基于几何活动轮廓的海陆分割方法研究

于芳梁英杰　昂朝群

摘 要：海上图像识别效率低、时效差。为解决这些问题，针对图像中海上、陆地和植被等区域特点，以及陆地与海洋在图像上的灰度差异，基于水平截集法的海岸线检测方法提取海陆边界，采用不断迭代初始轮廓方法，拟合真实海陆轮廓，实现基于几何活动轮廓的海陆分割。

关键词：几何活动轮廓；海陆分割；水平集；G0分布；滑窗因子

DOIDOI：10.11907/rjdk.162236

中图分类号：TP317.4

文献标识码：A 文章编号文章编号：16727800（2016）011019003

0 引言

海上运动目标图像由于光照变化、传感器噪声、匹配噪声等干扰因素，对分割结果带来较大影响，造成准确度下降、虚警率较高。目前，海上图像海陆分割方法主要有灰度直方图阈值[1]、纹理和边缘特征[23]、特征融合、海图信息和活动轮廓模型[4]等。虽然海陆分割方法很多，但至今还没有通用、鲁棒的海陆图像分割算法[5]。为达到更好的海陆分割结果，算法必须充分利用图像中海洋与陆地的相似性和差异性。

基于活动轮廓模型的海陆分割分为参数化活动轮廓模型和几何活动轮廓模型两种方法。第一种方法采用设定曲线参数来拟合活动轮廓，第二种方法采用坐标系下符号距离函数的零水平集来拟合活动轮廓。由于海岸附近的阴影、植被等低亮度因素对分割结果影响较大，而海上区域中，图像的像素变化主要由海上不同轮廓位置、纹理等因素所致，海岸与舰船的整体轮廓不需要考虑照度（海中照度指海水中投射到单位面积上的光通量）参数约束[67]，因此基于几何活动轮廓模型的变化检测可以克服照度噪声的影响。

1 海上图像分析

研究港口图像可知，海洋区域特征虽然受海上目标和照度变化影响，但灰度变化范围和梯度较小；而陆地区域结构复杂，包含道路、植被和建筑等多种不同图像灰度物体，因此灰度变化范围和梯度较大[89]。

港口图像划分为3种区域：①海面区域。该区域灰度变化范围和梯度较小，杂波较少，具有封闭性和平坦性特点；②复杂地物区域。该区域包含陆上建筑、道路以及汽车等物体，其灰度梯度幅值较大且不均匀，地势高低不平，相比区域①，其阴影等复杂噪声较多；③植被纹理区域。该区域亮度较低，纹理结构较简单，灰度变化较小，如图1所示。

2 海陆分割方法

采用基于活动轮廓的海岸线检测方法，将海上目标和陆地区域作为整体，与海洋区域进行分割。海岸线检测的重要任务是选取合适的目标结构和轮廓特征，以区别背景区域。

（1）活动轮廓模型。活动轮廓模型方法越来越多地应用在图形分割领域[10]。该方法首先假定一条与待分割目标区域近似的初始活动轮廓，建立轮廓能量函数，通过变分法和偏微分方程迭代，初始活动轮廓向目标边缘方向靠近，以拟合图形中目标的真实边界，使得能量函数最小化的轮廓线就是分割的最终边界，其原理如图2所示。

式（1）为活动轮廓模型的一般表达式，|C|表示分割边界长度，μ为一个正的加权实数。活动轮廓模型是一种基于贝叶斯的推理模型，其本质是通过最大化分割区域的后验概率来寻求最优分割，性能取决于统计分布对图像数据的拟合程度。统计分布越合理，得到的分割越精确。经典的统计活动轮廓模型采用高斯分布拟合图像数据。大量研究表明，由于斑点噪声影响，海上图像数据无法采用高斯分布建模，因此若将采用高斯分布的统计活动轮廓模型应用于海上图像，会产生错误的分割结果。

G0分布可以在大范围均匀变化空间中实现对海上多噪声图像准确建模，模型参数易获取，因此采用G0分布作为海上图像数据的统计模型。由于G0分布具有公式复杂、计算量大的特点，实际应用中利用参数估计来提高效率。海上图像的G0分布公式如下：

（2）几何型活动轮廓法。在海岸线检测中，海岸线附近区域的局部统计信息对检测结果影响很大，而经典的活动轮廓模型是统计区域全局信息，往往会出现“过度分割”现象，分割精度不理想。为了对轮廓线上每个点进行局部信息统计，Lankton和Tannenbaum引入了一个滑窗因子，加入一个水平集函数惩罚项，来精确分析内部区域和外部区域。

3 实验验证

本文方法分割步骤：①通过公式（7），把设定的轮廓转移至三维曲面；②假设样本点P，在零水平截集上分析P特征近似的点Q，求出Q速度参数，公式（8）F（K）是P的扩展速度方程；③由式（9）更新三维曲面ψi，j；④依据步骤③计算所得曲面ψi，j，求出新的零水平截集曲面方程；⑤新的轮廓线即是步骤④计算所得的曲面方程，通过不断迭代，直到算法结束，从而获得最终的目标轮廓线。

通过以上分析可得出利用水平截集法进行海陆分割的适用环境：①适用于陆地、海洋特征分辨性较高的海上图像，但容易受到海上杂波、噪声等因素的干扰；②适用于对整幅图像作统一分割，不能实现对陆地和海洋的结构进行细节分割，海岸线检测只是海陆分割的一个阶段；③该类检测方法可能会将图像中其它具有稳定轮廓的弱目标区域（例如岛屿、舰船等）也检测出来，干扰了海岸线的检测效果。

4 结语

本文研究了基于几何活动轮廓的海陆分割方法，首先分析了港口图像不同区域的灰度、梯度特点，然后采用G0分布作为海上图像数据的统计模型，并引入一个滑窗因子、加入一个水平集函数惩罚项来精确分析内部区域和外部区域，实现了基于几何活动轮廓的海陆分割，并得出采

用水平截集法进行海陆分割的适用环境。

参考文献：

[1] 唐沐恩，林挺强，文贡坚.遥感图像中舰船检测方法综述[J].计算机应用研究，2011，28（1）：2936.

[2] 邓江生，樊利恒，古立莉.一种遥感图像中海岸线的提取方法[J].光电技术应用，2012，27（5）：5658.

[3] XIULIANG CHEN， YINGJIE LIANG， FULIANG GUO.Realtime threedimensional waves simulation of virtual combat platforms at sea based on openGL[C].In：Proceedings of the 2nd International Conference on Computer Science and Network Technology，China：Changchun，2012（1）：452455.

[4] 单子力，王超，张红.基于优化活动轮廓模型的SAR影像海陆分割方法研究[J].计算机应用研究，2011，28（6）：23392342.

[5] BENNING T L，LAPOINTE D，ATKINSON C T，et al.Interactions of climate change with biological invasions and land use in the Hawaiian Islands：modeling the fate of endemic birds using a geographic information system[J].Proceedings of the National Academy of Sciences，2002，99（22）：1424614249.

[6] 侯四国，张红，王超，等.一种新的SAR图像船只检测方法[J].遥感学报，2005，9（1）：538544.

[7] LIANG YING JIE， GUO FU LIANG， CHEN XIU LIANG. Research on unsupervised multiship image segmentation algorithm of remote sensing platforms[C]. In： Proceedings of the 3nd International Conference on Computer Science and Network Technology，Dalian，China，2013：12421246.

[8] 陈琪，王娜，陆军，等.SAR图像港口区域舰船检测新方法[J].电子与信息学报，2011，33（9）：21322137.

[9] 陈琪，陆军，赵凌君，等.基于特征的SAR遥感图像港口检测方法[J].电子与信息学报，2010，32（12）：28732878.

[10] COHEN L D，COHEN I.Finiteelement methods for active contour models and balloons for 2D and 3D images[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1993，15（11）：11311147.

[11] 黄魁华，张军.局部统计活动轮廓模型的SAR图像海岸线检测[J].遥感学报，2011，15（4）：737749.

（责任编辑：杜能钢）