CN106096617A - 一种基于改进主动轮廓模型的全景海天线提取方法 - Google Patents

Abstract

本发明属于图像处理技术领域，具体涉及的是一种基于改进主动轮廓模型的全景海天线提取方法。(1)设置初始轮廓线；(2)使用Sobel算子计算各像素点梯度值；(3)消除全景设备区干扰；(4)构造改进的主动轮廓模型；(5)通过快速贪婪算法迭代提取海天线。本发明分割出全景设备区干扰等处理手段有效消除了全景设备区成像对海天线检的不良影响；在此基础上利用全景海天线为椭圆形这一特征，构造形状能量约束项加入到主动轮廓模型中作为新的能量函数，使活动轮廓线在收敛的过程中限制了轮廓的形状从而成功收敛到全景海天线上，能够在不同海况和天气条件下实现复杂海天背景下全景可见光图像中椭圆形海天线的精确提取。

Description

一种基于改进主动轮廓模型的全景海天线提取方法

技术领域

本发明属于图像处理技术领域，具体涉及的是一种基于改进主动轮廓模型的全景海天线提取方法。

背景技术

随着国民经济的快速发展，我国海域船舶数量急剧增加，船舶交通流量随之增大，海面船舶交通安全维护和海上搜寻救助工作的需求也日趋增多。为了更好的满足日益繁重的海洋监管需求，大力开发先进的海域监控设备，继而研究相应的海域目标检测算法具有重要的理论意义和现实意义。常规视觉系统的视场角有限，当采集装置或被观测物体突然移动，就有可能使目标移出采集系统的视觉范围，难以满足海洋环境下大视场监控的要求。而近几年发展起来的全景视觉系统采用折反射逆投影光学原理成像，具有“成像一体化、360大视场、旋转不变性”等优点，能够一次性获取水平方向360°、垂直方向240°范围内场景的图像信息，更适合海洋环境下大视场、远距离的监控要求，在海洋监控领域具有重要的应用价值。

在海洋监控领域，为了尽早发现目标，为拍摄取证和救援工作提供更多的准备时间，一般要求在较远的距离下就能检测到目标。由远及近驶来的舰船等目标一般最先出现在海天线上，因此海天线提取成为海上远景目标检测的关键环节。

常规视觉系统采集的海天线呈直线型，而折反射全景视觉系统特殊的成像原理导致全景图像中的海天线呈近似圆形的椭圆形(理想情况下呈圆形)，这里称其为全景海天线。目前文献中的海天线提取算法大多是针对直线型海天线的，而关于全景椭圆形海天线提取的研究极少。此外，基于双曲镜面的折反射式全景视觉系统所采集的全景海域图像除了包含场景环境信息外，还包含了保护罩、反射镜边框、摄像头及支架等全景视觉采集装置的成像，同时全景视觉系统安装在船舶或浮标上，故全景图像中还会包含船体或浮标成像。上述全景设备区成像大大增加了背景的复杂度，还会对海天线造成遮挡从而导致海天线断裂，严重影响了海天线提取的准确性，使其成为目标检测领域中具有挑战性的课题。

考虑到海天线是海面和天空的交界线，具有典型的边缘轮廓特征，本发明提出了一种基于改进主动轮廓模型的全景海天线提取算法，该算法首先通过AC法获取图像的视觉显著图，从而提取出全景设备区在全景图像中的位置，消除其对海天线检测的不良影响；在此基础上利用全景海天线为椭圆形的特征，构造了形状能量项加入到主动轮廓模型中作为新的能量函数，使活动轮廓线在收敛的过程中限制了轮廓的形状成功收敛到全景海天线上。该方法实现了复杂海天背景下全景可见光图像中椭圆形海天线的有效检测，检测效果可靠。

发明内容

本发明的目的在于提供一种检测效果可靠性更高的基于改进主动轮廓模型的全景海天线提取方法。

本发明的目的是这样实现的：

(1)设置初始轮廓线

确定相机固定设备和双曲面反射镜固定装置的位置，所采集的全景图像中海天线分布在中心O，半径r的相机固定设备和中心O，半径R的双曲面反射镜固定装置的成像之间，设定以相机固定设备中心O为圆心，半径为R-Δr的圆为初始轮廓线，其中增量Δr要保证初始轮廓线的半径R-Δr处于海天线半径和双曲面反射镜固定装置的半径R之间；

(2)使用Sobel算子计算各像素点梯度值

对全景图像I(x,y)中的每一个像素点利用Sobel算子计算各点在x和y方向上的梯度导数和则全景图像I(x,y)在点(x,y)上的梯度值为：

$G_{abs}=\left|\frac{\∂I}{\∂x}\right|+\left|\frac{\∂I}{\∂y}\right|;$

(3)消除全景设备区干扰

利用AC显著性计算方法来获得源图像的视觉显著图，并利用视觉显著图得到全景设备区在图像中的位置，进而予以消除，具体步骤为：

3.1)像素p是输入图像的一个局部区域R₁和像素p周围区域R₂的中心，且R₁取为一个像素，R₂为边长为之间的正方形区域，计算感知单元p所在位置的局部对比度：

$S\left(p\right)=\left|\right|\left(\frac{1}{N_1}\underset{k\∈R_1}{\Σ}{v}_k\right),\left(\frac{1}{N_2}\underset{k\∈R_2}{\Σ}{v}_k\right)\left|\right|$

其中：L为图像的长或宽，N₁和N₂是区域R₁和R₂的像素个数，v_k是位置k处的特征值或者特征向量，||·||表示欧式距离；

3.2)改变中心像素点p的位置，计算每一个像素点的显著值，再对所有像素点的显著值进行归一化处理，得到图像的视觉显著图；

3.3)利用最大类方差法分割视觉显著图，得到视觉显著分割图；

3.4)根据视觉显著分割图中的全景设备区位置，将全景图像中相应位置处点的梯度值设置为0；

(4)构造改进的主动轮廓模型

根据全景图像中的海天线为椭圆形的特征，构造形状能量函数，加入到主动轮廓模型中，使活动轮廓线在收敛的过程中限制轮廓的形状，具体步骤为：

4.1)构造形状能量函数

设{v₁,v₂,,…v_n}是主动轮廓线上的n个控制点，E_shape(v_i)为新增加的形状能量项，形状能量项构造方法为：

对主动轮廓线上的控制点进行最小二乘拟合，得到拟合椭圆方程：

ax²+bxy+cy²+dx+ey+f＝0

4ac-b²＞0

其中：a，b，c，d，e和f分别是椭圆方程的参数；

设d_i为主动轮廓线上第i个控制点到该拟合椭圆的距离，即：

$d_i={{\mathrm{ax}}_i}^2+{\mathrm{bx}}_i{y}_i+{\mathrm{cy}}_i^2+{\mathrm{dx}}_i+{\mathrm{ey}}_i+f$

则形状能量项E_shape(v_i)为：

$E_{shape}\left(v_i\right)=-{\mathrm{\λ}}_i\left|\frac{d_i-d_{max,i}}{d_{max,i}}\right|$

其中：d_max,i表示主动轮廓线上第i个控制点及其八邻域内的点到拟合椭圆曲线距离的最大值，λ_i为第i个控制点的权系数；

4.2)构造图像能量函数

海天线是天空区域和海面区域的交界，具有明显的梯度特征，构造如下基于梯度函数的图像能量函数E_ima(v_i)：针对图像I(x,y)，定义

I'(x,y)＝G_σ(x,y)*I(x,y)

式中G_σ(x,y)表示方差为σ的卷积高斯滤波算子，

图像I(x,y)中第i个控制点v_i的坐标为(x_i,y_i)，I'(x,y)在点(x_i,y_i)上沿x，y方向的方向梯度分别为和则定义图像能量E_ima(v_i)为：

$E_{ima}\left(v_i\right)=-{\mathrm{\γ}}_i\left(\right|\frac{\∂I^{\′}}{\∂x_i}|+|\frac{\∂I^{\′}}{\∂y_i}\left|\right)$

式中γ_i为第i个控制点的权系数；

4.3)构造改进的主动轮廓模型

在经典主动轮廓模型中加入形状能量函数后，得到改进主动轮廓模型为：

$E_{snake}=\underset{i=1}{\overset{n}{\Σ}}\left(E_{cont}\right(v_i)+E_{curv}(v_i)+E_{ima}(v_i)+E_{shape}(v_i\left)\right)$

式中：E_snake为第i个控制点v_i处的总能量值；E_ima(v_i)为图像能量，由步骤4.2)计算；E_shape(v_i)为形状能量，由步骤4.1)计算；E_cont(v_i)为弹性能量，E_curv(v_i)为刚性能量，且：

$E_{cont}\left(v_i\right)={\mathrm{\α}}_i|\stackrel{\‾}{d}-||v_i-v_{i-1}||{|}^2$

E_curv(v_i)＝β_i||v_i-1-2v_i+v_i+1||²

其中：为控制点的平均距离，α_i，β_i为第i个控制点的权系数；

(5)通过快速贪婪算法迭代提取海天线，包括下列步骤：

5.1)从设置的初始轮廓线上提取n个初始控制点{v₁,v₂,,…v_n}，n的大小由图像的大小决定；

5.2)从第一个控制点开始，计算该点及其附近8邻域内点的弹性能量，刚性能量，图像能量和形状能量，并对这四项能量分别进行归一化处理；

5.3)利用改进的主动轮廓模型计算第i个控制点及其8邻域内点各自的总能量E_snake，比较第i个控制点及其8邻域内点的总能量E_snake，选择这九个点中总能量最小的点为新的活动控制点，同时设置计数器；当新的控制点和原控制点位置不同时，在该计数器中加1，然后处理第i+1点，直到这n个点依次被处理完，得到了新的轮廓线；

5.4)当计数器记录的控制点移动的总数小于给定阈值T或循环次数超过设定值M时，则此时逼近精度满足要求，曲线已经收敛到真实轮廓上，退出循环，否则继续执行步骤5.2)。

本发明的有益效果在于：

在海域监控领域采用全景视觉系统，可以满足海洋环境下大视场、全范围、远距离监控的需求，有效减少监控设备数量、降低硬件成本，但该系统目前缺乏成熟的海天线及目标检测技术支持。本发明针对全景视觉系统采集到的椭圆形海天线设计了一种基于改进主动轮廓模型的全景海天线提取方法，其中AC法获取图像的视觉显著图以及最大类方差法分割出全景设备区干扰等处理手段有效消除了全景设备区成像对海天线检的不良影响；在此基础上利用全景海天线为椭圆形这一特征，构造形状能量约束项加入到主动轮廓模型中作为新的能量函数，使活动轮廓线在收敛的过程中限制了轮廓的形状从而成功收敛到全景海天线上，能够在不同海况和天气条件下实现复杂海天背景下全景可见光图像中椭圆形海天线的精确提取。

附图说明

图1是全景海域图像示意图。

图2是基于改进主动轮廓模型的全景海天线提取算法流程图。

具体实施方式

下面结合附图对本发明做进一步描述：

随着国民经济的快速发展，我国海域船舶数量急剧增加，船舶交通流量随之增大，海面船舶交通安全维护和海上搜寻救助工作的需求也日趋增多。为了更好的满足日益繁重的海洋监管需求，大力开发先进的海域监控设备，继而研究相应的海域目标检测算法具有重要的理论意义和现实意义。近几年发展起来的全景视觉系统采用折反射逆投影光学原理成像，具有“成像一体化、360大视场、旋转不变性”等优点，能够一次性获取水平方向360°、垂直方向240°范围内场景的图像信息，更适合海洋环境下大视场、远距离的监控要求，在海洋监控领域具有重要的应用价值。而研究基于全景视觉的海天线提取算法以及海天线区域的远景目标检测方法，从而为全景视觉系统在海域监控领域的应用提供技术支持，是提高海域监控和防御能力的迫切需求。现有海天线提取方法基本都是针对常规视觉系统采集的直线型海天线提出的，而折反射全景视觉系统基于双曲面逆投影原理成像，其采集的全景图像中的海天线呈椭圆形，目前针对复杂背景下椭圆形海天线的提取方法研究得相对较少。本发明针对全景视觉系统采集的全景可见光图像中的椭圆形海天线，提出了一种基于改进主动轮廓模型的海天线提取方法，实现不同海况和天气条件下全景椭圆形海天线的精确检测。

本发明的步骤如下：

步骤1、设置初始轮廓线。设定以相机固定设备中心O为圆心，半径为R-Δr的圆为初始轮廓线。增量Δr的确定原则是保证初始轮廓线的半径R-Δr处于海天线半径和双曲面反射镜固定装置的半径R之间。

步骤2、Sobel算子计算各像素点梯度值。利用Sobel算子计算全景图像I(x,y)的每一个像素点(x,y)的梯度值。

步骤3、AC法消除全景设备区干扰。利用AC显著性计算方法获得源图像的视觉显著图，利用最大类方差法分割视觉显著图，得到视觉显著分割图，确定全景设备区成像在图像中的位置；根据视觉显著分割图中的全景设备区位置，将全景图像中相应位置处点的梯度值(由步骤2计算得到)设置为0，消除全景设备区干扰。

步骤4、构造改进的主动轮廓模型。利用海天线为椭圆形这一特点，构造形状能量函数；利用海天线具有明显梯度特征这一特点，构造基于梯度函数的图像能量函数；将它们加入到经典主动轮廓模型中，从而得到改进的主动轮廓模型能量函数。

步骤5、快速贪婪算法迭代提取海天线。从设置的初始轮廓线上提取n个初始控制点，利用改进的主动轮廓模型能量函数，通过快速贪婪算法使活动轮廓线逐渐迭代收敛到全景海天线上，实现对全景海天线的精确检测。

实施例：

1.设置初始轮廓线

利用主动轮廓模型进行轮廓提取时，对初始轮廓位置的依赖性很大。当初始轮廓曲线离真实边缘较远时，往往会收敛到局部极小值点，所以初始轮廓线往往设置在图像边缘附近。本发明根据全景海域图像特点，按如下方式设置初始轮廓曲线：

如图1所示，当全景设备固定后，所采集的全景图像中海天线分布在相机固定设备(中心O，半径r)和双曲面反射镜固定装置(中心O，半径R)的成像之间，即在固定设备中心O为圆心，r和R为半径的两个圆环之间。因为全景视觉系统一旦确定，相机固定设备和双曲面反射镜固定装置的位置是已知的并且是固定不动的，因此本发明利用该先验知识，并结合真实海天线为近似圆形的椭圆形的特点，设定以相机固定设备中心O为圆心，半径为R-Δr的圆为初始轮廓线，其中增量Δr的确定原则是保证初始轮廓线的半径R-Δr处于海天线半径和反射镜固定装置的半径R之间。

2.Sobel算子计算各像素点梯度值

对全景图像I(x,y)中的每一个像素点利用Sobel算子计算各点在x和y方向上的梯度导数和则I(x,y)在点(x,y)上的梯度值为：

$G_{abs}=\left|\frac{\∂I}{\∂x}\right|+\left|\frac{\∂I}{\∂y}\right|$

3.AC法消除全景设备区干扰

由于全景视觉传感器通过折反射逆投影光学原理成像，使得全景海域图像中不仅包括环境场景信息(如海面和天空等)，还包括了全景采集装置(保护罩、反射镜边框、摄像头及支架)以及搭载全景采集装置的船体或浮标的成像，如图1所示，图1是全景海域图像示意图。其中1为全景采集设备反射镜边缘，2为天空区域，3为相机固定设备边缘，4为海面区域，5为船体及设备的成像，6为海天线，7为全景装置支架。O为相机固定设备和双曲面反射镜固定装置的中心，r为相机固定设备的半径，R为双曲面反射镜固定装置的半径。本发明将其简称为全景设备区干扰。该区域大大增加了全景图像背景的复杂度，并且导致海天线遮挡和断裂，增加了全景海天线提取的难度。所以有必要对该区域进行提取和分割，消除其不良影响。考虑到全景图像中的全景设备区相对比较明显，更易引起视觉注意，而视觉显著图反映了人类的视觉注意机制，因此可以利用视觉显著图得到全景设备区在图像中的位置，进而予以消除。

本发明采用AC显著性计算方法来获得源图像的视觉显著图，并利用视觉显著图得到全景设备区在图像中的位置，进而予以消除。具体步骤为：

(1)设像素p是输入图像的一个局部区域R₁和它周围区域R₂的中心，且R₁取为一个像素，R₂为边长为之间的正方形区域，计算感知单元p所在位置的局部对比度：

$S\left(p\right)=\left|\right|\left(\frac{1}{N_1}\underset{k\∈R_1}{\Σ}{v}_k\right),\left(\frac{1}{N_2}\underset{k\∈R_2}{\Σ}{v}_k\right)\left|\right|$

其中：L为图像的长或宽，N₁和N₂是区域R₁和R₂的像素个数，v_k是位置k处的特征值或者特征向量，||·||表示欧式距离。

(2)不断改变中心像素点p的位置，计算每一个像素点的显著值，再对所有像素点的显著值进行归一化处理，可得到图像的视觉显著图。

(3)为了确定全景设备区在全景图像中的位置，利用最大类方差法分割视觉显著图，得到视觉显著分割图。

(4)根据视觉显著分割图中的全景设备区位置，将全景图像中相应位置处点的梯度值(由步骤2计算得到)设置为0。

4.构造改进的主动轮廓模型

步骤1给出了利用主动轮廓模型提取全景海天线时设置初始轮廓线的方法。但在图像背景复杂的情况下，即使设置了合适的初始轮廓线，也未必就能准确收敛到目标边缘。这是因为传统的主动轮廓模型在演化过程中仅使用图像的梯度信息，当图像比较复杂时，活动轮廓上的点容易收敛到邻域的局部极小值点，从而提取出错误的目标轮廓线。为解决这一问题，本发明根据全景海天线为椭圆形这一特征，构造了形状能量函数，加入到主动轮廓模型中作为约束，使活动轮廓线在收敛的过程中限制了轮廓的形状，从而使活动轮廓更容易收敛到目标轮廓线即全景海天线上。具体实现步骤如下：

(1)构造形状能量函数

设{v₁,v₂,,…v_n}是主动轮廓线上的n个控制点，E_shape(v_i)为新增加的形状能量项，其作用是使活动轮廓线向目标轮廓收敛的过程中保持近似椭圆形状，其构造方法为：

对主动轮廓线上的控制点进行最小二乘拟合，得到拟合椭圆方程，该椭圆方程在X-Y平面内可用二次多项式表示为：

ax²+bxy+cy²+dx+ey+f＝0

4ac-b²＞0

其中：a，b，c，d，e和f分别是椭圆方程的参数。

设d_i为主动轮廓线上第i个控制点到该拟合椭圆的距离，即：

$d_i={{\mathrm{ax}}_i}^2+{\mathrm{bx}}_i{y}_i+{\mathrm{cy}}_i^2+{\mathrm{dx}}_i+{\mathrm{ey}}_i+f$

在迭代收敛过程中活动轮廓线上的控制点应具有向此拟合椭圆曲线靠近的趋势，而且离该椭圆曲线越近，形状能量越小。故形状能量项E_shape(v_i)可构造为：

$E_{shape}\left(v_i\right)=-{\mathrm{\λ}}_i\left|\frac{d_i-d_{max,i}}{d_{max,i}}\right|$

其中：d_max,i表示主动轮廓线上第i个控制点及其八邻域内的点到拟合椭圆曲线距离的最大值，λ_i＞0为第i个控制点的权系数。

(2)构造图像能量函数

设E_ima(v_i)是图像作用力产生的图像能量函数，它体现了轮廓点与图像局部特征的吻合情况，与图像梯度或其它特征有关。由于海天线是天空区域和海面区域的交界，具有明显的梯度特征，故本发明构造了如下基于梯度函数的E_ima(v_i)：

针对图像I(x,y)，定义

I'(x,y)＝G_σ(x,y)*I(x,y)

式中G_σ(x,y)表示方差为σ的卷积高斯滤波算子，用于使图像梯度产生渐变效果，从而起到加速收敛的作用。

设图像I(x,y)中第i个控制点v_i的坐标为(x_i,y_i)，I'(x,y)在点(x_i,y_i)上沿x，y方向的方向梯度分别为和则定义图像能量E_ima(v_i)为：

$E_{ima}\left(v_i\right)=-{\mathrm{\γ}}_i\left(\right|\frac{\∂I^{\′}}{\∂x_i}|+|\frac{\∂I^{\′}}{\∂y_i}\left|\right)$

式中γ_i为第i个控制点的权系数。从上式可以看出，在梯度最大的地方能量值最小，即图像边缘部分的能量最小。

(3)构造改进的主动轮廓模型

在经典主动轮廓模型中加入形状能量函数后，得到改进主动轮廓模型为：

$E_{snake}=\underset{i=1}{\overset{n}{\Σ}}\left(E_{cont}\right(v_i)+E_{curv}(v_i)+E_{ima}(v_i)+E_{shape}(v_i\left)\right)$

式中：E_snake为第i个控制点v_i处的总能量值；E_ima(v_i)为图像能量，由步骤(2)计算；E_shape(v_i)为形状能量，由步骤(1)计算；E_cont(v_i)为弹性能量，E_curv(v_i)为刚性能量，且：

$E_{cont}\left(v_i\right)={\mathrm{\α}}_i|\stackrel{\‾}{d}-||v_i-v_{i-1}||{|}^2$

E_curv(v_i)＝β_i||v_i-1-2v_i+v_i+1||²

其中：为控制点的平均距离，α_i，β_i为第i个控制点的权系数。

新纳入能量函数中的形状能量项E_shape(v_i)所起的作用是：当第i个控制点距离拟合椭圆曲线为d_max,i时，有E_shape(v_i)＝0，E_shape(v_i)取得最大值；当第i个控制点在拟合椭圆曲线上时，有E_shape(v_i)＝-λ_i，E_shape(v_i)取得最小值。加入形状能量约束后，在进行能量函数最小化的过程中，控制点会更趋向于向距离拟合椭圆曲线更近的点收敛，从而保证主动轮廓曲线在收敛过程中尽可能地保持为椭圆形，且更容易越过那些局部极小值点收敛到目标轮廓曲线上，即为全景海天线上。

5.快速贪婪算法迭代提取海天线

该过程包括下列步骤：

(1)从设置的初始轮廓线上提取n个初始控制点{v₁,v₂,,…v_n}，n的大小由图像的大小决定。本发明所用图片为512×512像素，取n＝400。

(2)从第一个控制点开始，按照步骤4方法分别计算该点及其附近8邻域内点的弹性能量，刚性能量，图像能量和形状能量，并对这四项能量分别进行归一化处理。弹性能量的归一化方法如下：

$E_{cont}^{\′}\left(v_i\right)=\frac{E_{cont}\left(v_i\right)-D_{min}\left(i\right)}{D_{max}\left(i\right)-D_{min}\left(i\right)}$

式中，D_max(i)为第i个控制点3×3邻域内E_cont(v_i)的最大值，D_min(i)为第i个控制点3×3邻域内E_cont(v_i)的最小值。同理，刚性能量，图像能量和形状能量的归一化均类比上述方法处理，归一化结果分别记做E′_curv(v_i)，E′_image(v_i)，E′_shape(v_i)。

(3)利用步骤4构造的改进主动轮廓模型计算第i个控制点及其8邻域内点各自的总能量E_snake，为处理方便，本发明将所有控制点v_i(i＝1,2,…,n)对应的权系数取为常数，经反复实验取α＝1.0，β＝1.0，γ＝1.2，λ＝1.5。比较第i个控制点及其8邻域内点的总能量E_snake，选择这九个点中总能量最小的点为新的活动控制点，同时设置计数器。当新的控制点和原控制点位置不同时，在该计数器中加1，然后处理第i+1点，直到这n个点依次被处理完。通过这样处理，就得到了新的轮廓线。

(4)当计数器记录的控制点移动的总数小于给定阈值T或循环次数超过设定值M时，认为此时逼近精度满足要求，曲线已经收敛到真实轮廓上，退出循环，否则转步骤(2)。在本发明中取T＝20，M＝200。

Claims (1)

1.一种基于改进主动轮廓模型的全景海天线提取方法，其特征在于，包括如下步骤：

(1)设置初始轮廓线

确定相机固定设备和双曲面反射镜固定装置的位置，所采集的全景图像中海天线分布在中心O，半径r的相机固定设备和中心O，半径R的双曲面反射镜固定装置的成像之间，设定以相机固定设备中心O为圆心，半径为R-Δr的圆为初始轮廓线，其中增量Δr要保证初始轮廓线的半径R-Δr处于海天线半径和双曲面反射镜固定装置的半径R之间；

(2)使用Sobel算子计算各像素点梯度值

对全景图像I(x,y)中的每一个像素点利用Sobel算子计算各点在x和y方向上的梯度导数和则全景图像I(x,y)在点(x,y)上的梯度值为：

$G_{abs}=\left|\frac{\∂I}{\∂x}\right|+\left|\frac{\∂I}{\∂y}\right|;$

(3)消除全景设备区干扰

利用AC显著性计算方法来获得源图像的视觉显著图，并利用视觉显著图得到全景设备区在图像中的位置，进而予以消除，具体步骤为：

3.1)像素p是输入图像的一个局部区域R₁和像素p周围区域R₂的中心，且R₁取为一个像素，R₂为边长为之间的正方形区域，计算感知单元p所在位置的局部对比度：

$S\left(p\right)=\left|\right|\left(\frac{1}{N_1}\underset{k\∈R_1}{\Σ}{v}_k\right),\left(\frac{1}{N_2}\underset{k\∈R_2}{\Σ}{v}_k\right)\left|\right|$

其中：L为图像的长或宽，N₁和N₂是区域R₁和R₂的像素个数，v_k是位置k处的特征值或者特征向量，||·||表示欧式距离；

3.2)改变中心像素点p的位置，计算每一个像素点的显著值，再对所有像素点的显著值进行归一化处理，得到图像的视觉显著图；

3.3)利用最大类方差法分割视觉显著图，得到视觉显著分割图，确定全景设备区成像在图像中的位置；

3.4)根据视觉显著分割图中的全景设备区位置，将全景图像中相应位置处点的梯度值设置为0；

(4)构造改进的主动轮廓模型

根据全景图像中的海天线为椭圆形的特征，构造形状能量函数，加入到主动轮廓模型中，使活动轮廓线在收敛的过程中限制轮廓的形状，具体步骤为：

4.1)构造形状能量函数

设{v₁,v_2,,…v_n}是主动轮廓线上的n个控制点，E_shape(v_i)为新增加的形状能量函数，形状能量函数构造方法为：

对主动轮廓线上的控制点进行最小二乘拟合，得到拟合椭圆方程：

ax²+bxy+cy²+dx+ey+f＝0

4ac-b²＞0

其中：a，b，c，d，e和f分别是椭圆方程的参数；

设d_i为主动轮廓线上第i个控制点到该拟合椭圆的距离，即：

$d_i={{\mathrm{ax}}_i}^2+{\mathrm{bx}}_i{y}_i+{\mathrm{cy}}_i^2+{\mathrm{dx}}_i+{\mathrm{ey}}_i+f$

则形状能量函数E_shape(v_i)为：

$E_{shape}\left(v_i\right)=-{\mathrm{\λ}}_i\left|\frac{d_i-d_{max,i}}{d_{max,i}}\right|$

其中：d_max,i表示主动轮廓线上第i个控制点及其八邻域内的点到拟合椭圆曲线距离的最大值，λ_i为第i个控制点的权系数；

4.2)构造图像能量函数

海天线是天空区域和海面区域的交界，具有明显的梯度特征，构造如下基于梯度函数的图像能量函数E_ima(v_i)：针对图像I(x,y)，定义

I'(x,y)＝G_σ(x,y)*I(x,y)

式中G_σ(x,y)表示方差为σ的卷积高斯滤波算子；

图像I(x,y)中第i个控制点v_i的坐标为(x_i,y_i)，I'(x,y)在点(x_i,y_i)上沿x，y方向的方向梯度分别为和则定义图像能量E_ima(v_i)为：

$E_{ima}\left(v_i\right)=-{\mathrm{\γ}}_i\left(\right|\frac{\∂I^{\′}}{\∂x_i}|+|\frac{\∂I^{\′}}{\∂y_i}\left|\right)$

式中γ_i为第i个控制点的权系数；

4.3)构造改进的主动轮廓模型

在经典主动轮廓模型中加入形状能量函数后，得到改进主动轮廓模型为：

$E_{snake}=\underset{i=1}{\overset{n}{\Σ}}\left(E_{cont}\right(v_i)+E_{curv}(v_i)+E_{ima}(v_i)+E_{shape}(v_i\left)\right)$

式中：E_snake为第i个控制点v_i处的总能量值；E_ima(v_i)为图像能量，由步骤4.2)计算；E_shape(v_i)为形状能量，由步骤4.1)计算；E_cont(v_i)为弹性能量，E_curv(v_i)为刚性能量，且：

$E_{cont}\left(v_i\right)={\mathrm{\α}}_i|\stackrel{\‾}{d}-||v_i-v_{i-1}||{|}^2$

E_curv(v_i)＝β_i||v_i-1-2v_i+v_i+1||²

其中：为控制点的平均距离，α_i，β_i为第i个控制点的权系数；

(5)通过快速贪婪算法迭代提取海天线，包括下列步骤：

5.1)从设置的初始轮廓线上提取n个初始控制点{v₁,v_2,,…v_n}，n的大小由图像的大小决定；

5.2)从第一个控制点开始，计算该点及其附近8邻域内点的弹性能量，刚性能量，图像能量和形状能量，并对这四项能量分别进行归一化处理；

5.3)利用改进的主动轮廓模型计算第i个控制点及其8邻域内点各自的总能量E_snake，比较第i个控制点及其8邻域内点的总能量E_snake，选择这九个点中总能量最小的点为新的活动控制点，同时设置计数器；当新的控制点和原控制点位置不同时，在该计数器中加1，然后处理第i+1点，直到这n个点依次被处理完，得到了新的轮廓线；

5.4)当计数器记录的控制点移动的总数小于给定阈值T或循环次数超过设定值M时，则此时逼近精度满足要求，曲线已经收敛到真实轮廓上，退出循环，否则继续执行步骤5.2)。