PMMW金屬目標(biāo)圖像處理與計(jì)數(shù)技術(shù)實(shí)現(xiàn)

林曉敏， 聶建英

(福州大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院，福州 350108)

0 引言

被動毫米波(PMMW)成像具有全天時(shí)全天候和穿透硝煙戰(zhàn)場的工作能力，但PMMW圖像的限制是分辨率［1］。當(dāng)前，國內(nèi)外大部分有關(guān)PMMW成像的文獻(xiàn)都集中在成像技術(shù)和圖像去噪方法的改進(jìn)上，而關(guān)于PMMW圖像金屬目標(biāo)自動計(jì)數(shù)的報(bào)告尚稀少，暫未查到。在此背景下，本文首次提出實(shí)現(xiàn)金屬目標(biāo)自動計(jì)數(shù)研究，并給出其具體的實(shí)現(xiàn)過程。當(dāng)大量的PMMW圖像目標(biāo)需要識別時(shí)，系統(tǒng)在吻合度高的條件下所耗時(shí)間遠(yuǎn)低于肉眼識別所需時(shí)間。

在PMMW圖像閾值分割問題上，本文通過比較和分析OTSU法與迭代法的各自算法特點(diǎn)，并結(jié)合PMMW圖像的噪聲特性，最終選用迭代法。最后用Visual C++6.0開發(fā)工具實(shí)現(xiàn)二值圖像連通域像素標(biāo)記算法，搭建起金屬目標(biāo)個(gè)數(shù)的計(jì)數(shù)系統(tǒng)，并對系統(tǒng)的響應(yīng)時(shí)間做了定量分析。經(jīng)實(shí)驗(yàn)分析，系統(tǒng)具有準(zhǔn)確性，且響應(yīng)時(shí)間較短，能準(zhǔn)確地計(jì)算出金屬目標(biāo)個(gè)數(shù)。本文算法及處理過程可為PMMW金屬目標(biāo)識別和計(jì)數(shù)系統(tǒng)的研發(fā)提供一定的參考價(jià)值。尤其當(dāng)多源信息融合，多圖像要識別時(shí)，可大大縮短肉眼識別所需的時(shí)間，快速判斷金屬目標(biāo)個(gè)數(shù)，贏得軍事上的寶貴時(shí)間。

1 金屬目標(biāo)探測模型

在探測地面目標(biāo)時(shí)，毫米波輻射計(jì)工作原理是根據(jù)背景和金屬目標(biāo)的毫米波輻射特性之間的差異來探測目標(biāo)的。金屬目標(biāo)的表面反射率趨近1，輻射率趨近0，一般地，地面背景輻射率很高，為0.935左右。毫米波輻射計(jì)是一種用于測量物體熱輻射電磁波信號的靈敏度高的接收機(jī)，對天線接收端探測的地面背景溫度和金屬目標(biāo)溫度進(jìn)行比較，即可判斷目標(biāo)是否存在。

在探測距離較近的情況下，可不考慮大氣衰減效應(yīng)，接收機(jī)接收地面輻射，此時(shí)天線附近溫度可表示為

式中:θ為入射角;φ為方位角;Δf為接收機(jī)的帶寬;Pi為極化;εg為地面發(fā)射率;εat為大氣發(fā)射率;Ts為天空的真實(shí)溫度;Tg為地面的真實(shí)溫度;Tat為大氣的真實(shí)溫度;ρg為地面發(fā)射系數(shù)。

當(dāng)接收機(jī)接收金屬表面輻射，此時(shí)天線附近的溫度可表示為

式中，ρt為金屬目標(biāo)的反射系數(shù)。

由式(1)和式(2)可得地面和金屬目標(biāo)的溫度對比度示為

因金屬與地面背景的視在溫度差很大，從而判斷ΔTt即可檢測出地上的金屬目標(biāo)［2］。但目前毫米波所成圖像的分辨率還較低，因此需要對圖像進(jìn)行處理，以便進(jìn)一步分析其特性。

2 PMMW圖像二值化及數(shù)學(xué)形態(tài)學(xué)處理

2.1PMMW圖像二值化

在圖像識別系統(tǒng)中，一般都需要對圖像進(jìn)行二值化處理，二值化處理后可對目標(biāo)圖像進(jìn)行分割和特征提取等操作。二值化過程是通過選取適當(dāng)?shù)拈撝?，?dāng)灰度值大于或等于閥值時(shí)則把該灰度值設(shè)為255(白);否則設(shè)為0(黑)。圖像二值化的關(guān)鍵是閾值的選取，經(jīng)典的閾值求解算法有OTSU法、迭代法等。

圖1a是一幅200～300 m距離處集群坦克的被動毫米波成像圖;圖1b是基于OTSU算法的圖1a的二值化圖像，經(jīng)Matlab編程求得其閾值為0.15686;圖1c是基于迭代算法的圖1a的二值化圖像，經(jīng)Matlab編程求得其閾值為0.43137。

因PMMW圖像副對角區(qū)域的概率并不趨向0，而OTSU算法建立在主對角區(qū)域的概率和趨向?yàn)?的前提下，因此用OTSU算法對PMMW圖像進(jìn)行二值化不夠合理，且經(jīng)Matlab實(shí)驗(yàn)處理比較，迭代法能更好區(qū)分開目標(biāo)與背景，故本文選用迭代算法作為PMMW金屬目標(biāo)圖像的二值化算法。

圖1 PMMW圖像及其兩種二值化圖像Fig.1 PMMW image and two binary images

2.2 二值化后圖像的數(shù)學(xué)形態(tài)學(xué)處理

數(shù)學(xué)形態(tài)學(xué)研究圖像幾何結(jié)構(gòu)的基本思想是用一個(gè)形態(tài)結(jié)構(gòu)元素去試探待處理圖像，驗(yàn)證能否將此結(jié)構(gòu)元素填充到圖像內(nèi)部。膨脹、腐蝕、開運(yùn)算和閉運(yùn)算這4個(gè)運(yùn)算是數(shù)學(xué)形態(tài)學(xué)的基礎(chǔ)。

圖像去噪過程可視為對有用信息進(jìn)行提取，對無用信息進(jìn)行過濾的過程，對二值化后的PMMW圖像，就是從強(qiáng)噪聲背景中提取出金屬目標(biāo)圖像，并把噪聲去除，以得到貼近實(shí)際情況的金屬目標(biāo)圖像［3-4］，如圖2所示。

圖2 PMMW二值化圖像的數(shù)學(xué)形態(tài)學(xué)處理過程Fig.2 Steps for processing PMMW binary image based on mathematical morphology

處理的具體步驟如下所述。

1)調(diào)用Matlab中用于對二值圖像進(jìn)行形態(tài)學(xué)操作的函數(shù)bwmorph，其operation參數(shù)選擇open，即對讀入的二值化后的PMMW圖像(圖2a)，進(jìn)行二值開運(yùn)算，消除噪聲，增加邊緣線光滑程度，消除較小的突出部分并斷開間距狹窄的部分，處理結(jié)果如圖2b所示。

2)調(diào)用Matlab中用于對二值圖像進(jìn)行形態(tài)學(xué)操作的函數(shù)bwmorph，operation參數(shù)選擇close，即對圖2b進(jìn)行二值閉運(yùn)算，閉運(yùn)算增加邊緣線光滑程度，但與開運(yùn)算相反的是，它可以消彌狹窄細(xì)長的間斷，消除小的孔洞，并填補(bǔ)邊緣線中的斷裂處，處理結(jié)果如圖2c所示。

3)調(diào)用Matlab中用于對二值圖像進(jìn)行形態(tài)學(xué)膨脹運(yùn)算的函數(shù)imdilate，為了使得處理結(jié)果不產(chǎn)生偏移，這里選取正方形4×4作為結(jié)構(gòu)元素，對圖2c進(jìn)行膨脹處理。膨脹運(yùn)算使圖像擴(kuò)大，并將一些細(xì)小的裂縫連接到一起，修復(fù)一些間斷的簡單結(jié)構(gòu)元素，處理結(jié)果如圖2d所示。

4)調(diào)用Matlab的刪除小面積對象的函數(shù)bwareaopen，把面積小于100的區(qū)域［5］即被膨脹的非目標(biāo)的噪聲點(diǎn)去除掉，bwareaopen函數(shù)的conn參數(shù)選用8鄰域，處理結(jié)果如圖2e所示。

5)調(diào)用Matlab的邊緣檢測函數(shù)edge對圖2e進(jìn)行邊緣提取，Matlab中的常用的圖像邊緣提取算法有:Roberts、Sobel、Prewitt、Canny 等邊緣檢測算子，經(jīng)實(shí)驗(yàn)分析，Roberts算子提取的邊緣較粗糙;Prewitt算子提取的邊緣間斷點(diǎn)較多;Canny算子和Sobel算子邊緣檢測抗噪聲干擾能力好，對PMMW圖像邊緣檢測效果都較理想。該文選用其一Canny算子對圖2e進(jìn)行邊緣提取［6-8］，處理結(jié)果如圖 2f所示。

3 識別系統(tǒng)的實(shí)現(xiàn)及與面積法的比較

3.1 像素標(biāo)記法

像素標(biāo)記法是當(dāng)前使用最廣泛的圖像標(biāo)記算法，在經(jīng)由上到下，由左到右兩次掃描之后，即可標(biāo)記出該圖像中符合連通性質(zhì)的連通區(qū)域總數(shù)。一般地，背景像素的灰度值為0，目標(biāo)像素的灰度值為1。注意，對圖像進(jìn)行標(biāo)記之前，為防止斷電或誤操作等意外因素對原圖像造成損壞，系統(tǒng)設(shè)計(jì)時(shí)另外開辟了一個(gè)與原圖像的數(shù)據(jù)大小一樣的內(nèi)存空間來存儲標(biāo)記圖像。

像素標(biāo)記法可分為3個(gè)步驟，具體如下所述。

1)讀取圖像，對圖像進(jìn)行初步標(biāo)記，即給每個(gè)像素臨時(shí)賦一個(gè)標(biāo)記值，將具有等價(jià)關(guān)系的標(biāo)記值進(jìn)行記錄，并寫入等價(jià)對數(shù)組中。

2)對等價(jià)對數(shù)組進(jìn)行整理，讀取等價(jià)對數(shù)組后，檢查數(shù)組中的等價(jià)關(guān)系，并將等價(jià)的數(shù)據(jù)用最小標(biāo)記值進(jìn)行替換，這里的最小標(biāo)記值即臨時(shí)標(biāo)記的等價(jià)對數(shù)組中的最小者。然后用從1開始的正整數(shù)對等價(jià)對數(shù)組進(jìn)行重新編號標(biāo)記。

3)用2)中的重新編號標(biāo)記值代替1)中的臨時(shí)標(biāo)記值，最后輸出代換后的圖像，輸出的圖像的連通區(qū)域從上到下，從左到右被一個(gè)唯一的數(shù)所標(biāo)記。由這些標(biāo)記數(shù)，即可計(jì)算出連通區(qū)域個(gè)數(shù)［9］。

像素標(biāo)記算法的流程如圖3所示。

圖3 像素標(biāo)記法流程圖Fig.3 Flow chart of pixel labeled arithmetic

3.2 像素標(biāo)記法實(shí)現(xiàn)與準(zhǔn)確度測試

根據(jù)以上算法，在Windows XP操作系統(tǒng)平臺上，用Visual C++6.0開發(fā)工具實(shí)現(xiàn)以上算法，搭建金屬目標(biāo)識別系統(tǒng)。此系統(tǒng)顯示的連通區(qū)域個(gè)數(shù)即是金屬目標(biāo)的個(gè)數(shù)，系統(tǒng)界面如圖4所示。

圖4 用戶界面Fig.4 User interface

對經(jīng)上述處理后PMMW圖進(jìn)行測驗(yàn)，識別結(jié)果如圖5所示。

圖5 計(jì)數(shù)結(jié)果Fig.5 Result of counting

注意，圖5界面中包含兩幅圖像，左邊是原始的讀取的待檢測圖像，右邊是標(biāo)記圖像。識別結(jié)果為12個(gè)金屬目標(biāo)，這與人眼視覺系統(tǒng)所能從圖形上識別到的12個(gè)或13個(gè)金屬有較好的吻合度，驗(yàn)證了此方案金屬目標(biāo)計(jì)數(shù)的準(zhǔn)確性。

3.3 系統(tǒng)性能測試

測試環(huán)境配置的主要參數(shù)如下:系統(tǒng)為Windows XP SP3;CPU 為 Intel酷睿 i7 2600，主頻為3.4 GHz，四核心;顯卡為NVIDIA GF104，顯存容量為1 G。軟件為Matlab 7.0;Microsoft Visual C++6.0。

對一幅PMMW圖像測試10次，系統(tǒng)的響應(yīng)時(shí)間結(jié)果如表1所示。

表1 次數(shù)與時(shí)間的關(guān)系(1)Table 1 The relation between frequency and time(1)

這10次響應(yīng)時(shí)間的平均值為0.96869 s，可近似認(rèn)為此平均值即是系統(tǒng)對一幅PMMW圖像的處理和計(jì)數(shù)時(shí)間，由表1可以看出此系統(tǒng)的計(jì)算量較小，且穩(wěn)定。

對10幅PMMW圖像同時(shí)進(jìn)行處理，系統(tǒng)響應(yīng)時(shí)間如表2所示。

表2 次數(shù)與時(shí)間的關(guān)系(2)Table 2 The relation between frequency and time(2)

所測的10次響應(yīng)時(shí)間的平均值為3.08803 s，可近似認(rèn)為此平均值即是系統(tǒng)對10幅PMMW圖像的處理和計(jì)數(shù)時(shí)間。進(jìn)一步，用同樣方法對100幅PMMW圖像進(jìn)行測試，系統(tǒng)的響應(yīng)時(shí)間約為32.3569 s。

3.4 面積法測試結(jié)果及兩方法比較

面積法計(jì)算目標(biāo)個(gè)數(shù)的原理是對分割處理后的圖像的目標(biāo)面積值從小到大進(jìn)行排序，取其中位數(shù)作為平均值，然后用目標(biāo)圖像的總面積除以這個(gè)中位數(shù)，從而計(jì)算出圖像中目標(biāo)的個(gè)數(shù)。用該方法對該文的PMMW圖像進(jìn)行測試，處理的結(jié)果約為17.6個(gè)目標(biāo)，這與真實(shí)情況的12或13個(gè)目標(biāo)有很大的誤差，且面積法要求PMMW圖像的成像距離固定不變［10］。距離一發(fā)生變化就必須重新設(shè)定參數(shù)，否則誤差會很大。像素標(biāo)記法不用考慮距離是否發(fā)生變化，因此像素標(biāo)記法適用條件更寬泛。

所以本文認(rèn)為像素標(biāo)記法更能合理有效計(jì)算出PMMW金屬目標(biāo)個(gè)數(shù)，面積法造成誤差大的原因很大程度是PMMW圖像自身分辨率低的特點(diǎn)導(dǎo)致的。面積法計(jì)數(shù)更適合圖像清晰度高、目標(biāo)成像均勻的圖像。

4 結(jié)束語

本文在PMMW圖像分辨率低、圖像噪聲強(qiáng)的條件下，用數(shù)學(xué)形態(tài)學(xué)方法對其進(jìn)行去噪處理，并用Visual C++6.0開發(fā)工具搭建起金屬目標(biāo)自動計(jì)數(shù)系統(tǒng)，并用面積法與像素標(biāo)記法進(jìn)行比較。實(shí)驗(yàn)表明，像素標(biāo)記法能合理有效計(jì)算出PMMW圖像中金屬目標(biāo)個(gè)數(shù)，有利于軍事上快速做出軍事決策，贏得現(xiàn)代軍事電子對抗時(shí)爭分奪秒的寶貴時(shí)間，這在軍事上無疑是至關(guān)重要的。同時(shí)本文算法可為今后PMMW金屬目標(biāo)識別并自動計(jì)數(shù)系統(tǒng)的研發(fā)和完善提供一定的參考。

［1］聶建英，李興國，婁國偉.PMMW裝甲目標(biāo)小波包分析與輻射特性研究［J］.電光與控制.2011，18(3):72-75.

［2］宋建軍，童力，陳旭鋒.利用毫米波輻射計(jì)探測金屬目標(biāo)的研究［J］.現(xiàn)代電子技術(shù)，2010，19:47-53.

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

［4］倪維平，嚴(yán)衛(wèi)東，邊輝，等.基于MRF模型和形態(tài)學(xué)運(yùn)算的 SAR圖像分割［J］.電光與控制，2011，18(1):32-36.

［5］李凱永，何友金，張鵬，等.地面紅外目標(biāo)圖像識別方法研究［J］.電光與控制，2009，16(3):71-74.

［6］趙繼印，徐艷蕾，焦玉斌.基于順序形態(tài)學(xué)的圖像邊緣檢測快速算法的研究［J］.電子學(xué)報(bào)，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］王安靜，陳玲，宋建永，等.用VC++實(shí)現(xiàn)圖像連通區(qū)域標(biāo)記［J］.電腦編程技巧與維護(hù)，2003(1):74-77.

［10］左欣，韓斌，程嘉林.基于數(shù)字圖像處理的植物葉面積測量方法［J］.計(jì)算機(jī)工程與應(yīng)用，2006，42(27):194-197.