联合多特征提取与内部优化的海陆分离

程 红，刘思彤，孙文邦

(空军航空大学，吉林 长春130022)

1 引言

随着21世纪——世人所公认的海洋世纪的到来，各国对海洋权益的争夺也日趋激烈，争夺对象也由以有战略意义的战区和战略通道为主，变为以争夺岛屿、海域和海洋资源为主。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［1－2］。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。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。

现有的海陆分离方法可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。基于先验信息的海陆分离方法［3－4］是一种简单、高效的方法，它借助空间地理信息、海岸线或港口背景图像等先验信息，利用模板匹配来实现海陆分离。基于图像特征差异的海陆分离是最通用的方法，该方法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分割。李文武、沈叶健［5］等利用灰度统计分布信息确定分割阈值实现海陆分离，但计算量较大，效果不理想;李琨、蔡姝、荆浩［6－8］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;瞿继双等［9］利用Otsu法进行初始分割，这也是目前最常用的方法。以上方法对于海面平静、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效果较好，但对于较为复杂的情况，分割后存在大量孤立区域，就需要进行内部孤立区域的消除。像素标记法［10］，是最常用和最简单的方法，主要统计孤立区域的面积信息并将其作为分类依据，但此方法需要根据先验信息设定阈值进行筛选;此外，也有少量学者提出去除内部孤立区域，但存在较大局限性。上述方法大多采用单一特征进行海陆分离，分割效果有限;孤立区域去除方面研究较少且存在一定的局限性，因而本文提出联合多特征的海陆分离方法，针对港口和岛屿分别进行处理，并对分离结果进行优化，消除内部孤立区域，最后将陆地屏蔽。

2 多特征提取与内部优化的海陆分离

分别针对港口和陆地的特点进行海陆分离，包括多特征分割、内部优化和陆地屏蔽三部分，算法流程如图1所示。

2．1 多特征分割

2．1．1 对于包含港口的海陆图像

在包含港口的遥感图像中，如图2所示，港口与海洋的灰度差异较大，且海洋区域灰度分布较均匀，可以利用灰度阈值法进行分割;但港口内部也可能存在与海洋同灰度的区域，仅利用灰度特征进行分割不能达到分割要求，又因为港口内部建筑较多，梯度特征明显，而海面较平静，梯度特征较少，因此本文加入梯度特征，与灰度特征共同完成分割。

(1)灰度特征 Otsu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，是目前最常用的方法，因此本文采用Otsu法提取灰度特征。

(2)梯度特征 在边缘提取算法中，Canny提出的边缘检测方法具有很好的边缘检测性能，应用较为广泛。σ是Canny算子的尺度因子，在0～1之间取值，σ值的大小影响Canny边缘提取的结果，可以根据实际分割需要选取不同的σ值，本文中σ在0．1～0．2取值。为了得到连通的整体，需要对梯度特征提取后的结果进行形态学膨胀、空洞填充和腐蚀运算，膨胀与腐蚀采用相同的结构元素。

图2 包含港口的海陆图像Fig．2 Sea-land image including port

2．1．2 对于包含岛屿的图像

在包含岛屿的遥感图像中，如图3所示，岛屿与海洋的灰度差异也较大，但其周边海域灰度分布不均，用灰度特征会造成误分割;从图中可以看出岛屿上植被较丰富，因而梯度特征和纹理特征较明显，可以利用这两种特征来实现分割。

遥感图像中海面灰度近似呈高斯分布，灰度分布范围很窄，表现为较小的灰度方差;有岛屿存在的局部区域灰度存在跃变，产生较大的局部灰度方差，因而本文用局部统计方差作为纹理特征来描述这种灰度上的变化，将岛屿陆地与海洋区分开。图像上的每个区域用它的灰度局部统计方差来描述，整个灰度图像用一个由标准差特征点组成的标准差特征平面［11］来表征，设置适当的阈值即可得到纹理提取结果。梯度特征提取同上。

对特征处理结果进行或运算，即得到合并结果并对其进行适当的形态学处理。

图3 包含岛屿的海陆图像Fig．3 Sea-land image including island

2．2 内部区域优化

海陆分离是将图像分为海洋和陆地两大部分，由于海面有船只存在且陆地内部较为复杂，使得初步分离后海洋和陆地内部有孤立区域存在，还需要进一步处理才能得到海陆分离的最终结果。对于海面上的船只，由于面积较小，可以通过设定小面积阈值将其剔除，但对于陆地孤立区域和面积较大的海洋孤立区域不适用。像素标记法是最常用的也是最简单的去除孤立区域的方法，但由于图像各不相同，阈值设定需根据对象的面积而定，因而适用性不强。本文对其进行改进:1)根据大多数图像中海洋或陆地区域较大，所占面积也较大这一特点，将面积阈值设为图像面积的1/4，将小于阈值的孤立区域筛选出来;2)计算各孤立区域的区域方差、一致性和信息熵特征(经过实验选取)进行聚类，将孤立区域筛选出来。通过分别对海洋和陆地的孤立区域进行计算，将同时满足这两个条件的孤立区域标记为对应区域，这样既减少了计算量，又避免了错分，实验结果如图4所示。图像4(a)中小舰船目标已被剔除，图像4(b)中的小岛与舰船面积相近且都小于阈值，但经过纹理聚类，确定小岛为陆地将其保留，而将舰船去除。

图4 内部区域优化结果Fig．4 Results of internal area optimizing

2．3 陆地屏蔽

现有的大多数海陆分离方法只区分了海洋和陆地，将陆地区域标记为0(灰度图像显示为黑色)，并没有考虑后续针对海面上目标检测与识别工作如何开展。大多数的检测算法需要对整幅图像进行处理，将陆地标记为0势必会影响算法效果。因此，本文提出对分离后的海洋区域进行直方图统计，选取统计量最大的灰度值作为陆地区域的屏蔽值，这样既屏蔽了陆地，又不会对后续工作造成影响。但由于岛屿图像灰度不均，无法找到合适的屏蔽值，因此该方法只适用于港口图像。如图5所示，经本文方法屏蔽后的图像基本找不到陆地的痕迹，而且比较自然，有益于检测工作的进行。

图5 陆地屏蔽结果Fig．5 Results of land shielding

3 实验结果对比分析

为了验证本文算法的可行性与有效性，在Inter CPU Q9400 2．66GHz，内存为4GB的计算机，Matlab R2007b的环境下，将本文方法与常用的海陆分离方法进行对比实验与分析。本文选取从Google Earth上得到的两组海陆图像进行实验，第一组为包含港口的海陆图像，第二组为包含岛屿的海陆图像，每一组又包含两幅图像。

3．1 实验结果图像对比与分析

对包含港口的图像进行分析，从图6中可以看出，文献［8］和文献［6］的方法能基本实现海陆分离，但分离结果不完整，还存在部分欠分割，而本文方法能够精确地将陆地与海洋分离，且陆地区域保留完整，同时消除了浅海区域对检测的影响。图6(d)中部分码头和沿岸的灰度与海洋相近，因而导致欠分割;单纯利用梯度特征无法判断图6(e)中平坦区域正确定性;而本文方法将两者的优势互补，劣势相消，得到比较理想的结果，如图6(f)所示。

图6 海陆分离结果对比－包含港口Fig．6 Comparison of sea－land segmentation including port

对包含岛屿的图像进行对比分析，如图7所示。利用文献［7］和文献［6］中的方法只能对纹理特征明显的部分有较好的结果，而对岛屿周边的浅海部分不适用;本文方法既能完整地将岛屿分离又能将干扰区域屏蔽，具有很大优势。文献［7］(图7(a))利用像素标记法将小岛漏判为海洋，文献［6］(图7(b))虽正确分离出小岛，但也将带有尾迹的舰船错判为岛屿，而本文方法(图7(c))能正确的对两者进行区分，避免了错判与漏判。

图7 海陆分离结果对比－包含岛屿Fig．7 Comparison of sea-land segmentation including island

3．2 实验结果参数对比

为了进一步比较算法性能，我们定义如下参数来定量说明本文方法的优势(以陆地为角度):

陆地检测率=检测正确的陆地/原始陆地;

陆地错误检测率=检测错误的陆地/原始陆地;

陆地正确检测率=检测正确的陆地/检测出的陆地。

通过对实验图像进行人工标识陆地部分获得原始陆地面积，通过比较计算得到对比结果。

表1 海陆分离效果参数对比Tab．1 Parameter comparison of sea-land segmentation

如表1所示，本文方法的陆地检测率和正确检测率均在99%以上，高于其他方法，在保留海洋信息的前提下，准确有效地将海洋与陆地分离，具有较高的分割效率和较好的分割效果。虽然本文方法的错检率相对其他方法偏高，但基本发生在陆地内部，不影响海面目标的检测，反而能将不必要的虚警去除，为后续舰船目标的检测提供了方便。最后对各方法的计算时间进行比较，本文方法虽然需要计算多个特征在时间上没有太大优势，但为后续处理节省了时间，因此总时间比其他方法将近快1倍。上述参数可以说明，本文的方法更具有优势。

4 结语

本文针对目前海陆分离方法依靠先验信息易使结果不准确，利用灰度等单一特征易产生孤立区域等问题，提出一种联合多特征提取与分离结果优化的海陆分离方法，并借助直方图统计法将陆地屏蔽。该方法能准确地实现海洋与陆地的分离，精确地将陆地区域分割出来，达到了海陆分离的目的和要求，同时，为后续舰船检测工作的开展提供了方便。实验结果及参数分析均显示本文方法与常用的海陆分离方法相比，具有可行性、有效性和较大优势。

［1］ Corbane C，Pecoul E，Demagistri L，et al．Fully automated procedure for ship detection using optical satellite imagery［C］．Proceedings of the SPIE，Remote Sensing of Inland，Coastal，and Oceanic Waters，2008，7150:1－13．

［2］ 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．

［3］ Guan．J，Chen X．L，Y Huang，Adaptive fractional Fourier transform-based detection algorithm for moving target in heavy sea clutter［J］．IET Radar Sonar Navigation，2012，6(5):389－401．

［4］ LONG Gang，CHEN Xuequan．A method for automatic detection of ships in harbor area in high-resolution remote sensing image［J］．Computer Simulation，2007，24(5):198－201．(in Chinese)隆刚，陈学佺．高分辨率遥感图像港内舰船的自动检测方法［J］．计算机仿真，2007，24(5):198－201．

［5］ SHEN Yejian，XU Shoushi．Effective method for dam recognition from visible images［J］．Computer Applications，2006，26(8):1972－1974．(in Chinese)沈叶健，徐守时．一种有效的可见光图像中水坝目标的识 别 方 法［J］．计 算 机 应 用，2006，26(8):1972－1974．

［6］ JING Hao，CHEN Xuequan，GU Zhiwei．A method for coastline extraction based on edges［J］．Computer Simulation，2006，23(8):89－93．(in Chinese)荆浩，陈学佺，顾志伟．一种基于边缘特征的海岸线检测方法［J］．计算机仿真，2006，23(8):89－93．

［7］ LI Kun，ZHENG Qinghui，LIAO Dongxue．An automatic image segmentation approach based gradient［J］．Journal of Astronautics．2006，27(6):1288－1292．(in Chinese)李琨，郑庆晖，廖冬学．基于梯度特征的图像自动分割方法［J］．宇航学报，2006，27(6):1288－1292．

［8］ CAI Shu，WU Hongming．Study on change detection of ship target based on sea-land segmentation［J］．Video Engineering，2010，34(5):109－112．(in Chinese)蔡姝，吴宏明．基于海陆分割的舰船目标变化检测研究［J］．电视技术，2010，34(5):109－112．

［9］ QU Jishuang，WANG Chao，WANG Zhenzhi．A multithreshold based morphological approach for extracting coastal line feature from remote sensed images［J］．Journal of Image and Graphics，2003，8(7):805－509．(in Chinese)瞿继双，王超，王正志．一种基于多阈值的形态学提取遥感图像海岸线特征方法［J］．中国图象图形学报，2003，8(7):805－509．

［10］XIAO Liping，CAO Ju，GAO Xiaoying．Detection for ship targets in complicated background of sea and land［J］．Opto-Electronic Engineering，2007，34(6):6－10．(in Chinese)肖利平，曹炬，高晓颖．复杂海地背景下的舰船目标检测［J］．光电工程，2007，34(6):．6－10．

［11］ZHAO Yinghai，WU Xiuqing，WEN Lingyun，et al．Ship target detection scheme for optical remote sensing images［J］．Opto-Electronic Engineering，2008，35(8):102－106．