劉思彤，程 紅，孫文邦，于 光

（空軍航空大學 航空航天情報系，吉林 長春 130022）

面向海上目標的海陸分離方法研究

劉思彤，程 紅，孫文邦，于 光

（空軍航空大學 航空航天情報系，吉林 長春 130022）

隨著信息技術的發(fā)展，越來越多的國家將關注焦點放在海洋上?？焖儆行У貙⒑Ｑ笈c陸地分離對實現(xiàn)海上目標解譯、目標檢測、識別與提取以及場景理解等具有重要的作用。首先介紹了海陸分離的重要意義和主要內容，在總結各海陸分離方法的基礎上將其分為基于先驗信息的海陸分離和基于圖像特征差異的海陸分離兩大類；然后對各方法進行了系統(tǒng)的綜述并進行對比分析，指出存在的一些問題；最后給出了總結和展望。

海上目標分析；海陸分離；先驗信息；圖像特征

隨著科技水平的提高和信息化戰(zhàn)爭的發(fā)展，越來越多的國家開始將國防力量的建設放在海洋上，如建造航母、組建航母編隊、在遠海組織艦隊演練等。他們希望利用海上力量的建設與發(fā)展提高綜合國力，維護自己的海洋權益和領海安全，爭奪更多的利益，不斷走向實施海洋戰(zhàn)略的道路。在這樣的形勢下，對我國而言，擁有廣闊的海域和眾多島嶼，近年來海洋安全形勢十分嚴峻，時刻威脅著我國的領海主權和國防安全。而海上艦船尤其是航母和軍艦等具有偵察和打擊能力的重要戰(zhàn)略目標，作為實施海洋戰(zhàn)略的重要載體，擔負著海上作戰(zhàn)、偵察、打擊和搜救等重大任務，對于確保取得軍事行動的成功起到重要作用，對其進行檢測與監(jiān)視關系到國家的安全和發(fā)展利益[1-3]。但由于遙感影像的范圍較廣，常常有陸地區(qū)域存在或以其為背景，影響了對海上目標的直接檢測與分析，這時就需要進行海陸分離。

海陸分離，也稱陸地掩模，是艦船檢測的前提和基礎，目的是將遙感圖像中的陸地區(qū)域進行遮蔽或移除，使得后續(xù)工作僅作用于海洋區(qū)域而對陸地區(qū)域不作任何處理。一方面，去除陸地地物帶來大量的虛警，使得后期艦船目標辨識和分析的工作量縮小；另一方面，減少處理圖像的大小，減少多余的計算量，提高計算速度。高效快速的海陸分離有助于從海量遙感數(shù)據(jù)中快速準確地自動檢測和提取艦船目標，能夠為海上情報信息的獲取爭取時間，并提供有效的保證。因此，開展對遙感圖像中海陸分離的研究具有重要意義。本文在對比分析各種海陸分離方法的基礎上，對各種方法進行分類和總結，并指出目前存在的問題和進一步發(fā)展方向。

1 海陸分離方法分類

目前，針對海陸分離的研究主要用于海岸線提取和港口目標檢測，根據(jù)分割信息獲取方式的不同，分為基于先驗信息的海陸分離和基于圖像特征差異的海陸分離。

1.1 基于先驗信息的海陸分離

當有空間地理信息、海岸線或港口背景圖像等先驗信息時，可借助這些信息來實現(xiàn)海陸分離。歐盟聯(lián)合研究中心（JRC）的VDS系統(tǒng)和英國的Qinetiq開發(fā)的海洋監(jiān)視工具（Maritime Surveillance Tool，MaST）利用海岸線數(shù)據(jù)庫來實現(xiàn)陸地隔離；德國的Definiens利用eCognition軟件和GIS數(shù)據(jù)進行海陸分離；挪威國防研究中心的K.Eldhuset等人提出通過精確像素定位算法和數(shù)字地形模型區(qū)分陸地和海洋；有學者將港口輪廓以模板的形式預先存儲起來，通過模板匹配實現(xiàn)海陸分離。利用先驗信息指導海陸分離是一種直接并且有效的方法，但對于這類方法而言，先驗信息的獲取是實現(xiàn)海陸分離的前提，待處理圖像與先驗信息的配準是實現(xiàn)海陸分離的基礎，因此分割效果受先驗信息的準確性和配準的精確度兩方面影響較大，可能需要對結果進一步修正，結果如圖1所示。

1.2 基于圖像特征差異的海陸分離

當先驗信息缺失或不易獲取時，多采用基于圖像特征差異的海陸分離。該首先利用海洋與陸地之間的灰度、紋理或其他特征差異對陸地和海洋進行初始分割，形成陸地和海洋兩大區(qū)域，再針對分割后形成的孤立區(qū)域進行區(qū)域劃分和消除。

圖1 基于模板匹配的海陸分離Fig.1 Sea-land segment based on template matching

1.2.1 初始分割

初始分割首先將海洋和陸地進行初步分離，再配合形態(tài)學運算形成陸地和海洋兩大區(qū)域。主要包括基于閾值的方法、基于邊緣檢測的方法和基于區(qū)域的方法。

1）基于閾值的方法

閾值法利用陸地與海洋的灰度或紋理差異進行分割，關鍵在于分割閾值的確定。根據(jù)閾值選取方法的不同可分為點閾值法、區(qū)域閾值法、局部閾值法和多閾值法。

①點閾值法

該方法主要利用海面與陸地的灰度差異進行分割，它根據(jù)某種只與點的灰度值有關的測度準則確定分割閾值，從而將海洋和陸地分開。閾值的選取方法有很多，如直方圖谷底法[3]、統(tǒng)計判決法（最小誤差判別法）[4]、Otsu 法（最大類間方差法）、迭代自動閾值法、自適應閾值法等。下面簡單對常用的Otsu法、直方圖谷底法和迭代法進行介紹。

Otsu法（最大類間方差法）是由Otsu于1978年提出的，以其計算簡單、穩(wěn)定有效，一直廣為使用，在其基礎上又出現(xiàn)了許多改進算法。從模式識別的角度看，最佳閾值應當產(chǎn)生最佳的目標類與背景類的分離性能，此性能我們用類間方差來表征：

其中，σ2為兩類間方差，Wa為A類占圖像的比例，μa為A類灰度均值，Wb為B類占圖像的比例，μb為B類灰度均值，μ為圖像總體平均灰度。從最小灰度值到最大灰度值遍歷T，使得兩類總方差σ2（T）取最大值的T，即為最佳分割閾值。Otsu法選取出來的閾值非常理想，對各種情況的表現(xiàn)都較為良好。此方法也有其缺陷，當圖像中目標與背景的大小之比很小時方法失效。雖然它不是最佳的分割，但分割質量具有一定保障，可以說是最穩(wěn)定的分割，因而是目前最常用的方法。

直方圖谷底法認為圖像有前景和背景 （不同的灰度級）兩部分組成，圖像的直方圖出現(xiàn)兩個分離的峰值，在雙峰之間的谷底就是比較合理的圖像分割閾值。但是實際的直方圖是離散的，往往十分粗糙、參差不齊，且前景與背景圖像灰度差不明顯，特別是當有噪聲干擾時，有可能呈現(xiàn)單峰或形成多個谷底，從而難以用既定的算法，實現(xiàn)對不同類型圖像直方圖谷底的搜索。

自動迭代法是對直方圖谷底法的改進，它首先選擇一個近似閾值T（一般選取圖像中最大亮度值與最小亮度值的中間值），將圖像分割成 R1和 R2，計算兩區(qū)域的均值 μ1和 μ2，選擇新的閾值 T=（μ1+μ2）/2， 重復上述步驟直到 μ1和 μ2不再變化。利用上述方法再輔以形態(tài)學運算得到的陸地區(qū)域如圖2。

圖2 點閾值法Fig.2 Point threshold

②區(qū)域閾值法

該方法主要根據(jù)海域與陸地區(qū)域中的點與其局部鄰域灰度特征差異進行分析。常用的方法有區(qū)域方差、區(qū)域直方圖、統(tǒng)計分類閾值法。周靜等以區(qū)域方差作為區(qū)域紋理特性進行十字形方差直方圖（圖3（a））統(tǒng)計計算分割門限，增加了局部紋理信息；肖利平等利用對角線上的像素灰度方差值（圖3（b））來統(tǒng)計直方圖，加快了計算速度，更好地體現(xiàn)了像素灰度的變化[5]；李文武、沈葉健等利用灰度統(tǒng)計分布信息確定分割閾值，從統(tǒng)計學角度獲取分割閾值實現(xiàn)海陸分離，但計算量較大。以上方法對灰度差異較大的圖像分割效果較好，對灰度相近的陸地區(qū)域效果不佳。

圖3 區(qū)域閾值統(tǒng)計模板Fig.3 Model of region threshold

③局部閾值法和多閾值法

當圖像中存在陰影，照度不均勻，對比度不同等情況時，只用一個固定的全局閾值對整幅圖像進行分割，會因為不能兼顧圖像各個部分的情況而使分割效果受到影響。這時可以采用與像素位置相關的一組閾值來對圖像各部分分別進行分割，這種與坐標相關的閾值也叫動態(tài)閾值或變化閾值。該類方法的時間和空間復雜性比較大，但是抗噪能力強，對一些用全局閾值不易分割的圖像有較好的效果。

如果圖像中含有占據(jù)不同灰度級區(qū)域的幾個目標，則需要使用多個閾值才能將它們分開。其實多閾值分割，可以看作單閾值分割的推廣，前面討論的大部分閾值化技術，諸如Otsu法，最大熵法和最小誤差法等都可以推廣到多閾值的情形，這里不詳細介紹。

2）基于邊緣檢測的方法

基于邊緣檢測的方法利用梯度信息進行海陸分離。李琨、蔡姝、荊浩等利用Canny算子提取梯度信息并輔以形態(tài)學運算進行海陸分離，對于平坦紋理區(qū)域效果不佳；ZHOU H等利用sobel算子提取梯度；賀鵬飛等利用krisch算子提取梯度信息，在此基礎上進行二維Otsu處理實現(xiàn)分割。此類方法對復雜陸地區(qū)域分割效果好，對平坦紋理區(qū)域不適用，選取兩組圖像進行實驗結果如圖 。從圖中可以看出，還存在許多孤立區(qū)域，影響了海陸分割的效果。

圖4 基于邊緣檢測的海陸分離Fig.4 Sea-land segment based on edge detection

3）基于區(qū)域的方法

主要是區(qū)域生長法，關鍵是種子點的自動選取、生長準則和閾值的確定。沈葉健等先利用梯度直方圖閾值法選取種子點，再根據(jù)灰度差法進行區(qū)域增長[6]；謝明鴻、尤曉建分別利用像素值統(tǒng)計信息和水域經(jīng)緯度信息定位種子點，再基于不斷更新的區(qū)域均值、方差和閾值進行增長約束，具有精確地分割結果和穩(wěn)定性。此類方法原理簡單，但對種子點的選取要求較高且對噪聲敏感，容易導致欠分割或錯誤的合并。

此外，監(jiān)督分類法通過樣本選擇、圖像分類實現(xiàn)水陸分離。Ryan等將神經(jīng)網(wǎng)絡算法引入陸地和水體的遙感分類，朱小鴿利用神經(jīng)網(wǎng)絡分類算法成功完成海陸分離，朱長明等借助閾值自動選擇樣本，再利用特征分類器實現(xiàn)海陸的精確分離。

1.2.2 孤立區(qū)域去除

對于海面平靜、陸地與海洋特征差異明顯和陸地內部特征分布均勻的情況，僅進行初始分割就能實現(xiàn)陸地的較好分割，但對于較為復雜的情況就需要進行孤立區(qū)域的消除，如圖4（c）和（f）。在去除孤立區(qū)域之前，首先要將孤立區(qū)域分類，確定該區(qū)域屬于海洋還是陸地，然后根據(jù)孤立區(qū)域所屬類別將其擦除或合并，得到最終海陸分離結果，部分實驗結果如圖5所示。

圖5 最終分割結果Fig.5 Final segment result

1）像素標記法

主要統(tǒng)計孤立區(qū)域的像素個數(shù)或面積信息，將其作為分類依據(jù)進行區(qū)域劃分。由于陸地區(qū)域較大，所占面積也較大，一般根據(jù)先驗信息設定閾值進行篩選。該方法計算簡單，但由于圖像各不相同，閾值設定需根據(jù)圖像而定，因而適用性不強；肖利平等利用區(qū)域擴張法搜索并標記孤立區(qū)域，對孤立區(qū)域中的點逐個進行掃描并標記，再根據(jù)圖像面積和分辨率設定閾值判定孤立區(qū)域并賦予該類背景色。該方法無須借助形態(tài)學運算就能夠實現(xiàn)水陸的精細分割，但計算量較大。

2）區(qū)域距離法

瞿繼雙等[8]提出利用區(qū)域距離來準確判定孤立區(qū)域的屬性，進而實現(xiàn)分割。設某鄰域模式下的不連通區(qū)域分別為A1，A2，定義 A1，A2之間的距離為：

其中，d（·，·）為像素點之間的 Euclidean 距離，P1，P2分別為區(qū)域A1，A2中的任意像素點，c為像素之間的鄰域連接模式，一般取4或8鄰域。

設定區(qū)域距離閾值T1，T2，將孤立區(qū)域Aiso劃分為內陸孤立區(qū)域Aiso_Cont，外海孤立區(qū)域Aiso-Sea以及沿海岸線孤立區(qū)域Aiso_Con。設定區(qū)域距離閾值則孤立區(qū)域Aiso劃分如下：

其中，T（s）Open，T（s）Close分別為形態(tài)學開、閉運算的面積閾值。該方法具有較好的判定和去除效果，但對于沿海岸線的孤立區(qū)域不適用，還需進一步分析。

3）梯度密度法

李琨等在邊緣檢測的基礎上，利用線密度和面密度判定及擦除孤立區(qū)域。首先利用線密度和面密度劃分主體海域和陸地：當區(qū)域面積A1＞θA且區(qū)域面梯度密度ρA1＞GA時，區(qū)域A1為主體陸地；反之，當區(qū)域面積A1＞θA且區(qū)域面梯度密度

其中，Amain_Sea和Amain_Cont分別為主體海域和主體陸地。

在確定了孤立區(qū)域的屬性之后就要對其進行去除。對于二值圖像I中孤立區(qū)域Aiso，設s（·）為同一灰度值連通區(qū)域面積算子，則有：ρA1＜GA時，區(qū)域A1為主體海域。再將孤立區(qū)域劃分如下：

其中，Ts是設定的面積閾值。該方法能充分利用圖像的梯度信息，降低了噪聲的影響，但對梯度特征差異不明顯的區(qū)域判定效果不好。

4）紋理聚類法

有學者分析，海岸附近的陰影、植被等低亮度因素是影響海陸分割結果的主要因素，這些區(qū)域同樣具有平坦特性，但在紋理上與海面區(qū)域有較大差別，因而可以利用紋理特征對其進行判別和剔除。潘文卿、蔡姝等利用圖像的中值和等灰度游程信息，將傳統(tǒng)的共生矩陣統(tǒng)計信息模糊化，并將其與明確的灰度游程信息相結合來提取紋理特征，然后對特征進行聚類，實現(xiàn)不同紋理的分類。該方法對分布平坦的紋理有很好的分類效果，但不適用于復雜地物的分類，對灰度差較小且紋理相近的海陸圖像不適用，且紋理計算復雜度高。

以上方法主要是基于圖像的二維分析實現(xiàn)的，近年來也出現(xiàn)了基于圖像三維重建信息實現(xiàn)海陸分離的方法，利用明暗變化信息來重建圖像海拔信息，再結合形態(tài)學濾波和動態(tài)閾值分割算法劃分陸地和海洋區(qū)域。

1.3 海陸分離方法對比與分析

在對目前常用的海陸分離方法進行分類的基礎上，對方法進行對比與分析，對各方法的優(yōu)勢與不足進行總結。

目前，海陸分離大致分為基于先驗信息的海陸分離和基于圖像特征差異的海陸分離兩大類?；谙闰炐畔⒌姆椒ǖ暮ｊ懛蛛x方法，能利用先驗信息快速的配準港口和島嶼輪廓，將陸地與海洋分離，但受先驗信息的準確性和配準的精確度兩方面影響較大。在沒有先驗信息的情況下，一般采用基于圖像特征差異的方法進行海陸分離，又分為初始分割和孤立區(qū)域去除兩個部分。1）初始分割：閾值處理法的優(yōu)勢是計算簡單，運算效率高，穩(wěn)定性好，但當海況復雜時，受海浪和海面灰度分布影響，分割效果不理想；邊緣檢測法具有較好的分割效果和適用性，且處理速度較快，但與閾值法相同，當海況復雜時，受海浪和海面灰度分布影響，分割效果不穩(wěn)定；區(qū)域生長法算法簡單，易于實現(xiàn)，但不能實現(xiàn)自動化且對噪聲敏感，計算量大；監(jiān)督分類法精度較高，但需要人工干預選擇樣本；2）孤立區(qū)域去除：像素標記法算法簡單，計算速度快，應用最多，但針對不同圖像適用性不強；區(qū)域距離法對內部區(qū)域分割效果較好，對海岸線邊緣不適用；梯度密度法能充分利用陸地區(qū)域梯度信息，但對平坦紋理區(qū)域不適用；紋理聚類法在紋理差異大的圖像中分割效果好，但未考慮灰度信息，且計算復雜度高。

2 存在的問題與發(fā)展趨勢

1）雖然目前的海陸分離方法很多，但至今還沒有找到對所有圖像都很有效的分割算法。分割效果好的方法，大多是在對圖像進行分析的基礎上得到的。尋找適應性更強，針對性范圍更廣的海陸分離方法是圖像智能化分割的發(fā)展趨勢。

2）目前的大多數(shù)海陸分離方法中，大多數(shù)方法會將靠岸艦船與港口歸為一類，只有基于先驗信息的方法能將其與陸地隔離開，這樣對艦船的檢測就需要分海上和陸地兩部分進行，降低了檢測效率。在未來的研究中，可以考慮直接在海陸分離算法中分離靠岸艦船與港口。

3）利用單一特征的海陸分離方法受成像條件、地物特征等方面的影響，分割效果不是很理想?？梢钥紤]將多特征進行融合，共同作用于海洋與陸地的分離，提高分割效率和分割準確性。

3 結束語

在包含陸地或島嶼的遙感圖像[9]中，海陸分離是檢測與識別海上目標的前提和基礎，快速準確的海陸分離能為情報信息的獲取與整理爭取時間，為后續(xù)圖像的分析與應用提供技術支撐，因此，對其進行研究具有重要意義。本文在總結國內外海陸分離方法的基礎上，對各海陸分離方法進行整合分類，并將不同方法進行對比，分析其優(yōu)勢與不足，最后指出當前海陸分離方法存在的問題并展望未來的發(fā)展方向。目前，在海陸分離方面還沒有較完整的綜述性文章，希望本文能對后續(xù)的工作開展與算法優(yōu)化打下基礎。

[1]Buch H，Sharghi E，Guilas C，et al.Enhanced ship detection from overhead imagery [C]//ProceedingsofSPIE， the International Society for Optical Engineering，2008 （6945）:1-12.

[2]Corbane C，Pecoul E，Demagistri L，et al.Fully automated procedure for ship detection using optical satellite imagery[C]//ProceedingsoftheSPIE， RemoteSensingofInland，Coastal， and Oceanic Waters，2008（7150）:1-13.

[3]Corbane C，Marre F，Petit M.Using SPOT-5 HRG data in panchromatic mode for operational detection of small ships in tropical area[J].Sensors，2008（8）:2959-2973.

[4]Pascal F，ChitourY.Covariance structures maximum-likelihood estimates in compound Gaussian noise:existence and algorithm analysis[J].IEEE Transaction on Signal Processing，2008，56（1）:34-48.

[5]CHU Zhao-liang，WANG Qing-hua，CHEN Hai-lin，et al.Ship Auto Detection Method Based on Minimum Error Threshold Segmentation[J].Computer Engineering，2007，33（11）:239-241.

[6]Borenstein E，Ullman S.Combining top-down/bottom-up segmentations[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2008，30（12）:2109-2125.

[7]Zhu C M，Zhang X，Luo J C，et al.Automatic extraction of coastline by remote sensing technology based on SVM and auto-selection of training samples[J].Remote Sensing for Land and Resources，2013，25（2）:69-74.

[8]QU J S，WANG Chao，WANG Zhen-zhi.A multi-threshold based morphological approach for extracting coastal line feature from remote sensed images[J].Journal of Image and Graphics，2003，8（7）：805-509.

[9]阮濤，那彥，王澍.基于壓縮感知的遙感圖像融合方法[J].電子科技，2012（4）:43-46.RUAN Tao，NA Yan，WANG Shu.Remote sensing image fusion method based on compressed sensing[J].Electronic Science and Technology，2012（4）:43-46.

Studies of sea-land segment methods oriented to targets on the sea

LIU Si-tong， CHENG Hong， SUN Wen-bang， YU Guang
（Department of Aviation&Spaceflight Intelligence， Aviation University of Air Force， Changchun 130022， China）

As the technology of information improves，more and more countries are focusing on the sea.Effectively departing the ocean and the land will play an important role in better realizing the tasks on the sea such as image interpretation，object recognition and extraction，scene understanding，and so on.This paper firstly introduces the meaning and properties of sea-land segment，and divides the methods of sea-land segment into two types:based on prior information and based on feature differences.Then，a systematic review on recent development of all the methods is presented and some advantages and drawbacks are pointed out.Finally，conclusions are drawn and future research directions are discussed.

analysis of target on the sea； sea-land segment； prior information； features of image

TN29

A

1674-6236（2014）15-0096-05

2014-04-01 稿件編號：201404014

全軍軍事學研究生課題（2011JY002-53）

劉思彤（1989—），女，遼寧大連人，碩士研究生。研究方向：數(shù)字圖像處理。