針對光學(xué)遙感圖像中港口艦船的紋理、灰度特征與碼頭十分接近,直接分割相對困難的問題,提出了基于二次分割的港口艦船目標檢測方法。該方法首先將Top-hat算子引入分水嶺分割算法中,解決了分水嶺算法過分割現(xiàn)象,同時獲得較完整的海陸分離結(jié)果;其次對分割后的陸地區(qū)域使用Freeman鏈碼進行輪廓描述,并結(jié)合改進的Hough變換進行目標區(qū)域的分離,通過二次分割有效地將碼頭與艦船分開;最后,計算各區(qū)域的面積實現(xiàn)港口艦船的識別。實驗結(jié)果表明,該方法魯棒性強,易于實現(xiàn),通過實測數(shù)據(jù)可以解決港口艦船目標的檢測問題。 

【文章來源】：探測與控制學(xué)報. 2016,38(06)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

圖１八方向Ｆｒｅｅｍａｎ鏈碼Ｆｉｇ．１Ｆｒｅｅｍａｎｃｏｄｅｉｎｅｉｇｈｔｄｉｒｅｃｔｉｏｎ

ｙ）ｊ＋１添加到鏈碼，并把此點作為當(dāng)前點Ｑ，建立相應(yīng)方向碼ｃｈａｉｎｍ＝｛Ｖ｝ｉ。３）確定跟蹤方式。本文采用八鄰域進行跟蹤，按照從左至右，從下至上優(yōu)先級順序?qū)ふ业谝粋�輪廓的邊界點，接著以該點為跟蹤起始點，沿著左上方進行搜索，如左上方的點不是邊界點，那么搜索方向按順時針旋轉(zhuǎn)４５°，直到找到下一個邊界點為止，然后把這個邊界點當(dāng)做新的起始點，在當(dāng)下搜索方向上逆時針旋轉(zhuǎn)９０°，以同樣方法搜索下一邊界點，直到返回初始邊界點或到達最后邊界點，輪廓跟蹤過程如圖２所示。圖２輪廓跟蹤圖示Ｆｉｇ．２ｃｏｎｔｏｕｒｔｒａｃｋｉｎｇｓｈｏｗ４）確定新鏈碼起點。判斷Ｆｉｓｔ的八鄰域是否存在邊緣點，如果存在，將其當(dāng)做第Ｌｍ＋１條鏈碼的起點，并轉(zhuǎn)至步驟２）；否則，轉(zhuǎn)至步驟１）。５）去除短鏈碼。判斷Ｌｍ（ｌｅｎｇｔｈ）是否大于鏈碼的長度閾值，如果大于Ｌｅｎ，保留該段鏈碼；否則認為是干擾，將其去除。６）跟蹤完畢，得到港口艦船的輪廓鏈碼的二值圖像，下面進行目標區(qū)域的分離。２．２基于改進Ｈｏｕｇｈ變換的目標區(qū)域分離２．２．１Ｈｏｕｇｈ變換的直線檢測Ｈｏｕｇｈ變換［９］是利用圖像空間與參數(shù)空間的點與線之間對偶關(guān)系，將圖像空間復(fù)雜的邊緣特征信息轉(zhuǎn)化為參數(shù)空間的聚類檢測問題，其變換為：ρ＝ｘｃｏｓθ＋ｙｓｉｎθ（４）式（４）中，ρ為極徑，θ（０°≤θ≤１８０°）為極角，ｘ表示像素點相對于圖像原點的行坐標；ｙ表示像素點相對于圖像原點的列坐標。那么根據(jù)公式（４），圖像空間中任意一點（ｘｉ，ｙｉ）映射到參數(shù)空

因此，二值圖像輪廓邊緣點（ｘ０，ｙ０），若滿足公式（４），則其對應(yīng)參數(shù)空間點（ρ０，θ０）投票數(shù)Ｐｉｘｅｌｃｏｕｎｔ加１；若當(dāng)前投票為１，則（ｘ０，ｙ０）為點（ρ０，θ０）所對應(yīng)直線第一點，此時記錄（ρ０，θ０）所對應(yīng)兩個端點坐標都為（ｘ０，ｙ０）；若當(dāng)前投票大于１，則僅更新Ｐｏｉｎｔｔｗｏ坐標為（ｘ０，ｙ０），以此來準確記錄邊緣點。３）避免非直線端點被記錄非直線端點主要存在以下兩種情況，如圖３（ａ），直線ｌ由于受艦船輪廓影響而出現(xiàn)斷續(xù)情況，但在投票過程中記錄的為直線最遠的兩個端點，通過連接兩個端點可以消除端點；另一種情況，如圖３（ｂ），若在參數(shù)空間投票中，對端點坐標記錄未加限制，直線ｌ２的點Ｍ可能會被記錄為ｌ１的端點，解決這種情況，可以在更新端點坐標之前預(yù)先判斷新端點與原端點之間距離是否大于設(shè)定閾值，如大于則不更新端點坐標，投票也不增加，用于去除非直線端點。圖３非直線端點誤判情況Ｆｉｇ．３Ｅｒｒｏｒｊｕｄｇｅｍｅｎｔｉｎｎｏｎ－ｌｉｎｅｅｎｄｐｏｉｎｔ４）合并直線并分離目標區(qū)域根據(jù)港口艦船輪廓二值圖像中兩條線段的距離長短，當(dāng)兩條線的距離小于指定值時，Ｈｏｕｇｈｌｉｎｅｓ會將兩條線合并為一條線。Ｍｉｎｌｅｎｇｈ用來確定是否保存該線；如果線條長度小于設(shè)定值，線條就會被擦除；否則保存，根據(jù)檢測到的點在二值圖上繪出直線，從而分離出艦船目標區(qū)域。２．３港口艦船的識別在前面描繪每個連通區(qū)域邊界前提下，循環(huán)遍歷每個連通區(qū)域邊界，統(tǒng)計連通區(qū)域的面積分布并顯示區(qū)域面積。由于港口碼頭連

【參考文獻】：
期刊論文
[1]一種快速自動檢測海面目標算法[J]. 臧風(fēng)妮,李慶忠,張洋.  中國海洋大學(xué)學(xué)報(自然科學(xué)版). 2015(04)
[2]艦船遙感圖像的目標識別研究[J]. 周珍娟,韓金華.  艦船科學(xué)技術(shù). 2014(12)
[3]基于紋理分割和Top-Hat變換的合成孔徑雷達與可見光圖像增強融合[J]. 王志社,楊風(fēng)暴,陳磊,彭智浩,紀利娥.  光學(xué)學(xué)報. 2014(10)
[4]改進的分水嶺圖像分割算法[J]. 孫惠杰,鄧廷權(quán),李艷超.  哈爾濱工程大學(xué)學(xué)報. 2014(07)
[5]基于視覺注意機制的海洋監(jiān)視衛(wèi)星圖像艦船目標檢測[J]. 許志濤,劉金國,龍科慧,徐東,周懷得.  激光與光電子學(xué)進展. 2013(12)
[6]Freeman鏈碼描述的曲線匹配方法[J]. 余博,郭雷,趙天云,錢曉亮.  計算機工程與應(yīng)用. 2012(04)
[7]基于D-S證據(jù)理論的近岸艦船目標識別[J]. 石文君,汪小平,王登位.  電光與控制. 2009(11)
[8]遙感圖像中港口目標識別技術(shù)[J]. 周擁軍,朱兆達,丁全心.  南京航空航天大學(xué)學(xué)報. 2008(03)
[9]利用Hough變換實現(xiàn)直線的快速精確檢測[J]. 滕今朝,邱杰.  中國圖象圖形學(xué)報. 2008(02)



本文編號：3470986