﻿ 复杂背景下海天线的连通域检测法
 舰船科学技术  2016, Vol. 38 Issue (8): 108-112 PDF

A sea-sky-line detection algorithm based on the method of connected area detection under complicated background
WANG Jin-xi, YAN Zhao-yi, PENG Zhen-ming
School of Optoelectronic Information, University of Electronic Science and Technology of China, Chengdu 610054, China
Abstract: The detection of sea-sky-line is of great importance in dividing the sea-sky background and recognizing infrared ship targets. This article provides a sea-sky-line detection algorithm which uses the method of connected area detection base on line segment table. Firstly, wipe off the disturbance of water wave and background, then do the gradient algorithm and max filtering to find the position of sea-sky-line. By means of connected area detection based on the segment table, the non-linear information of the sea-sky line can be obtained after binaryzation. It concludes that our method has a high detecting precision and it will not affect the ships' outline. It overcomes the disadvantage in Hough transform which can only detect straight line and has a strong practicality.
Key words: sea-sky-line detection     infrared ship targets     gradient algorithm     Connected Area Detection     line segment table
0 引言

1 图像预处理

1.1 去除强水纹干扰和背景干扰

 \begin{align} & iff(x,y)>{{f}_{mean}}theng(x,y)=f(x,y)-{{f}_{mean}}, \\ & iff(x,y) 式中：{f_{mean}}$为图像矩阵的均值；$f(x,y)$为原始图像中的像素值；$g(x,y)$为处理后图像的像素值。 当背景中含有山脉、桥梁时也会对海天线的检测造成干扰。例如桥面也是直线，在经过边缘检测后容易与海天线边缘混淆，因此采用去水纹后的图像与原图像之差作为研究对象进行下一步的边缘检测，这种方式也能较为容易的去掉复杂背景的干扰。 $A(x,y)=\left| g(x,y)-f(x,y) \right|\circ $(2) 其中，$A(x,y)$为去除复杂背景后图像的像素值。 1.2 边缘检测 在去除背景干扰后，图像成分变得较为简单。这时为了达到寻找边缘的目的，检测灰度变化可以采用一阶/二阶导数来完成[6]。为了在图像中寻找边缘的强度和方向，选择梯度向量$\nabla f$来定义： $\nabla f\equiv grad(f)\equiv \left[ \begin{matrix} {{g}_{x}} \\ {{g}_{y}} \\ \end{matrix} \right]=\left[ \begin{matrix} \frac{\partial f}{\partial x} \\ [8pt]\frac{\partial f}{\partial y} \\ \end{matrix} \right]\circ $(3) 该向量的重要几何性质就是它指明了函数在某位置最大变化率的方向。$M(x,y)$表示$\nabla f$的大小，其意义为梯度方向变化率的值，即 $M(x,y)=mag(\nabla f)=\sqrt{g_{x}^{2}+g_{y}^{2}}\circ $(4) 式中：gxgy 都是与原图像大小相同的图像，是 xyf 中所有像素位置上变化产生的，而$M(x,y)$即可提取图像的边缘信息。 1.3 最大值滤波与二值化处理 最大值滤波是一种基于统计排序理论的非线性滤波技术[7]，其定义为： $K(x,y)=\max \{M(x-i,y-j),(i,j)\in A\},$(5) 式中：A 为滤波窗口，通常取为奇数，最大值滤波的目的在于消除噪声的同时保持图像中的边缘和细节。 为了使图像变得更加简单且减少数据量，再对图像进行二值化处理。由于预处理中已去除了水纹干扰和复杂背景干扰，该方法直接对滤波后的图像 K 做如下处理： $K(K>0)=1\circ $(6) 直接将矩阵中的非 0 值转化为 1 的做法简化了传统二值化处理中确定阈值的步骤。 2 连通域检测 二值图像的连通域检测是图像处理中提取目标几何特征的常用方法。如图 1 所示，连通区域分为四连通和八连通 2 种，对于具有复杂背景干扰的海天线检测，选择八连通的方式较为合适。  图 1 两种连通关系 Fig. 1 Two kinds of correcting relation 当 2 条线段相连通时，线段上的像素点也都连通，因此连通域可以看作水平线段的组合。本文采用基于线段表的二值图像连通域检测法[8]，可以减小图像存储空间、高效判断出海天线的位置。将水平线段作为连通体的基本单元，具体检测步骤如下： 1）对二值图像逐行扫描，记录所有水平线段的编号和左右端点坐标 x1x2，并将每条线段的标记值赋为 0。 2）根据端点坐标判断两相邻水平线段间的连通关系。设 xaxb 为第 i - 1 行某线段的左右端点坐标，xcxd 为第 i 行某线段的左右端点坐标，若能够满足条件$\left( {{x_b} \geqslant {x_c} - 1} \right) \cap \left( {{x_a} \geqslant {x_d} + 1} \right)\$，则判定两相邻水平线段八连通。

3）更新线段标记，具体处理方法为：

① 如果当前线段与上一行中的线段都不连通，则按照自然数从小到大的顺序赋予当前线段新的标记。由于二值图像中处于第一行的线段没有上一行，直接将其标记为 1。

② 如果当前线段与上一行某线段相连通，且当前线段标记值为 0，则将上一行线段的标记值赋予当前线段。

③ 如果当前线段与上一行某线段相连通，且当前线段的标记值非 0，则将两线段中较小的标记值赋予当前线段。

4）标记更新之后，还可能出现相同连通区域内包含不同标记值的情况，如图 2图 3 所示，因此需要建立映射表，进行标记统一。首先初始化一个二维数组，记录每条线段的编号与其对应的标记值（见表 1）。再采用递归的传递方法，按线段编号从大到小的顺序依次归并等价的连通标记。（见表 2）。

 图 2 原始二值图像 Fig. 2 The original binary image

 图 3 标记后二值图像 Fig. 3 The binary image after being marked

 图 4 连通域检测结果 Fig. 4 The result of connected area detection
3 实验结果与分析

 图 5 源图像 Fig. 5 Source image

 图 6 去除强水纹后图像 Fig. 6 Removing the disturbance of water

 图 7 去除复杂背景后图像 Fig. 7 Removing the complicated background

 图 8 梯度运算结果 Fig. 8 The gradient computation

 图 9 最大值滤波结果 Fig. 9 Maximum filtering

 图 10 二次梯度运算结果 Fig. 10 The 2nd gradient computation

 图 11 最长连通域检测结果 Fig. 11 The longest connected area detection

 图 12 海天线情况 Fig. 12 The sea-sky-line detection

 图 13 Hough 变换检测图 A Fig. 13 Hough transform detection figure A

 图 14 Hough 变换检测图 B Fig. 14 Hough transform detection figure

 图 15 Hough 变换检测图 C Fig. 15 Hough transform detection figure C

 图 16 连通域检测图 A Fig. 16 Connected area detection figure A

 图 17 连通域检测图 B Fig. 17 Connected area detection figure B

 图 18 连通域检测图 C Fig. 18 Connected area detection figure C

4 结语

 [1] 魏颖, 史泽林, 李成军, 等. 海空背景下红外小目标检测算法[J]. 红外与激光工程 , 2003, 33 (2) :153–156. WEI Ying, SHI Ze-lin, LI Cheng-jun, et al. Detection algorithm for infrared small target in background of sea and sky[J]. Infrared and Laser Engineering , 2003, 33 (2) :153–156. [2] 刘松涛, 周晓东, 王成刚. 复杂海空背景下鲁棒的海天线检测算法研究[J]. 光电工程 , 2006, 33 (8) :5–10. LIU Song-tao, ZHOU Xiao-dong, WANG Cheng-gang. Robust sea-sky-line detection algorithm under complicated sea-sky background[J]. Opto-electronic Engineering , 2006, 33 (8) :5–10. [3] 刘士建, 蒋敏, 庄良. 一种快速有效的红外图像中海天线提取算法[J]. 红外技术 , 2011, 33 (4) :230–232, 240. LIU Shi-jian, JIANG Min, ZHUANG Liang. A fast and effective algorithm for sea-sky-line extraction in infrared images[J]. Infrared Technology , 2011, 33 (4) :230–232, 240. [4] 安博文, 胡春暖, 刘杰, 等. 基于Hough变换的海天线检测算法研究[J]. 红外技术 , 2015, 37 (3) :196–199. AN Bo-wen, HU Chun-nuan, LIU Jie, et al. Study of sea-sky-line detection algorithm based on Hough transform[J]. Infrared Technology , 2015, 37 (3) :196–199. [5] 刘世军. 海空背景下红外舰船目标识别方法研究[D]. 成都: 电子科技大学, 2011. LIU Shi-jun. The study of the infrared ship recognition method under sea-sky background[D]. Chengdu: University of Electronic Science and Technology of China, 2011. [6] 冈萨雷斯, 伍兹. 数字图像处理[M]. 阮秋琦, 译. 3版. 北京: 电子工业出版社, 2011: 454-455. GONZALEZ R C, WOODS R E. Digital image processing [M]. YUAN Qiu-qi, Trans. 3rd ed. Beijing: Publishing House of Electronics Industry, 2011: 454-455. [7] 彭真明, 雍杨, 杨先明. 光电图像处理及应用[M]. 成都: 电子科技大学出版社, 2012 : 106 -108. PENG Zhen-ming, YONG Yang, YANG Xian-ming. Photoelectric image processing and application[M]. Chengdu: UESTC Press, 2012 : 106 -108. [8] 梁炜, 朱煜. 基于线段表的二值图像连通区域检测[C]//计算机技术与应用发展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集. 宁波: 中国仪器仪表学会微型计算机应用学会, 2007: 1157-1160. LIANG Wei, ZHU Yu. Connected area detection of binary image based on line segment table[C]//The Computer Technology and Application Development. Ningbo: [s.n.], 2007: 1157-1160.