近年来,基于雷达视频图像的海上目标探测获得了广泛的重视。船用雷达视频图像处理面临的难点包括:目标图像获取过程中由于监控背景的影响,会存在大量的晃动水波纹、日光反射、船舶尾迹等噪声像素,使雷达视频图像的处理具有一定难度;雷达发射端、摄像系统在工作过程中受到船体振动、摆动的影响,产生机械抖动和偏移,使雷达系统的目标检测准确性降低。因此,研究船用雷达视频图像的处理技术具有重要意义。
本文的研究工作包括:
1)针对视频图像的背景噪声,研究了基于二值图像的背景去除算法;
2)采用均衡化处理技术和平均法对视频图像帧的像素进行降噪处理,改善雷达视频图像的信噪比,提高目标检测和特征参数提取的效率;
3)设计船用雷达目标检测和特征提取系统,分析系统原理,并采用边缘匹配等算法实现了雷达视频图像的目标检测与特征提取。
1 基于帧间差分法的雷达视频图像背景去除船用雷达采用的视频图像中,海天背景所占的像素比高于70 %,因此,去除海天背景能够提高图像处理效率。
采用帧间差分法进行背景去除,原理如图1所示。
![]() |
图 1 雷达视频图像的帧间差分法原理图 Fig. 1 Schematic diagram of inter frame difference method for radar video image |
可知,雷达视频图像的帧间差分法是通过视频图像的当前帧与前一帧进行背景建模、灰度转换,最后进行与运算获得的,原理如下:
定义船用雷达采集的目标视频当前帧图像为
$ {d_k}\left( {x,y} \right) = \left| {{f_k}\left( {x,y} \right) - {f_{k - 1}}\left( {x,y} \right)} \right| \text{。} $ |
由于图像帧中目标物体是一个机动目标,而海天背景在短暂时间内可视为静止目标,因此,为了在图像帧中分辨目标与背景,设置目标判断函数如下:
$ {H_k}\left( {x,y} \right) = \left\{ \begin{gathered} 1\;\;\;\;{d_k}\left( {x,y} \right) > T,\\ 0\;\;\;\;{d_k}\left( {x,y} \right) \leqslant T 。\\ \end{gathered} \right. $ |
式中:T为目标或背景的判断阈值,当差分图像
定义图像从属于目标物体的像素点灰度值为
$ \begin{array}{*{20}{l}} {{D_k}\left( {x,y} \right) = \left| {{G_k}(x,y) - {H_k}(x,y)} \right|} ,\\ {{T_k}(x,y) = \left\{ {\begin{array}{*{20}{l}} 1&{{D_k}(x,y) \geqslant T} ,\\ 0&{{D_k}(x,y) < T} 。\end{array}} \right.} \end{array} $ |
式中:
雷达采集的目标视频图像中包含大量噪声,这些噪声以光变化、航迹、障碍物等为主,针对雷达视频图像中的噪声,本文采用像素均衡化和多图像平均法进行降噪。
1)像素均衡化
视频图像帧的像素模型简化为下式:
$ f\left( {x,y} \right) = \frac{1}{M}\;\;\sum\limits_{}^{} {f\left( {x - m,y - n} \right),m,n \in S} 。$ |
式中:
$\begin{split} &g(x,y) =\\ &\left\{ {\begin{array}{*{20}{l}} {\displaystyle\frac{1}{M}\sum\limits_{(m,n) \in S} f (x - m,y - n)},& {\left| {\displaystyle\frac{1}{M}\sum\limits_{(m,n) \in S} f (x - m,y - n)} \right| > {T_0}},\\ {f(x,y)},& {\left| {\displaystyle\frac{1}{M}\sum\limits_{(m,n) \in S} f (x - m,y - n)} \right| \leqslant {T_0}}\text{。} \end{array}} \right. \end{split} $ |
式中:
像素均衡化处理后图像帧的灰度变化如图2所示。
![]() |
图 2 均衡化处理后图像帧的灰度变化示意图 Fig. 2 Schematic diagram of gray level change of image frame after equalization |
经过均衡化的图像灰度值的差异明显降低,有助于进一步进行图像的处理。
2)多图像平均法
多图像平均法在处理帧率较高的图像时效果更好,这种方法首先假设雷达视频中包括N帧图像
$ {g_i}\left( {x,y} \right) = f\left( {x,y} \right) + {n_i}\left( {x,y} \right),i = 0,1,\cdots ,n \text{,} $ |
其中,
$ {S_i} = \frac{{f(x,y)}}{{\sqrt {E\left[ {n_i^2(x,y)} \right]} }} 。$ |
根据多图像平均法,将雷达视频中n帧图像取平均,可得信噪比:
$ {S_i} = \frac{{f(x,y)}}{{\sqrt {E\left[ {\displaystyle\frac{1}{n}\sum\limits_{}^{} {} n_i^2(x,y)} \right]} }} 。$ |
提取3段含有目标信息的雷达视频,每段视频包括的图像帧分别为100000/140000/160000帧,可得平均化后雷达图像信噪比变化曲线如图3所示。
![]() |
图 3 舰船视频图像帧特征提取的流程 Fig. 3 The process of feature extraction of ship video frame |
可见,随着视频图像帧的增加,雷达图形的信噪比呈明显的升高,图像的质量更好。
3 视频图像序列的雷达目标检测和特征提取 3.1 船用雷达目标检测和目标特征参数提取系统开发基于PC机、图像采集卡、雷达系统等开发船用雷达目标检测和目标特征参数提取系统,其原理图如图4所示。
![]() |
图 4 雷达目标检测和目标特征参数提取系统原理 Fig. 4 Principle of radar target detection and target feature parameter extraction system |
雷达目标检测和目标特征参数提取系统主要包括视频捕获模块、跟踪控制模块、目标检测模块等,分别如下:
1)视频捕获模块
雷达视频获取是目标检测系统的关键输入信号,系统的视频捕获模块由雷达单元和雷达终端构成,雷达终端的开发平台是Windows平台,应用程序分为2种:1)基于视频采集卡的软件二次开发SDK方式[3],这种方法的编程难度低,后期维护方便,但灵活性相对较差,较依赖于硬件的配置;2)基于DIREC SHOW的组件程序开发,这种程序开发方式支持多媒体流的各种功能,能够满足雷达视频采集、分析的各种功能。此外,DIREC SHOW组件支持各类多媒体视频格式,比如AVI/MP4/ASF等,集成了DirectX[4]的技术,可以进行视频的在线式编辑。
2)目标检测模块
目标检测模块是系统的核心,系统从船用雷达终端获取视频图像信息后,通过网关、路由存储在数据库,并发送至系统的PC机。在PC机中,雷达视频图形进行背景去除、滤波等操作,并基于各类算法实现视频图像的特征提取和目标检测。
3)跟踪控制模块
跟踪控制模块的主要功能是进行船用雷达的运行工况调节,根据图像识别的结果调整雷达的方位角、采样频率、扫描周期等参数,使雷达系统能够持续的获取目标信息,提高目标检测精度。
3.2 基于边缘匹配的雷达视频图像特征提取算法边缘匹配算法使用边缘算子进行特征提取,本文采用Sobel算子进行雷达图像帧的特征提取,基本流程如图5所示。
![]() |
图 5 Sobel算子边缘匹配技术的特征提取流程 Fig. 5 Feature extraction process of Sobel operator edge matching technology |
1)视频图像帧滤波
采用高斯滤波对雷达图像帧进行过滤[5],高斯滤波器模型为:
$ G(x,y) = \frac{1}{{2\text{π} {\sigma ^2}}}{e^{ - \frac{{{x^2} + {y^2}}}{{2{\alpha ^2}}}}} 。$ |
2)图像梯度计算
令
$ \begin{gathered} G = \sqrt {G_x^2 + G_y^2} ,\\ \theta = {\tan ^{ - 1}}\left( {\frac{{{G_y}}}{{{G_x}}}} \right)。\\ \end{gathered} $ |
3)Sobel阈值检测
对图像的边缘像素
$ H(x,y)=\left\{\begin{array}{*{20}{l}} 边缘点\text{,}&H(x,y) > {T}_{h} \text{,}\\ 非边缘点\text{,}&H(x,y) < {T}_{l} \text{,}\\ 疑似边缘点\text{,}&\text{else} \text{。}\end{array}\right. $ |
式中:
4)计算边缘匹配率
$ Q\left( {{H_i},{H_{i + 1}}} \right) = s/n \text{,} $ |
式中,
5)特征提取结果输出
为了提高舰船识别的精度,必须采用最小的边界矩形来定位船舶。
矩形长轴定位舰船长度L,短轴定位宽度W,长宽比R为:
$ R=\frac{L}{W} 。$ |
图6为某海域船用雷达视频图像帧的目标检测输出。
![]() |
图 6 船用雷达视频图像帧的目标检测输出 Fig. 6 Target detection output of video image frame of marine radar |
图中可见,基于该系统可以准确识别雷达视频图像帧的舰船矩形轮廓,具有较高的目标识别精度。
4 结 语[1] |
朱希同, 杨瑞娟, 李晓柏, 等. 一种多功能天波超视距雷达任务规划调度方法[J]. 舰船电子工程, 2022, 42(2): 75-80. |
[2] |
宦若虹, 杨汝良, 岳晋. 一种合成孔径雷达图像特征提取与目标识别的新方法[J]. 电子与信息学报, 2008(3): 554-558. |
[3] |
陈唯实, 宁焕生, 刘文明, 等. 基于雷达图像的飞鸟目标检测与信息提取[J]. 系统工程与电子技术, 2008(9): 1624-1627. |
[4] |
郭飚, 陈曾平, 庄钊文, 等. 基于高分辨率二维雷达图像的特征提取与目标识别[J]. 航天电子对抗, 1998(02): 21-27. |
[5] |
郭飚, 陈曾平. 一种高分辨率雷达二维图象的特征提取与目标识别方法[J]. 信号处理, 1999(3): 281-284. |
[6] |
张海英. 海面目标雷达图像多尺度轮廓段特征提取方法[J]. 舰船科学技术, 2019, 41(12): 52-54. |