0 引　言

船舶吃水特性是一项非常重要的安全性能指标，大型运输船舶在航道和港口通行时，采集船舶吃水线的位置不仅能够了解当前船舶的浮沉状态，判断船舶是否有碰撞和搁浅的危险。同时，采集船舶的吃水状态还可以有效地控制船舶的运动特性，使船舶保持在一个良好能量消耗的运行状态，从而提升船舶的能量利用率^[1]。

传统的船舶吃水线检测以人工检测为主，配合船舶的水尺进行检测，为了提高船舶吃水线数据的精度，需要不止一次的进行水尺测量，通过大量的测量数据提高准确度。这种船舶吃水线检测方法存在明显的缺点：1）需要耗费大量的人力成本，增加了人员作业的风险；2）吃水线数据的准确性不高；3）人工采集数据的效率低，难以满足日益密集的海上航线船舶检测需求。因此，迫切需要一种高效、精确的船舶吃水线自动定位方法。

本文介绍一种新型吃水线自动定位技术，其核心是机器视觉和图像处理，分别从船舶吃水线自动定位系统的原理、组成、图像处理技术等进行研究。

1 基于机器视觉的船舶吃水线自动定位系统设计

船舶吃水线自动定位系统的总体设计如图1所示。

1）图像采集系统

基于机器视觉的图像采集子系统是获取船舶吃水线图像的模块，主要通过2种途径获取船舶吃水线图像。一是利用视频处理技术，将港口和航道内监控视频的帧图像提取出来，这种图像获取方式效率相对较高，但图像的清晰度取决于监控视频摄像机的分辨率，往往精度较低；二是利用专门的视频、图像采集器获取船舶吃水线图像，常用的视频图像采集器为CCD工业相机。

2）图像识别系统

图像识别系统是船舶吃水线定位系统的核心，通过内在的图像处理和识别算法，将工业相机采集的图像数据进行特征提取，最后获取较准确的船舶吃水线信息。在设计图像识别子系统时，主要应用边缘检测等图像识别算法，获得了精度较高的船舶吃水线图像处理效果。

3）数据运算和存储系统

船舶吃水线自动定位系统的图像数据量较多，不仅对于系统的数据处理性能有较高的要求，也对系统的数据存储有较高的要求。结合计算机硬件设备的升级，提高了吃水线自动定位系统的数据运算和处理能力。

2 硬件设计 2.1 机器视觉传感器

机器视觉传感器是吃水线自动定位系统的数据采集装置，选用的视觉传感器为CCD工业相机^[2]，CCD工业相机是一种电荷耦合图像传感器，也是目前应用非常广泛的图像采集装置。CCD工业相机实现了模拟信号和数字信号的转换，通过图像采集卡将单帧和连续帧图像序列发送至计算机。

将CCD工业摄像机分辨率选取为500×750，相机的像素当量为5 mm/pixel，相机的视场高度为2 500 mm，在高度方向上的像素个数为：

$ pixe{l_h} = \frac{{2\;500\;{\rm{mm}}}}{{5\;{\rm{mm}}}} = 500。$

表1为CCD工业相机的参数。

选用的CCD工业相机型号为XC-EI30，其成像原理如图2所示。

2.2 数据存储器设计

为了保证船舶通航的安全性，防止出现船舶搁浅等交通事故，必须要对大量的船舶进行吃水线数据的采集，且视频、图像数据的处理过程同样需要产生大量的过程数据，因此，对吃水线自动定位系统的数据存储有较高的要求。

采用的数据存储器为Oracle数据库，之所以选择Oracle数据库，主要原因包括：1）Oracle数据库具有完整的数据存储、管理、调用功能；2）该数据库是一个关系数据库，并采用了分布式的数据处理功能，数据存储容量非常大；3）具有很好的可移植性，数据库用户可以在不同的计算机底层平台上切换，不影响数据的存储。

在船舶吃水线自动定位系统中，Oracle数据库^[3]的数据存储包括本地存储和远程存储，从而保证了视频和图像数据的安全性，系统的数据存储流程如图3所示。

2.3 数据运算器及电源电路设计

船舶吃水线自动定位系统的数据运算器采用工控机为核心，配合设备接口电路和电源电路等共同实现。工控机选型为华硕X90J电脑，系统配置的处理器为英特尔I5-5000处理器，具有16 G内存和500 G的数据存储空间。

3 软件程序及图像处理技术 3.1 软件程序

在船舶吃水线自动定位系统中，软件程序是实现图像识别和特征提取的关键，也是自动定位系统面向操作人员的接口。船舶吃水线自动定位系统的软件程序如图4所示。

1）用户界面模块

用户界面模块集成了与用户操作有关的软件程序，吃水线自动定位系统的用户界面中集成了各类操作按钮，比如图像显示、图像存储、历史数据调取、警报功能等。

2）图像采集程序

图像采集程序的功能是进行CCD工业相机的控制，确定工业相机的启停机和采集过程。同时，图像采集程序负责CCD图像数据的格式转换^[4]，将模拟量转化为数字量，发送至工控机中。

3）字符识别程序

字符识别程序是吃水线自动定位系统的软件核心，该程序模块集成了视频/图像处理程序，位于系统的工控机中。由于船舶吃水线图像中存在着较多的噪声信号，字符识别程序在进行图像处理时包括预处理阶段和处理2个阶段，预处理阶段主要负责去除噪声，处理阶段主要负责图像识别。

4）位置识别程序

该程序是吃水线位置识别的关键，最终将船舶吃水线位置信息输出到显示界面。

3.2 基于边缘检测技术的吃水线图像自动定位技术

由于船舶吃水线图像中水线的色彩特性与海水透明度有关，当水体较明亮时，水线的边缘较不明显，图像识别效果较差。因此，采用边缘检测配合Radon变换、灰度检测的算法进行图像的处理。

船舶吃水线图像的处理，需要首先将吃水线彩色图像处理为灰度图像，然后进行图像的配准，关键环节包括：

步骤1　Radon变换

Radon变换是将复杂图像转换为某一方向的投影，这种变换方法在图像边缘较模糊时有非常多的应用。

假定船舶吃水线图像为 $ \left( {x,y} \right) $ ，吃水线边缘近似为一条曲线，表示为：

$ f = x\cos \theta + y\sin \theta {\text 。} $

将曲线的某一点在Radon空间中投影，得到投影点为 $ k\left( {\rho ,\theta } \right) $ ，可得吃水线图像的Radon变换为：

$ R\left( {\rho ,\theta } \right) = \iint\limits_R {k\left( {x,y} \right)\delta \left( {x\cos \theta + y\sin \theta } \right){\rm d}x{\rm d}y} ，$

其中，R为船舶吃水线图像的平面， $ k\left( {x,y} \right) $ 为灰度值， $ \delta $ 为Radon系数^[5]， $ \theta $ 为投影角度。

图5为图像的Radon变换法示意图。

步骤2　灰度检测

船舶吃水线图像的灰度检测基于Hough变换理论。

首先，定义图像的参数空间为 $ H\left( {{\rho _k},{\theta _k}} \right) $ ，灰度统计空间为 $ L\left( {{\rho _k},{\theta _k}} \right) $ ，将空间初始化如下：

$ \begin{gathered} H\left( {{\rho _k},{\theta _k}} \right) = 0\;\;,k = 0,1,\cdots,m {\text ；} \\ L\left( {{\rho _k},{\theta _k}} \right) = 0\;\;,k = 0,1,\cdots,m 。\hfill \\ \end{gathered} $

然后，根据船舶吃水线图像的灰度特性，计算图像的灰度特征值为：

$ \begin{gathered} H\left( {{\rho _k},{\theta _k}} \right) = {\rho _k} - 1\;\;,k = 0,1,\cdots,m {\text ；} \\ L\left( {{\rho _k},{\theta _k}} \right) = {\rho _k} + 1\;\;,k = 0,1,\cdots,m{\text 。} \end{gathered} $

最后，将图像的灰度特性值归一化处理，得到图像的灰度检测模型为：

$ F\left( {{\rho _k},{\theta _k}} \right) = \frac{{H\left( {{\rho _k},{\theta _k}} \right)}}{{L\left( {{\rho _k},{\theta _k}} \right)}},k = 0,1,\cdots,m 。$

经过Radon变换和灰度检测后，船舶吃水线图像的边缘变得明显，图6为船舶吃水线图像的灰度检测效果。

3.3 基于机器视觉的船舶吃水线自动定位系统验证

基于VISUAL STUDIO 2015开发环境^[6]，结合Open CV计算机视觉库，设计一种吃水线自动定位软件程序。

OpenCV^[7]是一个跨平台的计算机视觉库，提供了很多开放源代码和图像处理函数，采用C和C++进行编程，同时也提供了丰富的Python等其他程序语言的接口。

本文采集了大量的船舶吃水线图像数据，分别在自动定位系统（采样个数为40个，曲线B）和VISUAL STUDIO 2015开发环境（采用个数为10个，曲线A）中进行了吃水线识别的对比，分别获得了2种平台的定位误差，如图7所示。

4 结　语

机器视觉技术在进行图像采集、分析时具有非常广阔的应用前景，结合机器视觉技术，设计一种船舶吃水线自动定位系统，分别对系统的硬件软件、图像处理算法等进行了介绍。