基于電子地圖的港口艦船目標(biāo)變化檢測

孫艷麗，周偉，王杰

（海軍航空工程學(xué)院a.基礎(chǔ)實(shí)驗(yàn)部；b.信息融合研究所，山東煙臺264001）

基于電子地圖的港口艦船目標(biāo)變化檢測

孫艷麗a，周偉b，王杰a

（海軍航空工程學(xué)院a.基礎(chǔ)實(shí)驗(yàn)部；b.信息融合研究所，山東煙臺264001）

文章利用電子地圖進(jìn)行配準(zhǔn)、提取海岸輪廓線并對其等間距采樣，從中提取關(guān)鍵拐角點(diǎn)，并根據(jù)條件確定潛在的艦船?？繀^(qū)域?qū)ζ湟?guī)則化。再將不同時相候選區(qū)的分割結(jié)果進(jìn)行差分運(yùn)算，然后將其沿水平垂直方向投影，找到超過平均投影能量的最大區(qū)間，判定艦船變化區(qū)間。該算法可以避免大范圍的無用搜索，提高檢測識別算法的效率。

電子地圖；艦船目標(biāo)；變化檢測；投影能量

通常對于港口艦船目標(biāo)的變化檢測主要依靠人工判讀完成的，由于港口范圍較大，而目標(biāo)相對分散，且地理位置和主要艦船駐泊區(qū)在較長時間內(nèi)均比較固定，因此，實(shí)際只需對特定區(qū)域進(jìn)行對比分析［1-4］。在遙感圖像的變化檢測中，光照、傳感器、配準(zhǔn)、噪聲等因素導(dǎo)致檢測結(jié)果的虛警率很高［5-9］。而電子地圖主要用以表征靜止地物的地理位置，艦船、車輛等移動目標(biāo)均不出現(xiàn)在地圖上［10］。這就使得基于電子地圖的海陸分割和海岸輪廓的提取非常簡單易行，而且精度很高［11］。

本文利用電子地圖對不同時相遙感圖像艦船候選區(qū)進(jìn)行檢測提取，對后續(xù)的變化檢測工作效率和處理效果均會有明顯改善。而且對于不同時相遙感圖像的數(shù)量和類型均不加限定，具有較強(qiáng)的實(shí)用性和通用性。其基本思路是充分利用電子地圖，快速提取艦船可能的?？繀^(qū)域，并將其規(guī)則化，將較大范圍內(nèi)復(fù)雜多樣的檢測問題分解為若干小范圍內(nèi)相對簡單的檢測問題，只需設(shè)定合理的規(guī)則，即可實(shí)現(xiàn)自動的變化分析。可大量減少不必要的搜索，提高工作效率。

1　數(shù)據(jù)預(yù)處理

圖1給出了來自Google某地區(qū)的電子地圖，海域以淺藍(lán)色表示，而陸地則以淡黃色表示，不同級別的道路、建筑物均標(biāo)示為相應(yīng)的顏色，地標(biāo)文字則用黑色。首先，從電子地圖上提取碼頭、海岸的若干明顯的拐角點(diǎn)錄入控制點(diǎn)庫，對于不同時相的遙感圖像，只需分別找到圖像的相應(yīng)點(diǎn)；然后，選擇合適的校正模型即可實(shí)現(xiàn)遙感圖像的精確地理校正。

圖1　某區(qū)域的電子地圖Fig.1 Electronic map of some area

2　基于電子地圖的艦船候選區(qū)提取

由于艦船一般是細(xì)長型結(jié)構(gòu)，通常順次舷靠于碼頭，而港口碼頭最常見的形式是順岸碼頭。艦船與碼頭通常具有很強(qiáng)的空間語境約束關(guān)系。如果沿海岸輪廓單向前進(jìn)，則艦船總是停靠在前進(jìn)方向相同一側(cè)。另外，適合于艦船停靠的碼頭應(yīng)有一定的長度。因此，首先從電子地圖上提取海岸輪廓線；然后，對其等間距采樣，從中提取關(guān)鍵拐角點(diǎn)，確定潛在的艦船?？繀^(qū)域。具體流程如圖2所示。

圖2　利用電子地圖提取艦船候選區(qū)算法流程圖Fig.2 Algorithm flow chart of extraction ship candidate using electronic map

2.1海岸線輪廓提取

電子地圖上海域和陸地是用不同顏色來表示的，因而港口區(qū)域海域和陸地的分割相對比較簡單，得到完整的海域。本文所用電子地圖來自Google地圖。對于海域文字標(biāo)記，可以對提取的連通海域內(nèi)部進(jìn)行形態(tài)學(xué)填充。提取到完整的海域后，電子地圖成為一個二值圖，對這個二值圖進(jìn)行邊緣檢測，采用經(jīng)典的Canny算子就可以取得很好的效果［6］。圖1中，紅色線即為提取的海岸線。

2.2海岸線拐點(diǎn)提取

首先，找到海岸線的一個端點(diǎn)，沿逆時針方向進(jìn)行一次遍歷，得到一個長度為n的序列，如果得到多個序列，則取最長的一個。

為了減輕后續(xù)拐點(diǎn)分析的負(fù)擔(dān)，可以對這個序列進(jìn)行等間隔插值采樣，得到長度為k的新序列。利用式（1）計算新序列各點(diǎn)的方向：

式中，T（t）為邏輯運(yùn)算，當(dāng)t為真時，輸出為1。

通常認(rèn)為兩點(diǎn)的方向差異超過Δθ，即認(rèn)為局部方向發(fā)生了較大變化。

對于圖1所示的圖像，取Δθ=π/18，提取到97個拐點(diǎn)，見圖3“*”標(biāo)志。

2.3艦船候選區(qū)提取

因艦船都具有一定的長度，顯然，并非所有2個拐點(diǎn)之間都適合艦船?？?。由此，可以根據(jù)電子地圖的比例尺或分辨率結(jié)合中小型水面艦船的尺寸設(shè)定合適的像素距離閾值d，依次計算相鄰2個拐點(diǎn)之間的距離，若超過閾值，則為可能的艦船?？亢０抖巍D1的電子地圖，其分辨率為0.6 m，設(shè)定最小艦船?？繀^(qū)間長度為60 m，即像素距離閾值為100，提取到26個可能的艦船?？亢０抖?，結(jié)果如圖3中藍(lán)色直線段所示。

圖3　海岸線拐點(diǎn)提取結(jié)果Fig.3 Inflection point extraction results

其方向可記為θ，長度即為兩拐點(diǎn)Pt1和Pt2間的距離，記為d，顯然，中點(diǎn)P（x0，y0）到Pt1和Pt2相等，記為d0，則海域始終在的左側(cè)。將分別沿θ+π/2方向移動d2，得到的區(qū)域即為海岸線靠海一側(cè)的艦船駐泊區(qū)，沿π/2-θ方向移動d1，得到的區(qū)域即為海岸線靠陸地一側(cè)的狹長區(qū)域。2個區(qū)間共同構(gòu)成該海岸段的艦船候選區(qū)，然后將該區(qū)域順時針方向旋轉(zhuǎn)θ進(jìn)行規(guī)則化。這樣艦船候選區(qū)間都被規(guī)則化成高度為d1+d2寬度為d的矩形區(qū)域。其原理見圖4。

圖4　艦船候選區(qū)提取及規(guī)則化示意圖Fig.4 Schematic diagram of ship candidate region extraction and regularization

對已經(jīng)和電子地圖進(jìn)行配準(zhǔn)的不同時相的遙感圖像，可分別沿海岸線順次提取由4個頂點(diǎn)P（x1，y1）、P（x2，y2）、P（x3，y3）和P（x4，y4）所確定的各個ROI區(qū)域，4個頂點(diǎn)可用下面的一組公式計算得到：

為進(jìn)一步簡化實(shí)際應(yīng)用中艦船候選區(qū)的提取，可以事先計算好4個頂點(diǎn)的地理坐標(biāo)，和該候選區(qū)的方向，存儲在數(shù)據(jù)庫中，對不同時相的遙感影像，首先進(jìn)行地理精校正，然后根據(jù)4個頂點(diǎn)的地理坐標(biāo)提取相應(yīng)的圖像區(qū)域，再利用存儲的候選區(qū)方向信息對提取的圖像區(qū)域進(jìn)行規(guī)則化即可。

選取與圖1相同范圍的2幅不同時相的高分辨率遙感圖像，利用上述方法，提取了26個艦船候選區(qū)，其中d1與d1分別取30和60像素，結(jié)果如圖5所示。

圖6給出了第9、12、22、25號候選區(qū)經(jīng)規(guī)則化后的結(jié)果。

圖5　在不同時相遙感圖像上標(biāo)示的26個艦船候選區(qū)Fig.5 In the different time phase of remote sensing image are labeled on the 26 ship candidate

圖6　不同時相遙感圖像上典型候選區(qū)經(jīng)規(guī)則化后的結(jié)果Fig.6 Different remote sensing images of typical candidate region by rule after the results

3　艦船候選區(qū)變化檢測

由于不同時相的遙感圖像之間，局部灰度差異較大，直接比較的方法很難有效提取變化的目標(biāo)［12-13］。在局部艦船候選區(qū)主要有3類目標(biāo)：陸地、艦船和海水，三者盡管在光譜上存在較大差異，但局部也存在嚴(yán)重的混疊現(xiàn)象［14］。為此，首先對不同時相的候選區(qū)域分別進(jìn)行自適應(yīng)分割，提取ROI區(qū)域，經(jīng)形態(tài)學(xué)處理得到完整的陸地區(qū)域和艦船目標(biāo)［15］；然后，對分割結(jié)果進(jìn)行比較，得到變化信息，并結(jié)合艦船尺寸和其他信息進(jìn)行綜合分析，給出最終的目標(biāo)變化結(jié)果。

3.1陸地區(qū)域及艦船目標(biāo)分割

由于陸地區(qū)域在不同時相圖像中相對穩(wěn)定，經(jīng)過差分運(yùn)算可以很好的消除［16］，因而在進(jìn)行變化分析之前，首先對不同時相的候選區(qū)圖像進(jìn)行自適應(yīng)閾值分割并利用形態(tài)學(xué)處理提取潛在艦船目標(biāo)和盡可能完整的陸地區(qū)域。

盡管通常情況下陸地、艦船的亮度比海水要高，可以將彩色圖像變?yōu)榛叶葓D像然后進(jìn)行閾值分割，但是對于潛艇，由于其與海水灰度接近，分割效果并不理想。為此，首先將圖像由RGB空間變換到HSV空間，3個分量分別記為IH、IS和IV，則用式（5）對3個分量進(jìn)行融合可以使目標(biāo)得到明顯增強(qiáng)。

圖7給出了對某一候選區(qū)不同時相圖像的融合增強(qiáng)結(jié)果和各通道平均得到的灰度圖像。與灰度圖像相比，陸地區(qū)域和艦船目標(biāo)均得到了明顯增強(qiáng)，應(yīng)用全局閾值受背景影響比較大，設(shè)計了一個簡便易行的自適應(yīng)閾值設(shè)置方法。

圖7　某一候選區(qū)不同時相圖像的增強(qiáng)結(jié)果與灰度圖像比較Fig.7 Results compared with gray and enhancement in same candidate regions at different image

設(shè)T（i，j）為增強(qiáng)后的圖像在（i，j）處的像素，其中1≤i≤M，1≤j≤N，分別計算各行各列的均值μi和μj以及整幅圖像的均值μ。

在（i，j）處的閾值T（i，j）取μi、μj和μ的中值，即

利用上述閾值對圖像進(jìn)行分割，得到初步的ROI區(qū)域，接下來，綜合考慮艦船目標(biāo)尺寸和位置的約束，目標(biāo)對應(yīng)于面積較大的連通區(qū)域。因此，利用形態(tài)學(xué)方法設(shè)置面積閾值可有效剔除孤立的無關(guān)點(diǎn)和碎小的區(qū)域，同時對大塊區(qū)域進(jìn)行內(nèi)部孔洞的填充，最終得到較為完整的陸地區(qū)域及艦船目標(biāo)。對圖7中候選區(qū)2個時相的圖像經(jīng)融合增強(qiáng)后再進(jìn)行自適應(yīng)分割和后處理得到的結(jié)果如圖8所示。

圖8　第12號候選區(qū)不同時相圖像分割結(jié)果Fig.8 Segmentation results of twelfth candidate regions at different image

3.2變化分析

不同時相圖像的變化分析是在目標(biāo)分割的基礎(chǔ)上分層進(jìn)行的，其流程如圖9所示。將分割結(jié)果進(jìn)行差分，計算變化區(qū)域的總面積，若小于特定閾值，則可以從整體上判定該區(qū)域沒有明顯變化，否則進(jìn)一步確定變化區(qū)域位置；如果變化區(qū)域的主體部分在海岸線陸地一側(cè)，則判定無艦船變化，否則進(jìn)一步根據(jù)艦船的尺寸、長寬比等幾何特征對艦船目標(biāo)加以確認(rèn)，進(jìn)而判定目標(biāo)消失或出現(xiàn)。

圖9　變化分析的操作流程Fig.9 Flow chart of change detection

總體變化面積閾值的設(shè)定，通常取決于圖像的分辨率和艦船的尺寸，這一步的主要目的是快速剔除沒有明顯目標(biāo)變化的場景。

對變化區(qū)域位置的確定，通過將差分圖像分別向沿水平方向和垂直方向投影來實(shí)現(xiàn)。由于變化分析的圖像均已經(jīng)進(jìn)行了規(guī)則化，艦艇艏艉軸線以及海岸線均大體在水平方向上，因而將差分結(jié)果沿水平方向投影，可得到變化艦船兩舷的精確位置。進(jìn)一步沿垂直方向投影，可得到變化艦船艏艉兩端的精確位置。

仍以第12號候選區(qū)為例，將不同時相圖像的分割結(jié)果進(jìn)行差分運(yùn)算，得到結(jié)果如圖10 a）所示，然后將其沿水平方向投影，找到超過平均投影能量的最大區(qū)間，若其寬度超過設(shè)定門限（通常對應(yīng)于艦船寬度），即初步判定為可能的艦船變化區(qū)間，但是如果該區(qū)間大部分位于海岸線參考位置右側(cè)，則認(rèn)為該區(qū)間的變化不是來自于艦船目標(biāo)。見圖10 b），在海岸線參考位置左側(cè)［23，55］之間存在一個能量投影較大的區(qū)間，接下來對可能的艦船變化區(qū)間沿垂直方向投影，結(jié)果如圖10 c）所示，從中可以找到4個能量投影較大的區(qū)間，其中，最左側(cè)區(qū)間寬度較小，可加以排除，另外3個區(qū)間A：［87，240］、B：［414，453］和C：［482，507］中A可直接確認(rèn)為艦船目標(biāo)，而B與C之間的間距與其各自的寬度接近，無法直接判定為艦船目標(biāo)，可以將該區(qū)域標(biāo)示為可能的艦船目標(biāo)變化區(qū)，需要回到圖像上利用其他特征加以識別。

圖10　艦船目標(biāo)變化分析示例Fig.10 Example of ship targets change analysis

找到目標(biāo)變化區(qū)以后，根據(jù)該區(qū)域在不同時相圖像上平均能量的大小，可區(qū)分出2種情況，考察不同時相的分割圖像，對于同一目標(biāo)變化區(qū)，若時相1的能量小于時相2，則判定艦船出現(xiàn)，否則，判定艦船消失。

至此，可以利用上述方法對各個艦船候選區(qū)進(jìn)行變化分析，得到整個港口的最終的變化檢測結(jié)果。限于篇幅，圖11僅給出第9、22和25艦船候選區(qū)的變化分析結(jié)果。結(jié)果標(biāo)注在時相2的圖像上，其中“------”標(biāo)示新出現(xiàn)的艦船目標(biāo)，“——”標(biāo)示消失的艦船目標(biāo)。

圖11　部分艦船候選區(qū)變化分析結(jié)果Fig.11 Part ship candidate change analysis results

4　結(jié)論

本文探討的基于地圖的變化檢測方法，基本出發(fā)點(diǎn)是利用電子地圖信息快速準(zhǔn)確地找到艦船候選區(qū)，并對其規(guī)則化，使目標(biāo)提取和變化分析在標(biāo)準(zhǔn)的操作環(huán)境下進(jìn)行，可基本實(shí)現(xiàn)計算機(jī)自動處理，具有較強(qiáng)的推廣應(yīng)用潛力。對于單幅圖像的港口艦船檢測與識別，也可以首先將其與電子地圖配準(zhǔn)，然后提取規(guī)則化的艦船候選區(qū)域切片，這樣可以避免大范圍的無用搜索，顯著降低運(yùn)算量，提高檢測識別算法的效率。

［1］蔡姝，吳宏明.基于海陸分割的艦船目標(biāo)變化檢測研究［J］.電視技術(shù)，2010，34（5）：109-112. CAI SHU，WU HONGMING.Study on change detection of ship target based on sea-land segmentation［J］.Video Application&Project，2010，34（5）：109-112.（in Chinese）

［2］隨銀嶺，鄒煥新，雷琳.一種基于模板的港口艦船目標(biāo)變化檢測方法［J］.計算機(jī)工程與科學(xué)，2013，35（6）：134-141. SUI YINLING，ZOU HUANXIN，LEI LIN.A novel change detection method of harbor ship target based on template［J］.Computer Engineering&Science，2013，35（6）：134-141.（in Chinese）

［3］萬劍華，厲梅，任廣波，等.基于變化檢測的濱海濕地圖高效更新方法［J］.國土資源遙感，2013，25（4）：85-90. WAN JIANHUA，LI MEI，REN GUANGBO，et al.Efficient method for updating coastal wetland map based on change detection technology［J］.Remote Sensing for Land and Resources，2013，25（4）：85-90.（in Chinese）

［4］鐘家強(qiáng)，王潤生.一種基于線特征的道路網(wǎng)變化檢測算法［J］.遙感學(xué)報，2007，11（1）：27-32. ZHONG JIAQIANG，WANG RUNSHENG.A road network change detection algorithm based on linear feature［J］.Journal of Remote Sensing，2007，11（1）：27-32.（in Chinese）

［5］METTERNICHT G.Change detection assessment using fuzzy sets and remotely sensed data：an application of topographic map revision［J］.ISPRS Journal of Photogrammetry and Remote Sensing，1999，54（4）：221-233.

［6］李德仁.利用遙感影像進(jìn)行變化檢測［J］.武漢大學(xué)學(xué)報：信息科學(xué)版，2003，28（S5）：7-11. LI DEREN.Change detection using remote sensing imagery［J］.Journol of Wuhan University：Information Science，2003，28（S5）：7-11.（in Chinese）

［7］CHEN GANG，HAY G J，CARVALHOLMT，et al.Object based change detection［J］.International Journal of Remote Sensing，2012，33（14）：4434-4457.

［8］ZHANG QIAN，CAO ZHIGUO，HU ZHONGWEN，et al.Joint image registration and fusion for panchromatic and multispectral images［J］.IEEE Geoscience and Remote Sensing Letters，2015，12（3）：467-471.

［9］BAZYY，BRUZZONE L，MELGANI F.Image thresholding based on the EM algorithm and the generalized Gaussian distribution［J］.Pattern Recognition，2007，40（2）：619-634.

［10］佃袁勇，方圣輝，姚崇懷.一種面向地理對象的遙感影像變化檢測方法［J］.武漢大學(xué)學(xué)報：信息科學(xué)版，2014，39（8）：906-912. DIAN YUANYONG，F(xiàn)ANG SHENGHUI，YAO CHONGHUAI.The geographic object-based method for change detection with remote sensing imagery［J］.Geomatics and Information Science of Wuhan University，2014，39（8）：906-912.（in Chinese）

［11］SUN YANLI，ZHOU WEI，LING YUNFENG.Candidate region detection of ship target in port based on electronic map［C］//Frontiers of Manufacturing Science and Measuring Technology IV.2014：1420-1424.

［12］CANNY J.A computational approach to edge detection［J］.IEEE Transactions Patten Analysis and Machine Intelligence，1986，8（6）：679-698.

［13］彭碧發(fā)，譚毅華.從高分辨率遙感圖像中自動識別水上橋梁［J］.應(yīng)用科學(xué)學(xué)報，2010，28（4）：354-360. PENG BIFA，TAN YIHUA.Automatic detection of bridge over water in high-resolution remote-sensing image［J］. Journal of Applied Sciences，2010，28（4）：354-360.（in Chinese）

［14］MENA J B，MALPICA J A.Color image segmentation using the dempster-shafer theory of evidence for the fusion of texture［C］//The International Archives of the Photogrammetry Remote Sensing&Spatial Information Sciences/w8.2003：139-144.

［15］DURUCAN E，EBRAHIMI T.Change detection and background extraction by linear algebra［J］.Proceeding of the IEEE，2001，89（10）：1368-1381.

［16］CHARALAMPIDIS D，STEIN G W.Target detection based on multi-resolution fractal analysis［C］//The International Society for Optical Engineering Signal Processing，Sensor Fusion，and Target Recognition XVI.Orlando，2007：1117-1125.

Change Detection of Ship Target in Port Based on Electronic Map

SUN Yanlia，ZHOU Weib，WANG Jiea
（Naval Aeronautical and Astronautical University a.Department of Basic Experiment；b.Research Institute of Information Fusion，Yantai Shandong 264001，China）

In this paper，electronic map information was applied to registration，the coast contours was extracted and sampled equidistant，then the key corner point was extracted from it，potential area of ship docking was identified and regularized.And segmentation of the Candidate region image at different phase was operated differential，then projected along the horizontal and vertical direction，the maximum interval exceeded the average projection energy was found，and the change region of ship was determined.The algorithm might avoid the large range of useless search，and improve the efficiency of detection.

electronic map；ship target；change detection；projection energy

TP391.41

A

1673-1522（2016）03-0372-07DOI:10.7682/j.issn.1673-1522.2016.03.013

2016-03-24；

2016-04-15

孫艷麗（1982-），女，工程師，碩士。