視頻與AIS信息融合的海上目標檢測

李明兵，張鎖平，張東亮，齊占輝

（國家海洋技術中心 天津 300112）

視頻監(jiān)測技術廣泛應用于海洋監(jiān)測領域，海上船只目標檢測作為視頻監(jiān)測的應用之一，在海洋環(huán)境監(jiān)測、海上維權、海洋工程管理及海上交通管理等方面都起著重要作用[1-3]。

運動目標檢測技術一直是國內(nèi)外研究的熱點，基于視頻的海上船只目標檢測問題一直是一個難點，主要原因是海面背景復雜，船只檢測容易受到海面波紋、光照變化等因素的影響[4]。目前的船只目標檢測方法大多根據(jù)連續(xù)的圖像序列，利用圖像間的相關性檢測船只目標，因此涉及到大量的圖像處理運算，需要較大的存儲空間及較長的計算時間。

文中提出了一種新的船只目標檢測方法，利用船舶的AIS（船載自動識別系統(tǒng)）設備發(fā)送的信息驅(qū)動攝像機拍攝單幀圖像，采用顯著性圖像區(qū)域檢測方法區(qū)分船只目標與海面背景，并利用雙閾值分割方法實現(xiàn)了船只目標的準確提取，并進行了實驗驗證。

1 船只目標檢測方法

算法流程如圖1所示。

1.1 根據(jù)AIS信息提取小范圍圖像

AIS信息中包含船只的經(jīng)緯度等航行信息。隨著國際海事組織修訂的SOLAS公約第V章中規(guī)定AIS強制性安裝，安裝AIS設備的船舶數(shù)量正在迅速增加[5]。根據(jù)AIS信息與圖像坐標間的對應關系算出船只的大致位置，從而提取包含船只目標的小范圍圖像。

圖1 船只目標檢測流程圖Fig.1 Flow chart of the ship detection method

1.2 高頻加強濾波

提取后的圖像，在船只目標與海面背景的邊緣處像素值差別較大，同時，由于光照的不均勻，不同位置處的海面背景像素值也有變化，但這種變化是緩慢的，因此，為了使船只目標與背景的對比更加明顯，并消除變化背景的干擾，需要增強圖像中的高頻成分并對低頻成分加以抑制。高頻加強濾波[6]函數(shù)為：

其中，a為偏移常量，b 用來調(diào)節(jié)高頻加強程度，Hhfe（u，v）為高通濾波函數(shù)。

一種常用的高通濾波器為巴特沃思型高通濾波器，它在通頻帶內(nèi)頻率響應曲線較平坦，阻頻帶內(nèi)逐漸下降為零，其濾波函數(shù)形式如公式（2）所示：

其中，n為濾波器階數(shù)，D0是從頻率矩形的原點測得的截止長度，即截止頻率。H（u，v）是（u，v）點距頻率矩形原點的距離。結合公式（1）和（2），得到相應的巴特沃思高頻加強濾波函數(shù)[7]

其中，Rh代表高頻增益，R1代表低頻增益，c為銳化系數(shù)，用來控制濾波器函數(shù)斜面的銳化，它在Rh和Rl之間過渡。圖2顯示了該濾波器的三維圖和橫截面表示。濾波器系數(shù)的選擇要根據(jù)具體的光照狀況，在計算機中采用交互方式確定。

圖2 巴特沃思型高頻加強濾波器的表示Fig.2 Butterworth high-frequency emphasis filter

1.3 顯著性區(qū)域檢測

目前的顯著性檢測方法大多基于一種自底向上、數(shù)據(jù)驅(qū)動的視覺注意機制，利用亮度、顏色、邊緣等特征屬性來決定圖像某個區(qū)域和它周圍的對比度[8]。觀察濾波后的圖像，船只目標與海面背景之間顏色差異較大，且船只目標在圖像中只占很少的像素。同時為了適應大規(guī)模圖像處理的要求，顯著性檢測算法應該具有簡單快速的特點?；谝陨咸攸c及要求，文中采用Achanta等人提出的顏色調(diào)諧方法，它利用某個像素和整幅圖像的平均色的色差來直接定義顯著性值[9]，計算公式如下：

其中，Iu是圖像中所有像素的算術平均值，I（x，y）為圖像在點（x，y）處的值。為了更方便處理彩色圖像，并利用其顏色和亮度特征，將公式（4）擴展為：

其中，Iu代表整幅彩色圖像的平均色向量，I（x，y）代表其相應點的顏色向量，‖‖表示在L2空間的距離。本文在L*a*b*彩色空間處理圖像，因此Iu可表示為（L*u，a*u，b*u），I（x，y）表示為（L*（x，y），a*（x，y），b*（x，y）），公式（5）可改寫為：

1.4 雙閾值分割

文中采用雙閾值分割方法，一幅圖像中具有較高顯著性值的像素一般分布在船只目標區(qū)域，較大的閾值保證提取像素集中于船只目標區(qū)域，而較小的閾值能夠保證獲得完整的船只目標。雙閾值分割的準則是所有前景像素值必須高于較小的閾值，而且必須至少與一個在較大閾值之上的像素相連通[10]。因此該步驟需要兩步閾值分割及一步區(qū)域生長操作，同時對小閾值分割后的圖像進行閉操作，消除單個的雜點和小的孔洞并填補輪廓線中的斷裂，使船只目標更加完整。固定的閾值即可滿足分割要求。

1.5 形態(tài)學處理

在提取小范圍圖像時，有時會將樹木、近岸設施和天空等包括在內(nèi)，這些樹木、云層和部分海面由于與周圍背景差異較大，有時也被當作顯著性目標分割出來，因此需要通過船只的形態(tài)特征對提取的疑似目標分別進行判斷。首先建立船只的形態(tài)特征模型[11]，本文采用以下4個量描述船只目標：區(qū)域長度l——最小外接矩形長度；區(qū)域高度h——最小外接矩形高度；長寬比r——最小外接矩形長寬比；區(qū)域面積c——目標所占像素個數(shù)。它們組成一個四維目標特征矢量V（l，h，r，c），兼顧了船只的大小和形狀特征。

2 實驗及結果分析

實驗數(shù)據(jù)來自安裝在三亞的視頻監(jiān)測系統(tǒng)，當?shù)睾Ｓ虼粊硗l繁，便于數(shù)據(jù)采集。

圖3 原始圖像Fig.3 Raw image

圖4 檢測結果Fig.4 Detection result

圖3為拍攝的一幅原始圖像，1 628像素×1 236像素，結合AIS信息提取的小范圍圖像為圖4 （a），256像素×128像素，結果大大縮小了圖像檢測范圍。圖4（b）為經(jīng)過高頻加強濾波后的圖像，（c）為生成的顯著性圖像，從（b）和（c）可以看出，船只目標的顯著性得到了加強，與海面背景的對比更加明顯。圖4（d）和（e）分別為小閾值分割和大閾值分割后的結果，經(jīng)過雙閾值分割后，完整的船只目標被提取出來，并且大部分干擾因素被去除，只剩下少部分高顯著性值區(qū)域，再經(jīng)過形態(tài)學處理，即可準確的獲取船只目標，如圖4（f）所示。圖5所示為更多的檢測事例，它們分別代表了不同的光照情況及不同的近岸環(huán)境，可以看到，利用本文方法均準確的提取出了船只目標。圖5（b）列圖像所示為在不同的光照情況下高頻加強濾波的效果；第2行圖像中未裝有AIS設備的小型船舶同樣具有高顯著性值而被準確的檢出；第4行和第5行圖像中，樹木具有更高的顯著性值，根據(jù)船只形態(tài)特征實現(xiàn)了準確區(qū)分。

圖5 不同情況下的檢測結果Fig.5 Detection results in different conditions

3 結束語

文中提出了一種視頻與AIS信息融合的船只目標檢測方法，通過單幀圖像即可獲取船只目標，經(jīng)過實測數(shù)據(jù)驗證，該方法易于實現(xiàn)且適應性強，能夠準確快速提取出船只目標。本文算法并不局限于裝有AIS設備的船舶，它可以擴展到一般的船只目標檢測應用中，但是需要結合新的算法來確定船只活動范圍，這也是本文進一步的研究方向。

[1]Fefilatyev S，Goldgof D.Detection and tracking of marine vehicles in video[C]//International Conference on Pattern Recognition，2008.

[2]ZHANG Suo-ping，QI Zhan-hui，ZHANG Dong-liang.Ship tracking using background subtraction and inter-frame correlation [C]//2nd International Congress on Image and Signal Processing，2009.

[3]高原.海背景下弱小運動目標的檢測和跟蹤研究[D].北京：北京交通大學，2007.

[4]王明芬.基于形狀外觀的運動船只識別與跟蹤技術研究[D].廈門：廈門大學，2008.

[5]蔡新梅.AIS應用與發(fā)展[J].機電設備，2011，28（2）：28-30.CAI Xin-mei.Application and development of AIS[J].Mechanical and Electrical Equipment，2011，28（2）：28-30.

[6]岡薩雷斯.數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2006.

[7]陳春寧，王延杰.在頻域中利用同態(tài)濾波增強圖像對比度[J].微計算機信息，2007，23（6）：264-266.

CHEN Chun-ning，WANG Yan-jie. Image contrast enhancement by homomorphic filtering in frequency field[J].Micro Computer Information，2007，23（6）：264-266.

[8]CHENG Ming-ming，ZHANG Guo-xin，Niloy J M，et al.GlobalContrastbased SalientRegion Detection[C]//In CVPR，2011：409-416.

[9]Achanta R，Hemami S，Estrada F，et al.Frequency-tuned salient region detection[C]//In CVPR，2009：1597-1604.

[10]Bouh T E，Micheals R，Can X，et a1. Frame-rate omnidirectional surveillance and tracking of camouflaged and occluded targets[C]//Proceedings of the 2nd IEEE Workshop on Visual Surveillance，F(xiàn)ort Collins，Colorado，USA，1999：48-55.

[11]王保云，張榮，袁園，等.可見光遙感圖像中艦船目標檢測的多階閾值分割方法 [J].中國科學技術大學學報，2011，41（4）：293-298.

WANG Bao-yun，ZHANG Rong，YUAN Yuan，et al.A new multi-level threshold segmentation method for ship targets detection in optical remote sensing images[J].Journal of University of Science and Technology of China，2011，41（4）：293-298.