CN104992172A - 一种基于沿岸突异区扫描的港口遥感图像靠岸船舶检测方法 - Google Patents

Abstract

一种基于沿岸突异区扫描的港口遥感图像靠岸船舶检测方法，在不建立先验港口地理信息库的情况下，针对靠岸船舶目标进行判别，同时利用形态特征判别疑似船舶目标。首先，利用海水灰度与领域方差尖峰分布特性，通过掩模扫描，判别水陆位置，快速获取沿岸区域位置；之后，利用交叉扫描海岸突异区域，初步判别疑似港口靠岸船舶目标；最后，利用形态特征进一步判断疑似目标，通过长宽轴以及膨胀与腐蚀的结合处理，得到该船舶目标的标记框。

Description

一种基于沿岸突异区扫描的港口遥感图像靠岸船舶检测方法

技术领域

本发明涉及遥感图像处理方法，尤其是光学卫星遥感图像自动化处理中的港口靠岸船舶目标检测。

背景技术

船舶是运输与军事的重要载体，利用卫星遥感影像对船舶进行检测在民用与军用方面都发挥着非常重要的作用。在民用领域的主要应用有：对特定海域、海湾或海港进行水运交通管制、渔业监控、遇难船只营救、非法入境走私监控等。在军事领域的主要应用有：恐怖活动监视，战场环境评估，快速军事目标发现、定位、识别等。

在基于光学遥感图像的船舶检测研究中，大都集于对远洋中的船舶目标的研究，这些目标由于与周围单纯海洋背景在灰度特征上存在着较为明显的差异，易于提取。然而靠岸的船舶目标本身灰度与纹理等都与海岸部分以及海岸码头部分较为相似，并且靠岸船舶与码头等人工设施经常性贴近或是沾粘在一起，尤其是对于分辨率不高的遥感图像，高效的分割出停靠在港口的船舶更加困难。同时靠岸区域背景更加复杂多样，不同水深所造成的多样的海水反射率，云层，小岛以及航迹的影响，如图1所示。港口中船舶种类也非常丰富，船舶本身的特征也是不同的，这为在遥感图像中对靠岸船舶目标进行快速有效的检测带来了较大的难度。

通过阅读文献，现有的光学遥感图像船舶检测方法很多都依靠先验港口的地理信息，港口以及船舶特征信息库，通过训练与机器学习完成船舶的自动检测与识别。专门针对无GIS信息，或是没有船只先验信息的港口内靠岸船舶检测的算法研究很少。同时无GIS信息的港口内船舶检测，是遥感图像自动目标检测的一大难点，有很多的技术问题都有待解决。并且需要数据库以及先验信息的方法，不具有普适性，无法应用于多样的实际环境中。

发明内容

本发明的目的在于针对上述现有技术的缺点，提供一种基于沿岸突异区扫描的港口遥感图像靠岸船舶检测方法，且不需要先验港口地理信息。

本发明针对上述情况，采用一种光学遥感图像船舶检测方法，不需要建立港口先验地理信息库，直接通过对未知港口的地物与海域的灰度差异与纹理方差直方图特性判断，并针对海岸突异部分运用交叉扫描策略判断靠岸船舶，同时基于邻域灰度和纹理显著性判断疑似船舶目标,剔除伪目标。其判断准确性有所提高，并且实现简单，具有在多平台实现的普适性。具体包括下述步骤：

已知一副输入图像是光学遥感港口图像。

S201：沿岸区域快速筛选

通过分别取得遥感图像的灰度分布特征以及领域方差的分布特征，根据海域中灰度分布以及领域方差分布的尖峰特性，计算得到该港口海洋区域的阈值，进而判断海洋区域位置。之后通过引入标记链接分量概念，根据形态，面积等特征判断水域位置，从而实现海陆区域的分离及沿岸区域的快速筛选。

S202：疑似靠岸船舶目标检测

通过对遥感图像进行沿岸突异区域的交叉扫描处理，得到港口海岸线上突出疑似目标。再结合船舶形态特征判断突异位置的属性，初步剔除单纯虚假目标。

S203：伪目标剔除与目标标记

针对上步骤中得到的疑似目标，本步骤将根据疑似目标的形态特征进一步判断疑似目标是否为船舶，否则将被剔除。分别提取出判断得到的船舶目标，计算得到该船舶的长宽轴，据此通过形态学膨胀与腐蚀的结合处理，得到该船舶目标的标记框。

根据本发明的一个方面，提供了一种基于沿岸突异区扫描的港口遥感图像靠岸船舶检测方法，其特征在于不需要先验港口地理信息，并包括：

快速筛选沿岸区域，其中根据海域中灰度分布以及领域方差分布的尖峰特性，计算得到该海洋区域的阈值，进而粗略判断海洋区域位置，同时通过对标记链接分量依据形态特征的判断，精确海陆分割；

检测疑似靠岸船舶目标，其中通过对海陆分割图像进行交叉扫描处理，得到海岸线上突异疑似目标，再结合船舶形态学特征初步判断突起位置的属性，剔除单纯虚假目标；

剔除伪目标与标记目标，其中针对已得到的疑似目标，根据疑似形态学特征进一步判断疑似目标，剔除复杂虚假目标，并提取船舶目标，计算得到其长宽轴，通过形态学膨胀与腐蚀的结合处理，得到船舶目标的标记框。

附图说明

图1用于说明现有技术的光学遥感图像中干扰因素。

图2是根据本发明的一个实施例的基于沿岸突异区扫描的港口遥感图像靠岸船舶检测方法的流程图。

图3根据本发明的一个实施例的对灰度图像进行沿岸区域快速筛选处理的流程图。

图4是图3的实施例中采用的滑动掩模的示意图。

图5是根据本发明的一个实施例的对灰度图像进行的疑似靠岸船舶目标处理的流程图。

图6是根据本发明的一个实施例的对二值图像进行伪目标剔除与目标标记的处理的流程图。

图7是一个具体实例中的船舶标记框示意图。

具体实施方式

以下说明如何具体实施本发明所提供方法，图2为根据本发明的一个实施例的方法的流程图，其包括：

S201 沿岸区域快速筛选

对已知输入光学遥感图像进行灰度化，去噪处理后，根据海域中灰度分布以及领域方差分布的尖峰特性，计算得到该海洋区域的阈值，进而粗略判断海洋区域位置。同时通过对标记链接分量依据形态特征的判断，精确海陆分割，其一个具体实施例如图3所示；

S202 疑似靠岸船舶目标检测

针对上一步骤中得到的沿岸区域，由于灰度特征与陆地区域较为相似，很多靠岸船舶被判断为陆地区域，本步骤通过交叉扫描的方法，检测出海岸线上的突异部分，剔除单纯虚假目标，其一具体实施例如图5所示；

S203 伪目标剔除与目标标记

针对上一步骤中，根据疑似形态学特征进一步判断疑似目标，剔除复杂虚假目标；提取船舶目标，计算得到其长宽轴，通过形态学膨胀与腐蚀的结合处理，得到船舶目标的标记框，其根据一个具体实施例的流程如图6所示。

图3显示了根据本发明的一个实施例的对灰度图像进行沿岸区域快速筛选处理，其包括：

S301 纹理切割：选取单位为N×N(N为奇数)的矩形，称之为掩模，如图4所示。掩模将在图像上自上而下，从左到右的滑动，从而滑过整个图像部分。通过掩模在图像上的滑动，将掩模中每个小格所对应图像中的灰度值，通过公式：

$m=\frac{I_1+I_2+I_3+...I_n}{n}---\left(1\right)$

$v=\frac{{(m-I_1)}^2+{(m-I_2)}^2+{(m-I_3)}^2+...+{(m-I_n)}^2}{n}---\left(2\right)$

其中m为掩模内的灰度均值；v为掩模内邻域方差，I_n掩模中每个像素位置的灰度值(n＝1,2,…N×N)。将计算得到的均值与领域方差值赋给掩模左上位置(也就是示意图中的I₁处)。由于海洋区域灰度变化缓慢，其邻域方差较低。因此，在邻域方差的直方图上也会呈现尖峰分布。据此特性，判断邻域方差直方图中第一个尖峰为判断邻域方差的阈值。据此阈值判断海洋区域所在位置。

S302 灰度切割：遥感图像中海域的面积较大，但是海水的灰度分布起伏小，海域的灰度分布同样符合尖峰分布。在一定的范围的内，灰度的变化幅度不大，取得一定单位长度的灰度范围，计算此单位长度上灰度的平均值，使得灰度分布图曲线变得平滑的同时，更加便于进行尖峰检测。通过找到符合要求的单位长灰度平均值尖峰位置，以及其周围变化范围不大的区域，获得这些位置的灰度值。以这些灰度值为范围，判断海洋区域的所在位置。

S303 水域选取：将S301与S302所得到的判断结果。通过引入标记链接分量的概念，计算每个标记分量的面积，并逐一进行判断取得最大面积，从而得到海洋区域所在的分量。对获得的水域和陆地区域分别标记，实现海路区域分割并快速获得沿岸区域位置。

图5显示的是根据本发明的一个实施例的对灰度图像进行的疑似靠岸船舶目标处理，其包括：

S501 X扫描：由于上一步判断，所有海洋区域像素位置I(x,y)的特征F(x,y)＝1，同时陆地区域像素位置的特征F(x,y)＝0。scanp为已知的最大船舶宽度，定义G(x,y)为进行交叉扫描后对各像素位置特性的定义。

其中G(x,y)＝0表示此像素位置为海域；G(x,y)＝1表示此像素位置为陆地区域；G(x,y)＝2表示此像素位置为海岸突异部分。F(x₁-1,y)＝1&F(x₁,y)＝0表示有一点F(x₁,y)，它在上一步骤中被判定为陆地区域，但它前一个位置F(x₁-1,y)在上一步骤中被判定为海洋区域。首先确认点F(x₁,y)位置为海岸部分。之后的点F(x,y)＝0也被判定为陆地区域，此时就要判断点x到x₁的距离与scanp的关系。如果小于等于最大船舶宽度，那么就初步认为该海岸突异部分为靠岸船舶；如果大于最大船舶宽度，那就判定此海岸突异部分为单纯海岸线突起。

S502 Y扫描：在scanp为已知的最大船舶长度，定义G(x,y)为进行交叉扫描后对各像素位置特性的定义。

其中G(x,y)＝0表示此像素位置为海域；G(x,y)＝1表示此像素位置为陆地区域；G(x,y)＝2表示此像素位置为海岸突起部分。F(x,y₁-1)＝1&F(x,y₁)＝0表示有一点F(x,y₁)，它在海陆分割步骤中被判定为陆地区域，但它前一个位置F(x,y₁-1)在陆分割步骤中被判定为海洋区域；首先确认点F(x,y₁)位置为海岸部分；之后的点F(x,y)＝0也被判定为陆地区域，此时判断点y到y₁的距离与scanp的关系，如果小于等于最大船舶长度就初步认为该海岸突起为靠岸船舶，如果大于最大船舶长度就判定此海岸突异位置为单纯海岸线突起；判断海岸突异部分的属性加以判断。

S503 结合交叉扫描结果：经过X扫描与Y扫描后，将这两种结果相结合，从而得到更加精准，有效的交叉扫描结果。得到遥感图像沿岸区域的疑似靠岸船舶目标。

图6所示的，是根据本发明的一个实施例的对二值图像进行伪目标剔除与目标标记的处理，其包括：

S601 伪目标剔除：首先将提取的疑似目标，进行标记链接分量。然后分别提取各个连接域，从而逐个判别。通过公式：

$s=\sqrt{x-\stackrel{\‾}{x}}+\sqrt{y-\stackrel{\‾}{y}}---\left(9\right)$

为此疑似目标链接分量中横坐标的平均值，为此疑似目标链接分量中纵坐标的平均值，s为判断距离的量级，s越大就说明它离中心位置越远，而s越小则说明它离中心位置越近。由此可得到此连接分量的最远点与中心点，进而得到长宽轴。在目标确认过程中使用的形态学特征包括：长、宽、长宽比、面积以及规则度四个度量。其中，长、宽、长宽比、面积要求疑似目标的尺寸都要满足在设定的船舶数据的范围内，而规则度要求疑似目标具有规则的近似长椭圆形状。

S602 目标标记：针对上一步骤中得到的长宽轴，长轴为h，宽轴为w，将链接分量根据长宽轴半径向外投影延伸，

$d_1=\frac{h}{2}---\left(10\right)$

$d_2=\frac{w}{2}---\left(11\right)$

得到一个与船舶方向一致且围绕船舶目标的矩形范围(d₁+h，d₂+w)。经过膨胀和腐蚀相结合方法的处理，得到了一个如图7所示的围绕船舶目标的矩形标记框。

本发明与现有检测方法相比具有以下优点

(1)通过灰度分割，纹理分割与获取水域相结合的方法，本发明实现了海陆区域的高效分离，并为靠岸船舶检测，快速有效的筛选港口沿岸区域，提高了船舶搜索的效率。

(2)通过交叉扫描的方法，获得沿岸区域的突异部分，经过形态学判断，解决了靠岸船舶难以实现有效检测的问题。

(3)本发明，在无先验港口地理信息的条件下，提高了沿岸区域判断的精准度以及简化了判断过程，降低了该算法在硬件实现的方面的难度，同其他算法相比具有较好的普适性。

Claims (4)

1.一种基于沿岸突异区扫描的港口遥感图像靠岸船舶检测方法，其特征在于不需要先验港口地理信息，并包括：

快速筛选沿岸区域，其中根据海域中灰度分布以及领域方差分布的尖峰特性，计算得到该海洋区域的阈值，进而粗略判断海洋区域位置，同时通过对标记链接分量依据形态特征的判断，精确海陆分割；

检测疑似靠岸船舶目标，其中通过对海陆分割图像进行交叉扫描处理，得到海岸线上突异疑似目标，再结合船舶形态学特征初步判断突起位置的属性，剔除单纯虚假目标；

剔除伪目标与标记目标，其中针对已得到的疑似目标，根据疑似形态学特征进一步判断疑似目标，剔除复杂虚假目标，并提取船舶目标，计算得到其长宽轴，通过形态学膨胀与腐蚀的结合处理，得到船舶目标的标记框。

2.根据权利要求1的方法，其特征在于所述快速筛选沿岸区域的步骤包括：

纹理切割，其中通过掩模在遥感图像上滑动的方法，利用公式计算得到掩模所覆盖范围的灰度均值以及邻域方差，

其中m为掩模内的灰度均值；v为掩模内邻域方差，I_n为掩模中每个像素位置的灰度值(n＝1,2,…N×N)，并把计算得到的m和v分别赋给掩模所在的左上位置；由于海洋区域灰度变化缓慢，其邻域方差较低，从而在邻域方差的直方图上也会呈现尖峰分布；据此特性，把邻域方差直方图中第一个尖峰所处位置的数值作为邻域方差的阈值，通过此阈值判断海洋区域所在位置；

灰度切割，其中港口海域的灰度分布同样符合尖峰分布，取得一定单位长度的灰度范围，计算此单位长度上灰度的平均值；通过找到符合要求的单位长灰度平均值尖峰位置，以及其周围变化范围不大的区域，取得这些位置的灰度值，并以这些灰度值为范围，判断海洋区域的所在位置；

水域选取，其中通过引入标记链接分量的概念，计算每个标记分量的面积，并逐一进行判断取得最大面积，得到海洋区域所在的分量。

3.根据权利要求1的方法，其特征在于所述检测疑似靠岸船舶目标的步骤包括：

X扫描，其中定义上一步判断中的所有海洋区域像素位置I(x,y)的特征F(x,y)＝1，且陆地区域像素位置的特征F(x,y)＝0；scanp为已知的最大船舶宽度，定义G(x,y)为进行交叉扫描后对各像素位置特性的定义：

其中G(x,y)＝0表示此像素位置为海域；G(x,y)＝1表示此像素位置为陆地区域；G(x,y)＝2表示此像素位置为海岸突起部分；F(x₁-1,y)＝1&F(x₁,y)＝0表示有一点F(x₁,y)，它在海陆分割步骤中被判定为陆地区域，但它前一个位置F(x₁-1,y)在陆分割步骤中被判定为海洋区域；首先确认点F(x₁,y)位置为海岸部分；之后的点F(x,y)＝0也被判定为陆地区域，此时判断点x到x₁的距离与scanp的关系，如果小于等于最大船舶宽度就初步认为该海岸突起为靠岸船舶，如果大于最大船舶宽度就判定此海岸突异位置为单纯海岸线突起；

Y扫描，其中在scanp为已知的最大船舶长度的情况下，定义G(x,y)为进行交叉扫描后对各像素位置特性的定义：

其中G(x,y)＝0表示此像素位置为海域，G(x,y)＝1表示此像素位置为陆地区域，G(x,y)＝2表示此像素位置为海岸突起部分F(x,y₁-1)＝1&F(x,y₁)＝0表示有一点F(x,y₁)，它在海陆分割步骤中被判定为陆地区域，但它前一个位置F(x,y₁-1)在陆分割步骤中被判定为海洋区域；首先确认点F(x,y₁)位置为海岸部分；之后的点F(x,y)＝0也被判定为陆地区域，此时判断点y到y₁的距离与scanp的关系，如果小于等于最大船舶长度就初步认为该海岸突起为靠岸船舶，如果大于最大船舶长度就判定此海岸突异位置为单纯海岸线突起；判断海岸突异位置的属性；

将上述X扫描的结果与上述Y扫描的结果相结合，从而得到更加精准、有效的交叉扫描结果。

4.根据权利要求1的方法，其特征在于所述剔除伪目标与标记目标的步骤包括：

伪目标剔除，包括首先将提取的疑似目标进行标记链接分量，然后分别提取各个连接域，从而逐个判别，通过公式：

其中为此疑似目标链接分量中横坐标的平均值，为此疑似目标链接分量中纵坐标的平均值，s为判断距离的量级，s越大就说明它离中心位置 越远，而s越小则说明它离中心位置越近，由此可得到此连接分量的最远点与中心点，进而得到长宽轴，且在目标确认过程中使用的形态学特征包括：长、宽、长宽比、面积以及规则度四个度量，其中长、宽、长宽比、面积要求疑似目标的尺寸都要满足在设定的船舶数据的范围内，而规则度要求疑似目标具有规则的近似长椭圆形状；

目标标记，包括针对上一步骤中得到的长宽轴，将链接分量根据长宽轴半径向外延伸，得到一个与船舶方向一致且围绕船舶目标的矩形，经过膨胀和腐蚀相结合方法的处理，得到了一个围绕船舶目标的矩形标记框。