基于图像识别技术的高炮安全射界图辅助绘制系统设计与应用

孟 辉,路志英,李笑冬,闫靖春,王宏伟,静恩祺

(1.天津市人工影响天气办公室，天津 300074；2.河北省气象生态与环境重点实验室，河北 石家庄 050021；3.天津大学电气与自动化工程学院，天津 300072；4.天津市蓟州区气象局，天津 301900)

引 言

人工影响天气的一个重要手段是利用高炮、火箭等进行人工增雨、人工消雹等作业，精确的作业方位、仰角等参数信息对指导人工影响天气安全作业具有重要意义。人影作业中使用的炮弹属于易爆品，一旦落入商业、居民生活等人口密集区或油库、化工厂等重要设施区域并发生爆炸，将严重危害人民群众的生命财产，且造成的经济损失难以估量[1-2]。为避免未爆炸的炮弹落地时对地面人员或重要设施造成损害，有必要预选出安全区范围，即规定安全射界，并据此绘制安全射界图。

安全射界图是以作业点为中心，以高炮的有效射程为半径绘制区域地图，在该图中需要标注城镇、村庄、学校等人口密集区域的位置及允许进行人工影响天气作业的安全区位置[3]。传统的安全射界图绘制方法是先勘察以炮站为中心，半径10 km范围内所有禁射目标，再将禁射目标信息人工添加至地图上，找出安全射界，手工或委托第三方绘制安全射界图，但该方法效率低、版本多样且易泄露作业站点信息。随着经济发展，炮站周边环境改变迅速，当其不能满足安全射界选取要求时，需及时修订安全射界范围[4-7]，这对快速、准确、经济绘制安全射界图提出了要求。目前有关省市在安全射界选取和自动绘制方面开展了研究，并取得了一些成果。如青岛利用高分辨率卫星影像,结合高炮作业点周边的实际情况,按照有关规定要求,制作了高炮安全射界图[8]；内蒙古利用遥感、全球定位系统和地理信息技术,设计研发了分析人影高炮、火箭安全射界的技术系统[9]；吉林省结合GPS/GSM火箭车定位、通信跟踪系统，利用地理信息系统(GIS)制作了地面火箭人工增雨作业安全射界图[10]；四川、新疆开发了基于ArcGIS的人影安全射界系统[11-12]。上述方法仍为人工输入禁射区信息，且操作人员需具有PhotoShop、ArcGIS等使用基础，不利于在基层推广应用。因此有必要开发一套高效、便捷，可供基层人影管理部门使用的安全射界绘制系统。本文利用建筑物卫星影像光谱特征整体反射率高、灰度分布较为均匀等特点，依据《37 mm高炮人工影响天气作业点安全射界图绘制规范》(QX/T 256—2015)[3]安全射界选取要求，将遥感影像图上炮弹可能落区分为安全区和非安全区，对卫星影像进行去雾、灰度化、分割、去噪等处理后，自动识别非安全区位置。在此基础上搭建高炮安全射界图辅助绘制系统，实现安全射界图的自动绘制，极大地方便了县级人影管理部门自主绘制安全射界图，提高安全射界图绘制效率。

1 安全射界图绘制要求

1.1 安全射界选取要求

《37 mm高炮人工影响天气作业点安全射界图绘制规范》(QX/T 256—2015)要求在选择安全射界时，应采取如下选择原则：避开城镇、村庄、学校等人口密集区；避开油库、化工厂、文物古迹、军事设施等重要设施；同时安全射界边界与人口密集区和重要设施的距离大于200 m。

安全射界选取还应满足以下条件：当作业点海拔高度≤1500 m时，其安全射界的最小范围为1500 m(极坐标径向)×1000 m(极坐标切向)；当作业点海拔高度>1500 m时，其安全射界的最小范围为2000 m(极坐标径向)×1500 m(极坐标切向)。

1.2 安全射界图绘制要求

安全射界图应绘制底图、水平距离圈、射击距离圈、方位线段、方位标划、安全射界图形等。底图可明显分辨城镇、村庄等地物及其边界，一般应选用1:50000以上比例尺地图或分辨率不低于5 m的卫星遥感影像图。水平距离圈以作业点为圆心，以1 km、10 km为半径绘制闭合圆。射击距离圈以作业点为圆心，以45°～80°射击仰角未爆弹丸最大射程为半径，按5°间隔绘制闭合同心圆。方位线段是自初始方位角起，顺时针至345°，间隔15°，由作业点至10 km水平距离圈画线段。安全射界图形是为标识安全射界范围，在底图上绘制的扇形区域。

2 安全射界图辅助绘制系统功能

天津市高炮安全射界图辅助绘制系统在microsoft visual studio开发平台上，由Access数据库支持，利用Visual C++开发语言搭建，包括地图管理和地图浏览模块、高炮安全射界绘制模块、高炮安全射界管理模块、高炮射界图打印输出模块和安全射界数据库模块。

(1)地图管理和地图浏览模块：利用Visual C++及Access数据库等平台实现对地图信息的加载等，并通过对鼠标移动位置的捕捉，结合地理信息数据实时显示鼠标位置的地图信息，如经纬度等。

(2)高炮安全射界绘制模块：包括初步识别安全区域、自动绘制安全射界图、添加安全落区、修改安全落区、保存安全射界项目等功能。将作业点经纬度信息加载在卫星影像底图上，通过去雾、灰度化、阈值分割和去噪4个步骤，初步识别和推荐安全区；将实测结果与系统识别结果进行比对，如有偏差则修改安全落区，将标有仰角、密位和距离的安全射程圈绘于不同的图层，根据需求叠加至卫星影像底图上，将安全射界图保存至数据库。

(3)高炮安全射界管理模块：包括安全射界项目查找、安全射界名称修改、安全射界项目删除等功能。通过工具栏按钮或通过菜单选项浏览已经建立的安全射界项目，同时可以通过在搜索栏中输入项目的全部或部分名称来选择某一项目，也可通过鼠标点击实现选择功能；选择某一项目后，可对其进行名称和内容的修改；对于现在不需要的安全射界项目，可以将其删除。

(4)高炮射界图打印输出模块：在绘制完成安全射界图后，根据绘图者的要求将其保存为不同格式的图像文件。打印时可以通过点击工具栏打印按钮或通过菜单选项在默认打印设置下进行打印；可通过打印设置和预览功能更改打印设置进行打印。

(5)数据库管理模块：利用数据库管理功能，实现与高炮安全射界图有关的基于Access炮站基本信息数据库、卫星影像图片数据库、安全射界图数据库的管理。包括如下内容：(a)查看全市高炮作业点的分布，各作业点地理信息的查看、修改、添加；(b)卫星影像图片存放位置及更新；(c)安全射界图的管理，如新增安全射界项目等。

3 遥感图像预处理

高分辨率遥感卫星影像包含信息量大，细节丰富，自动识别技术被广泛应用于军事、农业、气象等多个领域[13-18]。但其占用计算机存储空间较大，影响计算机处理速度，为此在进行机器识别之前先适当降低遥感图像分辨率，再按照安全射界选择要求定义安全区和非安全区。由于城镇、村庄、学校、油库、化工厂等应避开的人口密集区和重要设施均为建筑物，其后向散射特性较强，在卫星影像图上多呈亮色调，灰度较背景明显偏高，因此把图上颜色白亮的区域及其周围200 m的区域定义为非安全区，其他区域为安全区。

从卫星影像中提取非安全区信息，需经过4个步骤：首先对原始图像进行去雾处理，以改善视觉图像效果；第二灰度化，将彩色图像转换为便于机器识别的灰度图像，前两步是图像识别的基础；第三图像分割，把具有非安全区特征的图像提取出来；第四去噪，以剔除图像中无用的信息。

3.1 图像去雾处理

由于遥感图像由卫星从高空直接拍摄得到，空气中存在雾霾等细小颗粒物的遮挡造成了图像景物辨识度下降、信息细节不明显等，因此对这种图像直接进行识别不易取得理想效果。为消除这种影响，需要对图像进行去雾处理。HE等[19]提出的暗通道先验算法，因图像去雾效果理想而被广泛应用。该算法在原始有雾图像中按亮度大小选取前0.1%像素点在R、G、B 3个通道上的最大强度值作为环境光亮度A，因A值偏高，使得复原图像颜色失真、出现大量色斑。因此对其算法加以改进，用R、G、B的平均值作为A值提取村庄等建筑物信息[20-21]，具体实现过程如下：(1)读入原始图像，直接求取每个像素点R、G、B 3个颜色通道强度值的最小值存入和原始图像大小相同的灰度图中；(2)根据暗通道图像窗口大小，选择合适的滤波半径对灰度图进行最小值滤波得到暗通道图；(3)按照亮度的大小从暗通道图中提取最亮的前0.1%像素，找到这些像素在原图像中对应的像素点，分别求得R、G、B分量的平均值作为对应的环境光亮度A；(4)利用图像恢复公式推算无雾图像的颜色分量值，完成图像复原。

图1为非安全区信息提取过程，图1(a)和图1(b)为去雾前后图像对比。和原始图像相比，去雾后的图像更加清晰，为人口密集区域识别打下基础。

3.2 灰度化

图1(b)可以看出去雾处理后的图像仍为彩色图像，其包含信息量大，图像处理速度慢。图像灰度化可以在保证图像整体和局部色彩及亮度等级分布特征与彩色图像描述一致的前提下，有效减少图像处理所需计算量。图像灰度化过程既要简化图像，又要保证人口密集区域和安全区域之间的对比度增大，为下一步图像分割做好准备。

单一分量法是彩色图像灰度化的主要方法之一，其方法是将彩色图像中的R、G、B 3种分量中的一个亮度值，不做处理直接作为灰度图像的值，即根据需要选择红、绿、蓝中一个分量对图像进行灰度化。对图1(b)采用上述方法进行处理对比，发现蓝色分量所得到的灰度图像安全区和非安全区对比度最大，即灰度化效果最好，故取彩色卫星影像的蓝色分量值作为其灰度值进行灰度化。经过去雾和灰度化之后，彩色卫星影像变成对比度明显的灰度图像[图1(c)]。

3.3 图像分割

为区分非安全区和安全区，利用图像分割技术对灰度图像进行分割处理。常用的图像分割算法中最简单快速、应用范围最广的方法是阈值分割算法[22]，且阈值分割方法还可以细分为灰度直方图形状法、基于聚类法、基于熵法、基于属性相似性法、基于空间信息法以及基于局部信息法等6类[23-26]。由于非安全区形态各异、数量不确定，且没有明显的形状特征，基于最大熵的图像阈值分割法分割效果和计算速度都能满足实际要求[27]。该方法就是求得一个分割阈值将图像分成目标区和背景区使得这两个区域的信息熵之和最大。具体实现方法如下[25]：

(1)

图1 非安全区信息提取过程(a)原始图像，(b)去雾后图像，(c)灰度化图像，(d)分割后图像，(e)去噪后图像Fig.1 Non-safety firing zone information extraction process(a) original image, (b) after defogging treatment, (c) after gray processing,(d) after segmentation, (e) after denoising processing

式中：HA为目标区信息熵；HB为背景区信息熵；PT为目标区累积概率。在阈值T下目标区和背景区信息熵总值为HA+HB，则最大熵分割法的最佳阈值公式为：

T=arg max[HA+HB]

(2)

图1(d)为利用最大熵分割法分割后生成的二值图像。其中白色和黑色区域分别为非安全区和安全区。

3.4 去 噪

通过分割前后图像对比，可以发现分割后的图像存在许多白色噪声点，这些噪声点可能会影响计算机的识别效果，因此要对分割后的二值图像进行降噪。膨胀和腐蚀是数学形态学去噪方法中最基本的操作。膨胀操作是将某一区域周围距离比较近的像素点合并在一起，边界向外部扩张的过程。腐蚀操作与膨胀操作相反，是消除图像周围边界点，使边界向内部收缩的过程。膨胀和腐蚀操作按不同顺序进行组合，形成开运算和闭运算。开运算是对图像先腐蚀后膨胀的运算，可以在消除小物体、纤细处分离物体、平滑较大物体边界的同时不明显改变其面积[28]。闭运算则是对图像先膨胀后腐蚀的过程，其作用是填充图像内细小的空洞，消除毛刺及孤立斑点。本文利用开运算方法去除图像处理过程中产生的、对识别非安全区会产生干扰的小面积白色区域。

由于去噪方法本身无法判别小面积白色区域是否为非安全区，腐蚀操作有可能把非噪声区腐蚀掉，将本该被识别成人口密集区的地方识别成安全区域，对人工影响天气作业的安全性产生非常不利的影响。为消除这种影响，对开运算方法加以改进，即在腐蚀与膨胀中间增加一个筛选过程，腐蚀操作后的二值图像如依旧存在零散白色小面积区域，则判断其所在位置：如果该区域位置离较大面积白色区域位置较远，就认为它是噪声，予以剔除，该区域识别为安全区；如果该区域位置距离较大面积的白色区域比较近，认为它不是噪声，予以保留，该区域识别为非安全区。将腐蚀后依旧残留的噪声点剔除后，再进行膨胀操作。

(1)对分割后的二值图像进行腐蚀操作。

(2)判断图像噪声。先选择合适大小的正方形框，按照一定的步长对腐蚀后的图像进行扫描，扫描的同时统计正方形框区域内白色像素点即非安全区域的个数X。

设定第一阈值δ1和第二阈值δ2，如果X>δ1，即白色像素点个数大于第一阈值，说明该区域内非安全区域面积比较大，跳转到下一区域继续扫描。如果X<δ1，说明该正方形区域非安全面积较小，将该区域再次等分成几个区域，依次扫描这几个区域内白色像素点的个数，并与第二阈值δ2进行比较：如果X<δ1<δ2，说明该区域不仅远离大面积白色区域，而且该区域自身面积也比较小，因此该区域为安全区域，并将该区域置黑；若δ2

(3)对整幅图像进行膨胀操作。

图1(e)是经过改进的去噪算法处理结果，通过对比可以看出改进去噪算法后去噪效果明显，噪声点剔除彻底，留下的白色区域即为非安全区。

4 安全射界图绘制实例

以天津市蓟州区北车道峪炮站07型37高炮为例，绘制安全射界图首先要通过实地测量确定作业点经纬度、海拔高度，结合卫星影像的经纬度范围可以确定作业点位置，根据规范绘制安全射界图，绘制过程主要分以下几步。

第一步：安全射界区域图边界的确定。07型37高炮不同射击仰角未爆弹丸最大射程为3.1963～9.1296 km，考虑实际截取图像，留取2～3 km余量。在天津市地区经纬度幅度跨度不是特别大的情况下，经过大量数据试验，当以炮点坐标为基准经向扩展0.15°、纬向扩展0.11°时，横纵向距离均为24～26 km，能够满足安全射界范围的需求，且留有一部分余量。以炮站为中心取方形区域的卫星影像图为该炮站安全射界底图。由于高炮作业一般为4—10月，选用底图为夏季卫星影像。

第三步：划分扇形网格。以作业点为圆心，根据炮弹射击的最近(3 km)和最远距离(10 km)为边界画圆环，每个圆环均匀分为M个子圆环；同时以正北方向为起始角，将圆环沿顺时针方向按一定角度等分为N个扇区，底图可以被分为M×N个子扇区。如设置划分间距为500 m，分隔角度为1°，M=14，N=360，地图被分割成14×360=5040个子扇区。

对每个子扇区进行编号，编号规则为：以圆环正北方向最内侧点为x、y轴起点，沿径向自内向外的方向为x轴正方向，沿切向顺时针的方向为y轴正方向，每个子扇区编号为A(x,y)，其中x=0,1，…，M-1；y=0,1，…，N-1。

第四步：提取安全扇区。判断每个子扇区内是否有白色像素点，如果有，则视为非安全扇区，标记为1；如果没有，则该区域视为安全扇区，标记为0。

将扇形网格沿径向和切向展开，映射为曼哈顿多边形，在此多边形中提取合适的安全射界图形：以A(0,0)为起点，沿y轴正方向扫描找出连续标记为0的扇区长度，若其大于安全射界极坐标切向最小长度(1 km)，则对应扇区为安全区，涂成绿色。按此方法依次取x=0,1,…,M-1，找到全部安全扇区，图2为系统识别的安全区和非安全区。

图2 系统自动识别的安全区和非安全区(图中圆心为炮站，绿色区域为推荐安全区，白色为非安全区)Fig.2 Safety firing zone and non-safety firing zone recognized automatically by the system(The center of the circle indicates the gun station, the green area indicates the safe area, and the white area indicates the non-safe area)

第五步：推荐安全射界。将图2中的安全扇区按面积从大到小排序，并将推荐的区域从0°开始沿顺时针方向进行编号，得到推荐安全射界(图3)。

第六步：安全射界图优化。绘制安全射界图既要确保作业安全，又要使安全区尽可能大，以扩大高炮作业保护区范围，同时要便于炮站实际操作，因此需要将初步识别的安全射界图进行优化，主要包括以下几个方面：

(1)遥感图像本身原因造成系统误判：将系统识别出的非安全区与原图进行对比，非安全区识别准确率为70.8%。遥感图像中，“同物异谱”与“异物同谱”现象导致非安全区提取精度降低，如图1(b)中水面上云的倒影(235°～237°，6.0 km)、岩石(83°、9.0 km)等影像的光谱特征与非安全区目标物相似，而深色建筑物屋顶(25°，7.2 km)光谱特征与安全区相似，容易造成误判。通过对高清影像进行目视判读，可有效识别该类信息。

图3 系统推荐的安全射界(图中圆心为炮站，带编号的绿色区域为推荐安全射界)Fig.3 The safety firing zone recommended by the system(The center of the circle indicates the gun station，the numbered green area indicates recommended safety firing zone)

(2)非遥感图像因素造成识别目标属性的改变：根据航空管制部门的相关要求，空中航线所在区域为高炮禁射区，该范围属性由安全区变为非安全区；根据实地调查结果改变识别目标属性(336°～339°，8.3～10.0 km处识别为非安全区，根据实地调查为空置房屋，其属性变为安全区；由于遥感影像更新周期较长，安全区内可能会出现新的建筑，将该区域由安全区变为非安全区)。

优化流程为按照空管部门要求删除有关区域，再结合高清影像图逐扇区进行目视判读，并依据实勘结果利用“高炮安全射界绘制模块”中“添加安全落区”、“修改安全落区”功能，完成安全射界图的优化。

第七步：标识距离圈和方位线段。以作业点为圆心，以3 km为内径、10 km为外径，间隔1 km绘制距离圈；以正北方向为起始角，沿顺时针方向每隔15°绘制一条方位线段。

第八步：输出符合《37 mm高炮人工影响天气作业点安全射界图绘制规范》(QXT 256—2015)要求的安全射界图。在图上标注作业点名称、作业点编号、经纬度、海拔高度、地图比例尺或卫星影像分辨率、适用弹型、绘制人、审核人、绘制单位和绘制时间等信息(图4)。

图4 安全射界图样图(图中圆心为炮站，带编号的绿色区域为推荐安全射界)Fig.4 Sample of safety firing zone(Center of the circle indicates the gun station，the numbered green area indicates recommended safety firing zone)

5 结束语

(1)通过去雾、灰度化、阈值分割和去噪4个步骤，初步识别出人口密集区域的位置，并在此基础上开发“高炮安全射界图辅助绘制系统”，绘制出安全射界图。用传统方法绘制完成1幅安全射界图需要2～3 d，用“高炮安全射界图辅助绘制系统”可在1 d内绘制完成10幅符合要求的安全射界图。安全射界图绘制效率更高，对提升人工影响天气作业的安全性有很大的帮助。

(2)本例非安全区识别准确率为70.8%。遥感影像中经常出现的“同物异谱”和“异物同谱”现象，是影响识别准确性的主要因素；同时遥感图像成像条件、识别目标自身结构等均会影响识别结果。通过对高清影像进行目视判读，结合实勘结果，完成安全射界图的优化，准确绘制安全射界图。下一步将改进算法，综合考虑识别目标的光谱、形态和纹理等特征，提高系统对非安全区信息提取准确度。