视频与AIS信息融合的海上目标检测

李明兵，张锁平，张东亮，齐占辉

（国家海洋技术中心 天津 300112）

视频监测技术广泛应用于海洋监测领域，海上船只目标检测作为视频监测的应用之一，在海洋环境监测、海上维权、海洋工程管理及海上交通管理等方面都起着重要作用[1-3]。

运动目标检测技术一直是国内外研究的热点，基于视频的海上船只目标检测问题一直是一个难点，主要原因是海面背景复杂，船只检测容易受到海面波纹、光照变化等因素的影响[4]。目前的船只目标检测方法大多根据连续的图像序列，利用图像间的相关性检测船只目标，因此涉及到大量的图像处理运算，需要较大的存储空间及较长的计算时间。

文中提出了一种新的船只目标检测方法，利用船舶的AIS（船载自动识别系统）设备发送的信息驱动摄像机拍摄单帧图像，采用显著性图像区域检测方法区分船只目标与海面背景，并利用双阈值分割方法实现了船只目标的准确提取，并进行了实验验证。

1 船只目标检测方法

算法流程如图1所示。

1.1 根据AIS信息提取小范围图像

AIS信息中包含船只的经纬度等航行信息。随着国际海事组织修订的SOLAS公约第V章中规定AIS强制性安装，安装AIS设备的船舶数量正在迅速增加[5]。根据AIS信息与图像坐标间的对应关系算出船只的大致位置，从而提取包含船只目标的小范围图像。

图1 船只目标检测流程图Fig.1 Flow chart of the ship detection method

1.2 高频加强滤波

提取后的图像，在船只目标与海面背景的边缘处像素值差别较大，同时，由于光照的不均匀，不同位置处的海面背景像素值也有变化，但这种变化是缓慢的，因此，为了使船只目标与背景的对比更加明显，并消除变化背景的干扰，需要增强图像中的高频成分并对低频成分加以抑制。高频加强滤波[6]函数为：

其中，a为偏移常量，b 用来调节高频加强程度，Hhfe（u，v）为高通滤波函数。

一种常用的高通滤波器为巴特沃思型高通滤波器，它在通频带内频率响应曲线较平坦，阻频带内逐渐下降为零，其滤波函数形式如公式（2）所示：

其中，n为滤波器阶数，D0是从频率矩形的原点测得的截止长度，即截止频率。H（u，v）是（u，v）点距频率矩形原点的距离。结合公式（1）和（2），得到相应的巴特沃思高频加强滤波函数[7]

其中，Rh代表高频增益，R1代表低频增益，c为锐化系数，用来控制滤波器函数斜面的锐化，它在Rh和Rl之间过渡。图2显示了该滤波器的三维图和横截面表示。滤波器系数的选择要根据具体的光照状况，在计算机中采用交互方式确定。

图2 巴特沃思型高频加强滤波器的表示Fig.2 Butterworth high-frequency emphasis filter

1.3 显著性区域检测

目前的显著性检测方法大多基于一种自底向上、数据驱动的视觉注意机制，利用亮度、颜色、边缘等特征属性来决定图像某个区域和它周围的对比度[8]。观察滤波后的图像，船只目标与海面背景之间颜色差异较大，且船只目标在图像中只占很少的像素。同时为了适应大规模图像处理的要求，显著性检测算法应该具有简单快速的特点。基于以上特点及要求，文中采用Achanta等人提出的颜色调谐方法，它利用某个像素和整幅图像的平均色的色差来直接定义显著性值[9]，计算公式如下：

其中，Iu是图像中所有像素的算术平均值，I（x，y）为图像在点（x，y）处的值。为了更方便处理彩色图像，并利用其颜色和亮度特征，将公式（4）扩展为：

其中，Iu代表整幅彩色图像的平均色向量，I（x，y）代表其相应点的颜色向量，‖‖表示在L2空间的距离。本文在L*a*b*彩色空间处理图像，因此Iu可表示为（L*u，a*u，b*u），I（x，y）表示为（L*（x，y），a*（x，y），b*（x，y）），公式（5）可改写为：

1.4 双阈值分割

文中采用双阈值分割方法，一幅图像中具有较高显著性值的像素一般分布在船只目标区域，较大的阈值保证提取像素集中于船只目标区域，而较小的阈值能够保证获得完整的船只目标。双阈值分割的准则是所有前景像素值必须高于较小的阈值，而且必须至少与一个在较大阈值之上的像素相连通[10]。因此该步骤需要两步阈值分割及一步区域生长操作，同时对小阈值分割后的图像进行闭操作，消除单个的杂点和小的孔洞并填补轮廓线中的断裂，使船只目标更加完整。固定的阈值即可满足分割要求。

1.5 形态学处理

在提取小范围图像时，有时会将树木、近岸设施和天空等包括在内，这些树木、云层和部分海面由于与周围背景差异较大，有时也被当作显著性目标分割出来，因此需要通过船只的形态特征对提取的疑似目标分别进行判断。首先建立船只的形态特征模型[11]，本文采用以下4个量描述船只目标：区域长度l——最小外接矩形长度；区域高度h——最小外接矩形高度；长宽比r——最小外接矩形长宽比；区域面积c——目标所占像素个数。它们组成一个四维目标特征矢量V（l，h，r，c），兼顾了船只的大小和形状特征。

2 实验及结果分析

实验数据来自安装在三亚的视频监测系统，当地海域船只来往频繁，便于数据采集。

图3 原始图像Fig.3 Raw image

图4 检测结果Fig.4 Detection result

图3为拍摄的一幅原始图像，1 628像素×1 236像素，结合AIS信息提取的小范围图像为图4 （a），256像素×128像素，结果大大缩小了图像检测范围。图4（b）为经过高频加强滤波后的图像，（c）为生成的显著性图像，从（b）和（c）可以看出，船只目标的显著性得到了加强，与海面背景的对比更加明显。图4（d）和（e）分别为小阈值分割和大阈值分割后的结果，经过双阈值分割后，完整的船只目标被提取出来，并且大部分干扰因素被去除，只剩下少部分高显著性值区域，再经过形态学处理，即可准确的获取船只目标，如图4（f）所示。图5所示为更多的检测事例，它们分别代表了不同的光照情况及不同的近岸环境，可以看到，利用本文方法均准确的提取出了船只目标。图5（b）列图像所示为在不同的光照情况下高频加强滤波的效果；第2行图像中未装有AIS设备的小型船舶同样具有高显著性值而被准确的检出；第4行和第5行图像中，树木具有更高的显著性值，根据船只形态特征实现了准确区分。

图5 不同情况下的检测结果Fig.5 Detection results in different conditions

3 结束语

文中提出了一种视频与AIS信息融合的船只目标检测方法，通过单帧图像即可获取船只目标，经过实测数据验证，该方法易于实现且适应性强，能够准确快速提取出船只目标。本文算法并不局限于装有AIS设备的船舶，它可以扩展到一般的船只目标检测应用中，但是需要结合新的算法来确定船只活动范围，这也是本文进一步的研究方向。

[1]Fefilatyev S，Goldgof D.Detection and tracking of marine vehicles in video[C]//International Conference on Pattern Recognition，2008.

[2]ZHANG Suo-ping，QI Zhan-hui，ZHANG Dong-liang.Ship tracking using background subtraction and inter-frame correlation [C]//2nd International Congress on Image and Signal Processing，2009.

[3]高原.海背景下弱小运动目标的检测和跟踪研究[D].北京：北京交通大学，2007.

[4]王明芬.基于形状外观的运动船只识别与跟踪技术研究[D].厦门：厦门大学，2008.

[5]蔡新梅.AIS应用与发展[J].机电设备，2011，28（2）：28-30.CAI Xin-mei.Application and development of AIS[J].Mechanical and Electrical Equipment，2011，28（2）：28-30.

[6]冈萨雷斯.数字图像处理[M].北京：电子工业出版社，2006.

[7]陈春宁，王延杰.在频域中利用同态滤波增强图像对比度[J].微计算机信息，2007，23（6）：264-266.

CHEN Chun-ning，WANG Yan-jie. Image contrast enhancement by homomorphic filtering in frequency field[J].Micro Computer Information，2007，23（6）：264-266.

[8]CHENG Ming-ming，ZHANG Guo-xin，Niloy J M，et al.GlobalContrastbased SalientRegion Detection[C]//In CVPR，2011：409-416.

[9]Achanta R，Hemami S，Estrada F，et al.Frequency-tuned salient region detection[C]//In CVPR，2009：1597-1604.

[10]Bouh T E，Micheals R，Can X，et a1. Frame-rate omnidirectional surveillance and tracking of camouflaged and occluded targets[C]//Proceedings of the 2nd IEEE Workshop on Visual Surveillance，Fort Collins，Colorado，USA，1999：48-55.

[11]王保云，张荣，袁园，等.可见光遥感图像中舰船目标检测的多阶阈值分割方法 [J].中国科学技术大学学报，2011，41（4）：293-298.

WANG Bao-yun，ZHANG Rong，YUAN Yuan，et al.A new multi-level threshold segmentation method for ship targets detection in optical remote sensing images[J].Journal of University of Science and Technology of China，2011，41（4）：293-298.