一种海空背景下的红外图像海天线连通域检测方法

摘要

本发明公开了一种海空背景下的红外图像海天线连通域检测方法，属于海天环境下红外图像处理和应用领域，解决现有技术中采用直线提取时，背景中含有山脉、桥梁时会对海天线的检测造成干扰，对海天线上舰船轮廓产生影响的问题。本发明包括如下步骤为输入待检测的海天线红外图像；对海天线红外图像进行灰度化处理；去除灰度化处理后的海天线红外图像中的强水纹干扰和复杂背景干扰；再做梯度运算；利用最大值滤波去除经过梯度运算的噪声；对去除噪声后的海天线红外图像进行梯度运算；得到的海天线红外图像进行二值化处理；利用基于线段表的连通域检测法，提取经过二值化处理后得到的海天线红外图像中的海天线的位置。本发明用于海天线的提取。

说明书

技术领域

一种海空背景下的红外图像海天线连通域检测方法，用于海天线的提取，属于海天环境下红外图像处理和应用领域，具体涉及到海天线的检测。

背景技术

红外舰船目标识别技术由于在无人侦查和反舰制导中的重要作用，近年来被许多国家列为军事重点研究课题。但受到海面强水纹、背景障碍物、探测器噪声等因素的干扰，舰船目标的定位和识别成为非常具有挑战性的问题。海天线的检测可以有效抑制复杂海空背景中的噪声干扰、缩小舰船目标的搜寻范围，因此也成为红外舰船识别中的关键环节。

强水纹干扰会造成红外图像中波浪的灰度强度接近海天线像素点灰度值，造成海天线提取困难。当背景中含有山脉、桥梁时也会对海天线的检测造成干扰。例如桥面也是直线，在经过边缘检测后容易与海天线边缘混淆。

因此关于提取海天线近年来也有很多的研究。方法一：可利用最大邻域法检测最长的边缘线为海天线，并根据尺度之间关系，建立原图像中的海天线直线方程。方法二:可以利用方向梯度算子得到差分图像，然后方向细化并采用Hough变换检测海天线。方法三:可通过模版运算大尺度地增强图像海天线区域的梯度值，设计一种非线性阈值分割的方法，对图像进行处理并通过行扫描提取出海天线。方法四:可采用随机点采样配合多线段拟合的方法，在Hough变换的基础上检测海天线。这些方法虽然在一定条件下都能检测出海天线的位置，但有一个共同的缺陷在于，海天线检测的核心思想都是直线提取，即只能以直线的方式描述海天线，但如果海天线上存在舰船，直线提取的方式就会对海天线上的舰船轮廓造成影响，进而影响到舰船的识别与检测。除此之外，方法三的劣势还在于需要确定阈值后进行分割，然而不同图像的阈值不同，不具有普遍性；方法四的劣势还在于需要确定采样率后进行随机采样，采样率的确定也带有人为因素的影响，采样率越高，采样越精确，但相应的算法效率就会下降。

发明内容

本发明针对上述不足之处提供了一种海空背景下的红外图像海天线连通域检测方法，解决现有技术中采用直线提取对海天线上舰船轮廓产生影响、复杂背景干扰海天线提取的影响、传统二值化处理中需要确定阈值对海天线提取的影响、随机性和人为因素对海天线提取的影响的问题。

本发明为了实现上述目的，采用的技术方案为：

一种海空背景下的红外图像海天线连通域检测方法，其特征在于，包括如下步骤：

(1)输入待检测的海天线红外图像；

(2)对海天线红外图像进行灰度化处理；

(3)去除灰度化处理后的海天线红外图像中的强水纹干扰和复杂背景干扰；

(4)对去除干扰后的海天线红外图像做梯度运算；

(5)利用最大值滤波去除经过梯度运算后得到的海天线红外图像的噪声；

(6)对去除噪声后的海天线红外图像进行梯度运算，即提取海天线红外图像的边缘信息；

(7)对步骤(6)中得到的海天线红外图像进行二值化处理；

(8)利用基于线段表的连通域检测法，提取经过二值化处理后得到的海天线红外图像中的海天线的位置。

进一步，所述步骤(3)中的具体流程为：

(31)读入灰度化处理后的海天线红外图像；

(32)去除强水纹干扰，即海天线红外图像矩阵中某点的灰度值大于海天线红外图像矩阵的灰度均值，则将原灰度值与灰度均值之差作为新的灰度值，若海天线红外图像矩阵中某点的灰度值小于海天线红外图像矩阵的灰度均值，则直接赋0值；

(33)去除复杂背景干扰，即步骤(32)去强水纹后得到的海天线红外图像与步骤(31)读入的海天线红外图像作绝对值之差。

进一步，所述步骤(4)或步骤(6)的具体流程为：

分别计算步骤(3)或步骤(5)处理后得到的海天线红外图像在x、y方向的梯度运算矩阵，再进行平方和平方根操作求得图像的幅度，以便提取边缘的强度。

进一步，所述步骤(5)的具体流程为：

对步骤(4)所得海天线红外图像进行最大值滤波，其定义为：

K(x,y)＝max{M(x-i,y-j),(i,j)∈A}；

式中，K为最大值滤波后的海天线红外图像矩阵，M为步骤(4)所得海天线红外图像矩阵，A为5×5滤波窗口，i、j均取到-2至2之间的所有整数。

进一步，所述步骤(7)的具体流程为：

对步骤(6)所得海天线红外图像进行二值化处理，该方法直接对边缘检测后的海天线红外图像K做如下处理：

K(K>0)＝1，

K为最大值滤波后的海天线红外图像矩阵。

进一步，所述步骤(8)的具体步骤为：

(81)对二值化处理后的海天线红外图像逐行扫描，记录扫描得到的所有水平线段的编号和左右端点坐标x₁、x₂，并将每条线段的标记值赋为0；

(82)根据端点坐标判断相邻行线段之间的连通关系，设x_a和x_b分别为第i-1行某线段的左右端点坐标，x_c和x_d分别为第i行某线段的左右端点坐标，若能够满足条件(x_b≥x_c-1)∩(x_a≥x_d+1)，则判定两相邻线段八连通；

(83)根据步骤(82)的判定结果，更新线段标记；

(84)更新线段标记后，对记录标记的二维数组建立映射表，进行标记统一；

(85)将标记统一后，提取相同标记值最多的线段元素，即提取二值化处理后的海天线红外图像中的最长连通域，即为海天线所在位置。

进一步，所述步骤(83)的具体步骤为：

(831)如果当前线段与上一行中的线段都不连通，则按照自然数从小到大的顺序赋予当前线段新的标记，由于二值化处理后的海天线红外图像中处于第一行的第一条线段没有上一行，直接将其标记为1，否则执行步骤(832)或步骤(833)；

(832)如果当前线段与上一行某线段相连通，且当前线段标记值为0，则将上一行线段的标记值赋予当前线段，否则执行步骤(831)或步骤(833)；

(833)如果当前线段与上一行某线段相连通，且当前线段的标记值非0，则将两线段中较小的标记值赋予当前线段，否则执行步骤(831)或步骤(832)。

与现有技术相比，本发明的优点在于：

一、本发明采用原始图像与去水纹后图像的绝对值之差作为目标图像，有效去除了复杂背景的干扰；

二、本发明直接将去水纹后图像中的非零值赋值为1，免去了传统二值化处理中确定阈值的步骤；

三、本发明利用连通像素点构成的曲线来刻画海天线，不会对海天线上的舰船轮廓产生影响；

四、本发明采用基于线段表的二值图像连通域检测算法，可以高效地判断出海天线的位置；

五、本发明采用最大值滤波的目的在于消除噪声的同时保持图像中的边缘和细节；

六、本发明只需对图像进行一次扫描，避免了像素点被重复扫描的现象，减少了图像的扫描次数，提高了算法的效率，同时巧妙的利用映射表归并等价的连通标记对，避免了归并连通关系需要大量内存和大量归并运算，提高了检测效率。

附图说明

图1为本发明的流程示意图；

图2为本发明中描述连通性检测方法的二值图像，其中a为原始二值图像、b为标记后二值图像、c为连通域检测结果；

图3为本发明中复杂背景下海天线检测的流程图像，其中3-1为原图像、3-2为去除强水纹后图像、3-3为去除复杂背景后图像、3-4为梯度运算结果、3-5为最大值滤波结果、3-6为二次梯度运算结果、3-7为二值化后最长连通域检测结果、3-8为海天线情况图；

图4为本发明中基于线段表的连通域检测法与Hough变换法检测结果对比图；其中A-1为Hough变换检测图A、B-1为Hough变换检测图B、C-1为Hough变换检测图C、a-1为连通域检测图a、b-1为连通域检测图b、c-1为连通域检测图c；

图5为本发明中连通标记映射表；

图6为本发明中归并排序后连通标记映射表。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

一种海空背景下的红外图像海天线连通域检测方法，包括如下步骤：

(1)输入待检测的海天线红外图像；

(2)对海天线红外图像进行灰度化处理；

(3)去除灰度化处理后的海天线红外图像中的强水纹干扰和复杂背景干扰；具体流程为：

(31)读入灰度化处理后的海天线红外图像；

(32)强水纹干扰会造成红外图像中波浪的灰度强度接近海天线像素点灰度值，造成海天线提取困难，由于强水纹干扰的水面区域像素灰度值一般在均值附近。去除强水纹干扰，即海天线红外图像矩阵中某点的灰度值大于海天线红外图像矩阵的灰度均值，则将原灰度值与灰度均值之差作为新的灰度值，若海天线红外图像矩阵中某点的灰度值小于海天线红外图像矩阵的灰度均值，则直接赋0值，赋0值的点即为强水纹；

if f(x,y)>f_mean>mean

if f(x,y)<f_mean>

其中，f_mean是灰度处理后海天线红外图像矩阵的均值，f(x,y)是灰度处理后海天线红外图像在(x,y)处的灰度值，g(x,y)是去除强水纹干扰后海天线红外图像的灰度值。

(33)当背景中含有山脉、桥梁时也会对海天线的检测造成干扰，例如桥面也是直线，在经过边缘检测后容易与海天线边缘混淆。去除复杂背景干扰，即步骤(32)去强水纹后得到的海天线红外图像与步骤(31)读入的海天线红外图像作绝对值之差。

A(x,y)＝｜g(x,y)-f(x,y)|，

其中，A(x,y)为去除复杂背景后图像的像素值。

(4)对去除干扰后的海天线红外图像做梯度运算；计算步骤(3)处理后图像在x、y方向的梯度运算矩阵，再进行平方和平方根操作求得图像的幅度，以便提取边缘的强度。

为了在图像中寻找边缘的强度，选择梯度向量来定义：

$▿A\equiv grad\left(f\right)\equiv \left(\begin{array}{c}{g}_x\\ g_y\end{array}\right)=\left(\begin{array}{c}\frac{\partial A}{\partial x}\\ \frac{\partial A}{\partial y}\end{array}\right),$

该向量的重要几何性质就是它指明了函数在某位置最大变化率的方向。

用M(x,y)表示的大小，其意义为梯度方向变化率的值，即：

$M(x,y)=mag(▿A)=\sqrt{g_x^2+g_y^2},$

g_x和g_y都是与原图像(海天线红外图像)大小相同的图像，是x和y在A中所有像素位置上变化产生的，而M(x,y)即可提取图像的边缘信息。

(5)利用最大值滤波去除经过梯度运算后得到的海天线红外图像的噪声；具体流程为：

对步骤(4)所得图像进行最大值滤波，最大值滤波是一种基于统计排序理论的非线性滤波技术，其定义为：

K(x,y)＝max{M(x-i,y-j),(i,j)∈A}；

式中，K为最大值滤波后的海天线红外图像矩阵，M为步骤(4)所得海天线红外图像矩阵，A为5×5滤波窗口，i、j均取到-2至2之间的所有整数。

(6)对去除噪声后的海天线红外图像进行梯度运算，即提取海天线红外图像的边缘信息；计算步骤(5)处理后图像在x、y方向的梯度运算矩阵，再进行平方和平方根操作求得图像的幅度，以便提取边缘的强度和方向，同步骤(4)中的公式相同。

(6)对步骤(6)中得到的海天线红外图像进行二值化处理；具体流程为：

对步骤(6)所得图像进行二值化处理，该方法直接对边缘检测后的图像K做如下处理：

K(K>0)＝1。

直接将矩阵中的非0值转化为1的做法，简化了传统二值化处理中确定阈值的步骤。

(8)利用基于线段表的连通域检测法，提取经过二值化处理后得到的海天线红外图像中的海天线的位置。具体步骤为：

(81)对二值化处理后的海天线红外图像逐行扫描，记录扫描得到的所有水平线段的编号和左右端点坐标x₁、x₂，并将每条线段的标记值赋为0；

(82)根据端点坐标判断相邻行线段之间的连通关系，设x_a和x_b分别为第i-1行某线段的左右端点坐标，x_c和x_d分别为第i行某线段的左右端点坐标，若能够满足条件(x_b≥x_c-1)∩(x_a≥x_d+1)，则判定两相邻线段八连通；

(83)根据步骤(82)的判定结果，更新线段标记；具体步骤为：

(831)如果当前线段与上一行中的线段都不连通，则按照自然数从小到大的顺序赋予当前线段新的标记，由于二值化处理后的海天线红外图像中处于第一行的第一条线段没有上一行，直接将其标记为1，否则执行步骤(832)或步骤(833)；

(832)如果当前线段与上一行某线段相连通，且当前线段标记值为0，则将上一行线段的标记值赋予当前线段，否则执行步骤(831)或步骤(833)；

(833)如果当前线段与上一行某线段相连通，且当前线段的标记值非0，则将两线段中较小的标记值赋予当前线段，否则执行步骤(831)或步骤(832)。

(84)更新线段标记后，对记录标记的二维数组建立映射表，进行标记统一；首先初始化一个二维数组，记录每条线段的编号与其对应的标记值(如图5所示)。再采用递归的传递方法，按线段编号从大到小的顺序依次归并等价的连通标记。(如图6所示)。

(85)将标记统一后，提取相同标记值最多的线段元素，即提取二值化处理后的海天线红外图像中的最长连通域，即为海天线所在位置。

二值图像连通域检测是图像处理中提取目标几何特征的常用方法。邻近像素点的关系有四连通和八连通两种，在海天线检测中选择八连通的方式，即某像素除了直接与上下左右四个相邻像素连接外，还与斜方向上的四个相邻像素连接。

在二值图像中，区域可以看作水平线段的组合，而每条线段可以由它两个端点所表示。因此线段表单元的主要部分即为对应线段两端点的X坐标和Y坐标。在一般情况下，使用线段表可使图像的存储空间大大减小。

当两条线段连通时，线段上的像素也都是连通的，因此连通检测完全可以通过线段的检测来实现。本文采用基于线段表的二值图像连通域检测算法，可以高效地判断出海天线的位置。