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 ·