基于LogGabor紋理特征分析的機場ROI的自動分割

王 麗，王海濤

(南京航空航天大學自動化學院，江蘇省南京市 210016)

圖像分割就是把圖像分成各具特性的區域，并提取出感興趣區域(ROI)的技術和過程[1]。由于 ROI可以有效地減少目標區域的搜索空間，故能夠提高目標識別的時間效率。機場作為一種重要的交通和軍事目標，它的檢測一直是研究的熱點和難點。文獻[2]利用跑道區域灰度值與背景的差異提取機場 ROI，該方法只適用于跑道和背景灰度值差異較大的機場檢測。文獻[3]通過KMP算法，根據圖像的紋理特征將圖像區域分為機場、水面、山脈等 6類，通過訓練分類器提取機場的 ROI，算法需要人工標記大量樣本，訓練器比較復雜。與文獻[3]把圖像分為 6類場景不同，文中采用多尺度的 Log-Gabor紋理特征提取算法，將圖像分割為機場和非機場區域兩類，不需要人為定義其他的場景。

1 LogGabor算法概述

在信號特征檢測中廣泛使用 Gabor[4]小波，主要是由于它具有兩個重要的性質。它是能夠取得空間域和頻域聯合測不準原理下限的惟一函數，而且具有較好的方向選擇性。但 Gabor濾波器也存在一定的局限性，即它的帶寬只能限制在 1倍頻。而 Field[5]提出的 LogGabor濾波器除具備Gabor濾波器的優點外還具備兩個主要特點[6]:一是 LogGabor濾波器總是沒有直流分量，這樣它的帶寬可以不受限制；二是 LogGabor濾波器的傳遞函數在高頻端有一個延長的尾巴，彌補了 Gabor濾波器過度表達低頻分量而對高頻分量表達不足的缺點。而且由于人的視覺系統具有非線性，這種非線性具有對數性質，因此 LogGabor濾波器可以更加真實反映自然紋理圖像的頻率響應。二維 LogGabor極坐標形式的濾波器通常被表示為徑向分量和角度分量的乘積

其中，Hf為徑向分量；Hθ為角度分量；f0為濾波器中心頻率；θ0為濾波方向；σf定義了倍頻帶寬，σθ定義了角度帶寬。圖 1給出了Gabor和 LogGabor的傳遞函數響應。

2 算法設計

由于機場區域的紋理特征沒有固定的方向，故文中沒有使用 LogGabor函數的角度分量，只使用了其中的尺度分量。圖 2是 LogGabor函數在尺度分別為3.000 0，3.958 5，5.223 3，6.892 2，9.094 3和12.000 0的響應。

由于 LogGabor是復帶通小波，多尺度的響應可以看成是圖像在不同頻段內的能量。在較低分辨率下，非機場區域紋理特征顯著，能量在高頻段占顯著優勢，而機場區域整體平滑，能量在各頻段內分布均勻或者低頻占顯著優勢。圖 3給出了一個典型的 6個尺度的機場(虛線)和非機場區域(實線)圖像塊的 LogGabor響應。由圖可見機場區域能量在整個頻率段分布較為均勻，而非機場區域能量則隨著頻率的降低而減少。

圖3 機場和非機場區域的LogGabor響應

文中首先將輸入圖像分塊，然后分別對每個圖像塊做傅里葉變換，再則計算多個尺度的 LogGabor響應，并統計圖像塊內各尺度上的均值。對圖像塊多個尺度的 LogGabor特征值進行了直線擬合，用擬合的直線斜率 K作為分類的特征。斜率體現了能量隨尺度的變化趨勢，比 LogGabor原始響應更有意義。由于分類特征只有一維，故分類過程采用了簡單的閥值分類。閥值由大量的標記樣本訓練得到。文中使用的特征雖然簡單(提取到的 ROI中非機場區域的虛警要高于文獻[3]中用多類分類器的方法)，但是保證了提取的區域都是整體光滑的。

3 實驗結果分析

本算法使用 VC++完成，文中實驗圖像大小為1 400×1 240，每個圖像塊的大小為 64×64。選擇機場及非機場區域的標記樣本各 200幅，從而獲得 ROI的分割斜率 K=-0.3，分割結果如圖 4所示。

圖4 實驗結果圖

本算法進一步應用經典的Canny邊緣提取算法在原圖和 ROI圖上在復雜度方面做了比較，結果如表 1所示。

表1 原圖與 ROI圖的 Canny算法復雜性比較

由 1和2的對比可知，經過 ROI分割后，用Canny算法對圖像測試，提取的邊緣點數減少了 71.3%。

4 結束語

文中給出了一種基于LogGabor紋理特征分析的機場 ROI分割算法，提出了將多個尺度的 LogGabor特征值進行直線擬合，用擬合的直線斜率 K作為分類的特征。實驗結果證明，本算法對于具有顯著尺度紋理特征的機場 ROI的圖像具有良好的分割效果，為下一步提取機場區域中跑道、飛機等目標提供了經驗。

[1]寧順剛，白萬民，喻鈞.基于灰度共生矩陣的圖像分割方法研究[J].電子科技，2009，22(11):69-71.

[2]耿振偉，蔣詠梅.一種巨幅遙感影像中機場 ROI檢測算法[J].電子與信息學報，2005，27(11):1770-1772.

[3]Liu Dehong，He Lihan，Carin L.Airport Detection in Large Aerial Optical Imagery[C].Montreal， Quebec， Canada:ICASSP，2004.

[4]Gabor D.Theory of Conununication[J].Joumal of the Institute of Eleetrieal Engineers，1946，93(26):429-457.

[5]Field D J.Relations Between the Statistics of Natural Images and the Response Property of Cortical Cells[J].Journal of the Optical Society of America，1987，4(12):2379-2394.

[6]王風華，韓九強.基于2D Log-Gabor濾波器的虹膜識別研究[J].系統仿真學報，2008，20(7):1808-1811.