PMMW金屬目標圖像處理與計數技術實現

林曉敏， 聶建英

(福州大學數學與計算機科學學院，福州 350108)

0 引言

被動毫米波(PMMW)成像具有全天時全天候和穿透硝煙戰場的工作能力，但PMMW圖像的限制是分辨率［1］。當前，國內外大部分有關PMMW成像的文獻都集中在成像技術和圖像去噪方法的改進上，而關于PMMW圖像金屬目標自動計數的報告尚稀少，暫未查到。在此背景下，本文首次提出實現金屬目標自動計數研究，并給出其具體的實現過程。當大量的PMMW圖像目標需要識別時，系統在吻合度高的條件下所耗時間遠低于肉眼識別所需時間。

在PMMW圖像閾值分割問題上，本文通過比較和分析OTSU法與迭代法的各自算法特點，并結合PMMW圖像的噪聲特性，最終選用迭代法。最后用Visual C++6.0開發工具實現二值圖像連通域像素標記算法，搭建起金屬目標個數的計數系統，并對系統的響應時間做了定量分析。經實驗分析，系統具有準確性，且響應時間較短，能準確地計算出金屬目標個數。本文算法及處理過程可為PMMW金屬目標識別和計數系統的研發提供一定的參考價值。尤其當多源信息融合，多圖像要識別時，可大大縮短肉眼識別所需的時間，快速判斷金屬目標個數，贏得軍事上的寶貴時間。

1 金屬目標探測模型

在探測地面目標時，毫米波輻射計工作原理是根據背景和金屬目標的毫米波輻射特性之間的差異來探測目標的。金屬目標的表面反射率趨近1，輻射率趨近0，一般地，地面背景輻射率很高，為0.935左右。毫米波輻射計是一種用于測量物體熱輻射電磁波信號的靈敏度高的接收機，對天線接收端探測的地面背景溫度和金屬目標溫度進行比較，即可判斷目標是否存在。

在探測距離較近的情況下，可不考慮大氣衰減效應，接收機接收地面輻射，此時天線附近溫度可表示為

式中:θ為入射角;φ為方位角;Δf為接收機的帶寬;Pi為極化;εg為地面發射率;εat為大氣發射率;Ts為天空的真實溫度;Tg為地面的真實溫度;Tat為大氣的真實溫度;ρg為地面發射系數。

當接收機接收金屬表面輻射，此時天線附近的溫度可表示為

式中，ρt為金屬目標的反射系數。

由式(1)和式(2)可得地面和金屬目標的溫度對比度示為

因金屬與地面背景的視在溫度差很大，從而判斷ΔTt即可檢測出地上的金屬目標［2］。但目前毫米波所成圖像的分辨率還較低，因此需要對圖像進行處理，以便進一步分析其特性。

2 PMMW圖像二值化及數學形態學處理

2.1PMMW圖像二值化

在圖像識別系統中，一般都需要對圖像進行二值化處理，二值化處理后可對目標圖像進行分割和特征提取等操作。二值化過程是通過選取適當的閾值，當灰度值大于或等于閥值時則把該灰度值設為255(白);否則設為0(黑)。圖像二值化的關鍵是閾值的選取，經典的閾值求解算法有OTSU法、迭代法等。

圖1a是一幅200～300 m距離處集群坦克的被動毫米波成像圖;圖1b是基于OTSU算法的圖1a的二值化圖像，經Matlab編程求得其閾值為0.15686;圖1c是基于迭代算法的圖1a的二值化圖像，經Matlab編程求得其閾值為0.43137。

因PMMW圖像副對角區域的概率并不趨向0，而OTSU算法建立在主對角區域的概率和趨向為1的前提下，因此用OTSU算法對PMMW圖像進行二值化不夠合理，且經Matlab實驗處理比較，迭代法能更好區分開目標與背景，故本文選用迭代算法作為PMMW金屬目標圖像的二值化算法。

圖1 PMMW圖像及其兩種二值化圖像Fig.1 PMMW image and two binary images

2.2 二值化后圖像的數學形態學處理

數學形態學研究圖像幾何結構的基本思想是用一個形態結構元素去試探待處理圖像，驗證能否將此結構元素填充到圖像內部。膨脹、腐蝕、開運算和閉運算這4個運算是數學形態學的基礎。

圖像去噪過程可視為對有用信息進行提取，對無用信息進行過濾的過程，對二值化后的PMMW圖像，就是從強噪聲背景中提取出金屬目標圖像，并把噪聲去除，以得到貼近實際情況的金屬目標圖像［3-4］，如圖2所示。

圖2 PMMW二值化圖像的數學形態學處理過程Fig.2 Steps for processing PMMW binary image based on mathematical morphology

處理的具體步驟如下所述。

1)調用Matlab中用于對二值圖像進行形態學操作的函數bwmorph，其operation參數選擇open，即對讀入的二值化后的PMMW圖像(圖2a)，進行二值開運算，消除噪聲，增加邊緣線光滑程度，消除較小的突出部分并斷開間距狹窄的部分，處理結果如圖2b所示。

2)調用Matlab中用于對二值圖像進行形態學操作的函數bwmorph，operation參數選擇close，即對圖2b進行二值閉運算，閉運算增加邊緣線光滑程度，但與開運算相反的是，它可以消彌狹窄細長的間斷，消除小的孔洞，并填補邊緣線中的斷裂處，處理結果如圖2c所示。

3)調用Matlab中用于對二值圖像進行形態學膨脹運算的函數imdilate，為了使得處理結果不產生偏移，這里選取正方形4×4作為結構元素，對圖2c進行膨脹處理。膨脹運算使圖像擴大，并將一些細小的裂縫連接到一起，修復一些間斷的簡單結構元素，處理結果如圖2d所示。

4)調用Matlab的刪除小面積對象的函數bwareaopen，把面積小于100的區域［5］即被膨脹的非目標的噪聲點去除掉，bwareaopen函數的conn參數選用8鄰域，處理結果如圖2e所示。

5)調用Matlab的邊緣檢測函數edge對圖2e進行邊緣提取，Matlab中的常用的圖像邊緣提取算法有:Roberts、Sobel、Prewitt、Canny 等邊緣檢測算子，經實驗分析，Roberts算子提取的邊緣較粗糙;Prewitt算子提取的邊緣間斷點較多;Canny算子和Sobel算子邊緣檢測抗噪聲干擾能力好，對PMMW圖像邊緣檢測效果都較理想。該文選用其一Canny算子對圖2e進行邊緣提取［6-8］，處理結果如圖 2f所示。

3 識別系統的實現及與面積法的比較

3.1 像素標記法

像素標記法是當前使用最廣泛的圖像標記算法，在經由上到下，由左到右兩次掃描之后，即可標記出該圖像中符合連通性質的連通區域總數。一般地，背景像素的灰度值為0，目標像素的灰度值為1。注意，對圖像進行標記之前，為防止斷電或誤操作等意外因素對原圖像造成損壞，系統設計時另外開辟了一個與原圖像的數據大小一樣的內存空間來存儲標記圖像。

像素標記法可分為3個步驟，具體如下所述。

1)讀取圖像，對圖像進行初步標記，即給每個像素臨時賦一個標記值，將具有等價關系的標記值進行記錄，并寫入等價對數組中。

2)對等價對數組進行整理，讀取等價對數組后，檢查數組中的等價關系，并將等價的數據用最小標記值進行替換，這里的最小標記值即臨時標記的等價對數組中的最小者。然后用從1開始的正整數對等價對數組進行重新編號標記。

3)用2)中的重新編號標記值代替1)中的臨時標記值，最后輸出代換后的圖像，輸出的圖像的連通區域從上到下，從左到右被一個唯一的數所標記。由這些標記數，即可計算出連通區域個數［9］。

像素標記算法的流程如圖3所示。

圖3 像素標記法流程圖Fig.3 Flow chart of pixel labeled arithmetic

3.2 像素標記法實現與準確度測試

根據以上算法，在Windows XP操作系統平臺上，用Visual C++6.0開發工具實現以上算法，搭建金屬目標識別系統。此系統顯示的連通區域個數即是金屬目標的個數，系統界面如圖4所示。

圖4 用戶界面Fig.4 User interface

對經上述處理后PMMW圖進行測驗，識別結果如圖5所示。

圖5 計數結果Fig.5 Result of counting

注意，圖5界面中包含兩幅圖像，左邊是原始的讀取的待檢測圖像，右邊是標記圖像。識別結果為12個金屬目標，這與人眼視覺系統所能從圖形上識別到的12個或13個金屬有較好的吻合度，驗證了此方案金屬目標計數的準確性。

3.3 系統性能測試

測試環境配置的主要參數如下:系統為Windows XP SP3;CPU 為 Intel酷睿 i7 2600，主頻為3.4 GHz，四核心;顯卡為NVIDIA GF104，顯存容量為1 G。軟件為Matlab 7.0;Microsoft Visual C++6.0。

對一幅PMMW圖像測試10次，系統的響應時間結果如表1所示。

表1 次數與時間的關系(1)Table 1 The relation between frequency and time(1)

這10次響應時間的平均值為0.96869 s，可近似認為此平均值即是系統對一幅PMMW圖像的處理和計數時間，由表1可以看出此系統的計算量較小，且穩定。

對10幅PMMW圖像同時進行處理，系統響應時間如表2所示。

表2 次數與時間的關系(2)Table 2 The relation between frequency and time(2)

所測的10次響應時間的平均值為3.08803 s，可近似認為此平均值即是系統對10幅PMMW圖像的處理和計數時間。進一步，用同樣方法對100幅PMMW圖像進行測試，系統的響應時間約為32.3569 s。

3.4 面積法測試結果及兩方法比較

面積法計算目標個數的原理是對分割處理后的圖像的目標面積值從小到大進行排序，取其中位數作為平均值，然后用目標圖像的總面積除以這個中位數，從而計算出圖像中目標的個數。用該方法對該文的PMMW圖像進行測試，處理的結果約為17.6個目標，這與真實情況的12或13個目標有很大的誤差，且面積法要求PMMW圖像的成像距離固定不變［10］。距離一發生變化就必須重新設定參數，否則誤差會很大。像素標記法不用考慮距離是否發生變化，因此像素標記法適用條件更寬泛。

所以本文認為像素標記法更能合理有效計算出PMMW金屬目標個數，面積法造成誤差大的原因很大程度是PMMW圖像自身分辨率低的特點導致的。面積法計數更適合圖像清晰度高、目標成像均勻的圖像。

4 結束語

本文在PMMW圖像分辨率低、圖像噪聲強的條件下，用數學形態學方法對其進行去噪處理，并用Visual C++6.0開發工具搭建起金屬目標自動計數系統，并用面積法與像素標記法進行比較。實驗表明，像素標記法能合理有效計算出PMMW圖像中金屬目標個數，有利于軍事上快速做出軍事決策，贏得現代軍事電子對抗時爭分奪秒的寶貴時間，這在軍事上無疑是至關重要的。同時本文算法可為今后PMMW金屬目標識別并自動計數系統的研發和完善提供一定的參考。

［1］聶建英，李興國，婁國偉.PMMW裝甲目標小波包分析與輻射特性研究［J］.電光與控制.2011，18(3):72-75.

［2］宋建軍，童力，陳旭鋒.利用毫米波輻射計探測金屬目標的研究［J］.現代電子技術，2010，19:47-53.

［3］RAFAEL C G,RICHARD E W.Digital image processing［M］.2nd ed.Publishing house of electronics industry,2003.

［4］倪維平，嚴衛東，邊輝，等.基于MRF模型和形態學運算的 SAR圖像分割［J］.電光與控制，2011，18(1):32-36.

［5］李凱永，何友金，張鵬，等.地面紅外目標圖像識別方法研究［J］.電光與控制，2009，16(3):71-74.

［6］趙繼印，徐艷蕾，焦玉斌.基于順序形態學的圖像邊緣檢測快速算法的研究［J］.電子學報，2008，36(11):2195-2199.

［7］LUENGO-OROZ M A,ANGULO J.Cyclic mathematical morphology in polar-logarithmic representation［J］.Trans Image Process,IEEE,2009,18(5):1090-1096.

［8］KIM J,GRAUMAN K.Asymmetric region-to-image matching for comparing images with generic object categories［C］//Proceedings of International Conference on Computer Vision and Pattern Recognition.San Francisco:IEEE,2010:2344-2351.

［9］王安靜，陳玲，宋建永，等.用VC++實現圖像連通區域標記［J］.電腦編程技巧與維護，2003(1):74-77.

［10］左欣，韓斌，程嘉林.基于數字圖像處理的植物葉面積測量方法［J］.計算機工程與應用，2006，42(27):194-197.