基于复杂海天线的图像目标检测方法.docxVIP

基于复杂海天线的图像目标检测方法 1 远目标检测存在的问题 作为一种额外的雷达和热成像设备，数字摄像机具有独特的优势。收集的视频材料分辨率高，成本低，易于实现。从20世纪90年代起,图像和视频处理方法就应用于检测和识别海上弱小目标。从近来的环境信息研究看出,鉴于船舶系统的导航、各种碰撞灾难的避免、入侵者的身份核查以及海上事故的人员搜救等需求,在不同状况的海面环境图像中检测到特定的目标物愈来愈重要。在动态图像处理和计算机视觉领域,运动目标检测的目的是将目标与背景分离并定位,以此来进行便捷的后续处理。由于弱小目标本身的灰度、形状、纹理和结构特征不明显,对它的检测依然是具有挑战性的技术难题。 在海面可见光图像中,目标、背景和噪声的特点以及远目标检测存在的问题主要包括:(1)目标信号强度小,通常目标在图像中仅有几十个像素(甚至更少),而背景和噪声占较大比例且目标与背景间的对比度不大,信噪比较低;(2)检测环境复杂,水面波浪的起伏和浪花干扰、日光在水面上的反射折射干扰以及雨雾雪天气导致的能见度降低等都会对目标检测造成较大影响;(3)安装在海面运动载体上的摄像机拍到的画面通常不稳定,同时波浪起伏与目标不可预知的运动,可能导致目标被遮挡,在图像中短暂丢失;(4)大数据量检测算法的复杂度会影响检测结果的即时输出。 目前,较多文献报导的是关于红外图像弱小目标的检测,主要基于梯度检测、小波变换、纹理特征或能量积累等原理。这些文献虽然对于可见光图像有一定的参考作用,但两者图像的形成存在性质上的差异,所以对于后者来说,仍需要深入研究适应其特点的检测方法。董宇星等提出了先利用灰度特性提取海天线,然后利用一维最大熵阈值分割法对目标进行检测。黄英东等综合运用边缘检测、最大类间方差(OTSU)算法以及Hough变换检测出海天线,进而使用投影法提取海天线区域中的舰船目标。Sergiy Fefilatyev等通过海天线及处于海天线上的异物检测候选目标,并根据连续帧的结果来确定真实目标。G.K.Santhalia等先提取海天线,最后分析海天线上下的块直方图,去除直方图相近的块即天空区域和海面区域,从而留下目标区域。 以上方法的检测效果完全依赖海天线检测的正确与否。如果在光照条件不好的状态下,所得到的可见光图像中,连人眼都较难分辨出正确的海天线位置。而且当图像中出现反光区时,将会导致检测结果中包含许多类似弱小目标的伪目标区域。所以即使在海天线较为明显,容易提取的前提下,如何将伪目标出现的概率降到最低也是影响海面目标检测的重要因素。鉴于此,本文提出了一种检测方法以解决以上的问题,该方法省去了检测海天线的过程。首先消除海面反光区域,之后利用海面图像的分块复杂度和相邻块间灰度的差异来定位海天界限区域,然后在海天界限区域进行滤波聚类以快速精确地分割出弱小目标。 2 图像的预处理 船载电视跟踪系统用于对海天背景下的小目标进行捕获和跟踪,主要是通过单帧图像处理捕获和跟踪结果,其难点在于消除海空背景所形成的强杂波。由于摄像头随载体运动的过程中,镜头与阳光和水面的角度可以使得任意时刻或图像的任意位置出现反光区域或曝光区域。对于连续单帧图像来说,目标检测算法可能在上一帧取得好的效果,却完全不适用于下一帧。 为了提高海面目标自动检测算法的鲁棒性,先扫描图像检查是否有高亮度区域,如果有需可先去除,使之尽量保持在适应该算法的正常图像系列之中。高亮度区域消除对于接下来的两个步骤具有显著的益处:(1)大片的海面反光区域或天空曝光区域不会扰乱海天线区域的定位,(2)经过滤波聚类后的分割结果中不会包含海面粼粼的波光产生的伪目标区域。 将带高亮度区域的图像看作被噪声腐蚀的图像,利用损坏区域边缘的颜色和结构,繁殖和混合到损坏区域里面,既不影响目标区域也不影响其他背景区域。设置阈值S,亮度大于S的像素属于高亮度区域,P为像素的亮度值,m为每个高亮度像素的固定平均邻域,n为邻域累加值,f与R用于计算最终的亮度值来代替原先的亮度值。图像修复过程如下: 扫描以(i,j)为中心的m×m矩形邻域;For属于邻域m×m中的每个像素P(m) 扫描以(i,j)为中心的(m+n)×(m+n)邻域; For属于邻域(m+n)×(m+n)-m×m中的每个像素P(m+n) 以上算法可以快速消除大面积和小面积的高亮度区域,设定S=210,m=3,对图1(a)、(b)所示的不同时间采集的水面图像进行修补。图像中的天空曝光部分和水面点状的反光光斑及连成片的反光水域,都得到了很好的恢复,其效果如图1(c)、(d)所示。 3 预测并定位大海的地平线区域 3.1 海底目标检测 载体航行过程中,可见光摄像机得到的图像背景虽然时刻变化,但总体来讲图像由上中下三部分组成—天空区域、海天线区域和海面区域。由于中远距离海平面的成像特性决定了目标不