第2卷第4期 智能系统学报 Vol.2№4 2007年8月 CAAI Transactions on Intelligent Systems Aug.2007 基于光学图像的舰船航迹检测 王彦杰，汪增福 (中国科学技术大学自动化系，安徽合肥230027) 摘要：舰船航迹检测在海上交通管制和军事领域中有着广泛的应用前景.现有的航迹检测方法大都基于SAR图 像，信息不直观而且算法复杂.提出了一种新颖的基于光学图像的航迹检测方法.首先利用纹理分析方法判断待检 测区域中是否含有航迹，然后在通过判断的区域中使用条纹增强算法，凸现航迹特征，最后使用Radon变换检测航 迹，并对结果进行了优化.与现有的检测方法相比，该方法针对性强，复杂度低.使用该方法对实际航拍图片进行了 检测实验，取得了很好的效果. 关键词：航迹检测：Radon变换：纹理分析 中图分类号：TP391.41文献标识码：A文章编号：16734785(2007)04004606 Ship wake detection using optical images WANG Yamjie,WAN G Zeng fu (Department of Automation,University of Science and Technology of China,Hefei 230027,China) Abstract:Ship wake detection has a broad range of applications in marine traffic control and national securi- ty.Current methods were developed based on SAR(Synthetic Aperture Rodar)images.As a result they have two significant disadvantages:the information is not intuitive and the corresponding al gorithms are relatively complex.This paper proposes a novel ship wake detection method based on optical images. Firstly,it judges whether there are ship wakes through texture analysis.Then it uses a stripe enhance- ment algorithm to enhance the characteristics of a ship wake.Finally,it applies Radon transform to detect ship wakes and optimizes detection results.Compared with existing methods,the proposed method is more appropriate for the task and has lower complexity.The method was tested on pictures with wakes and demonstrated effective wake detection. Key words ship wake detection:Radon transform:texture analysis 舰船检测在海上交通管制和军事领域中起着重性特征检测航迹.为了提高检测的精度、适应航迹的 要的作用.舰船在航行时，航迹可达几千米甚至几万 幅度变化，Du21和Copeland!1分别提出了基于滑窗 米，其特征远比舰船本身明显，因此利用航迹检测舰 Radon变换和局部Radon变换的检测方法；为了克 船有时比直接检测舰船本身更加有效可行」 服背景噪声同时保留完整的航迹信息，Kuo提出 现有的航迹检测方法大都是基于SAR图像的. 了应用小波分解重构航迹的检测方法，这些算法均 由于航迹在SAR图像中呈现出明显的线性特征，因 取得了较好的检测效果， 此检测方法以对线性特征敏感的Radon变换为主. 但是，基于SAR图像的航迹检测方法有一些方 但是直接利用Radon变换进行航迹检测效果并不 法本身所导致的不可避免的缺点.例如，Tunaley!s) 太好，所以不断地有改进的算法被提出.为了能够在 提到SAR图像本身有时候会呈现易于和航迹特征 沿海和多岛屿的海面区域进行航迹检测，Eldhu 相混淆的线性特征.其他人1，也提到由舰船本身 set提出了一种方法，该方法首先利用数字地图提 产生的信号会对航迹信号产生影响.在进行航迹检 供的信息去除SAR图像中的陆地部分，而后利用线 测时，必须先检测出舰船的位置，将其用背景色替换 后才可进行航迹检测，这些缺点的存在增加了检测 收稿日期：200612-18. 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
第 2 卷第 4 期 智 能 系 统 学 报 Vol. 2 №. 4 2007 年 8 月 CAAI Transactions on Intelligent Systems Aug. 2007 基于光学图像的舰船航迹检测 王彦杰 ,汪增福 (中国科学技术大学 自动化系 ,安徽 合肥 230027) 摘 要 :舰船航迹检测在海上交通管制和军事领域中有着广泛的应用前景. 现有的航迹检测方法大都基于 SAR 图 像 ,信息不直观而且算法复杂. 提出了一种新颖的基于光学图像的航迹检测方法. 首先利用纹理分析方法判断待检 测区域中是否含有航迹 ,然后在通过判断的区域中使用条纹增强算法 ,凸现航迹特征 ,最后使用 Radon 变换检测航 迹 ,并对结果进行了优化. 与现有的检测方法相比 ,该方法针对性强 ,复杂度低. 使用该方法对实际航拍图片进行了 检测实验 ,取得了很好的效果. 关键词 :航迹检测 ;Radon 变换 ;纹理分析 中图分类号 : TP391. 41 文献标识码 :A 文章编号 :167324785 (2007) 0420046206 Ship wake detection using optical images WAN G Yan2jie ,WAN G Zeng2f u (Department of Automation , University of Science and Technology of China , Hefei 230027 , China) Abstract :Ship wake detection has a broad range of applications in marine traffic control and national securi2 ty. Current met hods were developed based on SAR (Synt hetic Apert ure Rodar) images. As a result they have two significant disadvantages : t he information is not int uitive and the corresponding algorit hms are relatively complex. This paper proposes a novel ship wake detection met hod based on optical images. Firstly , it judges whet her there are ship wakes t hrough text ure analysis. Then it uses a stripe enhance2 ment algorit hm to enhance t he characteristics of a ship wake. Finally , it applies Radon transform to detect ship wakes and optimizes detection results. Compared wit h existing met hods , t he proposed method is more appropriate for t he task and has lower complexity. The met hod was tested on pict ures with wakes and demonstrated effective wake detection. Keywords :ship wake detection ; Radon transform ; text ure analysis 收稿日期 :2006212218. 舰船检测在海上交通管制和军事领域中起着重 要的作用. 舰船在航行时 ,航迹可达几千米甚至几万 米 ,其特征远比舰船本身明显 ,因此利用航迹检测舰 船有时比直接检测舰船本身更加有效可行. 现有的航迹检测方法大都是基于 SAR 图像的. 由于航迹在 SAR 图像中呈现出明显的线性特征 ,因 此检测方法以对线性特征敏感的 Radon 变换为主. 但是直接利用 Radon 变换进行航迹检测效果并不 太好 ,所以不断地有改进的算法被提出. 为了能够在 沿海和多岛屿的海面区域进行航迹检测 , Eldhu2 set [1 ]提出了一种方法 ,该方法首先利用数字地图提 供的信息去除 SAR 图像中的陆地部分 ,而后利用线 性特征检测航迹. 为了提高检测的精度、适应航迹的 幅度变化 ,Du [2 ]和 Copeland [3 ]分别提出了基于滑窗 Radon 变换和局部 Radon 变换的检测方法 ;为了克 服背景噪声同时保留完整的航迹信息 , Kuo [ 4 ] 提出 了应用小波分解重构航迹的检测方法 ,这些算法均 取得了较好的检测效果. 但是 ,基于 SAR 图像的航迹检测方法有一些方 法本身所导致的不可避免的缺点. 例如 , Tunaley [5 ] 提到 SAR 图像本身有时候会呈现易于和航迹特征 相混淆的线性特征. 其他人[1 - 4 ] 也提到由舰船本身 产生的信号会对航迹信号产生影响. 在进行航迹检 测时 ,必须先检测出舰船的位置 ,将其用背景色替换 后才可进行航迹检测. 这些缺点的存在增加了检测
第4期 王彦杰，等：基于光学图像的舰船航迹检测 ·47· 算法的复杂度，影响了航迹的检测效果 求纹理构成的结构规律.目前，在纹理特征的分析方 本文提出了一种新颖的基于光学图像的航迹检 面，统计分析法占据着主导地位.作为一种统计分析 测方法.和SAR信号需经过多步处理后才可得到航 方法，空间灰度层共现矩阵方法在实际中得到广泛 迹图像信息相比，光学图像具备许多SAR图像所没 的应用 有的优点，它直观、简洁，包含的信息丰富、完整，直 1.2空间灰度层共现矩阵(GLCM) 接反映了航迹表面的相关信息.由于成像原理的原 在纹理图像中，如果某个方向上相隔一定距离 因，有些方向上的航迹特征在SAR图像中无法显示 的一对像素的灰度值呈现某种统计规律，则可以用 出来1，光学图像则没有这方面的限制.另外，基于 它来描述图像的纹理特性，而上述统计规律可以用 光学图像的检测方法更接近于人的感知方式，随着 灰度共现矩阵来表达 光学传感器性能的提高，利用光学方法进行航迹检 灰度共现矩阵描述了在方向0上、相隔d个像 测越来越受到人们的关注 素距离的一对像素分别具有灰度1和j的概率，其 在光学图像中航迹依然呈现明显的线性特征 元素可记为P(i,升d,.当0和d选定时，简记为 因此，本文所提出算法也是基于Radon变换的.但 P,其阶数由图像的灰度量化层数决定.由灰度共 是，光学图像里的线性特征与SAR图像的线性特征 现矩阵可以计算出一组参数，并用它们来定量描述 有很大不同，单纯使用Radon变换并不能得到预期 图像的纹理特性.例如，对比度是灰度分布均匀性的 的效果.为此，引入了一种非线性的条纹增强算法， 度量，分布越不均匀，P相差就越大，对比度就越 将其和Radon变换相结合取得了很好的检测效果. 大：相关性则可以用来描述P,矩阵中行元素或者 由于Radon变换需要进行多重积分运算，即使使用 列元素之间的相似程度，它是灰度线性关系的度量 快速算法1，所需要的计算量仍然比较大.因此，如 1.3基于GLCM的航迹有无的判定 果在不确定当前图像中是否存在航迹的情况下就进 可以考虑使用空间灰度层共现矩阵(GLCM)对 行Radon变换处理，是一种费时不讨好的做法.受 Karathanass!)利用纹理检测海浪方向方法的启发， 海浪和航迹图片进行分类。 以图1中的图片为例进行分析，开口较大的 提出了一种利用纹理分析预判当前区域中是否存在 航迹的方法，避免了Radon变换的盲目使用，提高 “V”字形航迹是Kelvin航迹，中间白色部分为湍流 了算法的针对性和使用效率 航迹.表1分别给出了这些图片在d=1,0=0和 d=I.8=π/2情况下的GLCM的对比度ConH和 1基于纹理的候补航迹区域选择 Conr 选择纹理作为判断航迹是否存在的依据，是基 与直观感觉不同，几幅图片的对比度的取值比 于以下2个原因，首先，借鉴了人的感知经验，人在 较离散，而且表面上似乎没有什么规律可循.这种情 判断海面上是否有航迹存在时，利用了海面上纹理 况的出现主要是由于所使用图像的空间分辨率的不 的分布和形状差异，其次，与图像的其他特征相比， 同所引起的.因此，直接使用图像的对比度并不能对 纹理特征能更好地兼顾航迹的宏观形状和细部结构 图片的属性是海浪还是含有航迹的海浪)做出正确 2个方面 的区分.但是，仔细研究可以发现，这些数据的背后 1.1纹理分析 存在着一个规律：即海浪图片2种对比度的比值 纹理是对于图像灰度（或色彩）在空间上的分布 ConH/Conr均大于1，而含有航迹的图片的ConH/ 的一种描述.通常将图像划分为确定型（亦称结构 Conr均小于1.利用这个规律，可以判断待检测的 型)纹理图像和随机型纹理图像两大类.其中，确定 区域中是否含有航迹.据此可以决定下一步的处理 型纹理图像具有某种基本结构，表现在具有某种灰 策略：舍弃ConH/Conr大于1（即不含有航迹）的图 度的像素在图像中周期性地重复出现；与此相对应， 片，仅对Con/Conr小于1（即含有航迹）的图片进 随机型纹理图像则不具有孤立的基本结构，也不呈 行后续处理.这样，可以增强后续算法的针对性，提 现明显的周期性.海浪图像是一种结构型纹理图像， 高检测效率。 图像的局部统计性质是判断图像类型的一个有 表1航迹与海浪对比度分析 力工具).其中，粗糙性和方向性是进行纹理区分时 Ta ble I Contrast analysis of shipwakes and waves 所使用的2个最主要的特征.纹理特征的分析方法 ship- ship- Ship- 分为两大类：统计分析法和结构分析法.前者从图像 wavel wave2 wakel wake2 wake3 有关属性的统计分析出发，后者则致力于找出纹理 C0nH4.244351.432100.674751.850001.64845 基元，再从结构组成探索纹理的规律，也可以直接探 C0nr1.673740.618661.274353.022052.96451 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
算法的复杂度 ,影响了航迹的检测效果. 本文提出了一种新颖的基于光学图像的航迹检 测方法. 和 SAR 信号需经过多步处理后才可得到航 迹图像信息相比 ,光学图像具备许多 SAR 图像所没 有的优点 ,它直观、简洁 ,包含的信息丰富、完整 ,直 接反映了航迹表面的相关信息. 由于成像原理的原 因 ,有些方向上的航迹特征在 SAR 图像中无法显示 出来[ 5 ] ,光学图像则没有这方面的限制. 另外 ,基于 光学图像的检测方法更接近于人的感知方式 ,随着 光学传感器性能的提高 ,利用光学方法进行航迹检 测越来越受到人们的关注. 在光学图像中 ,航迹依然呈现明显的线性特征. 因此 ,本文所提出算法也是基于 Radon 变换的. 但 是 ,光学图像里的线性特征与 SAR 图像的线性特征 有很大不同 ,单纯使用 Radon 变换并不能得到预期 的效果. 为此 ,引入了一种非线性的条纹增强算法 , 将其和 Radon 变换相结合取得了很好的检测效果. 由于 Radon 变换需要进行多重积分运算 ,即使使用 快速算法[8 ] ,所需要的计算量仍然比较大. 因此 ,如 果在不确定当前图像中是否存在航迹的情况下就进 行 Radon 变换处理 ,是一种费时不讨好的做法. 受 Karat hanass [7 ]利用纹理检测海浪方向方法的启发 , 提出了一种利用纹理分析预判当前区域中是否存在 航迹的方法 ,避免了 Radon 变换的盲目使用 ,提高 了算法的针对性和使用效率. 1 基于纹理的候补航迹区域选择 选择纹理作为判断航迹是否存在的依据 ,是基 于以下 2 个原因 ,首先 ,借鉴了人的感知经验 ,人在 判断海面上是否有航迹存在时 ,利用了海面上纹理 的分布和形状差异 ;其次 ,与图像的其他特征相比 , 纹理特征能更好地兼顾航迹的宏观形状和细部结构 2 个方面. 1. 1 纹理分析 纹理是对于图像灰度(或色彩) 在空间上的分布 的一种描述. 通常将图像划分为确定型 (亦称结构 型) 纹理图像和随机型纹理图像两大类. 其中 ,确定 型纹理图像具有某种基本结构 ,表现在具有某种灰 度的像素在图像中周期性地重复出现 ;与此相对应 , 随机型纹理图像则不具有孤立的基本结构 ,也不呈 现明显的周期性. 海浪图像是一种结构型纹理图像. 图像的局部统计性质是判断图像类型的一个有 力工具[9 ] . 其中 ,粗糙性和方向性是进行纹理区分时 所使用的 2 个最主要的特征. 纹理特征的分析方法 分为两大类 :统计分析法和结构分析法. 前者从图像 有关属性的统计分析出发 ,后者则致力于找出纹理 基元 ,再从结构组成探索纹理的规律 ,也可以直接探 求纹理构成的结构规律. 目前 ,在纹理特征的分析方 面 ,统计分析法占据着主导地位. 作为一种统计分析 方法 ,空间灰度层共现矩阵方法在实际中得到广泛 的应用. 1. 2 空间灰度层共现矩阵( GLCM) 在纹理图像中 ,如果某个方向上相隔一定距离 的一对像素的灰度值呈现某种统计规律 ,则可以用 它来描述图像的纹理特性 ,而上述统计规律可以用 灰度共现矩阵来表达. 灰度共现矩阵描述了在方向θ上、相隔 d 个像 素距离的一对像素分别具有灰度 i 和 j 的概率 ,其 元素可记为 P( i , j| d ,θ) . 当θ和 d 选定时 ,简记为 Pi , j ,其阶数由图像的灰度量化层数决定. 由灰度共 现矩阵可以计算出一组参数 ,并用它们来定量描述 图像的纹理特性. 例如 ,对比度是灰度分布均匀性的 度量 ,分布越不均匀 , Pi , j 相差就越大 , 对比度就越 大;相关性则可以用来描述 Pi , j 矩阵中行元素或者 列元素之间的相似程度 ,它是灰度线性关系的度量. 1. 3 基于 GLCM 的航迹有无的判定 可以考虑使用空间灰度层共现矩阵( GLCM) 对 海浪和航迹图片进行分类. 以图 1 中的图片为例进行分析 ,开口较大的 “V”字形航迹是 Kelvin 航迹 ,中间白色部分为湍流 航迹. 表 1 分别给出了这些图片在 d = I ,θ= 0 和 d = I ,θ=π/ 2 情况下的 GLCM 的对比度 Con H 和 ConV . 与直观感觉不同 ,几幅图片的对比度的取值比 较离散 ,而且表面上似乎没有什么规律可循. 这种情 况的出现主要是由于所使用图像的空间分辨率的不 同所引起的. 因此 ,直接使用图像的对比度并不能对 图片的属性(是海浪还是含有航迹的海浪) 做出正确 的区分. 但是 ,仔细研究可以发现 ,这些数据的背后 存在着一个规律 :即海浪图片 2 种对比度的比值 Con H / ConV 均大于 1 ,而含有航迹的图片的 Con H / ConV 均小于 1. 利用这个规律 ,可以判断待检测的 区域中是否含有航迹. 据此可以决定下一步的处理 策略 :舍弃 Con H / ConV 大于 1 (即不含有航迹) 的图 片 ,仅对 Con H / ConV 小于 1 (即含有航迹) 的图片进 行后续处理. 这样 ,可以增强后续算法的针对性 ,提 高检测效率. 表 1 航迹与海浪对比度分析 Table 1 Contrast analysis of shipwakes and waves wave1 wave2 ship2 wake1 ship2 wake2 Ship2 wake3 Con H 4. 244 35 1. 432 10 0. 674 75 1. 850 00 1. 648 45 ConV 1. 673 74 0. 618 66 1. 274 35 3. 022 05 2. 96451 第 4 期 王彦杰 ,等 :基于光学图像的舰船航迹检测 ·47 ·
·48 智能系统学报 第2卷 簇正弦曲线，这些正弦曲线相交于((，).如图2所 示，图2(a)为手绘的“V”字形图案，变换后的结果如 图2(b)所示.易见，这些曲线相交于两点（图中具有 高灰度值的亮点)，每个亮点对应于左边“V”字形图 案的一条边.上述2个亮点可以看成是“V”字形图 案中的2条边在f空间中的具体体现 ×10 (a)航迹1 (b)航迹2 45 4.0 3 3.0 2.0 0. (degrees) (a)V型图案 (b)变换后的结果 图2“V"字形图案及Radon变换 (c)航迹3 (d海浪1 Fig.2 Picture with pattern 'V'and its Radon transform wW. 但是，将Radon变换直接应用于航迹检测，效 果却不甚理想.如图3所示，在空间中具有高灰度值 的点的分布范围不仅较宽，而且产生了严重的“挪 位”现象，完全体现不出航迹的“V”字形特征 ×10 (e)海浪2 图1航迹与海浪 Fig.I Shipwakes and waves 0(degrees】 2基于Radon变换的航迹检测 图3航迹Radon变换 Radon变换常用来提取图像中的线性特征o] Fig.3 Shipwake Radon transform 二维空间中的Radon变换有以下形式： 为什么航迹的“V”字形特征在Radon变换后消 Rf(1.9=(x)(xcs+sin 00dx. 失了呢？这是一个令人困惑的问题.经仔细分析后 发现，之所以经Radon变换后“V”字形特征变得不 (1) 明显甚至消失，是因为航迹图上的“V”字形特征虽 式中：f为图像平面，6为Dirac函数，t和0分别为 然在视觉上很明显，但是由于“V”字的2条边都是 变换后的Rf空间的幅值和相位.由式1)可知，变 由深浅相间的条纹所组成的，这些深浅相间的条纹 换前后图像空间的基本对应关系为：图像平面∫上 的一点(x1,2)对应于Rf空间上的一条正弦曲线 对Radon变换积分的贡献在某种程度上被相互抵 t=x1cos0+x2sin8,Rf空间的一点(4，)对应于 消了.因此，在变换后的图像上，“V”字形特征得不 图像平面的一条直线： 到应有的体现.所以，直接用Radon变换进行航迹 检测是行不通的 、 sin sin' (2) 3条纹增强算法 式中：和和（分别为该直线到原点的距离和其法向 量与x轴的夹角 为了有效地利用航迹的“V”字形特征，一种做 由基本对应关系可知，图像平面∫上的直线 法是增强其两边的条纹特征，减弱灰度值变化较小 to=x1cos4+x2sin4的点对应于Rf空间中的一 的背景.为此，提出了一种非线性的条纹增强算法， 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
图 1 航迹与海浪 Fig. 1 Shipwakes and waves 2 基于 Radon 变换的航迹检测 Radon 变换常用来提取图像中的线性特征[10 ] . 二维空间中的 Radon 变换有以下形式 : Rf ( t ,θ) =∫f ( x1 , x2 )δ( x1 cosθ+ x2 sinθ- t) d x. (1) 式中 : f 为图像平面 ,δ为 Dirac 函数 , t 和θ分别为 变换后的 R f 空间的幅值和相位. 由式 (1) 可知 ,变 换前后图像空间的基本对应关系为 :图像平面 f 上 的一点( x1 , x2 ) 对应于 R f 空间上的一条正弦曲线 t = x1 cosθ+ x2 sinθ, R f 空间的一点 (θ0 , t0 ) 对应于 图像平面 f 的一条直线 : x2 = - x1 cosθ0 sinθ0 + t0 sinθ0 , (2) 式中 :t0 和θ0 分别为该直线到原点的距离和其法向 量与 x 轴的夹角. 由基本对应关系可知 , 图像平面 f 上的直线 t0 = x1 cosθ0 + x2 sinθ0 的点对应于 R f 空间中的一 簇正弦曲线 ,这些正弦曲线相交于(θ0 , t0 ) . 如图 2 所 示 ,图 2 (a) 为手绘的“V”字形图案 ,变换后的结果如 图 2 (b) 所示. 易见 ,这些曲线相交于两点(图中具有 高灰度值的亮点) ,每个亮点对应于左边“V”字形图 案的一条边. 上述 2 个亮点可以看成是“V”字形图 案中的 2 条边在 R f 空间中的具体体现. 图 2 “V”字形图案及 Radon 变换 Fig. 2 Picture with pattern‘V’and its Radon transform 但是 ,将 Radon 变换直接应用于航迹检测 ,效 果却不甚理想. 如图 3 所示 ,在空间中具有高灰度值 的点的分布范围不仅较宽 ,而且产生了严重的“挪 位”现象 ,完全体现不出航迹的“V”字形特征. 图 3 航迹 Radon 变换 Fig. 3 Shipwake Radon transform 为什么航迹的“V”字形特征在 Radon 变换后消 失了呢 ? 这是一个令人困惑的问题. 经仔细分析后 发现 ,之所以经 Radon 变换后“V”字形特征变得不 明显甚至消失 ,是因为航迹图上的“V”字形特征虽 然在视觉上很明显 ,但是由于“V”字的 2 条边都是 由深浅相间的条纹所组成的 ,这些深浅相间的条纹 对 Radon 变换积分的贡献在某种程度上被相互抵 消了. 因此 ,在变换后的图像上 “, V”字形特征得不 到应有的体现. 所以 ,直接用 Radon 变换进行航迹 检测是行不通的. 3 条纹增强算法 为了有效地利用航迹的“V”字形特征 ,一种做 法是增强其两边的条纹特征 ,减弱灰度值变化较小 的背景. 为此 ,提出了一种非线性的条纹增强算法. ·48 · 智 能 系 统 学 报 第 2 卷
第4期 王彦杰，等：基于光学图像的舰船航迹检测 ·49· 这是一种与中值滤波的处理过程相似，但功能有所 不同的算法.该算法让模板依次扫过整个图像，每到 待处理图片 存在航迹 条纹增 Radon]检测结果 一处，读取模板所覆盖的像素的灰度值并对其进行 强算法 变换 排序，将排序后的最大值和最小值的差值赋给模板 中心位置的像素，作为该像素新的灰度值经上述处 不存在航迹 抛弃 理后，灰度值变化较大，即深浅相间的条纹区域明显 得到增强，而变化缓慢的背景则被弱化.随后再使用 Radon变换，则航迹的“V”字形特征在变换域中得 图5检测流程 到很好的体现，表现为具有高灰度值的、很明显的2 Fig.5 Detection flow 个小区域.对实际图像施用的效果如图4所示 到的航迹，结果如图6所示.这里，Source picturel 是单纯的航迹图像，原图中的Kelvin航迹只有一 半，但由于湍流航迹的存在，系统依然给出了正确结 果.Source picture.2中含有许多干扰背景，但由于干 扰的背景不满足“V”形及湍流航迹的夹角约束，系 统成功地屏蔽了它们，也给出了正确结果 (a)原航迹 ×104 22 18 1.4 0.6 6(degrees) (a)航迹1 (b)增强航迹 (c)Radon变换 图4条纹增强算法 Fig.4 Stripe strengthening algorithm 在实验过程中，曾尝试使用过Sobel、Prewitt等 边缘检测算子，但效果很差.此外，使用Kuo提出 的基于小波变换的方法来去除噪声以凸现航迹特 征，也取得了好的效果，但其计算复杂度远比上述条 纹增强算法高： 4航迹检测系统 (b)航迹1检测结果 为了验证算法的有效性，实际构建了基于Ra don变换的航迹检测系统.系统的软件流程如图5 所示 为了提高检测的精确度，适应航迹的幅度变化， 使用了滑窗Radon变换I.这样，当被检测区域很 大且航迹幅度相对较小时，也可以准确无误地检测 到航迹.在变换域中提取极大值时，使用了爬山法； 提取到极大值后，考虑到航迹“V”形的夹角为39°， 湍流航迹和“V”两边的夹角均为19.5°的约束6，将 (e)航迹2 孤立的极值点舍去，而后进行逆变换，便可得到检测 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
这是一种与中值滤波的处理过程相似 ,但功能有所 不同的算法. 该算法让模板依次扫过整个图像 ,每到 一处 ,读取模板所覆盖的像素的灰度值并对其进行 排序 ,将排序后的最大值和最小值的差值赋给模板 中心位置的像素 ,作为该像素新的灰度值. 经上述处 理后 ,灰度值变化较大 ,即深浅相间的条纹区域明显 得到增强 ,而变化缓慢的背景则被弱化. 随后再使用 Radon 变换 ,则航迹的“V”字形特征在变换域中得 到很好的体现 ,表现为具有高灰度值的、很明显的 2 个小区域. 对实际图像施用的效果如图 4 所示. 图 4 条纹增强算法 Fig. 4 Stripe strengthening algorithm 在实验过程中 ,曾尝试使用过 Sobel、Prewitt 等 边缘检测算子 ,但效果很差. 此外 ,使用 Kuo [4 ] 提出 的基于小波变换的方法来去除噪声以凸现航迹特 征 ,也取得了好的效果 ,但其计算复杂度远比上述条 纹增强算法高. 4 航迹检测系统 为了验证算法的有效性 ,实际构建了基于 Ra2 don 变换的航迹检测系统. 系统的软件流程如图 5 所示. 为了提高检测的精确度 ,适应航迹的幅度变化 , 使用了滑窗 Radon 变换[ 2 ] . 这样 ,当被检测区域很 大且航迹幅度相对较小时 ,也可以准确无误地检测 到航迹. 在变换域中提取极大值时 ,使用了爬山法 ; 提取到极大值后 ,考虑到航迹“V”形的夹角为 39°, 湍流航迹和“V”两边的夹角均为 19. 5°的约束[ 6 ] ,将 孤立的极值点舍去 ,而后进行逆变换 ,便可得到检测 图 5 检测流程 Fig. 5 Detection flow 到的航迹 ,结果如图 6 所示. 这里 ,Source pict ure1 是单纯的航迹图像 ,原图中的 Kelvin 航迹只有一 半 ,但由于湍流航迹的存在 ,系统依然给出了正确结 果. Source pict ure2 中含有许多干扰背景 ,但由于干 扰的背景不满足“V”形及湍流航迹的夹角约束 ,系 统成功地屏蔽了它们 ,也给出了正确结果. 第 4 期 王彦杰 ,等 :基于光学图像的舰船航迹检测 ·49 ·
·50· 智能系统学报 第2卷 (d)航迹2检测结果 (b)航迹2优化结果 图6航迹检测结果 图7优化结果 Fig.6 Detection results of ship wakes Fig.7 Optimization results 5结果优化 6 结束语 由于“V”字形航迹的两边和湍流航迹都有一定 的宽度，因此经Radon变换后它们在空间中的映像 本文提出了一种全新的基于光学图像的航迹检 均是亮斑（如图5中Radon transform所示），而不 测方法.该算法具有针对性强、算法复杂度低和实时 是明显的亮点.尽管使用条纹增强算法可以凸现航 性好的特点.为了验证算法的有效性，使用该算法对 迹特征，增强亮斑的亮度，但并不能完全将亮斑缩小 实际航拍图片进行了航迹检测实验，取得了很好的 至点，因此经过Radon逆变换后，检测到的航迹结 效果.目前，该算法还存在一些不足之处.例如，在使 果依然是由多条相邻的线段组成（如图6中(a)(b) 用GCM判断航迹是否存在时，仅使用对比度作为 所示).这样，检测结果就不是很精确 特征可能并不充分，需要进一步引入对比度之外的 为了消除亮斑造成的影响，使得每个亮斑对应 其他特征参数.此外，在检测出航迹之后，如何抽取 一个极值点，得到精确的航迹位置和方向，对航迹检 舰船参数、进行航速分析等是需要进一步探讨的课 测结果进行了如下的处理.首先在Rf空间中检测 题这些将是下一步的工作重点」 出最大亮斑中灰度值最大的点P,由式()知，该点 参考文献： 对应的是航迹中最明显的线段：然后利用式1)稍作 变形来消除该亮斑点P附近极值点，即将式1)中 [1]ELDHUSET K.An automatic ship and ship wake detec- tion system for spaceborne SAR images in coastal regions 的积分求和变为相减，再进行一次“Radon”变换，将 [J].IEEE Transactions on Geoscience and Remote Sens- 所有经过点P的正弦曲线簇抵消，这样将点P所在 ing,1996,34(4):1010-1019 亮斑变为暗斑，点P附近的极值点自然也被消除： [2]DU G,YEO T S.A novel radon transformbased meth- 最后，依次对其他亮斑做类似处理，得到精确的检测 od for ship wake detection[A].Geoscience and Remote 结果如图7所示 Sensing Symposium,Proceedings of International Geosci- ence and Remote Sensing Symposium 2004 [C].New York:Wiley-IEEE Press,2004. [3]COPELAND A C,RAVICHANDRAN G,TRIVEDI M M.Localized radon transformbased detection of ship wake in SAR images[J ]IEEE Transactions on Geosci- ence and Remote Sensing,1995,33(1):35-45. [4]KUO J M,CHEN KS.The application of wavelet corr- elator for ship wake detection in SAR images[J].IEEE Transactions on Geoscience and Remote Sensing,2003, 41(6):1506.1511. (a)航迹1优化结果 5]TUNAL EY J K E.The estimation of ship velocity from SAR imagery[A].Proceedings of International Geosci- ence and Remote Sensing Symposium 2003[C].New York:Wiley-IEEE Press,2003. [6]邹焕新，蒋咏梅，匡纲要，等.一种基于斑点抑制的SAR 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
(d)航迹 2 检测结果 图 6 航迹检测结果 Fig. 6 Detection results of ship wakes 5 结果优化 由于“V”字形航迹的两边和湍流航迹都有一定 的宽度 ,因此经 Radon 变换后它们在空间中的映像 均是亮斑 (如图 5 中 Radon transform 所示) ,而不 是明显的亮点. 尽管使用条纹增强算法可以凸现航 迹特征 ,增强亮斑的亮度 ,但并不能完全将亮斑缩小 至点 ,因此经过 Radon 逆变换后 ,检测到的航迹结 果依然是由多条相邻的线段组成(如图 6 中 (a) ( b) 所示) . 这样 ,检测结果就不是很精确. 为了消除亮斑造成的影响 ,使得每个亮斑对应 一个极值点 ,得到精确的航迹位置和方向 ,对航迹检 测结果进行了如下的处理. 首先在 R f 空间中检测 出最大亮斑中灰度值最大的点 P ,由式 (1) 知 ,该点 对应的是航迹中最明显的线段;然后利用式(1) 稍作 变形来消除该亮斑点 P 附近极值点 ,即将式 (1) 中 的积分求和变为相减 ,再进行一次“Radon”变换 ,将 所有经过点 P 的正弦曲线簇抵消 ,这样将点 P 所在 亮斑变为暗斑 ,点 P 附近的极值点自然也被消除; 最后 ,依次对其他亮斑做类似处理 ,得到精确的检测 结果如图 7 所示. (a)航迹 1 优化结果 (b)航迹 2 优化结果 图 7 优化结果 Fig. 7 Optimization results 6 结束语 本文提出了一种全新的基于光学图像的航迹检 测方法. 该算法具有针对性强、算法复杂度低和实时 性好的特点. 为了验证算法的有效性 ,使用该算法对 实际航拍图片进行了航迹检测实验 ,取得了很好的 效果. 目前 ,该算法还存在一些不足之处. 例如 ,在使 用 GLCM 判断航迹是否存在时 ,仅使用对比度作为 特征可能并不充分 ,需要进一步引入对比度之外的 其他特征参数. 此外 ,在检测出航迹之后 ,如何抽取 舰船参数、进行航速分析等是需要进一步探讨的课 题这些将是下一步的工作重点. 参考文献 : [1 ] ELD HUSET K. An automatic ship and ship wake detec2 tion system for spaceborne SAR images in coastal regions [J ]. IEEE Transactions on Geoscience and Remote Sens2 ing , 1996 , 34 (4) : 1010 - 1019. [2 ]DU G, YEO T S. A novel radon transform2based meth2 od for ship wake detection [ A ]. Geoscience and Remote Sensing Symposium , Proceedings of International Geosci2 ence and Remote Sensing Symposium 2004 [ C ]. New York : Wiley2IEEE Press , 2004. [3 ]COPELAND A C , RAVICHANDRAN G, TRIVEDI M M. Localized radon transform2based detection of ship wake in SAR images[J ]. IEEE Transactions on Geosci2 ence and Remote Sensing , 1995 , 33 (1) : 35 - 45. [4 ] KUO J M , CHEN K S. The application of wavelet corr2 elator for ship wake detection in SAR images[J ]. IEEE Transactions on Geoscience and Remote Sensing , 2003 , 41 (6) :1506 - 1511. [5 ] TUNAL EY J K E. The estimation of ship velocity from SAR imagery [ A ]. Proceedings of International Geosci2 ence and Remote Sensing Symposium 2003 [ C ]. New York : Wiley2IEEE Press , 2003. [6 ]邹焕新 ,蒋咏梅 ,匡纲要 ,等. 一种基于斑点抑制的 SAR ·50 · 智 能 系 统 学 报 第 2 卷
第4期 王彦杰，等：基于光学图像的舰船航迹检测 ·51 图像舰船航迹检测算法U].电子与信息学报，2003(8)： [10]TERRADES O R,VALVEN Y E.Radon transform for 1051-1058. linear symbol representation analysis and recognition ZOU Huanxin,JIANG Yongmei,KUANG Gangyao,et [A].Proc Seventh Internat Conf on Document Analysis al.Detection algorithm of ship wakes of SAR image and Recognition (ICDAR03)[C].Edinburgh,2003. based on the speckle noise suppression[J ]Electronic In- 作者简介： formation Transaction.2003(8):1051-1058. [7]KARATHANASSI V,TOPOUZELIS K,SARANTO- POULOS D.Texture-based detection of sea wave direc- 王彦杰，男，1981生，硕士研究生，主 tion remote sensing for environmental monitoring [A ] 要研究方向为模式识别和图像处理 Proceedings of SPIE[C].[S.1.],2004. [8]OLMO G,MA GLI E.Determination of a segment end- points by means of the radon tansform electronics,cir- cuits and systems[A].Proceedings of International Con- 汪增福，男，1960生，教授，博士生导 ference on Electronics,Circuits,and Systems'99[C]. 师，主要研究方向为视听觉信息处理、模 [S.1.],1999. 式识别和智能机器人等，发表论文80余 [9]张宏林，蔡锐.数字图像模式识别技术及工程实践 篇，1998年以来，主持国家自然科学基金 [M].北京：人民邮电出版社，2003. 项目、863项目、科学院创新项目等10余 项 E mail zfwang @ustc.edu.cn. 2007年全国高性能计算学术年会 National Annual Conference on High Performance Computing,HPC China 2007 由中国计算机学会高性能计算专业委员会主办，中国科学院深圳先进技术研究院承办的“2007年全国 高性能计算学术年会将于2007年10月26日至28日在深圳召开。全国高性能计算学术年会是中国高性 能计算领域一年一度的盛会，为相关领域的学者提供交流合作、发布最前沿科研成果的平台，并将有力促进 中国高性能计算的发展。欢迎从事高性能计算及相关研究的专家、学者踊跃投稿。 会议论文涉及的主要领域：高性能计算应用特征分析、数据模拟与仿真（数字城市、水利工程、CAE、航 空航天、气候、地球物理、生物化学等)、高性能计算软件及算法、网格技术及其应用、高性能计算机体系结构、 其他高性能计算相关领域。 论文通过电子邮件提交至：hpcchina2007@siat.ac.cn; 论文提交截止时间：2007年08月26日； 论文录用通知时间：2007年09月26日： 排版稿件截止时间：2007年10月16日； 联系人：中国科学院深圳先进技术研究院朱定局； 电话：0755-2680353313266867589 传真：0755-26803589： E-mail dj.zhu @siat.ac.cn;zhudingju @ncic.ac.cn. 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net
图像舰船航迹检测算法[J ]. 电子与信息学报 , 2003 (8) : 1051 - 1058. ZOU Huanxin , J IAN G Yongmei , KUAN G Gangyao ,et al. Detection algorithm of ship wakes of SAR image based on the speckle noise suppression[J ]. Electronic In2 formation Transaction , 2003 (8) : 1051 - 1058. [7 ] KARA THANASSI V , TOPOUZEL IS K , SARAN TO2 POULOS D. Texture2based detection of sea wave direc2 tion remote sensing for environmental monitoring [ A ]. Proceedings of SPIE[C]. [ S. l. ] ,2004. [8 ]OLMO G, MA GL I E. Determination of a segment end2 points by means of the radon tansform electronics , cir2 cuits and systems[ A ]. Proceedings of International Con2 ference on Electronics , Circuits , and Systems ’ 99 [ C ]. [ S. l. ] , 1999. [9 ]张宏林 ,蔡 锐. 数字图像模式识别技术及工程实践 [ M]. 北京 :人民邮电出版社 , 2003. [ 10 ] TERRADES O R , VALV EN Y E. Radon transform for linear symbol representation analysis and recognition [ A ]. Proc Seventh Internat Conf on Document Analysis and Recognition (ICDAR03) [C]. Edinburgh , 2003. 作者简介 : 王彦杰 ,男 ,1981 生 ,硕士研究生 ,主 要研究方向为模式识别和图像处理. 汪增福 ,男 ,1960 生 ,教授 ,博士生导 师 ,主要研究方向为视听觉信息处理、模 式识别和智能机器人等 ,发表论文 80 余 篇 ,1998 年以来 ,主持国家自然科学基金 项目、863 项目、科学院创新项目等 10 余 项. E2mail :zfwang @ustc. edu. cn. 2007 年全国高性能计算学术年会 National Annual Conference on High Performance Computing , HPC China 2007 由中国计算机学会高性能计算专业委员会主办 ,中国科学院深圳先进技术研究院承办的“2007 年全国 高性能计算学术年会”将于 2007 年 10 月 26 日至 28 日在深圳召开。全国高性能计算学术年会是中国高性 能计算领域一年一度的盛会 ,为相关领域的学者提供交流合作、发布最前沿科研成果的平台 ,并将有力促进 中国高性能计算的发展。欢迎从事高性能计算及相关研究的专家、学者踊跃投稿。 会议论文涉及的主要领域 :高性能计算应用特征分析、数据模拟与仿真 (数字城市、水利工程、CA E、航 空航天、气候、地球物理、生物化学等) 、高性能计算软件及算法、网格技术及其应用、高性能计算机体系结构、 其他高性能计算相关领域。 论文通过电子邮件提交至 :hpcchina2007 @siat. ac. cn ; 论文提交截止时间 :2007 年 08 月 26 日 ; 论文录用通知时间 :2007 年 09 月 26 日 ; 排版稿件截止时间 :2007 年 10 月 16 日 ; 联系人 :中国科学院深圳先进技术研究院 朱定局 ; 电话 :0755226803533 13266867589 ; 传真 :0755226803589 ; E2mail :dj. zhu @siat. ac. cn ; zhudingju @ncic. ac. cn. 第 4 期 王彦杰 ,等 :基于光学图像的舰船航迹检测 ·51 ·