留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用先验约束的SAR图像港口检测与鉴别

刘伟 陈建宏 曾阳帆 赵拥军

刘伟, 陈建宏, 曾阳帆, 赵拥军. 利用先验约束的SAR图像港口检测与鉴别[J]. 武汉大学学报 ● 信息科学版, 2016, 41(10): 1319-1325. doi: 10.13203/j.whugis20140794
引用本文: 刘伟, 陈建宏, 曾阳帆, 赵拥军. 利用先验约束的SAR图像港口检测与鉴别[J]. 武汉大学学报 ● 信息科学版, 2016, 41(10): 1319-1325. doi: 10.13203/j.whugis20140794
LIU Wei, CHEN Jianhong, ZENG Yangfan, ZHAO Yongjun. Harbor Detection and Discrimination of SAR Images with Prior Constraint[J]. Geomatics and Information Science of Wuhan University, 2016, 41(10): 1319-1325. doi: 10.13203/j.whugis20140794
Citation: LIU Wei, CHEN Jianhong, ZENG Yangfan, ZHAO Yongjun. Harbor Detection and Discrimination of SAR Images with Prior Constraint[J]. Geomatics and Information Science of Wuhan University, 2016, 41(10): 1319-1325. doi: 10.13203/j.whugis20140794

利用先验约束的SAR图像港口检测与鉴别

doi: 10.13203/j.whugis20140794
基金项目: 

国家自然科学基金 No. 41301481

详细信息
    作者简介:

    刘伟,讲师,博士,主要从事遥感信息处理、模式识别研究。greatliuliu@163.com

  • 中图分类号: TP751;P237

Harbor Detection and Discrimination of SAR Images with Prior Constraint

Funds: 

The National Natural Science Foundation of China No. 41301481

图(7) / 表(2)
计量
  • 文章访问数:  954
  • HTML全文浏览量:  49
  • PDF下载量:  334
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-03-26
  • 刊出日期:  2016-10-05

利用先验约束的SAR图像港口检测与鉴别

doi: 10.13203/j.whugis20140794
    基金项目:

    国家自然科学基金 No. 41301481

    作者简介:

    刘伟,讲师,博士,主要从事遥感信息处理、模式识别研究。greatliuliu@163.com

  • 中图分类号: TP751;P237

摘要: 港口的检测与识别是合成孔径雷达(synthetic aperture radar,SAR)遥感海洋应用领域的重要内容。分析港口目标结构及其微波散射特性,提出了一种基于先验约束的SAR遥感图像港口检测与鉴别方法。首先利用港内水域半封闭性的特点,定义水域被陆地包围的封闭性测度提取港内水域,使用多向扫描法检测突堤,结合两者结果实现港口粗提取。然后依据港口的最小外接矩形,判定口门方向和突堤代表点,最后根据突堤代表点间海岸线的封闭性测度完成港口鉴别。实验结果表明,本文提出算法能够准确检测港口及口门方向,完整提取突堤结构。

English Abstract

刘伟, 陈建宏, 曾阳帆, 赵拥军. 利用先验约束的SAR图像港口检测与鉴别[J]. 武汉大学学报 ● 信息科学版, 2016, 41(10): 1319-1325. doi: 10.13203/j.whugis20140794
引用本文: 刘伟, 陈建宏, 曾阳帆, 赵拥军. 利用先验约束的SAR图像港口检测与鉴别[J]. 武汉大学学报 ● 信息科学版, 2016, 41(10): 1319-1325. doi: 10.13203/j.whugis20140794
LIU Wei, CHEN Jianhong, ZENG Yangfan, ZHAO Yongjun. Harbor Detection and Discrimination of SAR Images with Prior Constraint[J]. Geomatics and Information Science of Wuhan University, 2016, 41(10): 1319-1325. doi: 10.13203/j.whugis20140794
Citation: LIU Wei, CHEN Jianhong, ZENG Yangfan, ZHAO Yongjun. Harbor Detection and Discrimination of SAR Images with Prior Constraint[J]. Geomatics and Information Science of Wuhan University, 2016, 41(10): 1319-1325. doi: 10.13203/j.whugis20140794
  • 港口检测与识别是遥感海洋应用研究重要内容,可用于海事交通规划与选址、目标定期检查、新建港口目标发现等。港口具有鲜明的几何特征结构,人眼可以从遥感图像中正确识别出港口。但在中高分辨率成像条件下,同一区域对应的遥感图像图幅大、数据海量,人工判读耗时费力且容易出错,半自动/自动化检测是有效途径之一。

    现有遥感图像检测港口目标方法可以归纳为基于海岸线检测码头[1-4]、检验港口岸线封闭性[5, 6]、检测港口突堤[7-9]三类。基于海岸线检测码头的方法,主要利用港口码头的直线、折线、角点等特征。基于直线[1, 2]和折线[3]特征的方法适用于图像中码头具有好的平直性,该类方法适合于可见光遥感图像,不适于合成孔径雷达(synthetic aperture radar,SAR)图像。基于角点特征的方法[4],利用小波变换等方法提取轮廓线上的角点,最长且具有角点的曲线即是港口。该方法很可能将一段较为曲折的海岸线误判为港口轮廓线。检验岸线封闭性法[5, 6]是基于半封闭性测度来实现港口检测,对尺寸小且海岸线简单的图像具有较好的效果。该类方法利用多边形近似法拟合海岸线得到特征点,在图像尺寸大或海岸线复杂的情况下,特征点多导致计算耗时且效果不理想[9]。检测突堤法根据港口防波堤两侧被水域包围的特点,采用横纵向扫描法实现疑似突堤检测,继而检测港口,该类方法对海陆分割精度要求相对较低,速度较快,已用于光学[7]和SAR图像[8, 9]。横纵扫描法可以较完整地提取到斜向布置的突堤,但横向或纵向布置的突堤无法检测,接近横向或纵向布置的突堤只能检测出极小部分,在后续鉴别中将由于不符合突堤的特征被剔除,即存在较大的漏检。同时会将突入海域的陆地的部分区域检测为疑似突堤,需要后续进一步鉴别消除。

    本文在深入研究港口目标结构及其微波散射特性的基础上,提出一种基于先验约束的SAR图像港口目标检测与鉴别方法。利用港内水域半封闭性的特点,定义封闭性测度提取港内水域,提出多向扫描法获取更完整的突堤结构,实现基于港内水域和突堤相邻性的疑似港口检测。进一步依据疑似港口最小外接矩形确定准确的口门方向与突堤代表点,根据封闭性测度完成港口鉴别。

    • 1) 港口结构

      港口类型众多,形态各异,一般港口布置如图 1所示,灰色区域为自然或者人工陆地。

      图  1  港口布置示意图

      Figure 1.  Diagram of Harbor Layout

      (1) 港口主要由港内水域和陆地两部分组成,在形态上表现为防波堤、码头包围的水域及其陆地组合而成的区域。

      (2) 防波堤一端连接陆地突向水域中,以防波堤为界,一侧为港外水域,另一侧为港内水域,且防波堤内部常构筑多个码头,狭长带状延伸于水中的称为突堤码头。突堤式码头两侧均为港内水域。本文将防波堤和突堤式码头统称为突堤。

      (3) 港口防波堤一般由相向延伸的2个组成,对港内水域形成合围之势,2个防波堤堤头间留有一狭窄的水域,称为口门,为船只进出水道。因而港内水域具有较强的封闭性,但未完全封闭。

      (4) 部分防波堤平面上呈弧形延伸。

      2) 港口各类物体微波散射特性

      (1) 海洋或河流水体区域的雷达后向散射弱,变化范围相对较小,在SAR图像上表现为较低灰度,且具有较大的连通面积。

      (2) 陆地区域既有强后向散射物体(如仓库、堆场等建筑物),又有弱后向散射物体(如平坦区域等),在SAR图像上取值动态范围较大。

      (3) 靠港船舶、作业塔吊等建筑物在SAR图像中形成了扩展的强散射结构,受此类强散射体影响,SAR图像中码头的水陆边界不具有好的平滑性。

    • 利用海陆分割二值图,以水域中的每个像素为中心沿N(N=4K,K=2,3,…)个邻域方向分别搜索,检测是否遇到陆地。N=4K中的4表示二维图像空间的4个象限区间,K表示将每个象限区间K等分。K取值最小为2,如图 2所示。

      图  2  八邻域方向搜索图

      Figure 2.  Tracking Diagram of Eight Neighborhood

      定义某个像素的第m方向搜索变量Lm(m=1,2,…,N)取值为:

      如果像素位于港内水域,则在绝大多数邻域方向将搜索到陆地;在口门,在若干方向将穿过口门,进入港外水域,即搜索不到陆地。定义该点被陆地包围的封闭性测度为:

      (1)

      P(i,j)表示当前像素点(i,j)N个邻域方向搜索到陆地的概率。

      定义判决门限为T=(N-K+1)/N,定义判决准则为:

      (2)

      S(i,j)=1,即在N-K+1个以上邻域方向搜索到陆地,判决该像素为港内水域;否则,判决为港外水域。若K=2,即在8个邻域方向搜索时,要求7个以上方向为陆地。

    • 现有横纵向扫描突堤检测法[7-9]对海陆分割二值图中陆地区域的每个像素,横向扫描,检查其左右两侧是否都存在水域,若有则可能为突堤点;纵向扫描,检查其上下两侧是否均存在水域,若有则可能为突堤点。横纵向扫描结果取交集,即横纵向扫描都可能为突堤点,就将该像素判定为疑似突堤点,否则为其他陆地点。

      多向扫描检测法,扫描方向为2K+2个,即在横纵扫描法2个方向的基础上,增加2K(K=1,2,…)次斜向扫描。K表示将一个象限区间K等分,K的系数2表示每对正交的斜向扫描方向,且它们关于X轴或Y轴对称。K=1时,表示增加正45°(记为+45°)和负45°(-45°)方向一对共两次扫描。K=2时,增加+30°、-30°、+60°和-60°两对共四次扫描。多向扫描法检测突堤时,每对正交方向扫描的结果取交集,然后取K+1次交集的并集。

      定义+α°方向的突堤检测结果为S+α°,S+α°的定义范围为整个二维图像空间,取值逻辑“1”表示是突堤点,逻辑“0”表示非突堤点,则最终检测结果为:

      (3)

      式中,“·”表示逻辑“与”;“+”表示“或”。

      多向扫描法,通过增加斜向扫描,可最大限度地提取到疑似突堤目标,突堤结构更完整,解决了现有检测法存在的问题。

    • 在利用封闭性测度获取疑似港内水域和采用多向扫描法检测突堤的基础上,基于港内水域和突堤相邻的特点提取疑似港口。

      (1) 基于几何特征的突堤鉴别。依据突堤具有较大长宽比的特征,排除长宽比小于给定阈值的假突堤[7]。鉴于不同港口的突堤大小各异,图像分辨率参数可变,基于长宽比特征的鉴别比基于面积的鉴别效果更佳,但仍然存在较多虚假突堤。

      (2) 基于相邻性的港口检测。根据港内水域和突堤相邻的先验知识,将连通在一起的港内水域和突堤判定为疑似港口。通过此原则,可以排除独立出现的疑似港内水域和疑似突堤。

      (3) 港口初鉴别。利用港口至少有两个突堤的先验知识完成初鉴别,排除只包含“一水一堤”的虚假港口目标。

      利用基于先验知识约束的方法实现疑似突堤鉴别,排除单独港内水域或突堤、“一水一堤”等干扰目标,初步提取港口,解决了图像分辨率和港口目标大小的不确定性及港口几何形状的多样性带来的问题。

    • 提取疑似港口后,判定口门方向,提取突堤代表点,计算封闭性测度实现港口鉴别。

    • 形成口门的两个防波堤的堤头间直线距离近,同时通过整个港口的海岸轮廓线相连,因此具有最大的封闭性测度。获取港口检测粗结果后,以突堤代表点表示突堤,继而确定封闭性测度最大的两个代表点,可以大幅度减少计算量。

      根据港口矩形框四个顶点在分割二值图中的位置确定口门方向的方法[8],计算简便,但存在港口走向判断失误、口门方向不准等问题,影响后续突堤代表点提取和封闭性测度计算。疑似港口提取获得的港口是包括港内水域和突堤两类物体的连通区,本文进一步计算连通区的最小外接矩形[10, 11],以矩形四个顶点在海陆分割二值图中陆地或海洋区域的位置,更精确地判断港口的大致走向,分为水平、垂直、+45°和-45°四类方向。继而,利用港口口门与港口走向相对的特点,根据港口大致走向将口门方向判定为“上”、“下”、“左”、“右”四类。图 3为某港口SAR图像的分割二值图,黑色部分表示水域,白色部分为陆地,矩形框为港口的最小外接矩形。从矩形的上顶点开始,顺时针遍历,设矩形的四个顶点为(a,b,c,d),a=d=0表示两个顶点在水域,b=c=1表示两个顶点在陆地,则港口的大致走向为+45°方向,判定口门方向为“上”。

      图  3  港口走向示意图

      Figure 3.  Diagram of Harbor Direction

      根据口门方向确定每个突堤代表点。若口门方向为“上”,将每个突堤的最上面的一个点作为该突堤代表点;反之,将每个突堤的最下面的一个点作为该突堤代表点,口门为“左”、“右”时类推[8]

    • 定义突堤代表点FiFj间的港口岸线的封闭性测度为[6]

      (4)

      式中,Rij表示位于点FiFj间的海岸线,其长度|Rij|Rij上的像素个数表示;|Lij|表示FiFj间直线段Lij的欧氏距离长度。

      计算疑似港口的突堤代表点两两间的封闭性测度,如果所有封闭性测度值均小于设定的阈值,则排除该虚假港口;如果有封闭性测度值大于阈值,则最终判定为港口,具有最大封闭性测度值的两个代表点确定为港口岸线的初始和结束位置点,两代表点间岸线为该港口轮廓线,两代表点代表的突堤即为该港口的防波堤。

    • 1) 对SAR图像滤波,在抑制相干斑噪声的同时,较好地保留水陆边界信息。

      2) 根据水域为大连通区且RCS弱的特征,采用区域生长法[12]实现海陆分割,基于分割的二值图提取海岸线。

      3) 基于港内水域较强封闭性特征,利用海陆分割二值图,通过计算封闭性测度实现港内水域检测。

      4) 基于防波堤和突堤式码头等突堤与水域的相邻性,采用多向扫描法,提取结构完整的疑似突堤目标。

      5) 基于几何特征去除部分虚假突堤,利用检测的疑似港内水域和突堤的相邻性,初步提取疑似港口。

      6) 提取疑似港口最小外接矩形,确定港口的口门方向与各突堤代表点。

      7) 利用步骤2提取的海岸线,计算疑似港口的各突堤代表点相互间的封闭性测度,若最大封闭性测度值大于给定阈值,则判定为港口。

    • 针对多个港口、多突堤港口和受突出陆地影响港口等情况,采用高分辨率SAR图像进行实验,验证本文方法的有效性。实验环境:CPU为Intel(R) Corei5 2.6GHz,4 G内存;实验软件为Matlab R2010a。

    • 图 4为多个港口检测实验,实验采用TerraSAR-X卫星条带模式HH极化GEC级图像,方位向和距离向的像素间隔为1.25 m×1.25 m。图像尺寸为4 576像素×5 960像素,场景中有两个港口,港口鉴别的封闭性阈值为3[9]图 4(a)为经Lee滤波的SAR图像,可以看出相干斑噪声仍较严重。图 4(b)为海陆分割与港内水域检测结果,白色部分为陆地,本文采用简单的分割方法且分割结果未进行后续处理,边界毛刺多。灰色部分为提取的港内水域,两个港口的大部分港内水域都被检测出,位于图中左下角位置的港口由于其口门尺寸较大,口门附近部分港内水域由于在如图 2所示第2和第3邻域方向都搜索不到陆地,所以未提取出。受伸入水域的陆地影响,检测到的港内水域存在一定的虚警,如图 4(b)右上部三角形水域。图 4(c)为多向扫描法检测出的突堤,受海陆分界线毛刺多以及伸入水域的陆地等的影响,存在虚假突堤。

      图  4  多个港口检测实验

      Figure 4.  Experiment of Multi-harbor Detection

      图 4(d)为提取的疑似港口及其最小外接矩形,白色表示每个港口包括港内水域和突堤。图 4(e)为疑似港口的最小外接矩形叠加于分割二值图,图 4(f)为本文方法港口鉴别结果,图中星点为基于疑似港口的最小外接矩形提取的突堤代表点,红色点为最终判定的防波堤代表点,代表港口岸线的初始和结束位置,两个港口都被正确检测。在采用常规Lee滤波和普通分割方法的情况下,本文算法克服虚假突堤多、港内水域不完整、虚假港内水域等问题,正确检测并鉴别出所有港口目标。

      图 4(g)为文献[7]横纵扫描法结果,其中白色表示提取的突堤,矩形框表示港口范围,共检测出3个港口,但其中一个是受伸入水域的陆地影响产生的虚警。究其原因是该方法在检测并鉴别去除虚假突堤后,仅采用简单的区域合并法对突堤进行分类。图 4(h)为文献[9]方法港口鉴别结果,两个港口也被正确检测。成功原因是文献[9]方法在文献[7]方法的基础上,增加了突堤投影重叠鉴别,从而排除了虚假港口。

      表 1可知,文献[9]方法提取的突堤代表点过多。图 5为本文多向扫描法与文献[7][9]中横纵扫描法效果对比图,图 5(a)图 4(c)中规模较大港口多向扫描法突堤检测结果放大显示,图 5(b)为同一区域横纵扫描法检测结果。横纵扫描法将一个突堤检测为3个分裂的突堤,在图 4(h)中需用3个星点表示,多向扫描法正确检测为一个突堤,如图 4(f)所示用一个星点表示。可见本文算法效果优于横纵扫描法,提取的突堤结构更完整,突堤代表点更少。

      图  5  突堤检测结果对比

      Figure 5.  Comparison of Jetties Detection

      表 1  多个港口实验指标对比

      Table 1.  Comparison of Multi-harbor Experiment Results Via Different Methods

      文献[7]文献[9]本文方法
      正确检测数 2 2 2
      虚警数 1 0 0
      漏检数 0 0 0
      代表点数 14 10
      时间/s 2.14 15.09 13.29

      表 1中3种方法的计算时间不包括滤波和分割的处理时间。文献[7]方法的时间仅包括横纵扫描、突堤鉴别和区域合并等简单处理,所以时间最短。与文献[9]方法相比,本文方法增加了港内水域检测和多向扫描等处理,港口提取方法也更复杂,但计算时间略优于文献[9]方法。港口鉴别处理中,计算两个突堤代表点间海岸线的封闭性测度耗时较长,而文献[9]方法提取的突堤代表点较多,导致整体计算时间略大于本文方法。

    • 图 6为多突堤港口检测实验,实验采用Cosmo-Skymed卫星 HH极化GEC级图像,方位向和距离向的像素间隔为2.5 m×2.5 m,图像尺寸为740像素×984像素。图 6(a)为经Lee滤波的SAR图像,图中港口的突堤数量多且布置方向各异。图 6(b)为海陆分割与港内水域检测结果,颜色表示同图 4(b)图 6(c)为多向扫描法检测出的突堤。图 6(d)为本文方法港口鉴别结果,所有突堤代表点定位正确,即港口的突堤被全部检测。本文方法正确提取了口门防波堤位置,获得了整个港口的完整区域。

      图  6  多突堤港口检测实验

      Figure 6.  Experiment of Multi-jetty Harbor Detection

      图 6(e)为文献[7]横纵扫描方法检测结果,其中白色表示提取的突堤。多个突堤被分裂,仅提取出港口的部分区域,且没有确定口门位置。图 6(f)为文献[9]方法的港口鉴别结果,多个突堤被分裂,提取的突堤代表点数为12,大于实际突堤数值8,且只提取出港口的部分区域。

      文献[7]方法处理时间为0.79 s,仍然最短。本文方法和文献[9]方法时间接近,分别是4.23 s和4.55 s,本文方法略优。

    • 图 7为受影响港口检测实验,实验采用TerraSAR-X卫星条带模式HH极化GEC级图像,方位向和距离向的像素间隔为1.25 m×1.25 m。图像尺寸为5 266像素×4 006像素,场景中只有一个港口,但其下部有一块突出陆地。图 7(a)为经简单Lee滤波的SAR图像。图 7(b)对应图 7(a)左下角方框内区域,为本文算法提取的疑似港口的最小外接矩形叠加于海陆分割二值图,其口门方向判定为“下”。图 7(c)为本文方法最终港口鉴别结果,红色星点为防波堤代表点,分别代表港口岸线的初始和结束位置,受突入海域的陆地影响的港口目标被正确提取。图 7(d)为文献[9]方法判定口门方向使用的疑似港口矩形叠加于海陆分割二值图,为使得突堤结构更完整,实验采用本文提出的多向扫描法,未采用原文献[9]中的横纵扫描法,根据矩形4个顶点在海陆分割二值图中的位置,利用文献[9]方法将无法判定港口的口门方向。

      图  7  海岬影响港口监测实验

      Figure 7.  Experiment of Influenced-harbor Detection

      实验结果表明,受港口附近海岬等突入海域的陆地影响,文献[9]方法无法判定口门方向,导致不能进行港口鉴别。本文算法能够克服海岬等突入海域的陆地影响港口监测情况,正确判定口门方向,提取出港口目标区域。

      为进一步说明本文算法的有效性,对10幅SAR港口图像进行了测试,图中共有21个港口目标,表 2为3种方法总检测指标对比。实验结果表明,采用横纵扫描法检测突堤会造成虚警多,品质因子低。文献[9]在横纵扫描法检测突堤的基础上,增加了后续鉴别处理,部分降低了虚警数量,但横纵扫描法固有的缺陷没有解决。本文算法由于增加了扫描方向,能够解决横纵扫描法存在的问题,实现横向和纵向布置突堤的提取,最大限度地提取到疑似突堤目标,使得突堤结构更完整,从而漏检目标少。本文提出基于封闭性测度的港内水域提取方法,并通过充分利用港内水域和突堤相邻等特征,能够鉴别出虚假突堤和虚假港内水域,高效检测出港口。利用港口最小外接矩形和港口大致走向的一致性,可以正确判定口门方向,最终实现港口目标区域鉴别。在时间效率上,本文方法略优于文献[9]方法。

      表 2  港口检测实验指标对比

      Table 2.  Comparison of Harbor Detection Experiments Via Different Methods

      文献[7]文献[9]本文方法
      真实目标数 21 21 21
      正确检测数TP 17 16 19
      虚警数FP 15 5 1
      漏检数FN 4 5 2
      品质因子 TP/(TP+FP+FN) 0.47 0.62 0.86
    • 本文在分析港口目标结构及其微波散射特性的基础上,提出了一种基于先验约束的SAR图像港口目标检测与鉴别方法。该方法充分利用港内水域半封闭性的特点,定义封闭性测度提取港内水域,结合多向扫描法检测的突堤,实现港口的粗提取,与横纵扫描法相比,提取的突堤目标结构更完整,突堤数量少。基于初步提取的港口的最小外接矩形,判定港口大致走向,从而确定港口口门方向,与现有口门方向判定法相比,口门方向判定更准确。依据口门方向提取突堤代表点,代表点大幅减少,从而有效降低了通过计算代表点封闭性测度实现港口鉴别的运算量。但本文算法在基于封闭性测度实现港口鉴别时,采用了固定的封闭性阈值,这是下一步需要完善的地方。

参考文献 (12)

目录

    /

    返回文章
    返回