李 軻，劉 忠，毛 盾

(海軍工程大學，湖北 武漢 430033)

0 引言

傳統(tǒng)上，海上探測和防御的對象主要是艦船和潛艇等大型目標，但是印度孟買發(fā)生的恐怖襲擊和2008年5月斯里蘭卡泰米爾“猛虎”組織發(fā)動的水下偷襲讓世界各國開始重視水下小目標的威脅?？植澜M織利用“非對稱”戰(zhàn)的特點，使用蛙人、蛙人運載器、水下機器人等小型武器對海軍艦艇基地、民用港口、海上鉆井平臺等海濱重要設施進行攻擊，將會造成巨大的生命和財產損失［1］。在這種形勢下，各國都投入了大量的人力、物力來研究針對蛙人、水下機器人等小目標的檢測、識別技術。

目前，聲波在水中進行遠距離傳播的效果最好，低頻聲波在水中的傳播距離甚至可以達到幾百千米。因此，聲信號就成為水下探測技術中的首選探測信號，而聲吶也就成為水下目標探測的主要電子設備。蛙人探測聲吶是一種以小目標為探測對象的高分辨率圖像聲吶，工作頻率越高，系統(tǒng)方位分辨率越高，對小目標的描述就越細致。蛙人探測聲吶的工作環(huán)境主要是淺海。由于淺海地形復雜、混響強度較高，導致聲吶圖像上會出現(xiàn)大量干擾信號，目標可能淹沒在這些干擾信號中，影響水下小目標的識別效果［2］。

本文旨在通過數(shù)字圖像處理技術結合水下小目標的物理特性，對所獲取的聲吶圖像進行處理、分析和理解，提出基于形態(tài)特征的水下小目標識別方法，并在實驗中得到了令人滿意的結果。

1 國內外研究現(xiàn)狀［3］

目前，世界上只有幾個軍事發(fā)達國家擁有基于蛙人探測聲吶的水下小目標識別系統(tǒng)，下面簡要介紹一下各國的發(fā)展狀況。

美國C－TECH公司推出的CSDS－850 mm警戒聲吶是其第三代高性能圖像聲吶，安裝在港口或艦船上用于探測攜帶開式或閉式呼吸器的水下蛙人、運載器及小潛艇等小目標。其提供的技術指標為:探測距離最遠可達2 000 m;水平全向探測也可扇區(qū)掃描;垂直窄波束并可以電子俯仰;系統(tǒng)頻率80 kHz，高分辨率波束形成，目標自動檢測及報警。

俄羅斯、烏克蘭的MOK－А水聲系統(tǒng)是主動發(fā)射的海洋警戒裝置，用于檢測非法進入的潛水器、蛙人及水面運載器等。該系統(tǒng)采用匹配場設計原理，最大的特點是可以探測帶吸聲材料的隱身蛙人，探測距離達100 m左右。另外，挪威考達公司的Echo scope系列三維成像聲吶也用于水下目標成像和蛙人探測中。

國內相關單位也已開展了蛙人探測聲吶的相關研究工作。中國科學院聲學研究所成功研制了全部自主知識產權的蛙人探測聲吶，該系統(tǒng)在北京奧運會的水下安保中得到了成功應用。

2 水下小目標識別方法

2.1 圖像預處理

圖像預處理主要完成對孤立熱噪聲和混響噪聲的去除，提高圖像的信噪比，包括中值濾波、閾值化等步驟。

2.1.1 中值濾波

中值濾波的主要目的是去除孤立噪聲，然而由于蛙人等目標本身也很小，因此在去除噪聲的同時必須注意保留這些小目標的相關信息。在蛙人探測聲吶圖像中。均值濾波和中值濾波是圖像預處理中最常用的2種方式。然而，均值濾波會平滑掉目標的邊沿信息，降低目標的灰度值，從而影響后續(xù)目標判定的效果;相反，中值濾波有助于保留目標的這些特征，同時消除孤立噪聲。另外，由于水下小目標與噪聲相比具有較高的強度，我們采用式(1)的方法對高強度小目標進行保護，即當某像素的N鄰域按由大到小排序后的第k個灰度值大于閾值T時，保持該像素的灰度值不變，這里要求k＜(N+2)/2。

其中，f'i(x，y)為像素(x，y)的N鄰域按由大到小排序后的第i個灰度值。N一般為偶數(shù)，取4或者8。f'1(x，y)≥f'2(x，y)≥…≥f'k(x，y)≥…≥f'N+1(x，y)，k＜(N+2)/2。例如，排序后8鄰域內的第3個灰度值超過220(其中灰度最大值為255)，則該像素的灰度值不變。實際上，中值濾波是它的特殊情況。

2.1.2 分段自適應閾值化

閾值化的主要目的是消除面積大而強度較弱的混響噪聲，與傳統(tǒng)的閾值化不同，這里為了保留目標的灰度信息，并結合蛙人探測聲吶的特點，進行單邊分段自適應閾值。

單邊閾值是指在閾值化過程中，只將小于閾值的像素點設置為背景，而大于閾值的像素點則保持灰度值不變。閾值化后的圖像為:

分段自適應閾值是將整個圖像按照與聲吶圓心的距離分為近區(qū)、遠區(qū)，對每個區(qū)域分別進行自適應閾值化。一般而言，由于近區(qū)混響噪聲強，相應的閾值也要高一些，而遠區(qū)的閾值要低一些。

自適應閾值分割的基本思想是根據(jù)虛警率和成像背景的變化情況動態(tài)地改變閾值。算法通過在固定閾值的基礎上增加1個反映成像環(huán)境整體變化情況的附加項Δt來設置動態(tài)閾值，其數(shù)學表達式描述如下:

式中:M×N為檢測區(qū)域的像素總數(shù);Δt反映了成像環(huán)境的整體變化情況。如果圖像成像環(huán)境變化較小，動態(tài)閾值Δt很小;如果圖像變化明顯，則動態(tài)閾值Δt將明顯增大，這就有效地抑制了成像環(huán)境變化帶來的影響;f'(x，y)為當前幀中像素(i，j)的灰度值;f(x，y)為初始幀中像素(i，j)的灰度值，這是個定值，可事先存儲。

然而，對每幀圖像都改變閾值是沒有必要的，也會增加系統(tǒng)的負擔，降低系統(tǒng)效率。因此算法為每幀圖像設置了1個二元組(CF，CT)。其中CF為本幀中檢錄到的虛警目標的數(shù)量，CT為本幀中檢錄到的目標的總數(shù)量，由CF和CT可以計算出本幀中檢錄到的目標的虛警率。

規(guī)則1 當連續(xù)N幀所檢測到目標總數(shù)大于閾值Ttotal，且虛警率也大于閾值Tratio時，閾值按式(3)進行更新。

當連續(xù)N幀所檢測到目標總數(shù)大于閾值Ttotal，且虛警率也大于閾值Tratio時，說明成像環(huán)境持續(xù)惡化，原來的閾值過低已經(jīng)不再適應于新的環(huán)境。在這種情況下，原來的閾值T按式(3)式通過附加Δt升高到T'。閾值的升高是漸進式，隨著閾值的提高，系統(tǒng)所檢測到的目標數(shù)和虛警率都會降低，如果新的閾值T'仍達不到要求，目標數(shù)和虛警率仍高于Ttotal和Tratio，系統(tǒng)會繼續(xù)按照式(3)式進行更新閾值，直到獲得達到要求的閾值為止。

規(guī)則2 每隔一段時間t將閾值重新置回初始狀態(tài)T0。

這是因為成像環(huán)境的惡化大多數(shù)情況下是突發(fā)性的，持續(xù)時間不會太長。例如下雨天會對蛙人探測聲吶的成像效果產生較大的影響，不過這種影響一般也就持續(xù)3～5 h，多則2～3天，之后聲吶的成像環(huán)境將恢復到原來的狀況，因此原來升高的閾值有必要降回初始水平，否則會影響目標檢測的效果。如果這時的成像環(huán)境仍然沒有改善，根據(jù)規(guī)則1，閾值T仍將按式(3)式再次進行更新。系統(tǒng)重置閾值的時間間隔可由用戶根據(jù)情況輸入。

2.2 基于形態(tài)特征的小目標檢測方法

首先使用背景相減法，通過統(tǒng)計得到背景模型中的1個背景模型，然后將當前幀與背景模型相減，如果像素差值大于某一閾值，則判斷此像素屬于運動目標，否則屬于背景圖像。這種方法能較好地提取出目標的特征數(shù)據(jù)，但對于外界環(huán)境的變化非常敏感。本文所提出的基于形態(tài)特征的小目標檢測方法的原理非常簡單，其主要工作過程如圖1所示。首先利用式(4)式計算背景圖像B(x，y)與當前圖像f(x，y)的差，然后對差分圖像D(x，y)進行二值化，最后對二值化后的圖像R(x，y)進行形態(tài)分析，當圖像中的某一連通區(qū)域的形態(tài)特征滿足所設定的判斷規(guī)則時，就認為這個連通區(qū)域為蛙人或水下機器人等水下小目標。

圖1 處理流程圖Fig.1 Processing flow chart

目標形態(tài)特征判斷準則如下:

1)對連續(xù)三幀圖像進行基于數(shù)學形態(tài)學的骨架提取，得到三幀圖像中各個對象的骨架，然后分別計算相對應對象的骨架長度平均值，再將這些平均值和已知的先驗值進行比較，進行初步目標識別，并將超出先驗值范圍的干擾圖像剔除掉;

2)依次計算所得圖像中余下每一個對象的面積平均值，然后與先驗值進行比較，判斷蛙人目標的存在，剔除超出判定范圍的干擾目標。這樣經(jīng)過以上兩步處理后剩下的對象既滿足長度要求、也符合面積要求，可判定為蛙人目標。

步驟1 計算連續(xù)三幀圖片中相對應的各個對象骨架長度的平均值Li，將它作為本輪判斷的骨架長度值:

然后判斷不等式: α≤Li≤β。

其中，α和β是關于蛙人目標骨架長度范圍的經(jīng)驗值，若不等式不成立就剔除該對象，若成立就進入步驟2。

最后判斷不等式: γ≤Sj≤δ。

其中，γ和δ是關于蛙人面積范圍的經(jīng)驗值。若不等式成立則判定該對象是蛙人目標，否則重新讀取3幀圖像，進入步驟1。

3 實測聲吶圖像處理結果

為了驗證本文所提出算法的有效性，這里對含有蛙人目標的連續(xù)三幀實測聲吶圖像進行了處理。實測環(huán)境:晴天，蛙人著閉式潛水衣，潛水深度10 m，海況3級。圖2中(a)～(c)分別顯示了蛙人探測聲吶的連續(xù)3幀偽彩色圖像，(d)～(f)分別顯示了經(jīng)本文所提出預處理算法處理后的圖像，(g)～(i)顯示了經(jīng)過基于形態(tài)特征檢測后的目標圖像。從圖中可以清楚地看到，從聲吶正北方向侵入的蛙人被成功地檢測到。

圖2 實測聲吶圖像Fig.2 Practical sonar image

4 結語

從實驗結果可以看出，本文提出的基于形態(tài)特征的水下小目標識別方法能在混響嚴重的淺海區(qū)域成功地檢測到蛙人等小目標，而且檢測準確率高，運算速度快，符合工程實踐要求。盡管如此，對于水下小目標檢測，本文只做了初步探索，還有很多問題需要進行研究和解決。

［1］張波，陳小泉.蛙人探測及蛙人探測聲吶［J］.中國科技信息，2009，(2):51 －52.ZHANG Bo，CHEN Xiao-chuan.Diver detecting sonar［J］.China Science and Technology Information，2009，(2):51－52.

［2］田曉東，周德超，劉忠.基于聲圖像序列的快速目標跟蹤算法［J］.計算機仿真，2007，24(7):5 －8.TIAN Xiao-dong，ZHOU De-chao，LIU Zhong.A fast object tracking algorithm based on sonar image sequences［J］.Computer Simulation，2007，24(7):5 －8.

［3］蔣立軍，楊娟，許楓.蛙人探測聲吶技術研究進展［J］.科學通報，2009，54(3):269 －272.JIANG Li-jun，YANG Juan，XU Feng.Technological progress of diver detection sonar［J］.Chinese Science Bulletin，2009，54(3):269 －272.

［4］李毅，等.一種改進的幀差和背景減相結合的運動檢測方法［J］.中國圖像圖形學報，2009，14(6):1162 －1168.LI Yi，et al.An improved method for motion detection by frame difference and background subtraction［J］.Journal of Image and Graphics，2009，14(6):1162 －1168.

［5］李軻，劉忠，毛盾.基于反蛙人聲吶的小目標檢測算法［J］.艦船電子工程，2010，30(7):173 －176.LI Ke，LIU Zhong，MAO Dun.Algorithm for detection of small target in sonar image based on anti－ diver sonar［J］.Ship Electronic Engineering，2010，30(7):173 －176.

［6］SARANGAPANI S，MILLER J H，POTTY G R，et al.Measurements and modeling of the target strength of diver［J］.Oceans，2005，2(20 －23):952 －956.

［7］GONZALEZ R C.數(shù)字圖像處理［M］.北京:電子工業(yè)出版社，2007.