王傳龍，馬善偉，屈 崇

（上海船用柴油機(jī)研究所，上海 201108）

0 引 言

水面無人艇（Unmanned Surface Vessel, USV）是一種具有一定自主航行能力及主動避障、環(huán)境感知和資源勘探等能力的小型水面平臺，較適合執(zhí)行危險、枯燥及其他不適合人類執(zhí)行的任務(wù)，因而不論是在軍用領(lǐng)域還是民用領(lǐng)域，都具有廣闊的應(yīng)用前景。USV常需面對大霧、大風(fēng)浪、高濕度和強(qiáng)降雨等惡劣環(huán)境，對其自主航行、目標(biāo)識別等能力及軟硬件系統(tǒng)的可靠性提出了極高的要求。

海天線即海洋與天空的交界線，通常是一條有一定傾斜度的由亮及暗的漸變帶。USV在航行時，遠(yuǎn)處的目標(biāo)必然最先出現(xiàn)在海天線附近，因而海天線的提取能縮小目標(biāo)識別的區(qū)域，去除海浪和云團(tuán)等噪聲的干擾，為目標(biāo)圖像分割提供重要依據(jù)。因此，海天線檢測對于實現(xiàn)USV的智能化、自動導(dǎo)航和目標(biāo)識別及跟蹤而言具有重要意義。

1 海天線特點分析

海天線附近區(qū)域是灰度變化最為劇烈的區(qū)域。一般來說，USV視覺系統(tǒng)的成像通常分為天空區(qū)域、海天線和海面區(qū)域等3個區(qū)域，但當(dāng)海面風(fēng)浪較為劇烈時，USV的顛簸也會很劇烈，可能會出現(xiàn)全天空區(qū)域或全海面區(qū)域的情形。此外，本文所采用算法的應(yīng)用場景屬于遠(yuǎn)距離成像，海天或海岸線一般都是存在的，但在特殊的天氣狀況下可能會造成海天線成像異常，該情況本文不作討論。

劉松濤等[1]提出采用直線擬合法提取海天線，算法比較簡單，但對復(fù)雜水面環(huán)境的適用性較差。時磊等[2]對該直線擬合法進(jìn)行改進(jìn)，能有效提高海天線檢測的正確率。梁世花等[3]將Seam Carving原理應(yīng)用于海天線檢測中，改求最低能量線為求最高能量線，該算法的運(yùn)算效率較高且具有一定的魯棒性。謝紅等[4]提出一種通過結(jié)合最大類間方差法（OTSU）閾值分割和邊緣檢測提取海天線的算法，易于掌握，但精度不夠高且難以確定海天線的具體位置。安博文等[5]針對在機(jī)載紅外搜救場景中的應(yīng)用，提出一種OTSU閾值分割與霍夫（Hough）變換相結(jié)合的算法，采用隨機(jī)點采樣方式提高算法的運(yùn)行速度，在復(fù)雜場景的適應(yīng)性方面仍存在不足。TANG等[6]提出一種基于Radon變換的海天線檢測方法，該方法難以確定直線段的始終點。ZOU等[7]提出一種基于剪切波變換的海天線檢測方法。王兵學(xué)等[8]提出一種基于紋理特征分析的海天線提取算法，該算法具有較強(qiáng)的工程應(yīng)用性。以上研究提到的算法對不同場景均具有一定的適應(yīng)性，但由于海面環(huán)境非常復(fù)雜，常會受到降雨、大霧及障礙物的遮擋等不利因素的影響，引發(fā)低能見度和海天線不連續(xù)等問題，導(dǎo)致識別率和準(zhǔn)確度難以滿足需求，因此對海天線檢測算法進(jìn)行研究一直是 USV研究領(lǐng)域的熱點和難點。

2 Retinex算法與Hough變換相結(jié)合的海天線檢測

對于正常的水面環(huán)境而言，僅通過Hough變換是能提取海天線的，但USV經(jīng)常會受到降雨、大霧等造成能見度降低的諸多因素的影響，這時僅通過Hough變換幾乎是不可能準(zhǔn)確提取海天線的，必須采用圖像增強(qiáng)算法消除低能見度造成的影響。由于Retinex算法在圖像去霧方面有著突出表現(xiàn)[9]，本文采用Retinex算法與Hough變換相結(jié)合的算法檢測海天線，同時采用中值濾波、閾值分割、形態(tài)學(xué)閉運(yùn)算和Canny邊緣檢測對圖像進(jìn)行預(yù)處理。

2.1 Retinex圖像增強(qiáng)算法

Retinex算法是一種以人類視覺系統(tǒng)感知為出發(fā)點，基于科學(xué)試驗分析的圖像增強(qiáng)算法，其優(yōu)勢在于可平衡圖像灰度動態(tài)范圍壓縮、圖像增強(qiáng)和圖像顏色恒常等3個指標(biāo)，能對含霧的圖像自適應(yīng)增強(qiáng)[10]。Retinex算法可分為單尺度 Retinex（single scale retinex, SSR）、多尺度Retinex（multi-scale retinex, MSR）和帶顏色恢復(fù)的多尺度Retinex（multi-scale retinex with color restoration, MSRCR）等3種。

根據(jù)Retinex理論[9]，一幅原始圖像I(x,y)由入射光分量L(x,y)和反射光分量R(x,y) 2部分構(gòu)成（見圖1）。

圖1 Retinex理論中圖像的構(gòu)成

Retinex理論認(rèn)為，同一物體在不同顏色光源下的顏色是恒定的，入射光分量只決定一幅圖像的像素所能達(dá)到的動態(tài)范圍，而反射光分量則決定圖像的內(nèi)在性質(zhì)。USV經(jīng)常會受風(fēng)浪、降雨、大霧等惡劣環(huán)境的影響，攝像頭經(jīng)常會被雨水打濕，這些因素都會嚴(yán)重影響成像質(zhì)量，給后續(xù)海天線的提取帶來困難。本文采用MSR算法來增強(qiáng)圖像，分別應(yīng)用Retinex算法對海天背景下的RGB圖像的R、G、B等3層進(jìn)行處理，并將其整合到新的圖像中。MSR算法是由SSR算法發(fā)展而來的一種算法，基本表達(dá)式[9]為

式(1)中：k為環(huán)繞尺度的個數(shù)；*為卷積運(yùn)算符號；R(x,y)為算法的輸出圖像；F(x,y)為環(huán)繞函數(shù)，一般為高斯函數(shù)；kω為尺度權(quán)重因子。

2.2 Canny邊緣檢測

常見的邊緣檢測算子主要有Roberts算子、Sobel算子、Prewitt算子、LoG算子（高斯-拉普拉斯算子）和Canny算子等，其中：Roberts算子利用局部差分算子來檢測邊緣信息，定位準(zhǔn)確，但不具備抑制噪聲的能力；Sobel算子和Prewitt算子均考慮像素鄰域的信息，即先對圖像進(jìn)行平滑處理，再進(jìn)行微分運(yùn)算，因而具有一定的抑制噪聲的能力，但有可能會檢測到虛假的邊緣信息；LoG算子將高斯低通濾波與拉普拉斯算子相結(jié)合，能克服拉普拉斯算子對噪聲敏感的缺點，但高斯低通濾波可能會平滑掉一部分邊緣，造成邊緣信息丟失。

在圖像邊緣檢測中，抑制噪聲和保證邊緣檢測的精度這二者是無法同時滿足的。Canny算子是在邊緣精確定位與抗噪之間尋找最佳的平衡點，其基本思想是先采用高斯濾波器平滑圖像，再采用非極大值抑制技術(shù)對其進(jìn)行處理得到最后的邊緣圖像。非極大值抑制技術(shù)是一種邊緣細(xì)化的方法，保留局部梯度最大值而抑制其他梯度值，即通過將非局部極大值的點置零來得到細(xì)化的邊緣圖像。

Canny算子的基本步驟[10]為：1) 采用高斯濾波器平滑圖像。2) 采用邊緣檢測算子分別計算水平方向和垂直方向的梯度Gx和Gy，并計算梯度的幅值和方向。梯度幅值梯度方向

3) 對梯度幅值進(jìn)行非極大值抑制。

4) 采用雙閾值算法檢測和連接邊緣。

2.3 Hough變換

Hough變換是一種檢測某一特定邊界形狀的方法，通常用來檢測直線、圓和橢圓等，其基本思想是將圖像坐標(biāo)空間中直線的檢測問題轉(zhuǎn)化為參數(shù)空間中點的檢測問題，圖像坐標(biāo)空間中直線上的點對應(yīng)于參數(shù)空間中的累加器，且每個點都會引起累加器加一，從而將形狀檢測問題轉(zhuǎn)化為統(tǒng)計峰值問題[10]。簡而言之，將圖像坐標(biāo)空間中一條直線上的各點分別對應(yīng)于參數(shù)空間中的一條直線，這些直線均相交于一點，而該點的坐標(biāo)即為圖像坐標(biāo)空間中該直線方程的參數(shù)（見圖2）。

對于極坐標(biāo)系參數(shù)空間，用ρ=xc osθ+ysinθ表示直線方程，其中：ρ表示直線到原點的垂直距離；θ表示x軸與原點到直線的垂線之間的夾角，且 -9 0°＜θ＜ 90°（見圖3）。與直角坐標(biāo)空間稍有不同的是，圖像坐標(biāo)空間中直線上的每個點映射到極坐標(biāo)空間中是一條正弦曲線，但其計算方法和基本原理是一致的。

圖2 直角坐標(biāo)系中Hough變換

圖3 極坐標(biāo)系中Hough變換

Hough變換同樣適用于方程已知的曲線檢測，通過曲線方程式來建立相應(yīng)的參數(shù)空間；廣義Hough變換可實現(xiàn)任意邊界形狀的檢測。

3 MATLAB仿真試驗

3.1 算法流程

本文對USV雙目視覺系統(tǒng)實際拍攝的海天背景下的可見光圖像進(jìn)行仿真驗證。由于其應(yīng)用場景屬于遠(yuǎn)距離成像，海天或海岸線一般都是存在的，算法流程見圖4。

首先采用Retinex算法增強(qiáng)圖像并轉(zhuǎn)為灰度圖像，然后采用中值濾波器濾波，接著通過OTSU閾值分割和形態(tài)學(xué)閉運(yùn)算獲得二值化圖像，最后經(jīng)過Canny算子檢測邊緣后利用Hough變換提取海天線。圖5a)為原圖像；圖5b)為Retinex算法增強(qiáng)圖像，目的是去除噪聲干擾，解決降雨、霧氣等惡劣環(huán)境造成的能見度較低的問題；圖5c)為中值濾波圖像，目的是減少隨機(jī)噪聲造成的干擾；圖5d)為二值化圖像，采用OTSU算法選取最優(yōu)閾值進(jìn)行圖像分割；圖5e)為邊緣檢測圖像，采用Canny算子對二值化圖像進(jìn)行邊緣檢測；圖5f)為海天線檢測圖像，對圖5e)所示的邊緣檢測圖像進(jìn)行Hough變換得到海天線之后，將其繪制到圖5a)中。

圖4 算法流程

圖5 算法處理過程圖

3.2 樣本說明及試驗驗證

本文試驗的樣本圖片是由USV雙目視覺系統(tǒng)在不同天氣情況下采集得到的，參考航速約為6kn，共采集1000多張圖片。由于同時段內(nèi)采集的圖片比較相似，本文隨機(jī)抽取50張不同時間、不同環(huán)境下采集的圖片作為樣本并依據(jù)其不同海天情況大致分為5類，分別為正常情況、海天傾斜情況、能見度較低情況、海天線部分不可見情況和海天線被建筑物遮擋情況（見圖6）。最后分別對每種情況進(jìn)行實驗驗證，結(jié)果見圖7。

圖6 樣本分類圖

圖7 在不同情況下的海天線檢測結(jié)果

4 結(jié) 語

海天線檢測對于USV的主動避障和目標(biāo)辨識而言具有重要意義，本文采用Retinex算法與Hough變換相結(jié)合的算法，結(jié)合中值濾波、閾值分割、形態(tài)學(xué)閉運(yùn)算和Canny算子邊緣檢測等方法，可準(zhǔn)確地提取海天線。通過隨機(jī)抽取50張圖片進(jìn)行測試，精確提取海天線的有48張圖，識別率約為96%；僅通過Hough變換可精確提取海天線的有23張，識別率僅為46%。通過試驗發(fā)現(xiàn)，采用Retinex算法可有效地增強(qiáng)圖像并抑制噪聲的干擾，尤其對水霧、云團(tuán)和煙霧等造成的干擾抑制效果顯著。通過對不同情況下的海天線進(jìn)行檢測，結(jié)果表明，本文的算法具有良好的適應(yīng)性，海天線的提取達(dá)到了理想的效果，為USV目標(biāo)識別、跟蹤及圖像配準(zhǔn)等打下了基礎(chǔ)。

【 參 考 文 獻(xiàn) 】

[1] 劉松濤，沈同圣，韓艷麗，等. 艦船目標(biāo)海天線提取方法研究[J]. 海軍航空工程學(xué)院學(xué)報，2002, 17 (6): 51-53.

[2] 時磊，趙軍，葉宗民. 一種基于直線擬合法的新的海天線檢測方法[J]. 紅外，2011, 32 (8): 25-28.

[3] 梁世花，吳巍，李波，等. 基于Se am Carving的海天線檢測算法[J]. 紅外與激光工程，2013, 42 (10): 2817-2821.

[4] 謝紅，劉玲，劉艷艷. 復(fù)雜海天線區(qū)域檢測算法研究[J]. 應(yīng)用科技，2006, 33 (6): 96-98.

[5] 安博文，胡春暖，劉杰，等. 基于Hough變換的海天線檢測算法研究[J]. 紅外技術(shù)，2015, 37 (3): 196-199.

[6] TANG D, SUN G, NIU Z. Research on infrared ship detection method in sea-sky background[C]//Society of Photo-Optical Instrumentation Engineers. Society of Photo-Optical Instrumentation Engineers (SPIE) Conference Series, 2013: 89072H.

[7] ZOU R B, SHI C C. A sea-sky line identification algorithem based on shearlets for infrared image[J]. Advanced Materials Research, 2013, 846-847: 1031-1035.

[8] 王兵學(xué)，雍楊，霍義華，等. 基于紋理特征分析的海天線檢測方法[J]. 紅外技術(shù)，2013, 35 (1): 42-46.

[9] 李菊霞，余雪麗. 霧天條件下的多尺度Retinex圖像增強(qiáng)算法[J]. 計算機(jī)科學(xué)，2013, 40 (3): 299-301.

[10] 張錚. 數(shù)字圖像處理與機(jī)器視覺[M]. 北京：人民郵電出版社，2010.