一種面向復(fù)雜sar圖像場景的溢油檢測方法
【專利摘要】本發(fā)明公開了一種面向復(fù)雜SAR圖像場景的溢油檢測方法，屬于目標(biāo)檢測與識別【技術(shù)領(lǐng)域】。包括以下步驟：一，讀入檢測圖像；二、對檢測圖像進(jìn)行圖像分割，提取出暗斑，處理后得到亮海暗斑圖像；三，在亮海暗斑圖像中，將除暗海區(qū)域外的部分置0或1，獲得暗海圖像，對于暗海圖像進(jìn)行圖像分割，提取出暗斑，處理后得到暗海暗斑圖像；第四步，將暗海暗斑圖像中的暗斑加入到亮海暗斑圖像中，得到全暗斑圖像，剔除虛假暗斑，獲得部分暗斑圖像；第五步，根據(jù)部分暗斑圖像設(shè)定參考灰度級，對去噪處理后的檢測圖像進(jìn)行遺漏檢索，獲得遺漏暗斑，將遺漏暗斑加入到部分暗斑圖像中，獲得最終的溢油暗斑圖像。本發(fā)明適用于復(fù)雜場景的溢油暗斑提取。
【專利說明】—種面向復(fù)雜SAR圖像場景的溢油檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種面向復(fù)雜SAR圖像場景的溢油檢測方法，屬于目標(biāo)檢測與識別【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]對于海面溢油，通常使用合成孔徑雷達(dá)SAR對海面探測，獲得SAR圖像，由于油膜改變了海水表面張力和粗糙度，使海表面變得更加光滑，從而導(dǎo)致SAR接收到的后向散射回波減小，使油膜在SAR圖像的灰度級低于周圍海水背景的灰度級。
[0003]因此通過SAR圖像進(jìn)行溢油檢測現(xiàn)有的方法主要是利用其灰度和形態(tài)學(xué)特征，利用溢油在SAR圖像上的成像特點進(jìn)行探測，不同算法所選取的特征和分類方法不盡相同。
[0004]傳統(tǒng)的利用SAR圖像進(jìn)行溢油檢測算法往往都是基于簡單理想場景的，如:無復(fù)雜目標(biāo)的海面、不含陸地的海面等等。針對簡單的場景這些算法可以取得較好的效果，而復(fù)雜場景因為其所含地物不明確、各種地物灰度特征不顯著等原因，這些算法并不能得到理想的檢測效果。
[0005]但實際中，往往都是基于復(fù)雜場景的應(yīng)用，如包括陸地在內(nèi)的大幅SAR圖像場景。在這種基于復(fù)雜場景的大幅SAR圖像中，由于地物的復(fù)雜性，會存在一些疑似溢油的現(xiàn)象，非常容易發(fā)生錯判。例如:低風(fēng)區(qū)、某些生物油膜和船的尾跡，這些在SAR圖像上都表現(xiàn)為較低的灰度值。于是，針對復(fù)雜SAR圖像場景的溢油算法變得亟待解決。

【發(fā)明內(nèi)容】

[0006]本發(fā)明提供了一種面向復(fù)雜SAR圖像場景的溢油檢測方法，能夠全面、準(zhǔn)確地提取海洋溢油暗斑，并且防止漏檢效果較好，適用于復(fù)雜場景的海洋溢油檢測。
[0007]為達(dá)到上述目的，本方法具體包括以下步驟:
[0008]第一步，讀入檢測圖像，檢測圖像為任意大小、任何復(fù)雜場景的海洋SAR圖像；
[0009]第二步，從檢測圖像中提取亮海暗斑，獲得亮海暗斑圖像:
[0010]對檢測圖像進(jìn)行去噪處理，提取去噪后的檢測圖像的灰度直方圖并統(tǒng)計，找到一次分割的閾值并進(jìn)行圖像分割，提取出檢測圖像中的暗斑區(qū)域，對該暗斑區(qū)域進(jìn)行形態(tài)學(xué)處理獲得亮海暗斑，由亮海暗斑組成亮海暗斑圖像；
[0011]第三步，從亮海暗斑圖像中提取暗海暗斑，獲得暗海暗斑圖像:
[0012]對亮海暗斑圖像進(jìn)行連通域標(biāo)記并統(tǒng)計連通域的特征，根據(jù)連通域特征找到暗海區(qū)域，將非暗海區(qū)域的像素置“I”或“0”，獲得暗海圖像，對于暗海圖像進(jìn)行灰度直方圖統(tǒng)計，找到一次分割的閾值并進(jìn)行圖像分割，提取出暗海圖像中的暗斑區(qū)域，對該暗斑區(qū)域進(jìn)行形態(tài)學(xué)處理，獲得暗海暗斑圖像；
[0013]第四步，從暗海暗斑圖像中剔除非暗斑，獲得部分暗斑圖像:
[0014]使用暗海暗斑圖像中的暗斑代替亮海暗斑圖像中的暗海區(qū)域，得到全暗斑圖像，對全暗斑圖像進(jìn)行連通域標(biāo)記并統(tǒng)計連通域特征，根據(jù)連通域特征剔除非暗斑，獲得部分暗斑圖像；
[0015]第五步，從部分暗斑圖像中檢索遺漏暗斑，獲得溢油暗斑圖像，實現(xiàn)溢油檢測:
[0016]統(tǒng)計部分暗斑圖像中所有暗斑的灰度均值，設(shè)定參考灰度級低于該灰度均值的灰度級，則在去噪處理后的檢測圖像中，灰度級低于參考灰度級的區(qū)域即為遺漏區(qū)域，對于遺漏區(qū)域進(jìn)行濾波和形態(tài)學(xué)處理，獲得遺漏暗斑，將遺漏暗斑加入到部分暗斑圖像中，獲得最終的溢油暗斑圖像。
[0017]較優(yōu)地，第二步中采用均值下采樣法進(jìn)行去噪處理，具體為:假設(shè)檢測圖像大小為NXN，均值下采樣采用nXn均值，其中N為η的整數(shù)倍，則將檢測圖像分為多個nXn大小的圖像塊，對于每個圖像塊，計算該圖像塊中所有像素的灰度值的均值，則該圖像塊中所有像素的灰度值均使用該均值代替，獲得去噪后的檢測圖像。
[0018]較優(yōu)地，第二步中一次分割閾值的選取采用最大類間方差法，具體為:對檢測圖像中所有像素進(jìn)行分類，找到一種使類與類之間的方差達(dá)到最大、而本類內(nèi)的像素的方差最小的分類方式，根據(jù)該分類方式確定分割兩類的閾值即為一次分割閾值；第二步中形態(tài)學(xué)處理具體為:對于分割后的檢測圖像進(jìn)行一次膨脹腐蝕，將一次膨脹腐蝕后的檢測圖像反色后再進(jìn)行二次膨脹腐蝕。
[0019]進(jìn)一步地，第四步中根據(jù)圖像分辨率和溢油的實際大小特征設(shè)定暗斑剔除規(guī)則。
[0020]有益效果:
[0021](I)本方法對于復(fù)雜SAR圖像場景進(jìn)行了兩次暗斑提取:第一次為亮海暗斑提取，其中暗海區(qū)域淹沒在其中的某些暗斑難以分辨出來，于是進(jìn)行第二次暗海暗斑提取。本發(fā)明通過兩次暗斑提取，最大程度地提取出了所有可能的溢油暗斑，因此適用于對復(fù)雜SAR圖像進(jìn)行處理，保證了復(fù)雜場景中所有暗斑都能夠被提取出來，具有一定的準(zhǔn)確性。
[0022](2)本發(fā)明采用了非暗斑剔除規(guī)則，能夠進(jìn)一步減少虛警，剔除非暗斑繼而提高檢測的準(zhǔn)確性。
【專利附圖】

【附圖說明】
[0023]圖1為本發(fā)明面向復(fù)雜SAR圖像場景的溢油檢測方法的流程圖；
[0024]圖2為亮海暗斑圖像；
[0025]圖3為暗海暗斑圖像；
[0026]圖4為全暗斑圖像；
[0027]圖5為部分暗斑圖像；
[0028]圖6為最終的溢油暗斑圖像。
【具體實施方式】
[0029]下面結(jié)合附圖并舉實施例，對本發(fā)明進(jìn)行詳細(xì)描述。
[0030]本發(fā)明提供了一種面向復(fù)雜SAR圖像場景的溢油檢測方法，其基本思想是:丟掉一次性分割獲取暗斑的方法，采用多次、分層次的手段，逐步遞進(jìn)的提取暗斑并進(jìn)行剔除。這樣做有很多好處:第一，通過對暗斑的灰度特征的分析，分為亮海與暗海兩部分進(jìn)行暗斑提取，降低漏檢的可能性；第二，利用已檢測到的暗斑，進(jìn)一步提取潛在的可能暗斑；第三，建立非暗斑剔除規(guī)則，剔除明顯不符合溢油暗斑特性的暗斑。使用該方法能夠更全面、更準(zhǔn)確地檢測海洋溢油。
[0031]該面向復(fù)雜SAR圖像場景的溢油檢測方法，如圖1所示，包括以下步驟:
[0032]第一步，讀入檢測圖像，檢測圖像可以是任意大小、任何復(fù)雜場景的海洋SAR圖像。
[0033]第二步、從檢測圖像中提取亮海暗斑，獲得亮海暗斑圖像:
[0034]由于油膜在SAR圖像的灰度級低于周圍海水背景的灰度級，因此在該步驟中提取亮海暗斑:
[0035]對檢測圖像進(jìn)行去噪處理，提取去噪后的檢測圖像的灰度直方圖并統(tǒng)計，找到一次分割的閾值并進(jìn)行圖像分割，提取出檢測圖像中的暗斑區(qū)域，對該暗斑區(qū)域進(jìn)行形態(tài)學(xué)處理，獲得亮海暗斑圖像。此處的亮海暗斑圖像是對檢測圖像的一次提取，亮海暗斑圖像中的暗斑包括真實溢油暗斑、虛假溢油暗斑和暗海區(qū)域。本實施例中獲得的亮海暗斑圖像如圖2所示，圖中同樣示出了可能的真實溢油暗斑、虛假溢油暗斑和暗海區(qū)域。
[0036]本實施例中，采用均值下采樣法進(jìn)行去噪處理，具體為:假設(shè)檢測圖像大小為NX N，均值下采樣采用η X η均值，其中N為η的整數(shù)倍，則將檢測圖像分為多個η X η大小的圖像塊，對于每個圖像塊，計算該圖像塊中所有像素的灰度值的均值，則該圖像塊中所有像素的灰度值均使用該均值代替，由此達(dá)到去噪的目的。均值下采樣法不僅可以去除噪聲，還可以將圖像進(jìn)行數(shù)據(jù)壓縮，減少數(shù)據(jù)量，便于后續(xù)的實時快速處理。
[0037]本實施例中，一次分割閾值的選取采用最大類間方差法，具體為:對檢測圖像中所有像素進(jìn)行分類，找到一種使類與類之間的方差達(dá)到最大、而本類內(nèi)的像素的方差最小的分類方式，根據(jù)該分類方式確定分割兩類的閾值即為一次分割閾值。
[0038]本實施例中，所使用的形態(tài)學(xué)處理具體為:對于分割后的檢測圖像進(jìn)行一次膨脹腐蝕，則能夠?qū)⒁缬秃桶岛＿M(jìn)行區(qū)分，將一次膨脹腐蝕后的檢測圖像反色后再進(jìn)行二次膨脹腐蝕，目的是將不連通的孔洞進(jìn)行填充，便于后續(xù)處理。
[0039]第三步，從亮海暗斑圖像中提取暗海暗斑，獲得暗海暗斑圖像:
[0040]對第二步所獲得的亮海暗斑圖像進(jìn)行連通域標(biāo)記并統(tǒng)計連通域的特征，根據(jù)連通域特征找到暗海區(qū)域，由于暗海一般覆蓋范圍較大，可以根據(jù)圖像上連通域的面積的大小及圖像的分辨率計算該連通域所代表的區(qū)域?qū)嶋H面積的大小，若面積較大則判斷為暗海區(qū)域。將上述亮海暗斑圖像中的非暗海區(qū)域的像素置“I”或“0”，獲得暗海圖像，對于暗海圖像，找到一次分割的閾值并進(jìn)行圖像分割，提取出暗海圖像中的暗斑區(qū)域，對該暗斑區(qū)域進(jìn)行形態(tài)學(xué)處理，獲得暗海暗斑圖像。
[0041]本實施例中獲得的暗海暗斑圖像如圖3所示，圖中虛線框示出了暗海區(qū)域，虛線框中暗斑即為暗海暗斑。
[0042]第四步，從暗海暗斑圖像中剔除非暗斑，獲得部分暗斑圖像:
[0043]使用暗海暗斑圖像中的暗斑代替亮海暗斑圖像中的暗海區(qū)域，得到全暗斑圖像，如圖4所示，該全暗斑圖像集合了亮海暗斑圖像與暗海暗斑圖像中的所有暗斑。
[0044]對全暗斑圖像進(jìn)行連通域標(biāo)記并統(tǒng)計連通域特征，根據(jù)圖像分辨率以及各連通域在圖像上的大小來計算連通域所指示的區(qū)域的實際大小，根據(jù)溢油的實際特征設(shè)定非暗斑剔除規(guī)則，即設(shè)定溢油暗斑的特征面積范圍，處于該特征面積范圍之外的暗斑屬于非暗斑，按照非暗斑剔除規(guī)則將非暗斑剔除，即剔除那些處于特征面積范圍之外的暗斑，獲得部分暗斑圖像。
[0045]本實施例中獲得部分暗斑圖像如圖5所示，與圖4相比，較小的暗斑均被剔除。
[0046]第五步，遺漏暗斑檢索，簡稱檢漏:
[0047]統(tǒng)計部分暗斑圖像中所有暗斑的灰度均值，設(shè)定參考灰度級低于該灰度均值的灰度級，則在去噪處理后的檢測圖像中，灰度級低于參考灰度級的區(qū)域即為遺漏區(qū)域，對于遺漏區(qū)域進(jìn)行濾波和形態(tài)學(xué)處理，獲得遺漏暗斑，將遺漏暗斑加入到部分暗斑圖像中，獲得最終的溢油暗斑圖像。
[0048]本實施例中，經(jīng)過多次試驗驗證，發(fā)現(xiàn)設(shè)定參考灰度級為低于灰度均值10個灰度級時可以獲得較好的檢漏效果。
[0049]上述濾波和形態(tài)學(xué)處理是為了使得候選區(qū)域更加符合溢油特征。
[0050]濾波可以采用中值濾波等處理方法，其主要目的是去除孤立的、點狀、大小為幾個像素的等較小的候選區(qū)，排除虛警。
[0051]形態(tài)學(xué)處理類似于第三步，只不過在前要加入膨脹腐蝕操作。膨脹腐蝕的目的是將較小的孔洞進(jìn)行填充，為下面的連通域標(biāo)記和剔除做準(zhǔn)備。
[0052]將遺漏暗斑加入到全暗斑圖像中，獲得最終的溢油暗斑圖像。本實施例中最終的溢油暗斑圖像如圖6所示，圖中同時示出了遺漏暗斑。
[0053]綜上所述，以上僅為本發(fā)明的較佳實施例而已，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【權(quán)利要求】
1.一種面向復(fù)雜SAR圖像場景的溢油檢測方法，其特征在于，該方法包括以下步驟: 第一步，讀入檢測圖像，檢測圖像為任意大小、任何復(fù)雜場景的海洋SAR圖像； 第二步，從檢測圖像中提取亮海暗斑，獲得亮海暗斑圖像: 對檢測圖像進(jìn)行去噪處理，提取去噪后的檢測圖像的灰度直方圖并統(tǒng)計，找到一次分割的閾值并進(jìn)行圖像分割，提取出檢測圖像中的暗斑區(qū)域，對該暗斑區(qū)域進(jìn)行形態(tài)學(xué)處理獲得亮海暗斑，由亮海暗斑組成亮海暗斑圖像； 第三步，從亮海暗斑圖像中提取暗海暗斑，獲得暗海暗斑圖像: 對亮海暗斑圖像進(jìn)行連通域標(biāo)記并統(tǒng)計連通域的特征，根據(jù)連通域特征找到暗海區(qū)域，將非暗海區(qū)域的像素置“ I”或“O”，獲得暗海圖像，對于暗海圖像進(jìn)行灰度直方圖統(tǒng)計，找到一次分割的閾值并進(jìn)行圖像分割，提取出暗海圖像中的暗斑區(qū)域，對該暗斑區(qū)域進(jìn)行形態(tài)學(xué)處理，獲得暗海暗斑圖像； 第四步，從暗海暗斑圖像中剔除非暗斑，獲得部分暗斑圖像: 使用所述暗海暗斑圖像中的暗斑代替亮海暗斑圖像中的暗海區(qū)域，得到全暗斑圖像，對全暗斑圖像進(jìn)行連通域標(biāo)記并統(tǒng)計連通域特征，根據(jù)連通域特征剔除非暗斑，獲得部分暗斑圖像； 第五步，從部分暗斑圖像中檢索遺漏暗斑，獲得溢油暗斑圖像，實現(xiàn)溢油檢測: 統(tǒng)計部分暗斑圖像中所有暗斑的灰度均值，設(shè)定參考灰度級低于該灰度均值的灰度級，則在去噪處理后的檢測圖像中，灰度級低于參考灰度級的區(qū)域即為遺漏區(qū)域，對于遺漏區(qū)域進(jìn)行濾波和形態(tài)學(xué)處理，獲得遺漏暗斑，將遺漏暗斑加入到部分暗斑圖像中，獲得最終的溢油暗斑圖像。
2.如權(quán)利要求1所述的一種面向復(fù)雜SAR圖像場景的溢油檢測方法，其特征在于，所述第二步中采用均值下采樣法進(jìn)行去噪處理，具體為:假設(shè)檢測圖像大小為NXN，均值下采樣采用nXn均值，其中N為η的整數(shù)倍，則將檢測圖像分為多個nXn大小的圖像塊，對于每個圖像塊，計算該圖像塊中所有像素的灰度值的均值，則該圖像塊中所有像素的灰度值均使用該均值代替，獲得去噪后的檢測圖像。
3.如權(quán)利要求1所述的一種面向復(fù)雜SAR圖像場景的溢油檢測方法，其特征在于，所述第二步中一次分割閾值的選取采用最大類間方差法，具體為:對檢測圖像中所有像素進(jìn)行分類，找到一種使類與類之間的方差達(dá)到最大、而本類內(nèi)的像素的方差最小的分類方式，根據(jù)該分類方式確定分割兩類的閾值即為一次分割閾值； 所述第二步中形態(tài)學(xué)處理具體為:對于分割后的檢測圖像進(jìn)行一次膨脹腐蝕，將一次膨脹腐蝕后的檢測圖像反色后再進(jìn)行二次膨脹腐蝕。
4.如權(quán)利要求1所述的一種面向復(fù)雜SAR圖像場景的溢油檢測方法，其特征在于，所述第四步中根據(jù)圖像分辨率和溢油的實際大小特征設(shè)定暗斑剔除規(guī)則。
【文檔編號】G06K9/54GK103488992SQ201310382104
【公開日】2014年1月1日 申請日期:2013年8月28日 優(yōu)先權(quán)日:2013年8月28日
【發(fā)明者】畢福昆, 李軍霞, 陳禾, 陳亮 申請人:北京理工大學(xué)