面向海上目标的海陆分离方法研究

刘思彤，程 红，孙文邦，于 光

（空军航空大学 航空航天情报系，吉林 长春 130022）

面向海上目标的海陆分离方法研究

刘思彤，程 红，孙文邦，于 光

（空军航空大学 航空航天情报系，吉林 长春 130022）

随着信息技术的发展，越来越多的国家将关注焦点放在海洋上。快速有效地将海洋与陆地分离对实现海上目标解译、目标检测、识别与提取以及场景理解等具有重要的作用。首先介绍了海陆分离的重要意义和主要内容，在总结各海陆分离方法的基础上将其分为基于先验信息的海陆分离和基于图像特征差异的海陆分离两大类；然后对各方法进行了系统的综述并进行对比分析，指出存在的一些问题；最后给出了总结和展望。

海上目标分析；海陆分离；先验信息；图像特征

随着科技水平的提高和信息化战争的发展，越来越多的国家开始将国防力量的建设放在海洋上，如建造航母、组建航母编队、在远海组织舰队演练等。他们希望利用海上力量的建设与发展提高综合国力，维护自己的海洋权益和领海安全，争夺更多的利益，不断走向实施海洋战略的道路。在这样的形势下，对我国而言，拥有广阔的海域和众多岛屿，近年来海洋安全形势十分严峻，时刻威胁着我国的领海主权和国防安全。而海上舰船尤其是航母和军舰等具有侦察和打击能力的重要战略目标，作为实施海洋战略的重要载体，担负着海上作战、侦察、打击和搜救等重大任务，对于确保取得军事行动的成功起到重要作用，对其进行检测与监视关系到国家的安全和发展利益[1-3]。但由于遥感影像的范围较广，常常有陆地区域存在或以其为背景，影响了对海上目标的直接检测与分析，这时就需要进行海陆分离。

海陆分离，也称陆地掩模，是舰船检测的前提和基础，目的是将遥感图像中的陆地区域进行遮蔽或移除，使得后续工作仅作用于海洋区域而对陆地区域不作任何处理。一方面，去除陆地地物带来大量的虚警，使得后期舰船目标辨识和分析的工作量缩小；另一方面，减少处理图像的大小，减少多余的计算量，提高计算速度。高效快速的海陆分离有助于从海量遥感数据中快速准确地自动检测和提取舰船目标，能够为海上情报信息的获取争取时间，并提供有效的保证。因此，开展对遥感图像中海陆分离的研究具有重要意义。本文在对比分析各种海陆分离方法的基础上，对各种方法进行分类和总结，并指出目前存在的问题和进一步发展方向。

1 海陆分离方法分类

目前，针对海陆分离的研究主要用于海岸线提取和港口目标检测，根据分割信息获取方式的不同，分为基于先验信息的海陆分离和基于图像特征差异的海陆分离。

1.1 基于先验信息的海陆分离

当有空间地理信息、海岸线或港口背景图像等先验信息时，可借助这些信息来实现海陆分离。欧盟联合研究中心（JRC）的VDS系统和英国的Qinetiq开发的海洋监视工具（Maritime Surveillance Tool，MaST）利用海岸线数据库来实现陆地隔离；德国的Definiens利用eCognition软件和GIS数据进行海陆分离；挪威国防研究中心的K.Eldhuset等人提出通过精确像素定位算法和数字地形模型区分陆地和海洋；有学者将港口轮廓以模板的形式预先存储起来，通过模板匹配实现海陆分离。利用先验信息指导海陆分离是一种直接并且有效的方法，但对于这类方法而言，先验信息的获取是实现海陆分离的前提，待处理图像与先验信息的配准是实现海陆分离的基础，因此分割效果受先验信息的准确性和配准的精确度两方面影响较大，可能需要对结果进一步修正，结果如图1所示。

1.2 基于图像特征差异的海陆分离

当先验信息缺失或不易获取时，多采用基于图像特征差异的海陆分离。该首先利用海洋与陆地之间的灰度、纹理或其他特征差异对陆地和海洋进行初始分割，形成陆地和海洋两大区域，再针对分割后形成的孤立区域进行区域划分和消除。

图1 基于模板匹配的海陆分离Fig.1 Sea-land segment based on template matching

1.2.1 初始分割

初始分割首先将海洋和陆地进行初步分离，再配合形态学运算形成陆地和海洋两大区域。主要包括基于阈值的方法、基于边缘检测的方法和基于区域的方法。

1）基于阈值的方法

阈值法利用陆地与海洋的灰度或纹理差异进行分割，关键在于分割阈值的确定。根据阈值选取方法的不同可分为点阈值法、区域阈值法、局部阈值法和多阈值法。

①点阈值法

该方法主要利用海面与陆地的灰度差异进行分割，它根据某种只与点的灰度值有关的测度准则确定分割阈值，从而将海洋和陆地分开。阈值的选取方法有很多，如直方图谷底法[3]、统计判决法（最小误差判别法）[4]、Otsu 法（最大类间方差法）、迭代自动阈值法、自适应阈值法等。下面简单对常用的Otsu法、直方图谷底法和迭代法进行介绍。

Otsu法（最大类间方差法）是由Otsu于1978年提出的，以其计算简单、稳定有效，一直广为使用，在其基础上又出现了许多改进算法。从模式识别的角度看，最佳阈值应当产生最佳的目标类与背景类的分离性能，此性能我们用类间方差来表征：

其中，σ2为两类间方差，Wa为A类占图像的比例，μa为A类灰度均值，Wb为B类占图像的比例，μb为B类灰度均值，μ为图像总体平均灰度。从最小灰度值到最大灰度值遍历T，使得两类总方差σ2（T）取最大值的T，即为最佳分割阈值。Otsu法选取出来的阈值非常理想，对各种情况的表现都较为良好。此方法也有其缺陷，当图像中目标与背景的大小之比很小时方法失效。虽然它不是最佳的分割，但分割质量具有一定保障，可以说是最稳定的分割，因而是目前最常用的方法。

直方图谷底法认为图像有前景和背景 （不同的灰度级）两部分组成，图像的直方图出现两个分离的峰值，在双峰之间的谷底就是比较合理的图像分割阈值。但是实际的直方图是离散的，往往十分粗糙、参差不齐，且前景与背景图像灰度差不明显，特别是当有噪声干扰时，有可能呈现单峰或形成多个谷底，从而难以用既定的算法，实现对不同类型图像直方图谷底的搜索。

自动迭代法是对直方图谷底法的改进，它首先选择一个近似阈值T（一般选取图像中最大亮度值与最小亮度值的中间值），将图像分割成 R1和 R2，计算两区域的均值 μ1和 μ2，选择新的阈值 T=（μ1+μ2）/2， 重复上述步骤直到 μ1和 μ2不再变化。利用上述方法再辅以形态学运算得到的陆地区域如图2。

图2 点阈值法Fig.2 Point threshold

②区域阈值法

该方法主要根据海域与陆地区域中的点与其局部邻域灰度特征差异进行分析。常用的方法有区域方差、区域直方图、统计分类阈值法。周静等以区域方差作为区域纹理特性进行十字形方差直方图（图3（a））统计计算分割门限，增加了局部纹理信息；肖利平等利用对角线上的像素灰度方差值（图3（b））来统计直方图，加快了计算速度，更好地体现了像素灰度的变化[5]；李文武、沈叶健等利用灰度统计分布信息确定分割阈值，从统计学角度获取分割阈值实现海陆分离，但计算量较大。以上方法对灰度差异较大的图像分割效果较好，对灰度相近的陆地区域效果不佳。

图3 区域阈值统计模板Fig.3 Model of region threshold

③局部阈值法和多阈值法

当图像中存在阴影，照度不均匀，对比度不同等情况时，只用一个固定的全局阈值对整幅图像进行分割，会因为不能兼顾图像各个部分的情况而使分割效果受到影响。这时可以采用与像素位置相关的一组阈值来对图像各部分分别进行分割，这种与坐标相关的阈值也叫动态阈值或变化阈值。该类方法的时间和空间复杂性比较大，但是抗噪能力强，对一些用全局阈值不易分割的图像有较好的效果。

如果图像中含有占据不同灰度级区域的几个目标，则需要使用多个阈值才能将它们分开。其实多阈值分割，可以看作单阈值分割的推广，前面讨论的大部分阈值化技术，诸如Otsu法，最大熵法和最小误差法等都可以推广到多阈值的情形，这里不详细介绍。

2）基于边缘检测的方法

基于边缘检测的方法利用梯度信息进行海陆分离。李琨、蔡姝、荆浩等利用Canny算子提取梯度信息并辅以形态学运算进行海陆分离，对于平坦纹理区域效果不佳；ZHOU H等利用sobel算子提取梯度；贺鹏飞等利用krisch算子提取梯度信息，在此基础上进行二维Otsu处理实现分割。此类方法对复杂陆地区域分割效果好，对平坦纹理区域不适用，选取两组图像进行实验结果如图 。从图中可以看出，还存在许多孤立区域，影响了海陆分割的效果。

图4 基于边缘检测的海陆分离Fig.4 Sea-land segment based on edge detection

3）基于区域的方法

主要是区域生长法，关键是种子点的自动选取、生长准则和阈值的确定。沈叶健等先利用梯度直方图阈值法选取种子点，再根据灰度差法进行区域增长[6]；谢明鸿、尤晓建分别利用像素值统计信息和水域经纬度信息定位种子点，再基于不断更新的区域均值、方差和阈值进行增长约束，具有精确地分割结果和稳定性。此类方法原理简单，但对种子点的选取要求较高且对噪声敏感，容易导致欠分割或错误的合并。

此外，监督分类法通过样本选择、图像分类实现水陆分离。Ryan等将神经网络算法引入陆地和水体的遥感分类，朱小鸽利用神经网络分类算法成功完成海陆分离，朱长明等借助阈值自动选择样本，再利用特征分类器实现海陆的精确分离。

1.2.2 孤立区域去除

对于海面平静、陆地与海洋特征差异明显和陆地内部特征分布均匀的情况，仅进行初始分割就能实现陆地的较好分割，但对于较为复杂的情况就需要进行孤立区域的消除，如图4（c）和（f）。在去除孤立区域之前，首先要将孤立区域分类，确定该区域属于海洋还是陆地，然后根据孤立区域所属类别将其擦除或合并，得到最终海陆分离结果，部分实验结果如图5所示。

图5 最终分割结果Fig.5 Final segment result

1）像素标记法

主要统计孤立区域的像素个数或面积信息，将其作为分类依据进行区域划分。由于陆地区域较大，所占面积也较大，一般根据先验信息设定阈值进行筛选。该方法计算简单，但由于图像各不相同，阈值设定需根据图像而定，因而适用性不强；肖利平等利用区域扩张法搜索并标记孤立区域，对孤立区域中的点逐个进行扫描并标记，再根据图像面积和分辨率设定阈值判定孤立区域并赋予该类背景色。该方法无须借助形态学运算就能够实现水陆的精细分割，但计算量较大。

2）区域距离法

瞿继双等[8]提出利用区域距离来准确判定孤立区域的属性，进而实现分割。设某邻域模式下的不连通区域分别为A1，A2，定义 A1，A2之间的距离为：

其中，d（·，·）为像素点之间的 Euclidean 距离，P1，P2分别为区域A1，A2中的任意像素点，c为像素之间的邻域连接模式，一般取4或8邻域。

设定区域距离阈值T1，T2，将孤立区域Aiso划分为内陆孤立区域Aiso_Cont，外海孤立区域Aiso-Sea以及沿海岸线孤立区域Aiso_Con。设定区域距离阈值则孤立区域Aiso划分如下：

其中，T（s）Open，T（s）Close分别为形态学开、闭运算的面积阈值。该方法具有较好的判定和去除效果，但对于沿海岸线的孤立区域不适用，还需进一步分析。

3）梯度密度法

李琨等在边缘检测的基础上，利用线密度和面密度判定及擦除孤立区域。首先利用线密度和面密度划分主体海域和陆地：当区域面积A1＞θA且区域面梯度密度ρA1＞GA时，区域A1为主体陆地；反之，当区域面积A1＞θA且区域面梯度密度

其中，Amain_Sea和Amain_Cont分别为主体海域和主体陆地。

在确定了孤立区域的属性之后就要对其进行去除。对于二值图像I中孤立区域Aiso，设s（·）为同一灰度值连通区域面积算子，则有：ρA1＜GA时，区域A1为主体海域。再将孤立区域划分如下：

其中，Ts是设定的面积阈值。该方法能充分利用图像的梯度信息，降低了噪声的影响，但对梯度特征差异不明显的区域判定效果不好。

4）纹理聚类法

有学者分析，海岸附近的阴影、植被等低亮度因素是影响海陆分割结果的主要因素，这些区域同样具有平坦特性，但在纹理上与海面区域有较大差别，因而可以利用纹理特征对其进行判别和剔除。潘文卿、蔡姝等利用图像的中值和等灰度游程信息，将传统的共生矩阵统计信息模糊化，并将其与明确的灰度游程信息相结合来提取纹理特征，然后对特征进行聚类，实现不同纹理的分类。该方法对分布平坦的纹理有很好的分类效果，但不适用于复杂地物的分类，对灰度差较小且纹理相近的海陆图像不适用，且纹理计算复杂度高。

以上方法主要是基于图像的二维分析实现的，近年来也出现了基于图像三维重建信息实现海陆分离的方法，利用明暗变化信息来重建图像海拔信息，再结合形态学滤波和动态阈值分割算法划分陆地和海洋区域。

1.3 海陆分离方法对比与分析

在对目前常用的海陆分离方法进行分类的基础上，对方法进行对比与分析，对各方法的优势与不足进行总结。

目前，海陆分离大致分为基于先验信息的海陆分离和基于图像特征差异的海陆分离两大类。基于先验信息的方法的海陆分离方法，能利用先验信息快速的配准港口和岛屿轮廓，将陆地与海洋分离，但受先验信息的准确性和配准的精确度两方面影响较大。在没有先验信息的情况下，一般采用基于图像特征差异的方法进行海陆分离，又分为初始分割和孤立区域去除两个部分。1）初始分割：阈值处理法的优势是计算简单，运算效率高，稳定性好，但当海况复杂时，受海浪和海面灰度分布影响，分割效果不理想；边缘检测法具有较好的分割效果和适用性，且处理速度较快，但与阈值法相同，当海况复杂时，受海浪和海面灰度分布影响，分割效果不稳定；区域生长法算法简单，易于实现，但不能实现自动化且对噪声敏感，计算量大；监督分类法精度较高，但需要人工干预选择样本；2）孤立区域去除：像素标记法算法简单，计算速度快，应用最多，但针对不同图像适用性不强；区域距离法对内部区域分割效果较好，对海岸线边缘不适用；梯度密度法能充分利用陆地区域梯度信息，但对平坦纹理区域不适用；纹理聚类法在纹理差异大的图像中分割效果好，但未考虑灰度信息，且计算复杂度高。

2 存在的问题与发展趋势

1）虽然目前的海陆分离方法很多，但至今还没有找到对所有图像都很有效的分割算法。分割效果好的方法，大多是在对图像进行分析的基础上得到的。寻找适应性更强，针对性范围更广的海陆分离方法是图像智能化分割的发展趋势。

2）目前的大多数海陆分离方法中，大多数方法会将靠岸舰船与港口归为一类，只有基于先验信息的方法能将其与陆地隔离开，这样对舰船的检测就需要分海上和陆地两部分进行，降低了检测效率。在未来的研究中，可以考虑直接在海陆分离算法中分离靠岸舰船与港口。

3）利用单一特征的海陆分离方法受成像条件、地物特征等方面的影响，分割效果不是很理想。可以考虑将多特征进行融合，共同作用于海洋与陆地的分离，提高分割效率和分割准确性。

3 结束语

在包含陆地或岛屿的遥感图像[9]中，海陆分离是检测与识别海上目标的前提和基础，快速准确的海陆分离能为情报信息的获取与整理争取时间，为后续图像的分析与应用提供技术支撑，因此，对其进行研究具有重要意义。本文在总结国内外海陆分离方法的基础上，对各海陆分离方法进行整合分类，并将不同方法进行对比，分析其优势与不足，最后指出当前海陆分离方法存在的问题并展望未来的发展方向。目前，在海陆分离方面还没有较完整的综述性文章，希望本文能对后续的工作开展与算法优化打下基础。

[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]阮涛，那彦，王澍.基于压缩感知的遥感图像融合方法[J].电子科技，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 稿件编号：201404014

全军军事学研究生课题（2011JY002-53）

刘思彤（1989—），女，辽宁大连人，硕士研究生。研究方向：数字图像处理。