田國昊，石 磊，劉 轟，初秀民

(1.武漢理工大學(xué) 智能交通系統(tǒng)研究中心，湖北 武漢 430063；2.中設(shè)設(shè)計(jì)集團(tuán)股份有限公司，江蘇 南京 210014；3.閩江學(xué)院，福建 福州 350000)

我國擁有較長(zhǎng)的海岸線及內(nèi)河航道，航行安全監(jiān)管的需求越來越大?，F(xiàn)今，我國沿海和長(zhǎng)江干線已建成50余個(gè)船舶交通服務(wù)(VTS)中心，沿海重要水域及港口基本實(shí)現(xiàn)了全面覆蓋，長(zhǎng)江干線航段基本實(shí)現(xiàn)全方位安全監(jiān)管[1]。雷達(dá)是VTS系統(tǒng)中不可缺少的組成部分，通過雷達(dá)可探查到水域中的船舶航行狀況，幫助海事人員了解水上綜合情況。雷達(dá)目標(biāo)識(shí)別是雷達(dá)應(yīng)用的關(guān)鍵技術(shù)，而目標(biāo)識(shí)別對(duì)于雷達(dá)圖像而言具有一定的要求?，F(xiàn)今雷達(dá)成像技術(shù)已經(jīng)相對(duì)成熟，要提高目標(biāo)識(shí)別準(zhǔn)確率就需要針對(duì)不同應(yīng)用場(chǎng)景對(duì)雷達(dá)圖像進(jìn)行處理。針對(duì)道路識(shí)別場(chǎng)景，文獻(xiàn)[2]通過對(duì)圖像紋理進(jìn)行提取并修復(fù)規(guī)避圖像上出現(xiàn)不完整道路情況的發(fā)生；針對(duì)機(jī)場(chǎng)跑道場(chǎng)景，文獻(xiàn)[3]提出了一種機(jī)場(chǎng)跑道異物檢測(cè)方法，利用高斯模型疊加去除噪聲，運(yùn)用背差法去除背景，再通過形態(tài)學(xué)處理增強(qiáng)圖片，最后運(yùn)用漫水填充法得到雷達(dá)圖形中的目標(biāo)。以上研究都是通過對(duì)雷達(dá)圖像進(jìn)行處理進(jìn)而檢測(cè)其目標(biāo)，對(duì)特定的檢測(cè)環(huán)境具有較高的目標(biāo)識(shí)別率。

長(zhǎng)江的狹窄水域中地形相對(duì)復(fù)雜，航道狹窄、彎曲，岸線較長(zhǎng)。船舶靠岸行駛時(shí)，船舶與岸線圖像融為一體，無法分離，給雷達(dá)目標(biāo)捕獲、識(shí)別帶來困難。文獻(xiàn)[4]提出一種應(yīng)用于狹窄水道的雷達(dá)圖像處理技術(shù)，可獲取位于航道上的船舶圖像，然而此技術(shù)是基于切除大量岸線回波基礎(chǔ)上的，因此針對(duì)雷達(dá)圖像上近岸船舶并不能做到識(shí)別。為識(shí)別近岸船舶，文獻(xiàn)[5]又提出了一種基于圖像處理的內(nèi)河海事雷達(dá)圖像岸線橋梁提取方法，利用提取橋梁和岸線的方法對(duì)船舶進(jìn)行識(shí)別。然而因岸線橋梁形狀復(fù)雜導(dǎo)致其提取難度高，且岸線橋梁圖像面積遠(yuǎn)大于目標(biāo)船舶圖像面積，去除岸線橋梁時(shí)容易丟失近岸船舶目標(biāo)。

針對(duì)上述已有方法存在的問題，本文提出了一種基于圖像處理的雷達(dá)圖像船岸分離方法，通過混合高斯背景建模獲得背景圖形，對(duì)目標(biāo)圖像進(jìn)行形態(tài)學(xué)處理及邊緣檢測(cè)，最后通過背差法獲得目標(biāo)船舶，從而進(jìn)行船岸分離。此方法有利于提高雷達(dá)目標(biāo)識(shí)別成功率，減少近岸船舶無法識(shí)別情況的發(fā)生，提高海事監(jiān)管水平，保障船舶航行安全。

1 近岸船舶分離處理方法

近岸船舶分離方法包括灰度圖轉(zhuǎn)化、混合高斯模型檢測(cè)運(yùn)動(dòng)目標(biāo)、數(shù)學(xué)形態(tài)學(xué)處理、邊緣檢測(cè)等步驟。首先，通過多張雷達(dá)圖像進(jìn)行混合高斯背景建模，獲取背景圖；其次，對(duì)當(dāng)前雷達(dá)圖像進(jìn)行灰度轉(zhuǎn)化，獲取灰度圖；再次，將灰度圖與背景圖進(jìn)行背差操作，獲得目標(biāo)船舶圖像，對(duì)船舶圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理并通過邊緣檢測(cè)算法獲取船舶輪廓；最后，船舶輪廓圖與當(dāng)前幀圖間進(jìn)行圖像運(yùn)算操作獲取船岸分離圖像。雷達(dá)圖像處理方案如圖1所示。

圖1 雷達(dá)圖像處理方案

1)灰度圖轉(zhuǎn)化。此操作將圖像顏色空間從紅綠藍(lán)(RGB)三通道值轉(zhuǎn)為單通道灰度值表示，可減少圖像處理運(yùn)算量，提高運(yùn)算效率。本文灰度圖轉(zhuǎn)化操作增強(qiáng)圖像中強(qiáng)信號(hào)的主體部分，削弱因水波等原因產(chǎn)生的弱信號(hào)部分。

2)混合高斯背景建模。因所采集的雷達(dá)圖像是在固定地點(diǎn)不同時(shí)間線上采集的，雷達(dá)圖像中背景雖稍有浮動(dòng)卻大體不變，本文采用在背差操作中效果良好的混合高斯背景建模。

3)背差操作及背景圖更新。背差操作可將當(dāng)前幀圖像與背景圖像進(jìn)行比較，以獲取兩圖間像素值差距較大區(qū)域。此時(shí)的當(dāng)前幀圖將與原背景圖集繼續(xù)以累積求均值的方法獲得新背景圖。

4)數(shù)學(xué)形態(tài)學(xué)處理與邊緣檢測(cè)。數(shù)學(xué)形態(tài)學(xué)處理的基礎(chǔ)為腐蝕與膨脹，腐蝕去除近岸船舶圖像中的多余雜點(diǎn)，膨脹使目標(biāo)船舶圖像調(diào)整至適當(dāng)大小，形態(tài)學(xué)處理效果圖如圖2所示。邊緣檢測(cè)操作采用改進(jìn)的Canny邊緣檢測(cè)，可獲得圖像中物體邊緣輪廓以進(jìn)行圖像運(yùn)算操作。

圖2 形態(tài)學(xué)處理效果圖

2 關(guān)鍵技術(shù)分析

針對(duì)近岸船舶圖像處理中的關(guān)鍵技術(shù)進(jìn)行分析，分別從灰度圖轉(zhuǎn)化、混合高斯背景建模、改進(jìn)的邊緣檢測(cè)、目標(biāo)分離這幾方面表述。

2.1 灰度圖轉(zhuǎn)化

為減少圖像處理運(yùn)算量，突出圖像主體部分，需對(duì)雷達(dá)圖像進(jìn)行灰度轉(zhuǎn)化。為減弱信號(hào)對(duì)雷達(dá)掃描圖像的影響，本文對(duì)灰度圖轉(zhuǎn)化公式進(jìn)行了改進(jìn)，常規(guī)的灰度圖像轉(zhuǎn)化方法有最大值法、平均值法、加權(quán)平均值法，加權(quán)平均值法可通過給予RGB不同的權(quán)值，進(jìn)而凸顯出圖像主體部分。加權(quán)平均值法數(shù)學(xué)計(jì)算如公式(1)所示。

X=a×CR+b×CG+c×CB，

(1)

式中，X表示轉(zhuǎn)化后的像素點(diǎn)像素值，CR(紅色)、CG(綠色)、CB(藍(lán)色)為三通道像素值，a、b、c分別為RGB加權(quán)數(shù)值(通過經(jīng)驗(yàn)獲取，a=0.7、b=0.2、c=0.1)。

2.2 混合高斯背景建模獲取目標(biāo)船舶

簡(jiǎn)單目標(biāo)檢測(cè)的基本方法有幀差法和背差法。幀差法是將當(dāng)前幀圖像與相鄰幀圖像相減做差，而背差法與幀差法不同，將當(dāng)前幀圖像與一個(gè)背景模型相減，在差分圖像中提取運(yùn)動(dòng)目標(biāo)。背差法可通過使用大量的雷達(dá)圖像計(jì)算獲取背景模型，消除了幀差法因目標(biāo)船舶移動(dòng)緩慢而無法識(shí)別的缺點(diǎn)。

背差法中最重要的是背景建模，建模方法有平均值法、混合高斯背景建模等。背景建模效果圖見圖3。如圖3(a)所示，平均值法所得背景圖模糊陰影部分較多，將給目標(biāo)檢測(cè)帶來誤差；如圖3(b)所示，混合高斯背景建模所得背景圖模糊陰影較少，且邊緣清晰，效果良好，因此本文選用此算法。

圖3 背景建模效果圖

獲得背景圖像后，可將背景圖與當(dāng)前圖像做差值計(jì)算，得出目標(biāo)船舶圖像，背差法效果圖如圖4所示，其計(jì)算如公式(2)所示：

，(2)

式中，F(xiàn)(x,y)表示差分圖，I(x,y)表示當(dāng)前幀圖，B(x,y)表示背景圖，T為設(shè)置閾值。

圖4 背差法效果圖

2.3 邊緣檢測(cè)算子比較

本文采用幾種通用的圖像邊緣檢測(cè)算子進(jìn)行對(duì)比，如索貝爾(Sobel)邊緣檢測(cè)、拉普拉斯(Laplacian)邊緣檢測(cè)以及坎尼(Canny)邊緣檢測(cè)[6]，最終采用了經(jīng)改進(jìn)的Canny邊緣檢測(cè)。4種邊緣檢測(cè)算子效果圖見圖5。Sobel邊緣檢測(cè)時(shí)，其邊緣部分連接效果較差，出現(xiàn)了一些虛假邊緣，并且邊緣檢測(cè)線較寬，雖然其定位精確，但抗噪能力較差，應(yīng)用效果并不理想，見圖5(a)。Laplacian邊緣檢測(cè)會(huì)使邊緣細(xì)節(jié)丟失，因使用前會(huì)使用高斯濾波平滑圖像，雖減少了噪聲的干擾，但同時(shí)會(huì)使邊緣尖銳部分也被平滑掉，致使邊緣細(xì)節(jié)丟失,見圖5(b)。Canny算子的使用效果整體而言相對(duì)較好，其不僅抗干擾能力強(qiáng)，而且可以利用其雙閾值的劃分將圖形真邊緣和偽邊緣進(jìn)行區(qū)分，邊緣檢測(cè)線也相對(duì)較細(xì)[7]。但因高斯濾波對(duì)圖像邊緣也進(jìn)行模糊，導(dǎo)致部分邊緣細(xì)節(jié)丟失，見圖5(c)。針對(duì)此問題，本文采用保持邊緣的雙邊濾波代替高斯濾波，雙邊濾波Canny檢測(cè)效果較好，邊緣并未出現(xiàn)缺失現(xiàn)象，因此本文選用此算法[8]，見圖5(d)。

圖5 4種邊緣檢測(cè)算子效果圖

本文Canny邊緣檢測(cè)的步驟如下。

1)雙邊濾波平滑圖像，雙邊濾波同時(shí)考慮像素點(diǎn)的空間域信息與值域信息。在進(jìn)行邊緣模糊時(shí)，面對(duì)檢測(cè)點(diǎn)鄰域像素值相差較大的情況，會(huì)減低模糊的權(quán)重，避免邊緣被模糊。雙邊濾波后像素點(diǎn)m(x，y)為：

(3)

w(i，j)=ws(i,j)×wr(i,j)，

(4)

(5)

wr(i,j)=

(6)

式中，m(x，y)為模糊后像素點(diǎn)，x、y分別代表像素點(diǎn)橫縱坐標(biāo)軸，m(i，j)為鄰域像素點(diǎn)，i、j分別代表鄰域像素點(diǎn)橫縱坐標(biāo)軸，S為檢測(cè)點(diǎn)鄰域，w(i，j)為濾波權(quán)重，ws(i，j)為空間域?yàn)V波權(quán)重，wr(i，j)為值域?yàn)V波權(quán)重，δs為空間域標(biāo)準(zhǔn)差，δr為值域標(biāo)準(zhǔn)差。

2)計(jì)算梯度幅值和方向，用以篩選邊緣點(diǎn)，首先設(shè)定2個(gè)3×3卷積核Kx與Ky：

利用卷積核計(jì)算幅值和方向，其公式如下：

Gx=Kx*m(x,y)，

(7)

Gy=Ky*m(x,y)，

(8)

(9)

(10)

式中，Kx、Ky分別為x與y方向上的卷積核，Gx和Gy分別為Kx、Ky與圖像上各點(diǎn)卷積后得到的卷積值，G為幅值，θ為方向。

3)運(yùn)用非極值抑制的方法去除非邊緣像素，保留一些細(xì)小的線條，然后利用其雙閾值限制去除虛假邊緣。非極大值抑制則可以幫助將局部最大值之外的所有梯度值抑制為0，對(duì)梯度圖像中每個(gè)像素進(jìn)行非極大值抑制的算法是：①將當(dāng)前像素的梯度強(qiáng)度與沿正負(fù)梯度方向上的2個(gè)像素進(jìn)行比較。② 如果當(dāng)前像素的梯度強(qiáng)度與另外2個(gè)像素相比最大，則該像素點(diǎn)保留為邊緣點(diǎn)，否則該像素點(diǎn)將被抑制。

本文Canny算子邊緣檢測(cè)的優(yōu)勢(shì)在于可通過雙閾值對(duì)明顯邊緣與非明顯邊緣進(jìn)行劃分，并且自動(dòng)判定明顯與非明顯邊緣相連，才將弱邊緣包含于圖像之中。且采用保持邊緣的雙邊濾波，較好地保存了邊緣細(xì)節(jié)。采用此方法進(jìn)行檢測(cè)不容易丟失虛弱邊緣的信息，因此該方法容易檢測(cè)出真正的弱邊緣，且具有較強(qiáng)的抑制噪聲能力。

2.4 目標(biāo)分離

由數(shù)學(xué)看來，灰度圖可視為由像素點(diǎn)組成的矩陣，由此可將圖像按數(shù)學(xué)運(yùn)算的方法進(jìn)行計(jì)算，使圖像更加精準(zhǔn)。本文船岸分離方法將輪廓圖像取“非”，并將非運(yùn)算圖像與原圖像取“或”，可獲得最終的船岸分離圖像。

船岸目標(biāo)圖像分離是基于輪廓圖與原圖像進(jìn)行計(jì)算的基礎(chǔ)上。其計(jì)算如下：

(11)

3 試驗(yàn)結(jié)果

3.1 試驗(yàn)場(chǎng)景

長(zhǎng)江航道屬于內(nèi)河航道，其航道情況復(fù)雜，雷達(dá)圖像中目標(biāo)船舶與岸線融合的情況時(shí)有發(fā)生，適用于本方法。本文采用某公司提供的4G固態(tài)雷達(dá)，并選取武漢白沙洲航段進(jìn)行試驗(yàn)。

3.2 試驗(yàn)步驟

本文提供船岸分離方法，為減少冗余操作，雷達(dá)圖像保留有效區(qū)域，即岸線與河道相交匯的區(qū)域。背景圖為將多張背景圖進(jìn)行混合高斯建模操作后所得，經(jīng)閾值限制保留背景圖，去除前景圖像。對(duì)比背景圖與當(dāng)前圖，在當(dāng)前圖中岸線部分有明顯的船岸融合圖像，使目標(biāo)船舶難以辨認(rèn)。當(dāng)前圖與背景圖經(jīng)背差操作得到背差圖，背差圖中包含船舶圖像以及大量邊緣雜點(diǎn)。腐蝕圖中，使用7×7卷積核進(jìn)行腐蝕操作，消除邊緣雜點(diǎn)，船舶圖像相對(duì)縮小；膨脹圖中，采用相同結(jié)構(gòu)體使船舶圖像恢復(fù)適當(dāng)大?。惠喞獔D中，采用Canny邊緣檢測(cè)并進(jìn)行膨脹操作，Canny邊緣檢測(cè)保證船舶輪廓完整，膨脹操作使輪廓明顯易于觀察。最后將目標(biāo)輪廓與當(dāng)前圖進(jìn)行分離操作即可得到船岸分離圖像。

3.3 試驗(yàn)結(jié)果分析

經(jīng)試驗(yàn)，取不同時(shí)段雷達(dá)掃描圖像進(jìn)行船岸分離操作，船岸分離準(zhǔn)確率如表1所示，船岸分離準(zhǔn)確率已由原來的50%左右達(dá)到80%以上。不同時(shí)刻的雷達(dá)掃描圖像，運(yùn)用本文方法皆可將船岸圖像分離，且船舶大小、船舶位置對(duì)船岸分離效果皆無影響，船岸分離圖像中可明顯辨認(rèn)出近岸船舶。與當(dāng)前圖及背景圖對(duì)比，可發(fā)現(xiàn)沒有誤將岸線分離的情況發(fā)生，船岸分離效果良好。圖6為船岸分離圖像與原圖對(duì)比。

圖6 船岸分離圖像與原圖對(duì)比

通過本文研究方法進(jìn)行船岸分離，可使近岸船舶易于識(shí)別，減少近岸后丟失船舶數(shù)據(jù)情況的發(fā)生。雷達(dá)可使使用者直觀的觀測(cè)到海域中的航行情況，船岸分離后的圖像突出了近岸船舶，具有易于觀察的特點(diǎn)，增加了船舶識(shí)別準(zhǔn)確度，為海事監(jiān)管安全進(jìn)一步提供了保障。

4 結(jié)束語

本文基于圖像處理技術(shù)提出了一種雷達(dá)掃描圖船岸分離方法。在近岸處船舶與岸線相干擾的情況下，該方法運(yùn)用混合高斯模型檢測(cè)運(yùn)動(dòng)目標(biāo)、數(shù)學(xué)形態(tài)學(xué)運(yùn)算、邊緣檢測(cè)等技術(shù)將雷達(dá)圖像上的目標(biāo)船舶與岸線進(jìn)行分離。本方法可提高雷達(dá)目標(biāo)識(shí)別成功率，減少近岸船舶無法識(shí)別情況的發(fā)生，提高海事監(jiān)管水平，保障船舶航行安全。

本文對(duì)海事雷達(dá)圖像進(jìn)行研究，并取得了一定的研究成果。但在實(shí)際應(yīng)用方面還有許多不足。①本文采用背差法，當(dāng)背景圖像出現(xiàn)誤差時(shí)，差分效果不佳將影響船岸分離的準(zhǔn)確性。雷達(dá)背景圖像的獲取方法有較大的改進(jìn)空間，這對(duì)提升雷達(dá)目標(biāo)識(shí)別率具有重要意義。②本文在進(jìn)行灰度轉(zhuǎn)換和邊緣提取等操作時(shí)，使用了一些經(jīng)驗(yàn)參數(shù)作為判斷閾值，經(jīng)驗(yàn)參數(shù)無法自適應(yīng)更新。在后續(xù)研究中，可對(duì)圖像處理閾值自適應(yīng)選取方向進(jìn)行研究。