：1）紋理能量。其主要指的是矩陣元素平方和，能夠?qū)D像紋理均勻性予以反映。2）紋理熵。該因子能夠反映出圖像信息量，熵值越大提示圖像更為復(fù)雜，較小的熵值則表示復(fù)雜程度較低。3）紋理梯度。其能夠?qū)D像層次內(nèi)容、清晰程度予以反映[2]。4）逆差矩。該因子可以對目標(biāo)紋理的局部分布情況予以反映，其體現(xiàn)了灰度均勻性質(zhì)。

通常對于島嶼、船舶與礁石，若紋理特征提取無法滿足需求，還可以通過外圍輪廓予以區(qū)別。當(dāng)無人船舶對遠(yuǎn)距離的目標(biāo)圖像進(jìn)行捕獲時，較大的目標(biāo)如島嶼會占據(jù)視頻幀橫向視野，礁石則呈現(xiàn)出塊狀分布，因此依據(jù)輪廓特征也能夠區(qū)分。采用自適應(yīng)mean-shift分割的方法能夠獲得目標(biāo)區(qū)域，通過二值化處理可得到黑白圖像，然后對不連續(xù)部分進(jìn)行填補(bǔ)，對外圍輪廓線提取，具體如下：對二值圖像目標(biāo)區(qū)域做好相應(yīng)的標(biāo)記，搜索對應(yīng)的暗點，對相鄰像素點進(jìn)行對比，將目標(biāo)區(qū)域不連續(xù)點設(shè)置為亮點。經(jīng)過填充對圖像亮點進(jìn)行搜索，目標(biāo)區(qū)域點即所有點全的亮點，與之相反則為輪廓點[3]。

1.2 水面目標(biāo)不變矩特征提取

1.3 水面目標(biāo)輪廓與幾何特征提取

為正確識別目標(biāo)，需要對目標(biāo)特征進(jìn)行提取，包括幾何特征、紋理特征等。在目標(biāo)輪廓提取方面，應(yīng)先分割目標(biāo)背景，并予以二值化處理，獲得目標(biāo)區(qū)域，然后對目標(biāo)區(qū)域的外圍邊界進(jìn)行提取，提取目標(biāo)輪廓。在幾何特征提取方面，應(yīng)結(jié)合目標(biāo)區(qū)域外圍輪廓及像素點數(shù)量，依據(jù)目標(biāo)最小外接矩獲得目標(biāo)的幾何特征：1）面積特征。其具有平移不變、旋轉(zhuǎn)的特點，完成分割后，對不連續(xù)部分進(jìn)行填充，可獲得歸一化后面積特征：目標(biāo)區(qū)域面積/不連續(xù)部分填充后面積。2）緊密度特征。其為目標(biāo)周長與面積的比值，能夠?qū)δ繕?biāo)形狀的復(fù)雜度予以反映。3）細(xì)長度特征。順主軸方向長度與垂直寬度的比值。

2 數(shù)據(jù)挖掘下無人船舶目標(biāo)圖像的識別

2.1 無人船舶目標(biāo)圖像預(yù)處理

式中，像素值k的個數(shù)采用hk表示，經(jīng)過迭代運(yùn)算，顯示Tk=Tk+1，可以結(jié)束迭代運(yùn)算，表示圖像分割已經(jīng)完成。

需要注意的是，海上無人船舶航行環(huán)境復(fù)雜、多變，部分圖像經(jīng)過分割處理后仍無法直接投入應(yīng)用，因此經(jīng)過分割處理的目標(biāo)圖像仍需要實施邊緣提取，經(jīng)過預(yù)處理，才能夠用于圖像的識別與分析。在數(shù)據(jù)挖掘技術(shù)下，遵循圖像邊緣最大值規(guī)律，采用如下公式進(jìn)行圖像邊緣點提取：?2f(i，j)=f(i，j)/x+f(i，j)/y，圖像邊緣坐標(biāo)為f（i，j），經(jīng)過計算獲得目標(biāo)圖像，其不僅可旋轉(zhuǎn)不變形，而且圖像經(jīng)過銳化處理，便于后期分析。

以往采用航拍技術(shù)對無人船舶目標(biāo)圖像進(jìn)行識別，但在邊緣位置容易出現(xiàn)交叉，基于此，研究采用數(shù)據(jù)挖掘，獲取了目標(biāo)圖像每個像素2階差分的和，提取了目標(biāo)圖像邊緣[6]。

2.2 無人船舶目標(biāo)圖像的識別

研究采用數(shù)據(jù)挖掘技術(shù)，其擁有專門的目標(biāo)圖像識別算法，能夠提升對目標(biāo)圖像的識別效率，縮短識別時間。通常，在識別無人船舶目標(biāo)圖像過程中，目標(biāo)圖像經(jīng)過預(yù)處理后，其像素值與期望像素值往往會存在一定的出入，通過對圖像之間連接權(quán)值的修改，能夠優(yōu)化目標(biāo)圖像。采用Q對目標(biāo)圖像識別輸出層予以標(biāo)識，那么在設(shè)定環(huán)節(jié)，會輸出rq標(biāo)識期望像素。但實際上其真實像素為Oq，目標(biāo)圖像像素值、期望像素值經(jīng)過預(yù)處理，其會產(chǎn)生均方誤差。假設(shè)用P表示輸出層上一層，那么航拍技術(shù)的關(guān)系可以用如下公式表示，Δwqp=-η（?EQ/?wqp），其中η、Oq分別表示的是步長、Iq函數(shù)[7]。

無人船舶目標(biāo)圖像識別采用無人機(jī)技術(shù)進(jìn)行設(shè)計時，其在局部最小值方面存在明顯的缺陷，此次研究采用了數(shù)據(jù)挖掘技術(shù)，其基本上不會受到目標(biāo)圖像局部反饋誤差的影響，能夠避免目標(biāo)圖像出現(xiàn)諸如無人機(jī)技術(shù)的問題。目標(biāo)圖像識別的具體流程如圖1所示。

在數(shù)據(jù)挖掘技術(shù)下，對目標(biāo)圖像閾值進(jìn)行計算，確定后將其與目標(biāo)圖像原始像素進(jìn)行對比，按照步驟對邊緣點提取公式進(jìn)行分割，對圖像外輪廓進(jìn)行提取，經(jīng)過目標(biāo)圖像的預(yù)處理，傳統(tǒng)的識別算法存在明顯的缺陷，表現(xiàn)為局部最小值問題，經(jīng)過數(shù)據(jù)挖掘能夠避免該問題的發(fā)生，保障目標(biāo)圖像識別的順利進(jìn)行，提高效率及精準(zhǔn)性。

2.3 目標(biāo)信息標(biāo)記

無人船舶運(yùn)行環(huán)境復(fù)雜，要想明確無人船舶視覺目標(biāo)的事實位置，需要進(jìn)行增強(qiáng)濾波處理，采用逆向推導(dǎo)的方式，獲得目標(biāo)圖像最優(yōu)估值，其能夠在一定程度上減輕像素噪點的干擾，提升對無人船舶目標(biāo)識別的精準(zhǔn)性。經(jīng)過增強(qiáng)濾波處理后，圖像清晰度能夠得到顯著的提升，且可以在更多目標(biāo)節(jié)點范圍內(nèi)應(yīng)用。需要注意的是增強(qiáng)濾波處理面向的是整個無人船舶視頻圖像，而非局部視覺節(jié)點，能夠?qū)Υ昂叫斜尘碍h(huán)境予以反映，輔助視覺目標(biāo)圖像連續(xù)性生成。

3 仿真試驗

3.1 實驗方法與流程

研究在進(jìn)行仿真試驗時，需要提供2臺計算機(jī)，并在計算機(jī)上安裝仿真軟件，自變量采用的是圖像輪廓點，在仿真程序中導(dǎo)入了不同識別方法，分別為數(shù)據(jù)挖掘技術(shù)與航拍技術(shù)，具體步驟如下：1）選擇無人船舶目標(biāo)圖像，將上方的所有圖像背景信息均予以處理，完全去除；2）采用尺度歸一化的方法對目標(biāo)圖像進(jìn)行處理；3）目標(biāo)圖像處理后可獲得圖像特征點N個，用mi表示每個特征點的尺度，那么目標(biāo)圖像特征點N，其對應(yīng)的各個尺度信息可以采用MN=（m1，m2，…，m(N-1)，mN)表示。4）獲得目標(biāo)圖像特征點后，需要對其進(jìn)行信息排序，目標(biāo)圖像特征向量采用前L個P值[8]。5）提取目標(biāo)圖像前L個兩項，對其進(jìn)行分類，獲得圖像識別對應(yīng)的時間參數(shù)。6）總結(jié)實驗數(shù)據(jù)，做好相應(yīng)的記錄。

3.2 實驗結(jié)果分析

按照上述步驟進(jìn)行仿真試驗，測試了數(shù)據(jù)挖掘與航拍技術(shù)對目標(biāo)圖像識別測試結(jié)果，對比了其時間參數(shù)，結(jié)果如表1所示，可以發(fā)現(xiàn)，當(dāng)圖像特征點數(shù)量增加后，數(shù)據(jù)挖掘技術(shù)下對目標(biāo)圖像識別時間逐漸縮短。計算目標(biāo)圖像識別每次所用的平均時間，結(jié)果為9.4 s。但航拍技術(shù)下對無人船舶目標(biāo)圖像進(jìn)行識別時，當(dāng)特征點數(shù)量增加后，盡管識別時間縮短了，但整體縮短的幅度小，其對圖像識別每次所用的時間平均為14.9 s，較傳統(tǒng)識別方法時間縮短35%，表明數(shù)據(jù)挖掘在縮短圖像識別時間方面效果更為突出。

保持主船舶位置不變，分別從不同方向讓識別對象靠近主船舶，此時通過監(jiān)測儀能夠觀察到紅外畫面，記錄紅外畫面失去清晰的時刻，在實驗過程中對主船舶目標(biāo)識別算法不斷更改，獲得指標(biāo)參數(shù)。無人船舶獲得的圖像模糊程度能夠通過RRS指標(biāo)予以反映，RRS系數(shù)值越大，提示獲取的船舶圖像模糊度水平越高，結(jié)果如表2所示。應(yīng)用數(shù)據(jù)挖掘技術(shù)船舶主機(jī)能夠捕捉3.0～9.0 n mile物理范圍的圖像。采用航拍技術(shù)能夠?qū)?.0～8.0 n mile范圍內(nèi)的船舶圖像進(jìn)行捕獲。可以發(fā)現(xiàn)前者明顯較后者高，且對比各組模糊度數(shù)值，可以發(fā)現(xiàn)數(shù)據(jù)挖掘最大值為22.18%，航拍技術(shù)獲得僅3組數(shù)據(jù)，最大值52.46%，捕捉船舶圖像物理范圍擴(kuò)大了30.2%。可見應(yīng)用數(shù)據(jù)挖掘能夠獲得更大物理范圍的目標(biāo)圖像，為無人船舶航行安全提供可靠的參考依據(jù)。

4 結(jié)語

綜上所述，在無人船舶目標(biāo)圖像識別中應(yīng)用數(shù)據(jù)挖掘技術(shù)，能夠獲得目標(biāo)圖像閾值，通過目標(biāo)圖像的分割、邊緣點提取，預(yù)處理目標(biāo)圖像，經(jīng)過一系列目標(biāo)圖像識別的設(shè)計與分析，能夠?qū)崿F(xiàn)目標(biāo)圖像識別，結(jié)果證實數(shù)據(jù)挖掘技術(shù)支持下，能夠縮短目標(biāo)圖像識別時間，擴(kuò)大目標(biāo)圖像的識別范圍，能夠有效解決無人船舶目標(biāo)圖像識別時間長、可見范圍小等問題，減少船舶圖像模糊的發(fā)生，有著較高的應(yīng)用價值，值得推廣。