基于图像识别的雷达航标监测软件设计与实现

潘明达，陈艾玲，倪侃俊

(上海埃威航空电子有限公司，上海 200233)

0 引言

我国管理水域内通常航路复杂、通航环境恶劣，船舶交通密度大，由此增加了船舶航行的难度及危险系数。并且水域岛礁众多，存在大量跨海大桥、架空线缆、海产品养殖区域，船舶种类繁杂，使得对该水域不熟悉的船舶产生望而却步、寸步难行的感觉。由于雷达应答器可以提供一个正确识别目标，具有目标识别直观，且受气候影响较小的特点，许多船长和引航员经常在航标用户座谈会上希望增加雷达应答器的应用，证明其深受广大航海用户的喜爱[1]。随着我国海事部门管理手段不断提高，海上雷达航标设置不断完善，船舶如果能够充分利用雷达航标设备反馈的信息进行导航，规避风险，将对船舶安全航行有极大的帮助。

一般情况是雷达航标所处水域环境恶劣，会发生信标漂移或损坏的情况，航标船无法及时了解情况，只有在近距离巡检中人工才能发现问题，这样会严重影响航标工作效率进而影响船舶的安全航行。所以需要一种适用于航标船远程监测雷达航标状态的方法，来远程监测雷达航标的定位状态和应答状态，实现无人监测作业，保障船舶的航行安全。

由于雷达对物体的扫描结果是通过图像反馈的，因此通过图像识别技术对雷达航标的监测提供了一种新的思路。模板匹配是计算机视觉技术重要的应用方向，模板匹配主要是对现有的模板和被检测物体进行全方位的匹配和分析[2]。

1 相关研究

雷达航标（Racon，又称雷康），是一种被动式的有源雷达信标，它在接收到船用雷达的发射脉冲后约0.5us便自动发出经编码的回答脉冲信号，故又称为雷达应答器，如图1所示，其回答的编码脉冲信号被船用雷达接收后显示在屏上，可以测其方位和距离，以供定位和导航之用。由于回答脉冲是编码的，故便于相互识别，常用的雷达航标信号是把脉冲编成莫尔斯（Morse）码[3]。雷达航标可在整个船用雷达工作频率范围内接收雷达脉冲信号，而它的回答信号也可被附近同波段雷达所接收。雷达航标工作频率在微波X波段，该波段电磁波特性主要以视距传播为主，而其作用距离与雷达应答器的功率和安装天线高度等因素有重要关联，更远作用距离需要更大的输出功率和更高的天线高度，同时作用距离与船用天线高度也有相应影响[4]。

图1 雷达航标示意图

模板匹配技术的基本原理是通过使用数学函数将被搜索图的对应坐标关系找出，将找到的对应关系代入到数学模型中。在这个过程中模板匹配技术具备的图像识别能力往往较强，但是若处于严重干扰状态，或参照的模板出现了较大变动，就需要使用更为深层的数学工具，构建出新条件下的数学模型。模板匹配技术包含了神经网络、模糊数学、自适应控制等技术，运算速度较快，实现方法简单。因此将模板匹配技术应用到图像识别当中有着较为重要的意义[5]。

2 监测方法

根据雷达航标工作原理，利用船载X 波段导航雷达对雷达航标进行扫描，将一次回波扫描后数据及雷达成像模拟数据进行采集，数据处理后形成雷达回波图像，为了远程监测雷达航标的状态，采用模板匹配的方法识别雷达航标发送的莫尔斯编码。即在待检测图像S 中搜索目标图像T（即模板图像）并返回T 的坐标。进行模板匹配时，先建立一个标准模板库，再根据相似度准则计算待检测图像S 与目标图像T 之间的相似度Similarity(S,T)，两者相似度越高，相同的可能性就越高。

经典边缘检测算法主要是通过各自算法的核心滤波器后，进行梯度计算，然后经过相应算子过零点，最后拟合边缘[6]。采用边缘提取的方法进行模板匹配，常用的边缘提取算子有Sobel 算子、Laplacian 算子及Canny 算子。Sobel 算子适用于灰度渐变及噪声较多的图像，由于图像的边缘不止一个像素，而Sobel 算子对边缘定位的准确度不高，所以，当对算法的精度要求不高时，通常采用Sobel 算子进行边缘检测。Laplacian 算子对图像噪声敏感，很少应用于边缘检测，通常用于判断图像边缘像素是明区还是暗区。Canny 算子是对Sobel、Laplacian 算子的细化，同时Canny算子对目标定位的准确度更高，Canny算子对图像噪声敏感度低，可以检测图像弱边缘，Canny算子的特点与优势在于，其应用了双阈值的方法分别检测图像的弱边缘（潜在的边缘）与强边缘（真实的边缘），该种方法极大地提高了Canny算子的准确率。

Canny算子基于三个基本目标进行边缘检测：

⑴低错误率。所有边缘包括弱边缘与强边缘都应被找到，且没有伪响应。

对妇幼保健档案管理工作有足够的重视度,一方面将档案管理工作与日常审查和绩效考核等联系在一起,经常性抽查档案管理工作质量,增强档案管理人员在这方面的重视度,使档案管理水平有显著提高;另一方面,通过宣传、教育等方式,使档案管理人员对妇幼保健档案管理在整个妇幼保健工作的作用有清楚的认识,在日常工作中自觉做好档案管理工作。

⑵边缘点应该被很好地定位。对于已经定位的边缘点，要求其必须足够接近图像的真实边缘。

⑶ 单一的边缘点响应。若仅存一个单一边缘点，则检测器不应响应多个像素边缘。

2.1 基于模板匹配的图像识别方法

Canny 算子是一个具有滤波、增强以及检测的多阶段优化算子，它具有很好的边缘检测的性能[7]。使用Canny 算子进行边缘检测图像识别，分为以下五个步骤。

⑴使用高斯平滑滤波器对图像进行平滑操作，削弱噪声对检测结果的影响，达到降噪的目的。高斯平滑滤波具有优良的噪声平滑性能和边缘保留能力，适合平滑图像、去除噪声，但运算量较大，限制了其在实时图像处理系统中的应用[8]。如何选择高斯卷积核的尺寸至关重要，高斯卷积核的大小将影响Canny 算子的性能，通常高斯卷积核尺寸越小，Canny算子对噪声越敏感，但其定位准确率也越低。选择5×5的高斯卷积核，图像增强后的特征图像采用高斯平滑滤波消除噪声，其中高斯内核为：

⑵计算像素点的梯度大小及梯度方向。图像的边缘有多种方向，Canny 使用了四个方程式对图像中的水平边缘、垂直边缘及对角边缘进行检测。Canny算子进行边缘检测时返回水平Gx和垂直Gy方向的一阶导数值，通过俩一阶导数值推算该像素点的梯度大小G和梯度方向。以Sobel算子为例，用Canny算子分别求出模板图像每个点的x 方向梯度Gx和y 方向梯度Gy；根据x、y梯度结合和边界点位置信息，求取每个边界点的梯度方向和梯度大小。采用具体的矩阵对平滑滤波后的特征图像A 进行卷积运算，得到特征图像的x方向梯度Gx和y方向梯度Gy：

根据x 方向梯度Gx和y 方向梯度Gy，得到特征图像A的梯度方向和梯度大小，其中，梯度大小G为：

梯度方向θ为：

⑶应用非极大值抑制（Non-Maximum Suppression），消除杂散响应。非极大值抑制是一种边缘稀疏技术，其作用在于减少响应的边。由于仅仅根据梯度值来提取图像边缘无法提取清晰的边缘，根据Canny 算法的第三个基本目标可知，对边缘有且应当只有一个准确的响应，所以应用非极大值抑制将局部最大值之外的所有梯度值抑制为0。对像素进行非极大值抑制的步骤是：

②如果当前像素的梯度大小较大，则保留该像素点为边缘点，否则抑制该像素点。

⑷ 应用双阈值（Double-Threshold）检测来确定弱边缘与强边缘。对梯度图像进行非极大值抑制后，余下的像素能够较准确的表示图像中的强边缘，但由于图像噪声和颜色变化的影响，仍然存在一些边缘像素。为解决以上杂散响应的问题，应用双阈值检测，实现用弱梯度值过滤边缘像素，保留具有高梯度值的边缘像素。若边缘像素的梯度值大于高阈值，则将其标记为强边缘像素；若边缘像素的梯度值小于高阈值且大于低阈值，则将其标记为弱边缘像素；若边缘像素的梯度值小于低阈值，则抑制该像素。阈值由给定输入图像的内容决定。

⑸抑制孤立的弱边缘完成最终边缘检测。被标记为强边缘的像素点已经确定为边缘，因为该些像素点来自图像中的真实边缘。而弱边缘像素则无法确定，因为该些像素可以来自真实边缘，也可以是由图像噪声或颜色变化所引起的。为了得到准确的检测结果，应该抑制由图像噪声或颜色变化引起的弱边缘。通常情况下，由真实边缘引起的弱边缘像素将会连接到强边缘像素，而由图像噪声或颜色变化引起的响应未连接。通过查看弱边缘像素及其8个邻域像素跟踪边缘连接，只要其中一个为强边缘像素，则该弱边缘点就可以保留为真实的边缘。

使用Canny 算子对目标图像T 进行预处理得到特征图像，对特征图像进行图像增强操作建立标准模板库，图像增强即做多角度变换和多尺度变换，该种方法使得算法具有旋转不变性及尺度不变性，极大提高了算法的鲁棒性。

2.2 目标筛选

通过位置匹配的方法过滤非雷达航标的目标物，采用传统定位方法标定雷达航标目标，用一个结构已知、精度很高的标定块（本船）作为空间参照物，通过空间点和图像点之间的对应关系建立雷达航标目标模型参数（坐标）的约束，然后通过优化算法来求取这些参数。根据待匹配图像内雷达航标信号的坐标和待匹配图像中心点坐标，计算出雷达航标信号与待匹配图像中心点的距离d，以及与正北方向的夹角α。

待匹配图像中心点坐标（x1，y1），雷达航标信号坐标（x2，y2）；

距离d=sqrt(abs(x1-x2)*abs(x1-x2+abs(y1-y2)*abs(y1-y2))；

夹角α=atan2((x1-x2),(y2-y1))*(180/PI)；

根据雷达图像的比例尺和雷达航标信号与待匹配图像中心点的距离d，计算出雷达航标信号与待匹配图像中心点的实际距离D；

实际距离D=距离d*比例尺；

待匹配图像中心点即为船舶当前位置，其经纬度通过船上定位设备获取，通过待匹配图像中心点经纬度、雷达航标信号与待匹配图像中心点的实际距离D以及与正北方向的夹角α，计算出雷达航标信号的实际经纬度；

船舶当前经度，纬度=（longS,lngS）；

地球半径R=6371000m；

雷达航标信号纬度

最后得出雷达航标信号经度

3 软件设计

3.1 框架设计

雷达航标监测软件是集雷达回波采集、接收、解析、处理、结果输出于一体的自动化信息处理系统。软件基于面向对象方法设计，采用Visual Studio 2017开发平台，其总体框架设计如图2所示。

图2 雷达航标监测软件总体架构

雷达航标监测软件由图像处理识别模块和数据处理模块组成。图像处理识别模块用于完成雷达回波采集，处理、雷达航标图像模板数据库管理、将处理后的雷达航标图像与模板进行图像识别比较，将识别结果送至数据处理模块。数据处理模块完成雷达航标位置的计算，过滤非雷达航标的目标物，进而提高识别准确率，最后将结果输出。

3.2 图像处理识别模块设计

图像处理识别模块由图像采集、图像处理及图像识别三个单元构成。该模块首先将雷达航标的标准回波图像作为模板，对模板图像进行处理，得到一组雷达航标模板图像，并获取雷达航标模板图像的特征信息；然后采集当前雷达航标回波图像，并进行图像处理，得到待匹配图像；将雷达航标模板图像与采集得到的待匹配图像进行匹配，得到雷达航标模板图像的匹配区域在待匹配图像中的坐标值，即为该雷达航标模板图像包含的雷达航标信号在待匹配图像中的坐标值，并将该数值送至数据处理模块。

3.3 数据处理模块设计

数据处理模块由雷达航标位置计算、目标筛选过滤及结果输出三个单元组成。

雷达航标位置计算根据雷达航标信号的坐标值以及待匹配图像中心点的经纬度计算得到雷达航标信号的经纬度。

目标筛选过滤为提高雷达航标识别率，设计步骤如下：

⑴创建一份管理水域内部署的雷达航标设备信息对照表，属性包括：雷达航标编号、雷达名称、经度、纬度和莫尔斯码信息。

⑵根据待匹配图像内目标物的位置和中心点位置，计算出目标物和中心点的距离d（单位：像素）、以及与正北方向的夹角θ。根据雷达图像的比例尺和目标物和中心点的距离d（单位：像素），计算出目标物和中心点的实际距离D。根据船舶当前经纬度（可通过船上任意定位设备获取）和目标物和中心点的实际距离D，以及与正北方向的夹角θ，计算出目标物的实际经纬度。

⑶根据目标物的实际经纬度与雷达航标设备信息表的经纬度进行比对，分别以目标物的实际经纬度和信息表的经纬度为中心，半径为100米（考虑到目标物的漂移、图像像素的误差），如果没有交集则表示该目标物为非雷达航标的目标物，如果有交集则表示该目标物为雷达航标的目标物。经上述判断，信息表的经纬度附近可能出现多个雷达航标的目标物，则取相似度值较高的为最终目标物。

结果输出雷达航标的目标物的信息如图3 所示，包括：雷达航标编号（信息表）、雷达名称（信息表）、目标物经纬度T、目标物莫尔斯码信息、实际距离D（米）和夹角θ。

图3 雷达航标结果输出示意图

4 应用验证

交通运输部某海事船舶布置雷达航标监测软件，通过该轮的X 波段导航雷达采集雷达航标回波数据，在航标巡检过程中验证本软件功能如图4所示。在没有布置雷达航标监测软件之前，雷达航标工作状态主要依靠人工在雷达屏幕观察，且数据无法实时记录，在使用本软件后，雷达航标数据可自动实时的巡查并记录，提高了航标巡查作业效率。

图4 前端结果显示示意图

5 结束语

雷达航标是一种非常重要的助航工具,雷达航标能够在可见度非常差的情况下识别并定位航标而不依赖全球卫星导航系统,其以一次回波的方式在雷达上显示,并直接给出相对于以船舶为中心的数据。

本文采用人工智能的一个重要技术——图像识别，实现远程监测雷达航标的位置状态和应答状态；实现无人监测作业；实时了解雷达应答标状态，提高雷达航标助航效能。该项研究丰富了海事航标管理部门的助航手段，为航海用户提供全方位、多元化的助航保障服务，对当地的港口建设、航海运输和海上生产有着十分重要的意义。