張路蔚 王嘉瑋 鄭佳 陶劍鋒

（聲納技術(shù)重點(diǎn)實(shí)驗(yàn)室 第七一五研究所，杭州，310023）

測(cè)定目標(biāo)方位是被動(dòng)聲吶的基本功能之一，實(shí)際應(yīng)用中，被動(dòng)聲吶系統(tǒng)同時(shí)監(jiān)測(cè)多個(gè)目標(biāo)并快速更新目標(biāo)位置。目標(biāo)方位的確定過(guò)程包括目標(biāo)的檢測(cè)、跟蹤與識(shí)別。被動(dòng)聲吶系統(tǒng)跟蹤性能的好壞與多目標(biāo)分辨直接相關(guān)。因此，解決目標(biāo)跟蹤問(wèn)題，首先要解決目標(biāo)分辨問(wèn)題[1]。

由于水下環(huán)境惡劣、信噪比低、目標(biāo)軌跡錯(cuò)綜復(fù)雜，傳統(tǒng)的信號(hào)處理方法在交錯(cuò)繁亂的歷程中準(zhǔn)確提取軌跡難度較大，操作復(fù)雜，且伴隨著大量的計(jì)算機(jī)資源消耗。本文對(duì)時(shí)間-方位歷程進(jìn)行仿真并分析，通過(guò)軌跡局部化及時(shí)間迭代的方式提出一種基于改進(jìn)Hough變換的多目標(biāo)軌跡提取方法，在不同軌跡特征與多種軌跡情況下可以快速對(duì)目標(biāo)軌跡進(jìn)行準(zhǔn)確提取，并通過(guò)海試時(shí)間-方位歷程圖加以驗(yàn)證。

1 算法原理

1.1 Hough變換

Hough變換是圖像處理中的一種特征提取技術(shù)，該過(guò)程通過(guò)在參數(shù)空間中累積計(jì)算結(jié)果得到局部最大值，并在其中確定一個(gè)符合檢測(cè)形狀特征的集合，該集合即為Hough變換結(jié)果。在圖像處理分析過(guò)程中，傳統(tǒng)的Hough變換常用來(lái)檢測(cè)圖像中的直線結(jié)構(gòu)。目前也被應(yīng)用在水下成像中，用來(lái)檢測(cè)圓形及橢圓形結(jié)構(gòu)。

在工程實(shí)現(xiàn)的算法中，Hough變換可看作映射過(guò)程。Hough變換運(yùn)用兩個(gè)坐標(biāo)之間的空間變換，將在一個(gè)空間中具有相同形狀的線條映射到另一個(gè)坐標(biāo)空間的一個(gè)點(diǎn)上形成峰值。例如，在直角坐標(biāo)系下的直線 y=kx+b在參數(shù)空間下表示為一個(gè)點(diǎn)（k,b）通過(guò)直角坐標(biāo)系到參數(shù)空間的映射，一個(gè)點(diǎn)（x1,y1）在直角坐標(biāo)系下表示為一條直線，y1=kx1+b，（k,b）則為該直線上的任意點(diǎn)。方便起見(jiàn)，將參數(shù)空間坐標(biāo)表示為極坐標(biāo)（γ，θ），因?yàn)橥粭l直線上的點(diǎn)對(duì)應(yīng)的極坐標(biāo)點(diǎn)是相同的。在直線結(jié)構(gòu)檢測(cè)中，直角坐標(biāo)系中的直線上每一個(gè)非零像素點(diǎn)（x, y）在參數(shù)坐標(biāo)下都映射為一條直線，那么直角坐標(biāo)系中的同一條直線上的點(diǎn)映射到參數(shù)空間便形成了多條直線匯交于一點(diǎn)。圖1為Hough變換對(duì)直線結(jié)構(gòu)檢測(cè)的映射過(guò)程[2]。

圖1 Hough變換的映射過(guò)程

1.2 多目標(biāo)提取

經(jīng)典 Hough變換對(duì)于直線結(jié)構(gòu)的提取有較好效果，但當(dāng)目標(biāo)軌跡為不規(guī)則線結(jié)構(gòu)時(shí)會(huì)出現(xiàn)較大偏差。本節(jié)提出一種基于經(jīng)典Hough變換的用于快速提取曲線多目標(biāo)軌跡的改進(jìn)方法。

圖像中與物質(zhì)邊緣對(duì)應(yīng)的圖像灰度與其周?chē)裨叶仁遣贿B續(xù)的，因此須先對(duì)采集回的圖像進(jìn)行灰度處理。通常采集回的圖像每個(gè)像素都返回一組RGB（Red Green Blue）數(shù)據(jù)，RGB反映像素色度信息，為使圖像更適合于圖像處理，需要將RGB信息轉(zhuǎn)換為YUV（其中Y代表像素亮度或灰度，UV代表紅藍(lán)色差（反映紅色與藍(lán)色的強(qiáng)度）信息，即色度與亮度分離開(kāi)，再進(jìn)行灰度轉(zhuǎn)換。RGB模型與YUV模型的轉(zhuǎn)換規(guī)則如下[3]：

邊緣檢測(cè)算法就是通過(guò)檢測(cè)像元值是否連續(xù)來(lái)判斷每個(gè)像素與其直接鄰域的狀態(tài)，根據(jù)某像元點(diǎn)鄰域灰度值變化大于一定范圍來(lái)判定該像素是否為邊緣線。邊緣檢測(cè)算子大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法，可通過(guò)一定的邊緣算子搜索圖像灰度值發(fā)生階躍變化的位置來(lái)對(duì)邊緣線進(jìn)行提取。常用邊緣算子有sobel算子、roberts算子、canny算子等。sobel算子多用于提取多像素邊緣線，但提取精度較低；roberts算子算法簡(jiǎn)單易實(shí)現(xiàn)、速度快，提取邊緣寬度精細(xì)，定位精度高，但易受噪聲影響，提取的邊緣為單像素，容易出現(xiàn)間斷；canny算子選取兩個(gè)閾值來(lái)提取一個(gè)強(qiáng)邊緣和一個(gè)弱邊緣，只有當(dāng)兩種邊緣相連接時(shí)弱邊緣被采用，這種方法能夠較好地切合原圖像邊緣，也可以剔除假邊緣信息，不會(huì)出現(xiàn)斷點(diǎn)。對(duì)于邊緣檢測(cè)問(wèn)題本文采取 canny算子，相較于sobel、roberts及其他算子，canny算子預(yù)先對(duì)圖像進(jìn)行平滑，具有更好的抑制噪聲能力。

在基于Hough變換對(duì)直線結(jié)構(gòu)檢測(cè)的基礎(chǔ)上，本次圖像處理中，將曲線軌跡劃分為若干局部線段，工程上可近似認(rèn)為每個(gè)局部軌跡為直線段[4]，對(duì)于直線段就可以使用Hough變換進(jìn)行檢測(cè)。基于以上假設(shè)，本文在處理曲線軌跡過(guò)程中，將時(shí)間-方位歷程圖以時(shí)間軸為方向，劃分為若干時(shí)間段，對(duì)每一個(gè)時(shí)間段的軌跡信息使用Hough變換進(jìn)行檢測(cè)，實(shí)現(xiàn)該時(shí)段目標(biāo)運(yùn)動(dòng)參數(shù)信息的提取，包括目標(biāo)方位及其隨時(shí)間的變化率，依次將所有時(shí)間段目標(biāo)信息進(jìn)行累積即完成一個(gè)完整時(shí)間段上Hough變換，實(shí)現(xiàn)Hough變換對(duì)多條不規(guī)則軌跡的提取[5]。圖2為改進(jìn)后 Hough變換用于多目標(biāo)軌跡提取方法的流程圖。

圖2 多目標(biāo)軌跡提取框圖

2 仿真實(shí)驗(yàn)結(jié)果

經(jīng)典Hough變換善于處理直線結(jié)構(gòu)，對(duì)于復(fù)雜曲線軌跡的提取會(huì)出現(xiàn)失真的情況。如果不對(duì)算法加以改進(jìn)，則恢復(fù)的軌跡將會(huì)是首尾相連的直線或折線。圖3為使用未改進(jìn)的Hough變換對(duì)正弦形曲線軌跡進(jìn)行提取的結(jié)果，其中圖3（a）是正弦曲線仿真軌跡，正弦曲線幅度為18，采樣頻率1 Hz，周期為120個(gè)時(shí)間點(diǎn)，曲線起始方位為20°；圖3（b）是傳統(tǒng)Hough變換提取結(jié)果，該結(jié)果是將曲線恢復(fù)為幾段折線的相連，且在首尾部位細(xì)節(jié)丟失的現(xiàn)象。由此可見(jiàn)，使用傳統(tǒng)未改進(jìn)的Hough變換對(duì)曲線軌跡進(jìn)行處理，軌跡結(jié)果會(huì)出現(xiàn)嚴(yán)重失真。

圖3 曲線仿真軌跡與傳統(tǒng)Hough變換對(duì)其提取結(jié)果

為證實(shí)改進(jìn)后的 Hough變換可以對(duì)曲線目標(biāo)軌跡進(jìn)行提取，采用圖2流程對(duì)曲線軌跡提取進(jìn)行仿真，結(jié)果如圖4所示。同時(shí)為充分驗(yàn)證改進(jìn)Hough變換對(duì)不同特征狀態(tài)的目標(biāo)軌跡的提取能力，圖4（a）中用四條軌跡體現(xiàn)了五種軌跡形式，分別為直線結(jié)構(gòu)、曲線結(jié)構(gòu)、直線交叉、曲線交叉，直曲線交叉。四條軌跡起始方位分別為-60°、20°和40°，兩條曲線軌跡為參數(shù)相同的正余弦函數(shù)，加入 10 dB的背景噪聲。

改進(jìn)后的 Hough變換對(duì)多目標(biāo)軌跡的提取結(jié)果如圖4（b）所示。與圖4（a）原始軌跡比較可以證實(shí)，改進(jìn)Hough變換可以對(duì)仿真多目標(biāo)軌跡準(zhǔn)確提取，且結(jié)果具有較高的方位精度。針對(duì)軌跡出現(xiàn)短暫不連續(xù)現(xiàn)象，可以進(jìn)一步對(duì)提取軌跡進(jìn)行濾波平滑和擬合連續(xù)處理。

圖4 多目標(biāo)仿真軌跡與改進(jìn)Hough變換對(duì)其提取結(jié)果

為驗(yàn)證改進(jìn)后的 Hough變換對(duì)實(shí)際接收軌跡的提取效果，采用某次海試中被動(dòng)聲吶接收的方位-時(shí)間歷程圖進(jìn)行改進(jìn)Hough變換處理，結(jié)果如圖5所示。多目標(biāo)接收軌跡圖5（a）中充斥著各種類型的目標(biāo)軌跡，目標(biāo)能量強(qiáng)弱不一，信噪比較為理想，但背景噪聲級(jí)分布不均勻，實(shí)際接收數(shù)據(jù)的軌跡提取結(jié)果如圖5（b）所示。可見(jiàn)改進(jìn) Hough變換對(duì)于能量強(qiáng)、顏色亮的軌跡目標(biāo)可以不失真完好提取出來(lái)；對(duì)于不連續(xù)弱目標(biāo)的提取，結(jié)果會(huì)按軌跡延伸趨勢(shì)以點(diǎn)的形式呈現(xiàn)；當(dāng)較弱軌跡目標(biāo)與噪聲混疊在一起時(shí)，此時(shí)信噪比較低，提取結(jié)果會(huì)以雜亂分布的點(diǎn)來(lái)體現(xiàn)。由于在Hough變換前沒(méi)有對(duì)信號(hào)或圖像進(jìn)行濾波降噪處理，所以提取結(jié)果會(huì)有部分噪聲被一同提取出來(lái)。

圖6為Hough極坐標(biāo)變換的結(jié)果，亮帶的強(qiáng)度表示映射后的累積結(jié)果，方形標(biāo)記為搜尋到的最大值集合，由于該變換將曲線識(shí)別為若干條直線，所以在相應(yīng)方位出現(xiàn)大量直線識(shí)別結(jié)果。Hough變換的極坐標(biāo)通常體現(xiàn)了檢測(cè)軌跡的方位信息。亮帶的強(qiáng)度表示映射后的累積結(jié)果，搜尋5個(gè)最大值集合，并使用方形標(biāo)記。

圖5 多目標(biāo)接收軌跡與改進(jìn)Hough變換對(duì)其提取結(jié)果

圖6 Hough變換的級(jí)坐標(biāo)圖

3 結(jié)論

本文結(jié)合經(jīng)典 Hough變換并對(duì)其進(jìn)行時(shí)間迭代改進(jìn)，得到一種可以對(duì)任意多目標(biāo)軌跡進(jìn)行提取的圖像處理辦法。改進(jìn)后Hough變換提取結(jié)果準(zhǔn)確度高，在處理仿真圖像時(shí)，可以很好的還原多目標(biāo)軌跡形態(tài)。改進(jìn)Hough變換對(duì)真實(shí)多目標(biāo)接收軌跡的處理結(jié)果，信噪比高時(shí)，可以較準(zhǔn)確提取軌跡；信噪比低時(shí)，可以恢復(fù)部分軌跡，提取結(jié)果不連續(xù)，需要后續(xù)進(jìn)行擬合處理使之連續(xù)；信噪比低的情況下，部分噪聲會(huì)被看做軌跡提取出來(lái)，需要在Hough變換前進(jìn)行濾波預(yù)處理，達(dá)到提升信噪比的效果。且由于該多目標(biāo)提取方法是基于圖像處理，不需要對(duì)接收數(shù)據(jù)進(jìn)行處理，只需要軌跡圖片即可，相對(duì)于信號(hào)處理有著節(jié)約硬件資源與計(jì)算機(jī)資源的優(yōu)勢(shì)。

但該方法對(duì)噪聲極其敏感，并且結(jié)果易出現(xiàn)短暫不連續(xù)現(xiàn)象，為以后的軌跡分辨工作帶來(lái)一定的困難。后續(xù)研究工作需要對(duì)圖像降噪提升信噪比的工作，以及軌跡擬合與平滑濾波工作進(jìn)行研究。

參考文獻(xiàn)：

[1] 劉文海.水下被動(dòng)定位聲吶顯示及航跡跟蹤方法[J].聲學(xué)技術(shù), 2010,29(1)：99-102.

[2] 納杰斯.被動(dòng)聲吶監(jiān)測(cè)系統(tǒng)中目標(biāo)跟蹤算法的研究[J]..理論與方法, 2015,34(1)：32-35.

[3] GONZALEZ R C, WOODS R E. 數(shù)字圖像處理[M]. 北京：電子工業(yè)出版社, 2011：254-257,269.

[4] 肖靈. 水聲多目標(biāo)的提取方法[C]. 全國(guó)船舶儀器儀表學(xué)術(shù)會(huì)議, 2001.

[5] 杜明芳. 基于小波分析和概率 Hough的書(shū)脊視覺(jué)識(shí)別[C]. 中國(guó)人工生命與智能機(jī)器人會(huì)議, 2011.