0 引　言

螺旋桨的旋转导致船体空化，波浪的破碎和水平线上吸入的大量空气会在后部形成一个充满气泡的水幕，称为“尾迹”。尾流应力磁场是船舶唤醒的重要物理特性，在海洋探测、跟踪、反探测等方面发挥着重要作用。随着军事科技的进步，对海洋舰船和潜艇的光学监视已成为各国关注的焦点。船舶尾流监视分析仪采用Matlab软件实现，可以进行长期、连续、动态、实时的观测，是海洋资源开发利用的有效工具。平面化图像与几何尺寸、速度、海面风速等有很大关系。从物理场的角度来看，尾迹的声学、光学、磁学、热学等特性非常重要。尾流的这些物理特性是检测、跟踪和识别的基础。基于尾迹的声学特性，研制了一种基于尾迹声学特性的鱼雷^[1-3]。本文提出一种基于光学特性的船舶保安监视分析仪的设计方案。目前，许多潜艇都使用了声衰减技术，但当舰船和潜艇在水面上行驶时，它们会在水面上产生水波和气泡，造成后果。许多发达国家研究无声探测技术、激光、红外、卫星和其他技术。在这种背景下，船舶尾流图像的数字处理是一个新的研究方向，在监测海洋环境方面发挥着非常重要的作用^[4-6]。

1 船舶尾流形成与变化

当船舶在海上航行时，由于螺旋桨的运动和船舶在水中的前进，它会引起水流的波动和气泡幕，从而形成一条拖曳线。船舶尾流如图1所示。潜艇的隔音效果很好，但对海水和气泡的影响可以忽略不计。因此，如果潜艇的表面摩擦力相对较小，它将形成一种特殊的波浪，这种波浪将持续很长时间并传播到更大的区域。用于探测的SAR通常安装在监测卫星上，能够准确地探测到跟踪波动。当船舶或潜艇离开水面时，海水温度会发生轻微变化，可以用红外探测器进行监测。在海浪的影响下，海水在卫星的监督下变得更加透明，使得潜艇很难隐藏。

由于受船舶吃水深度、尺寸、速度，以及海洋湿度与气候等因素的影响，船舶尾迹会发生变化。通过目视观察可以确定，在相同速度下，同一高速下的轨迹比短速度下的轨迹持续时间长、气泡多、滞后大。在同一航速下，体积大、吃水大的船舶尾迹面积大，持续时间长。

2 船舶尾流图像数字化处理 2.1 尾流图像处理

利用图像信息技术获得的航迹图像有着明显的瑕疵，存在多种噪声与失真的情况，对航迹图像质量有严重影响。因此，在处理之前必须改进轨迹图像。其主要特点是衰减冗余图像以改进目标区域，处理带有模糊边缘的分辨率，提高边缘的突出度，以此来获取更好的结果。根据图像特性，本文从空间和频率2个方面对其进行分析。

2.2 灰度变换

实验中，在航迹图像曝光不足、动态范围窄的情况下，通过灰度变换有效地恢复了航迹图像。尾迹图像的空间区域增强使用基于灰度转换的方法，其使用灰度转换函数的方法，扩大目标的亮度范围，使其映射到自身。通常情况下，成像系统的响应范围亮度有限，最大与最小的比值称之为对比度。在成像系统中，由于成像系统的局限性，对比度经常较低，导致人眼在观察期间的视觉质量较差，而灰度转换增加了图像的动态范围和增益的对比度。该方法的线性灰度转换函数为：

$ {{g}} = {{kf}} + {{b}} 。$

式中：k为斜率，b为直线在g轴上的截距。

2.3 直方图

在尾迹图像中，灰度直方图是一个重要的统计形式，它反映了图像中每个灰度级出现频率之间的统计关系。船速为25 km/h尾流图如图2所示，为图像中灰度像素数的函数，将原始图像中的直方图转换为均匀分布会增加像素的灰度变化，并提高整个图像的对比度。对于灰度分布可以用P（rk）函数来表示，其中，r是指图像中像素的灰度。

$ P（{rk}）={nk}/N \text{，} $

式中：N代表一张图片中的像素总数，nk代表第k个等级的像素，rk代表第k个等级。尾迹图像的反差较大，且在较小的灰度区分布。提取25 km/h和40 km/h的船尾图像的直方图。

船速为40 km/h尾流图像速度曲线如图3所示。通过分析，可以确定每个星座的直方图和速度曲线的特性，速度曲线有2个尖端，并且具有很强的集中性，在不同的速度下，其直方图也有很大的差异。

3 船舶尾流图像数字化与特征描述分割 3.1 Canny检测器梯度算子

对船舶尾流图像进行边缘提取，是图像识别与计算机处理的基础。尾迹的边界是尾迹和水的边界产生的气泡幕，这是尾迹中最明显的局部变化区域，也是不连续的区域。首先提取图像的边缘，然后通过缝合边界点形成边界区域。通过提取边界线，从海洋背景中分离出图像中的尾迹，因此，尾迹图像边缘的提取成为船舶探测的重要依据。对连续的尾迹图像f（xy）进行边缘提取的方法是：首先，求出各像素点的梯度。选取阈值T>0，并保留符合▽f(xy)>T的像素，即为尾迹影像的边缘。当前，最常用的边缘检测方法是对亮度的间断进行检测，而这一间断可以通过一次、二次微分来探测。将▽f（xy）的二维函数的梯度定义为矢量，即

$ \nabla f = \left[ {\frac{{{F_x}}}{{{F_y}}}} \right] = \left[ {\begin{array}{*{20}{c}} {\partial f/\partial x} \\ {\partial f/\partial y} \end{array}} \right] \text{。} $

幅值为：

$ \begin{aligned} & \nabla F = {\rm{mag}}(\nabla f){\left[ {{F_x}^2 + {F_y}^2} \right]^{\frac{1}{2}}} = {\left[ {\left( {{\raise0.7ex\hbox{${\partial f}$} \mathord{\left/ {\vphantom {{\partial f} {\partial x}}}\right.} \lower0.7ex\hbox{${\partial x}$}}} \right) + {{\left( {{\raise0.7ex\hbox{${\partial f}$} \mathord{\left/ {\vphantom {{\partial f} {\partial y}}}\right.} \lower0.7ex\hbox{${\partial y}$}}} \right)}^2}} \right]^{\frac{1}{2}}} \approx \\ & {F_x}^2 + {F_y}^2 \text{。}\end{aligned} $

通过估计F_x²和F_y²可知道最大变化率出现时的角度。计算公式为▽f最大值的条件是：

$ \frac{{\partial (\nabla f)}}{{\partial \theta }} = 0 \text{，} $

$ \theta (x,y) = \arctan \left( {\frac{{{F_y}}}{{{F_x}}}} \right) \text{。} $

其中，梯度最大值▽f是梯度模。

3.2 船舶尾流图像数字化边缘分割

图像分割在图像跟踪技术中占有重要比重。对于尾部限制，仅处理边缘区域。为了识别和分析滞后，必须首先从图像中分离边界。然后，根据该方法测量并使用拖尾。对尾迹图像进行分割，将其划分为具有特征的区域，并且对其进行提取。在图像分割中，阈值分割、区域分割和分水岭分割十分常见。尾流可以通过取水法精确分割。提出一种基于分水岭的彩色图像分割算法。卫星遥感和航空摄影通常用于跟踪海船。由于光学因素的影响，导致后缘高度不清晰，图像难以有效提取。分水岭分割技术可以突出尾线的轮廓，增强尾线的层次感。自适应多值分割方法类似于分水岭方法。跳转秒数的选择是分割中的一个重要问题。它们的边界线很厚，定位不准确，导致边缘断裂。图中的水平面与膜值相对应，随着膜值的增加，吸水池的水位也会相应地增加。若水位出现上升，吸水池中的水就会到达分水岭。如果水位再次上升，分水岭就会被淹没。因此，2个水隔断和吸力池可分为2个区域。在后面的图片中，分水岭是尾迹的边界。

3.3 船舶尾流特征描述

使用Matlab调整后缘是一项非常复杂的任务。尾部限制曲线调整是将2个变量的离散点组合起来，以获得平滑的曲线。根据拟合方法，可分为参数调整和非参数调整。参数化调整是指如果曲线没有全部通过，则无参数最小二乘调整的方法，以便所有曲线都通过。最小二乘法是将剩余误差的平方最小化，以获得待确定的因子。

$ {r_i} = {y_i} - {\hat y_i} \text{，} $

$ S = \sum\limits_{i = 1}^n {{r_i}^2} = {\sum\limits_{i = 1}^n {\left( {{y_i} - {{\hat y}_i}} \right)} ^2} \text{。} $

式中：n为参与拟合的点相关的个数，S为残差的平方和。

软件执行命令为：

$ P = polyfit\left( {x,y,m} \right) \text{，} $

式中：P为输出通过多项式，x和y为输出的不同长度，m为适应度。船舶监视图像处理的最终目标是识别尾流并通过计算机处理其数据。由于船舶尾部图案中的边界线是主要研究对象，因此选择一个表面特征来描述尾部，其可以看作是一组连续的点，采用二维方法描述。傅里叶描述子用于分析与识别物体形状。尾部边界的形状可以看作是由空间坐标系中的一个平面和一组点组成的闭合曲线。后缘用离散傅里叶变换表示，它可以将二维问题分解为一维问题，并可用于定量描述边界形状。傅里叶描述子重建的方法是获得跟踪尾迹的边缘。采用圆周法求出该区域的边界。利用傅里叶方法对所提取的尾迹进行描述。在计算出边界尺寸后，再进行系数的计算，然后再进行傅里叶变换，傅里叶转变图如图4所示。利用225个 Fourier描述子进行图像重建。

经过线性处理后，尾迹图像的边缘清晰，封闭角清晰，直流画尾流边缘分布图如图5所示。该软件用于处理长度和宽度值、封闭角度、字节数和其他数据。如果尾部边界已知，则使用最小外切矩形来描述尾部的基本形状，这是简单有效的。旋转尾迹不仅可以反映轴向长度，还可以反映垂直方向的宽度。最小外缘的水平轴和垂直轴是尾翼的主轴和副轴。

4 结　语

本文借助图像预处理技术对尾迹模式进行初步研究。在分析不同方法和特点的基础上，提出一种适用于系统的航迹图像灰度变换方法，并对其进行处理和分割。检测器用于提取尾迹边缘，分水岭技术用于分割尾线图像，并使用数学形态学方法提取边缘以获得清晰的轮廓，实现了尾迹的数字化和形状描述。通过采样拟合了尾迹边缘的图像，得到了尾迹的多项式方程，并用图像进行数值模拟。同时，该研究尚存在着许多问题。首先，在温度、湿度、光强、方向等条件下，获得了目标边缘曲线，且噪声点少，边缘曲线突出。由于光强度的影响，对海洋尾迹图像进行处理时，检测器无法进行直接的边缘探测，会出现大量的边缘信息损失，从而导致精度较低。其次，在实验中，使用理想状态下的船尾影像与海水中的真实航迹有很大的差异，如果要把试验的理论运用到实际的航迹上，就必须通过实测的航迹和仿真结果进行比较和分析。最后，针对存在时间短、重复性低的尾流问题，现有条件下，精度不高，目前尚无标准进行误差分析。因此，只能从宏观上对全流场的光学特性进行检测，对于其特定的研究仍旧处于理论层面上，因此如何提高测量精度和设计检测设备就显得尤为重要。