PMMW金属目标图像处理与计数技术实现

林晓敏， 聂建英

(福州大学数学与计算机科学学院，福州 350108)

0 引言

被动毫米波(PMMW)成像具有全天时全天候和穿透硝烟战场的工作能力，但PMMW图像的限制是分辨率［1］。当前，国内外大部分有关PMMW成像的文献都集中在成像技术和图像去噪方法的改进上，而关于PMMW图像金属目标自动计数的报告尚稀少，暂未查到。在此背景下，本文首次提出实现金属目标自动计数研究，并给出其具体的实现过程。当大量的PMMW图像目标需要识别时，系统在吻合度高的条件下所耗时间远低于肉眼识别所需时间。

在PMMW图像阈值分割问题上，本文通过比较和分析OTSU法与迭代法的各自算法特点，并结合PMMW图像的噪声特性，最终选用迭代法。最后用Visual C++6.0开发工具实现二值图像连通域像素标记算法，搭建起金属目标个数的计数系统，并对系统的响应时间做了定量分析。经实验分析，系统具有准确性，且响应时间较短，能准确地计算出金属目标个数。本文算法及处理过程可为PMMW金属目标识别和计数系统的研发提供一定的参考价值。尤其当多源信息融合，多图像要识别时，可大大缩短肉眼识别所需的时间，快速判断金属目标个数，赢得军事上的宝贵时间。

1 金属目标探测模型

在探测地面目标时，毫米波辐射计工作原理是根据背景和金属目标的毫米波辐射特性之间的差异来探测目标的。金属目标的表面反射率趋近1，辐射率趋近0，一般地，地面背景辐射率很高，为0.935左右。毫米波辐射计是一种用于测量物体热辐射电磁波信号的灵敏度高的接收机，对天线接收端探测的地面背景温度和金属目标温度进行比较，即可判断目标是否存在。

在探测距离较近的情况下，可不考虑大气衰减效应，接收机接收地面辐射，此时天线附近温度可表示为

式中:θ为入射角;φ为方位角;Δf为接收机的带宽;Pi为极化;εg为地面发射率;εat为大气发射率;Ts为天空的真实温度;Tg为地面的真实温度;Tat为大气的真实温度;ρg为地面发射系数。

当接收机接收金属表面辐射，此时天线附近的温度可表示为

式中，ρt为金属目标的反射系数。

由式(1)和式(2)可得地面和金属目标的温度对比度示为

因金属与地面背景的视在温度差很大，从而判断ΔTt即可检测出地上的金属目标［2］。但目前毫米波所成图像的分辨率还较低，因此需要对图像进行处理，以便进一步分析其特性。

2 PMMW图像二值化及数学形态学处理

2.1PMMW图像二值化

在图像识别系统中，一般都需要对图像进行二值化处理，二值化处理后可对目标图像进行分割和特征提取等操作。二值化过程是通过选取适当的阈值，当灰度值大于或等于阀值时则把该灰度值设为255(白);否则设为0(黑)。图像二值化的关键是阈值的选取，经典的阈值求解算法有OTSU法、迭代法等。

图1a是一幅200～300 m距离处集群坦克的被动毫米波成像图;图1b是基于OTSU算法的图1a的二值化图像，经Matlab编程求得其阈值为0.15686;图1c是基于迭代算法的图1a的二值化图像，经Matlab编程求得其阈值为0.43137。

因PMMW图像副对角区域的概率并不趋向0，而OTSU算法建立在主对角区域的概率和趋向为1的前提下，因此用OTSU算法对PMMW图像进行二值化不够合理，且经Matlab实验处理比较，迭代法能更好区分开目标与背景，故本文选用迭代算法作为PMMW金属目标图像的二值化算法。

图1 PMMW图像及其两种二值化图像Fig.1 PMMW image and two binary images

2.2 二值化后图像的数学形态学处理

数学形态学研究图像几何结构的基本思想是用一个形态结构元素去试探待处理图像，验证能否将此结构元素填充到图像内部。膨胀、腐蚀、开运算和闭运算这4个运算是数学形态学的基础。

图像去噪过程可视为对有用信息进行提取，对无用信息进行过滤的过程，对二值化后的PMMW图像，就是从强噪声背景中提取出金属目标图像，并把噪声去除，以得到贴近实际情况的金属目标图像［3-4］，如图2所示。

图2 PMMW二值化图像的数学形态学处理过程Fig.2 Steps for processing PMMW binary image based on mathematical morphology

处理的具体步骤如下所述。

1)调用Matlab中用于对二值图像进行形态学操作的函数bwmorph，其operation参数选择open，即对读入的二值化后的PMMW图像(图2a)，进行二值开运算，消除噪声，增加边缘线光滑程度，消除较小的突出部分并断开间距狭窄的部分，处理结果如图2b所示。

2)调用Matlab中用于对二值图像进行形态学操作的函数bwmorph，operation参数选择close，即对图2b进行二值闭运算，闭运算增加边缘线光滑程度，但与开运算相反的是，它可以消弥狭窄细长的间断，消除小的孔洞，并填补边缘线中的断裂处，处理结果如图2c所示。

3)调用Matlab中用于对二值图像进行形态学膨胀运算的函数imdilate，为了使得处理结果不产生偏移，这里选取正方形4×4作为结构元素，对图2c进行膨胀处理。膨胀运算使图像扩大，并将一些细小的裂缝连接到一起，修复一些间断的简单结构元素，处理结果如图2d所示。

4)调用Matlab的删除小面积对象的函数bwareaopen，把面积小于100的区域［5］即被膨胀的非目标的噪声点去除掉，bwareaopen函数的conn参数选用8邻域，处理结果如图2e所示。

5)调用Matlab的边缘检测函数edge对图2e进行边缘提取，Matlab中的常用的图像边缘提取算法有:Roberts、Sobel、Prewitt、Canny 等边缘检测算子，经实验分析，Roberts算子提取的边缘较粗糙;Prewitt算子提取的边缘间断点较多;Canny算子和Sobel算子边缘检测抗噪声干扰能力好，对PMMW图像边缘检测效果都较理想。该文选用其一Canny算子对图2e进行边缘提取［6-8］，处理结果如图 2f所示。

3 识别系统的实现及与面积法的比较

3.1 像素标记法

像素标记法是当前使用最广泛的图像标记算法，在经由上到下，由左到右两次扫描之后，即可标记出该图像中符合连通性质的连通区域总数。一般地，背景像素的灰度值为0，目标像素的灰度值为1。注意，对图像进行标记之前，为防止断电或误操作等意外因素对原图像造成损坏，系统设计时另外开辟了一个与原图像的数据大小一样的内存空间来存储标记图像。

像素标记法可分为3个步骤，具体如下所述。

1)读取图像，对图像进行初步标记，即给每个像素临时赋一个标记值，将具有等价关系的标记值进行记录，并写入等价对数组中。

2)对等价对数组进行整理，读取等价对数组后，检查数组中的等价关系，并将等价的数据用最小标记值进行替换，这里的最小标记值即临时标记的等价对数组中的最小者。然后用从1开始的正整数对等价对数组进行重新编号标记。

3)用2)中的重新编号标记值代替1)中的临时标记值，最后输出代换后的图像，输出的图像的连通区域从上到下，从左到右被一个唯一的数所标记。由这些标记数，即可计算出连通区域个数［9］。

像素标记算法的流程如图3所示。

图3 像素标记法流程图Fig.3 Flow chart of pixel labeled arithmetic

3.2 像素标记法实现与准确度测试

根据以上算法，在Windows XP操作系统平台上，用Visual C++6.0开发工具实现以上算法，搭建金属目标识别系统。此系统显示的连通区域个数即是金属目标的个数，系统界面如图4所示。

图4 用户界面Fig.4 User interface

对经上述处理后PMMW图进行测验，识别结果如图5所示。

图5 计数结果Fig.5 Result of counting

注意，图5界面中包含两幅图像，左边是原始的读取的待检测图像，右边是标记图像。识别结果为12个金属目标，这与人眼视觉系统所能从图形上识别到的12个或13个金属有较好的吻合度，验证了此方案金属目标计数的准确性。

3.3 系统性能测试

测试环境配置的主要参数如下:系统为Windows XP SP3;CPU 为 Intel酷睿 i7 2600，主频为3.4 GHz，四核心;显卡为NVIDIA GF104，显存容量为1 G。软件为Matlab 7.0;Microsoft Visual C++6.0。

对一幅PMMW图像测试10次，系统的响应时间结果如表1所示。

表1 次数与时间的关系(1)Table 1 The relation between frequency and time(1)

这10次响应时间的平均值为0.96869 s，可近似认为此平均值即是系统对一幅PMMW图像的处理和计数时间，由表1可以看出此系统的计算量较小，且稳定。

对10幅PMMW图像同时进行处理，系统响应时间如表2所示。

表2 次数与时间的关系(2)Table 2 The relation between frequency and time(2)

所测的10次响应时间的平均值为3.08803 s，可近似认为此平均值即是系统对10幅PMMW图像的处理和计数时间。进一步，用同样方法对100幅PMMW图像进行测试，系统的响应时间约为32.3569 s。

3.4 面积法测试结果及两方法比较

面积法计算目标个数的原理是对分割处理后的图像的目标面积值从小到大进行排序，取其中位数作为平均值，然后用目标图像的总面积除以这个中位数，从而计算出图像中目标的个数。用该方法对该文的PMMW图像进行测试，处理的结果约为17.6个目标，这与真实情况的12或13个目标有很大的误差，且面积法要求PMMW图像的成像距离固定不变［10］。距离一发生变化就必须重新设定参数，否则误差会很大。像素标记法不用考虑距离是否发生变化，因此像素标记法适用条件更宽泛。

所以本文认为像素标记法更能合理有效计算出PMMW金属目标个数，面积法造成误差大的原因很大程度是PMMW图像自身分辨率低的特点导致的。面积法计数更适合图像清晰度高、目标成像均匀的图像。

4 结束语

本文在PMMW图像分辨率低、图像噪声强的条件下，用数学形态学方法对其进行去噪处理，并用Visual C++6.0开发工具搭建起金属目标自动计数系统，并用面积法与像素标记法进行比较。实验表明，像素标记法能合理有效计算出PMMW图像中金属目标个数，有利于军事上快速做出军事决策，赢得现代军事电子对抗时争分夺秒的宝贵时间，这在军事上无疑是至关重要的。同时本文算法可为今后PMMW金属目标识别并自动计数系统的研发和完善提供一定的参考。

［1］聂建英，李兴国，娄国伟.PMMW装甲目标小波包分析与辐射特性研究［J］.电光与控制.2011，18(3):72-75.

［2］宋建军，童力，陈旭锋.利用毫米波辐射计探测金属目标的研究［J］.现代电子技术，2010，19:47-53.

［3］RAFAEL C G,RICHARD E W.Digital image processing［M］.2nd ed.Publishing house of electronics industry,2003.

［4］倪维平，严卫东，边辉，等.基于MRF模型和形态学运算的 SAR图像分割［J］.电光与控制，2011，18(1):32-36.

［5］李凯永，何友金，张鹏，等.地面红外目标图像识别方法研究［J］.电光与控制，2009，16(3):71-74.

［6］赵继印，徐艳蕾，焦玉斌.基于顺序形态学的图像边缘检测快速算法的研究［J］.电子学报，2008，36(11):2195-2199.

［7］LUENGO-OROZ M A,ANGULO J.Cyclic mathematical morphology in polar-logarithmic representation［J］.Trans Image Process,IEEE,2009,18(5):1090-1096.

［8］KIM J,GRAUMAN K.Asymmetric region-to-image matching for comparing images with generic object categories［C］//Proceedings of International Conference on Computer Vision and Pattern Recognition.San Francisco:IEEE,2010:2344-2351.

［9］王安静，陈玲，宋建永，等.用VC++实现图像连通区域标记［J］.电脑编程技巧与维护，2003(1):74-77.

［10］左欣，韩斌，程嘉林.基于数字图像处理的植物叶面积测量方法［J］.计算机工程与应用，2006，42(27):194-197.