海天背景下港口船舶檢測算法研究*

李 波， 安博文

(上海海事大學 信息工程學院，上海 201306)

海天背景下港口船舶檢測算法研究*

李 波， 安博文

(上海海事大學 信息工程學院，上海 201306)

針對海面視頻圖像中目標船舶總是出現在海天線附近且海面經常出現間斷性不連續雜波和孤立噪聲點的問題，采用邊緣檢測、閾值分割與霍夫線檢測結合的方法檢測出海天線。去除海天線及以上背景，準確定位目標船舶。采用局部自適應閾值分割去除海面由于漩渦產生的間斷性雜波，分割出真實目標船舶。通過形態學處理來填補目標船舶中間出現的空洞，連通域面積檢測去除靜止點來消除對目標點的影響。實驗結果表明：該方法能有效地去除海面雜波和噪聲點等對目標的干擾，有效檢測出海面背景下的目標船舶。

邊緣檢測； 霍夫變換； 海天線檢測； 自適應閾值分割； 數學形態學； 連通域

0 引 言

隨著經濟的發展，海上交通事故越發頻繁。在船舶密集且極易發生交通事故的港口安裝可見光成像設備，實時采集海上港口過往船舶的視頻，采用圖像處理等方法準確檢測船舶，并采集船舶具體位置、航向等信息。其中，海天線檢測是整個目標檢測中的關鍵，在去除背景干擾的同時還可以快速定位目標檢測范圍。遠處船只相對較小，與海面灰度值相差不大，并且攝像頭拍攝視頻本身存在噪聲，海面波浪以及海水形成漩渦等因素對遠處船只造成干擾，嚴重影響遠處船只的檢測。目前抑制噪聲、二值化分割目標主要方法有中值濾波[1]，能量累積[2]，OTSU閾值分割[3]，這些方法在背景簡單且灰度差不大情況下有較好效果，但是在灰度差較大且背景起伏較大時虛警率較高。

本文提出的方法結合視頻圖像的特點，在自適應濾波的基礎上，以邊緣檢測和霍夫變換為主檢測出海天線[4]，并經過多條線段擬合，確定海天線坐標，去除海天線及以上背景干擾，再通過局部自適應閾值分割去除海面雜波，最后通過形態學處理和連通域面積檢測準確檢測出目標。

1 目標檢測與分割

本文方法流程圖如圖1所示。

1.1 海天線檢測算法

為了確定海天線位置并去除海天線及其以上背景。

圖1 算法流程圖

根據視頻圖像中背景及目標船只所形成線的特點，提出邊緣檢測與霍夫變換相結合的方法檢測海天線[4]，并確定海天線的坐標位置。

1.1.1 圖像預處理、Sobel邊緣檢測及二值化

為去除視頻圖像中大量噪聲，首先采用自適應中值濾波器對其預處理。該濾波器去除視頻圖像中椒鹽噪聲、脈沖噪聲都有顯著效果，不會丟失圖像信息。

本文采用的是Sobel邊緣檢測[5]，在傳統Sobel算子基礎上增加兩個方向模板：45°和135°方向，而且重新調整了原有兩個模板的權值。為獲得海天線邊緣信息，采用最大類間方差法將邊緣檢測后的圖像二值化。原圖像、邊緣檢測處理結果圖像與二值化圖像如圖2所示。

圖2 原圖像、邊緣檢測處理圖像與二值化圖像

1.1.2 霍夫變換檢測海天線

霍夫變換是通過參數空間變換完成線檢測，可利用參數空間的極值點完成檢測。

在xy平面上，通過任意一點(xi,yi)的無數條直線形成直線族，可以表示為yi=axi+b，對應到ab(也稱為參數空間)平面上可以看作是自變量為a和因變量為b的直線。所以兩個平面之間的映射是直線族到一條直線的轉換。在xy平面中，根據兩點確定一條直線原則，對應到ab平面上是兩條直線相交于一點，如圖3所示。由此可知，對于xy平面上確定直線上的點集，映射到ab平面上直線族都相交于一點。

圖3 xy平面和ab平面映射關系

但是平面中的直線斜率a接近90°方向時，會造成計算上的困難。為了解決這一難題，使用極坐標法表示平面中的直線，如式(1)所示

xcosθ+ysinθ=ρ

(1)

類似于ab參數空間，可將xy平面上的點映射到ρθ平面上的曲線，如圖4所示。

圖4 xy平面和ρθ平面映射關系

為了得到相關參數，可以將ρθ參數空間劃分為一個累加器單元，如圖5所示。然后xy平面上圖像的每個非背景點坐標(xk,yk) 通過公式(1)進行坐標轉換運算轉化為ρθ平面上的曲線。其中θ的取值范圍是[-π/2,π/2],ρ的取值為圖像中非背景點與原點距離的最大值與最小值。其中θ軸上每個量化的θ值與ρ值一一對應，也就是說得到量化后的θ值就能得到相應的ρ值。對得到的ρ值進行舍入，得到ρ軸上所允許的最近似的值。對應的(ρ,θ)單元的累加值相應增加。所有運算過程結束后，統計每個累加單元的累加值。

圖5 ρθ空間累加器

依據該原理，根據圖像中海天線是所有線中最長、特征最明顯的直線，只要獲取ρθ參數空間累加值的最大值(ρm,θm)，通過相應公式xcosθm+ysinθm=ρ進行反運算，就能找到圖像中所存在的直線。但是在實際中，利用霍失變換檢測到的海天線不是一條直線，而是由多條線段連接起來的，所以，要對檢測到的海天線進行多線段擬合，提高海天線檢測率。

本文所采用的多線段擬合是利用最小二乘法[6]將分割得到的每個子圖像中相鄰兩條線段進行一次擬合，以此類推，將最后得到的兩幅子圖像合并，得出比較精確的直線。

設x和y之間的函數為y=ax+b。對于等精度測量得到的N組數據(xi,yi)，i=1,2,…,n。xi值被認為是準確的，所有誤差只聯系yi。對于等精度觀測值的直線擬合，觀測值yi偏差的加權平方和為最小，如式(2)所示

(2)

上式分別對a,b求偏導，如式(3)、式(4)所示

(3)

(4)

整理后得到方程組如(5)所示

(5)

解上述方程組可得a和b的最佳估計值

(6)

(7)

最小二乘法處理數據時除了給出數據a,b外，常常給出相關系數r，r的定義式如式(8)所示

(8)

1.2 局部自適應閾值分割

在圖像處理應用中常用的圖像二值化方法有：全局固定閾值[7]、局部自適應閾值、OTSU等。

全局固定閾值就是對整幅圖像都是用一個統一的閾值來進行二值化，但是對于紋理比較復雜且像素值分布不穩定的圖像，會使前景目標丟失或者將前景目標的大部分拋棄，對于遠處的小目標表現尤為明顯。

本文所采用的是局部自適應閾值分割[8]，在圖像中每個像素值的二值化閾值并不是固定不變的，而是隨著其周圍像素分布的改變而變化。通常來說，圖像中目標存在的區域亮度決定了二值化閾值的大小。如圖6所示是3×3鄰域塊，其中r是權值。在所使用的局部鄰域塊均值方法中，通過計算像素點所在p×p區域的加權平均，然后減去鄰域塊的最小方差值得到所需要的局部自適應的閾值。

圖6 3×3鄰域塊

設{fi,j}(1≤i≤I,1≤j≤J)為輸入圖像，mi,j和vi,j分別是平均值和方差。平均值mi,j如式(9)所示，方差vi,j如式(10)所示

(9)

(10)

式中p為局部鄰域塊。當vi,j>vmin時，局部自適應閾值tij=mi,j+vi,j，當vi,j≤vmin時，tij=tij-1，這里vmin是最小方差值。如果j=1，那么tij=ti-1,j，t11=ti0j0，這里vi0,j0>vmin。

1.3 形態學處理與連通域面積檢測

由于檢測到的目標船舶中間會有小空洞，影響檢測結果的完整性，形態學處理不僅填充目標中間的空洞，而且在一定程度上能夠平滑圖像。這里采用形態學開運算[9]：先腐蝕后膨脹。開運算能夠使目標輪廓變得光滑，消除細小的突出物，此外還能消除小的孔洞，填補輪廓線中的斷裂。

由于海面上有航標等靜止點，腐蝕運算無法去除，所以，可以通過畫出其連通域[10]，計算出面積，根據面積大小和長寬比例判斷來去除靜止點。

2 實驗結果與分析

實驗用到的視頻是利用可見光攝像頭拍攝港口得到的，攝像頭分辨率為1920×1080，將拍攝到的視頻壓縮為640×480進行處理，計算機內存為4 GB；系統平臺為32位Win 7系統；軟件實施平臺為VS 2010和OpenCV 2.4.8。

圖7(a)是初步檢測到組成海天線所有線段的端點坐標，由圖可知，有4對坐標對應有4條線段，圖7(b)是對應分割得到的子圖像，其中將點(49,227)，(342,221)確定的線段與(93,225)，(345,220)確定的線段分割在一個子圖像中，將點(348,217)，(637,211)確定的線段與(346,218)，(500,218)確定的線段分割在一個子圖像中，在第二幅子圖像中線段中間有零散的點，所以，在檢測過程中還要設定點與點的間隔閾值，如果超過該閾值就能將兩點連接從而形成所需線段。圖8(a)為子圖像多線段擬合結果;(b)為子圖像合并后的海天線效果。

圖7 線段端點坐標分布及子圖像

圖8 子圖像及合并圖像海天線檢測

圖9是應用全局固定閾值分割、最大類間方差法自適應閾值分割與局部自適應閾值分割處理后的圖像，可以看出，前兩種算法都不能有效去除海面波浪或者海水漩渦形成的雜波，本文算法不僅能去除這些雜波，還能保證檢測到目標船舶的完整性。

圖9 三種方法處理結果比較

通過形態學處理和連通域面積檢測將分割出的目標船舶中間細小空洞填補，同時根據提取目標輪廓的面積以及船體的形狀，按照長寬比例判斷將靜止點去除，如圖10所示。

圖10 形態學與連通域處理結果圖像

3 結 論

本文對海天背景下港口船舶的檢測進行了研究，提出通過Sobel邊緣檢測與霍夫變換結合的方法檢測并去除海天線及以上背景，運用局部自適應閾值分割檢測出目標，并通過形態學處理及連通域面積檢測對其后處理，有效去除海面雜波及孤立噪聲點，實現目標船舶的完整性檢測，具有實際應用意義。

[1] 楊 蕊,張涇周.基于幀差法與邊緣信息的紅外目標檢測算法研究[J].科學技術與工程,2012,12(26):6648-6651.

[2] 葉 斌,彭嘉雄.基于能量累積與順序形態濾波的紅外小目標檢測[J].中國圖象圖形學報,2002,7(3):251-255.

[3] 謝鵬鶴,楊恢先,王緒四.基于最大累積剩余熵的紅外圖像分割[J].傳感器與微系統,2011,30(7):34-37.

[4] 溫佩芝,史澤林,于海斌.復雜海面背景紅外小目標自動檢測方法[J].紅外與激光工程,2003,32(6):590-594.

[5] 沈德海,候 建,鄂 旭.基于改進的Sobel算子邊緣檢測[J].計算機技術與發展,2013,23(11):22-25.

[6] 丁克良,沈云中,歐吉坤.整體最小二乘法直線擬合[J].遼寧工程技術大學學報,2010,29(1):44-47.

[7] 葉 斌,彭嘉雄.基于形態學Top-Hat算子的小目標檢測方法[J].中國圖像圖形學報,2002,9(7):638-642.

[8] 周美亮,安博文.基于紅外面陣傳感器的小目標檢測算法[J].傳感器與微系統,2014,33(11):142-144.

[9] 甘明剛,陳 杰,劉 勁,等.一種基于三幀差分和邊緣信息的運動目標檢測方法[J].電子與信息學報,2010,32(4): 894-897.

[10] 盧官明,謝 雙.自適應背景更新及運動目標檢測算法[J].南京郵電大學學報,2013,33(3):12-17.

Research on port ships detection algorithm on sea-sky background*

LI Bo， AN Bo-wen

(College of Information Engineering,Shanghai Maritime University,Shanghai 201306,China)

Aiming at the problems that the target ships are always near the sea-sky line and often appear discontinuous clutter and isolated noise points on the sea in video image,a method is put forward that combines edge detection with threshold segmentation and Hoff line detection to detect the sea-sky line.Remove sea-sky line and above background,positioning the target ships accurately.Then the local adaptive threshold segmentation is used to remove the discontinuity clutter because of vortex on the sea,and the real target ships are segmented.Finally,in order to fill the cavities of the middle of the target ships and remove the rest points to eliminate the influence on target points,the morphological procession and the connected domain area detection is used.Experimental results show that the method can effectively remove the interference of sea clutter and noise,and can effectively detect the target ships under the background of sea.

edge detection; Hoff transform; sea-sky line detection; adaptive threshold segment; mathematical morphology; connected domain

10.13873/J.1000—9787(2017)02—0057—04

2016—03—31

國家自然科學基金資助項目(61171126)；上海市重點支撐計劃資助項目(12250501500)

TP 391.4

A

1000—9787(2017)02—0057—04

李 波(1990-),男,碩士研究生,主要研究方向為紅外小目標檢測、圖像處理。

安博文(1969-),男，博士，教授，主要從事遙感圖像處理研究工作。