基于多源遥感卫星的海面舰船目标检测方法

2018-03-09 07:28孙越娇雷武虎胡以华赵楠翔任晓东
激光与红外 2018年2期
关键词:高分辨率舰船滤波

孙越娇,雷武虎,胡以华,赵楠翔,任晓东

(1.脉冲功率激光技术国家重点实验室,电子工程学院,安徽 合肥 230037; 2.电子制约技术安徽省重点实验室,安徽 合肥 230037)

1 引 言

在海洋遥感领域,舰船作为海上运输载体和重要军事目标,其自动检测与识别具有非常重要的现实意义,无论在民用还是军事领域都有着广阔的应用前景[1]。由于光学卫星遥感图像直观易理解,容易解译,在海域舰船检测方面具有SAR卫星遥感图像不能比拟的优势[2],因此,目前对于卫星遥感图像的研究重点已经从SAR卫星遥感图像慢慢转向光学卫星遥感图像[3]。基于光学遥感卫星图像的舰船目标检测方面的技术文献也在逐渐增多,Jubelin等人[4]提出了一种多尺度中高分辨率的舰船检测算法,龚志成等人[5]提出基于邻域分析的海洋遥感图像舰船检测方法,王卫卫等人[6]利用结构纹理分解检测海洋舰船目标,此外,还有许多学者也研究了可见光遥感图像舰船检测[7-14]。

静止轨道光学成像卫星具有可对大范围指定区域进行持续观测等低轨卫星无法比拟的优势。但是其成像距离远,空间分辨率通常较低(数十米量级),舰船在图像上成像面积小,可利用的显著特征信息较少,同时还受到云层、海浪等干扰,这使得仅利用静止轨道遥感卫星对舰船目标进行检测比较困难。而低轨高分辨率光学卫星虽然其观测周期较长,但是其空间分辨率较高,舰船目标在图像上成像面积大,能够捕捉目标更多的细节,有利于舰船目标的检测。

针对以上问题,本文提出综合利用高分辨率遥感图像与静止轨道遥感图像进行舰船目标检测的方法。首先对静止轨道卫星图像进行目标预检测,然后利用卫星图像的地理信息,在高分辨率遥感卫星图像中确定候选目标区域,最后对候选目标区域中的目标进行检测判别,剔除虚警。该方法不仅能有效检测出重点关注区域内的多个运动舰船目标,而且为后续对运动舰船的监视跟踪打下基础,为静止轨道遥感卫星实现重点区域持续监视提供技术支撑。

2 基于多源遥感卫星图像的海上舰船目标检测方法

2.1 基本原理

基于多源遥感卫星的海上舰船目标检测的原理框图如图 1 所示。

图1 多源遥感卫星舰船目标检测流程框图

2.2 静止轨道遥感卫星图像目标预检测

2.2.1 多结构多尺度top-hat融合处理

首先利用多结构多尺度top-hat形态学滤波对海洋背景图像进行预处理,抑制背景,增强目标,提高目标与背景的对比度。由于图像中的目标可能具有不同的尺度特性,若对整幅图像采用单一的结构元素做处理,会丢失图像的细节信息。因此,根据舰船目标的形状特征,选择不同方向、不同尺度的直线及方形结构元素组合构造多结构元素,如图2所示。

图2 不同的结构元素类型

将不同结构、尺度元素的top-hat滤波结果进行一定融合处理,公式如下:

(1)

其中,f为原始图像;r为处理后图像;n表示结构元数目;ω表示加权系数;b为结构元。

图3给出了预处理的示例。

图3(c)、(d)为top-hat形态学滤波结果灰度图及三维图,图3(e)、(f)为本文方法进行预处理的结果灰度图及三维图,由图可知,多结构多尺度top-hat形态滤波虽然背景抑制效果稍逊于top-hat形态滤波,但是其对弱小目标的增强效果远远超过top-hat形态滤波,增强了目标与背景的对比度。

图3 预处理的示例

2.2.2 自适应阈值分割

对预处理后的图像采用基于图像均值的自适应阈值分割方法[15]分割出目标。具体算法如式(2)~(4)所示。

T1=meanfx,y

(2)

(3)

Tk+1=(mean(f(fk=1))+mean(f(fk=0)))/2

(4)

迭代直到e=Tk+1-Tk满足一定的参考条件,取分割阈值T=Tk+1,将图像分割成两个部分。

由于阈值分割的不完整,可能存在单个舰船目标由多个邻近连通域组成的情形,利用区域增长法对各个预检测目标的连通域进行标记。针对一幅图像中可能存在多个舰船目标的情况,利用海上运动的舰船目标之间都存在一定的安全距离这一条件作为聚类条件,对连通域进行聚类,得到预检测结果。

2.3 高分辨率遥感图像舰船目标检测

2.3.1 候选目标区域确定

(1)设静止轨道卫星图像大小为m×n,对应的地理坐标:经度为Long1~Long2,纬度为Lat1~Lat2。利用2.2中方法对静止轨道卫星图像进行处理得到目标在图像中的坐标,记为x,y,则目标的地理坐标为:

(5)

(6)

(2)设高分辨率卫星图像大小为m′×n′,对应的地理坐标:经度为Long1′~Long2′,纬度为Lat1′~Lat2′,则目标在图像中的位置为(x′,y′):

(7)

(8)

图4 候选目标区域示意图

2.3.2 舰船目标判别

在高分辨率卫星图像的候选目标区域内对预检测结果进行舰船目标的最终判别。本文利用最小外接矩形提取目标的形状特征[5,16]作为判别依据:

(1)舰船长度L,Lmin≤L≤Lmax;

根据舰船外形的规定参数、先验知识设定具体的门限值。同时满足上述3个条件时,判断为舰船目标,否则剔除。

3 实验结果与分析

为了验证本文算法的有效性,采用matlab仿真实验进行说明。

实验1为静止轨道卫星图像目标预检测仿真实验。

本文采用16 m分辨率的光学遥感图像作为原始图像来模拟静止轨道遥感卫星图像,图像来自Google Earth,图像大小为512×512;实验1分别采用多结构多尺度top-hat滤波算法和top-hat滤波算法对图像进行预处理,然后进行自适应阈值分割检测目标。实验结果如图5所示。

图5 静止轨道卫星图像目标预检测结果

如图所示,图5(a)、(d)、(g)分别为三幅不同的原始图像,(b)、(e)、(h)为top-hat滤波后检测结果,(c)、(f)、(i)为本文提出的滤波算法检测结果。在第一组实验中(图5(a)~(c)),图像中含有17个目标,图5(b)检测出18个目标,圆圈为虚警,图5(c)成功检测出17个目标;第二组实验中(图5(d)~(f)),图像中含有目标19个,两种方法都检测出17个目标,漏检2个;第三组实验中(图5(g)~(i)),图像中含有目标28个,图5(h)检测出26个目标,漏检2个,图5(i)成功检测出28个目标,其中椭圆为本文方法检测出而top-hat方法没能检测出的目标。由实验结果可知,两种方法对极小目标的检测都存在困难,发生漏检情况,但是总体来说,多结构多尺度top-hat滤波后分割的检测率,虚警率都优于top-hat滤波后分割检测。因此,采用多结构多尺度top-hat滤波能得到更好的预检测效果。

实验2为高分辨率遥感图像舰船目标检测。

图6为模拟静止轨道低分辨率卫星图像,分辨率16 m,大小为285×175,方形框为实验1的预检测结果,由图可知,预检测目标为8个。取舰船运动最大速度为30节,低轨高分辨率遥感卫星图像与静止轨道遥感卫星图像的拍摄间隔时间为10 s,结合卫星图像地理位置信息并按照本文2.3.1节中的公式(5)~(8)可以获取高分辨率卫星图像中的目标候选区域,在目标候选区域计算目标判别特征如表1所示。

图6 预检测结果

目标1234长度16.970646.857932.019221.8619长宽比1.04353.64533.42.8761矩形度0.73190.72050.82580.7101目标5678长度26.807515.949417.677755.9017长宽比3.40742.26833.57153.2051矩形度0.87240.882810.7333

根据舰船外形的规定参数、先验知识取Lmin=10,Lmax=100,Rt=2,Ft=0.7,对表1中特征参数进行判别,结果如图7所示。

图7 舰船检测结果

由实验结果可知,预检测结果中含有8个目标,在经过对高分辨率图像中的候选目标区域判别后,有效发现了预检测结果中的虚假舰船目标,并将其剔除。此外,对高分辨率图像的候选目标区域进行处理,避免了对整幅图像处理的庞大计算量,提高了效率。最后将判别结果反映到静止轨道卫星图像(如图7所示)上,也为后续对舰船目标的实时跟踪做了铺垫。

4 总 结

结合静止轨道遥感卫星与低轨高分辨率遥感卫星的优缺点,提出了一种基于多源遥感卫星的海面舰船目标检测方法。实现了指定大范围海域舰船目标的快速发现与检测,既克服了静止轨道遥感卫星检测结果可信度低的缺点,同时又克服了低轨高分辨率遥感卫星时效性差的缺点。实验结果表明:(1)与单一结构的top-hat滤波相比,对静止轨道遥感卫星图像采用多结构多尺度top-hat滤波能够更好地增强目标与背景的对比度,提高了目标检测率,降低了虚警率;(2)结合高分辨率遥感卫星图像对静止轨道遥感卫星图像目标预检测结果进行判别,能够有效剔除由于静止轨道卫星图像空间分辨率低造成的海上虚假舰船目标。总之,本文为基于多源遥感卫星的目标检测跟踪问题提供了思路,但是只研究了目标检测阶段,缺乏对目标实时监视跟踪问题的进一步探究。因此,在下一步的研究中,可结合本文方法利用静止轨道遥感卫星对舰船目标进行实时监视跟踪的研究。

[1] ZHANG Zhen. A study on harbor target recognition in high resolution optical remote sensing Image[D].Hefei:University of Science and Technology of China,2009.(in Chinese)

张振.高分辨率可见光遥感图像港口及港内目标识别方法研究[D].合肥:中国科学技术大学,2009.

[2] LI Wenwu.Detection of ship in optical remote sensing image of median-low resolution[D].Changsha:National University of Defense Technology,2008.(in Chinese)

李文武.中低分辨率光学遥感图像舰船目标检测算法研究[D].长沙:国防科学技术大学,2008.

[3] ZHANG Fengli,ZHANG Lei,WU Bingfang.Progress of shipdetection technology and system based on remote sensingtechnology in European union[J].Journal of Remote Sensing,2007,11(4):552-562.(in Chinese)

张风丽,张磊,吴炳方.欧盟船舶遥感探测技术与系统研究的进展[J].遥感学报,2007,11(4):552-562.

[4] Jubelin G,Khenchaf A.Multiscale algorithm for ship detection in mid,high and very high resolution optical imagery[C]//Igarss,2014:2289-2292.

[5] GONG Zhicheng,ZENG Huiyi,PEI Jihong.A method for ship detection based on neighborhood characteristics in remote sensing image[J].Journal of Shenzhen University:Science & Engineering,2013,30(6):584-591.(in Chinese)

龚志成,曾惠翼,裴继红.基于邻域分析的海洋遥感图像舰船检测方法[J].深圳大学学报:理工版,2013,30(6):584-591.

[6] WANG Weiwei, XI Dengyan,YANG Gongpeng,et al.Warship target detection algorithm based on cartoon-texture decomposition[J].Journal of Xidian University,2012,39(4):131-137.(in Chinese)

王卫卫,席灯炎,杨塨鹏,等.利用结构纹理分解的海洋舰船目标检测[J].西安电子科技大学学报,2012,39(4):131-137.

[7] LI Xiaobo,SUN Wenfang,LI Li.Ocean moving ship detection method for remote sensing satellite in geostationary orbit[J].Journal of Electronics & Information Technology,2015,37(8):1862-1867.(in Chinese)

李晓博,孙文方,李立.静止轨道遥感卫星海面运动舰船快速检测方法[J].电子与信息学报,2015,37(8):1862-1867.

[8] Song Z, Sui H,Wang Y.Automatic ship detection for optical satellite images based on visual attention model and LBP[C]//IEEE Workshop on Electronics,Computer and Applications,IEEE,2014:722-725.

[9] LIU G, Zhang Y,Zheng X,et al.A new method on inshore ship detection in high-resolution satellite images using shape and context information[J].IEEE Geoscience & Remote Sensing Letters,2014,11(3):617-621.

[10] DING Zhenghu, YU Ying,WANG Bin,et al.Visual attention-based ship detection in multispectral imagery[J].Journal of Computer-Aided Design & Computer Graphics,2011,23(3):419-425.(in Chinese)

丁正虎,余映,王斌,等.选择性视觉注意机制下的多光谱图像舰船检测[J].计算机辅助设计与图形学学报,2011,23(3):419-425.

[11] ZHOU Wei,GUAN Jian,HE You.Ship detection from low observable regions in optical remote sensing imagery[J].Journal of Image and Graphics,2012,17(9):1181-1187.(in Chinese)

周伟,关键,何友.光学遥感图像低可观测区域舰船检测[J].中国图象图形学报,2012,17(9):1181-1187.

[12] XU Zhitao, LIU Jinguo,LONG Kehui,et al.Ship targets detection of ocean surveillance satellite images based on visual attention[J].Laser & Optoelectronics Progress,2013,50(12):1001-1009.(in Chinese)

许志涛,刘金国,龙科慧,等.基于视觉注意机制的海洋监视卫星图像舰船目标检测[J].激光与光电子学进展,2013,50(12):57-65.

[13] Su L,Zhou N,Xu C,et al.On the small ship target detection based on panoramic vision[C]//Control Conference,IEEE,2013:3575-3579.

[14] Jin B, Cong Y,Zhou W,et al.A new method for detection of ship docked in harbor in high resolution remote sensing image[C]//International Conference on Progress in Informatics and Computing,IEEE,2014:341-344.

[15] MA Wenwei, ZHAO Yongqiang,ZHANG Guohua,et al.Infrared dim target detection based on multi-structural element morphologicalfilter combined with adaptive threshold segmentation[J]Acta Photonica Sinica,2011,40(7):1020-1024.(in Chinese)

马文伟,赵永强,张国华,等.基于多结构元素形态滤波与自适应阈值分割相结合的红外弱小目标检测[J].光子学报,2011,40(7):1020-1024.

[16] DU Chun,SUN Jixiang,LI Zhiyong.Method for ship recognition using optical remote sensing data[J].Journal ofImage and Graphics,2012,17(4):147-153.(in Chinese)

杜春,孙即祥,李智勇,等.光学遥感舰船目标识别方法[J].中国图象图形学报,2012,17(4):147-153.

猜你喜欢
高分辨率舰船滤波
舰船通信中的噪声消除研究
舰船测风传感器安装位置数值仿真
高分辨率合成孔径雷达图像解译系统
舰船腐蚀预防与控制系统工程
一种GMPHD滤波改进算法及仿真研究
基于自适应Kalman滤波的改进PSO算法
高分辨率对地观测系统
RTS平滑滤波在事后姿态确定中的应用
基于线性正则变换的 LMS 自适应滤波
基于Curvelet-Wavelet变换高分辨率遥感图像降噪