基于空间频率特征的海面溢油检测方法与流程

本发明属于目标检测技术领域，特别是一种精度高、可靠性好、效率高的基于空间频率特征的海面溢油检测方法。

背景技术：

由于海洋石油资源开发造成的溢油事故频发，石油泄漏成为了海洋最主要的污染源。这不仅对生态环境危害巨大，而且对经济造成了巨大的损失。为了及时准确地发现溢油事故，需要对海面溢油实现快速检测。

海面溢油的基本检测方法主要有可见光法、红外分光光度法、微波辐射计法、气相色谱法和荧光法等。但是，这些传统的测量方法都需要对实验样品进行预处理，并且需要昂贵的实验仪器作为支撑，在数据分析和处理上比较单一，无法做到多角度大视场对海面溢油进行无损检测，从而无法对海面溢油的物理机理做出科学可靠的分析。

总之，现有技术存在的问题是：海面溢油检测精度低、可靠性差、效率低。

技术实现要素：

本发明的目的在于提供一种基于空间频率特征的海面溢油检测方法，精度高、可靠性好、效率高。

实现本发明目的的技术解决方案为：

一种基于空间频率特征的海面溢油检测方法，包括如下步骤：

(10)样品信号采集：采集不同种类的海面溢油样品的条纹光图像信号，得到海面溢油原始图像；

(20)数据预处理：对海面溢油原始图像进行中值滤波，得到滤除脉冲、椒盐噪声后边缘清晰的目标图像；

(30)刃边直线拟合：对目标图像进行刃边直线拟合，获得目标刃边直线方程；

(40)图像边缘扩散函数预处理：根据目标刃边直线方程，对目标图像进行边缘扩散函数处理，去除目标图像中较为明显的噪声点；

(50)边缘扩散函数分层重采样：对经图像边缘扩散函数预处理后的目标图像进行边缘扩散函数分层重采样，去除目标图像中的其他噪声信号，获得低噪声目标信号；

(60)线扩散函数采样与拟合：对低噪声目标信号的边缘扩散函数进行微分，得到线扩散函数，再根据最小二乘法进行拟合，获得高精确性目标信号的线扩散函数；

(70)调制传递函数计算：根据处理后的目标图像信号，进行调制传递函数计算，获得多角度下海面溢油的空间频率特征值。

本发明与现有技术相比，其显著优点为：

1、精度高：在低照度实验室内，对空间频率特性的定义、MTF(Modulation Transfer Function，调制传递函数)的原理、测量方法进行深入研究，在MTF测量方法的基础上，利用改进的倾斜刃边法对采集数据进行仿真。结合低照度实验模型，设计搭建户外实验系统，对海面溢油检测模型进行完善。

2、可靠性好：基于VS2010软件设计实现图像数据网口传输、海面溢油检测算法处理、检测结果显示等功能。利用该系统对不同环境下的海面溢油展开检测研究，分析实验测量数据，完善海面溢油户外检测系统。

3、效率高：结合条纹图像的空间频率特性，使用投影仪作为主动光源，利用CCD探测器作为光电检测装置，设计了主动光条件下的海面溢油检测系统。

下面结合附图和具体实施方式对本发明作进一步的详细描述。

附图说明

图1为本发明基于空间频率特征的海面溢油检测方法的主流程图。

图2为图1中图像边缘扩散函数预处理步骤的流程图。

图3为用于实现本发明方法的一种的海面溢油检测系统的结构示意图。

图4是滤波效果图，其中4(a)是原始图像，4(b)是原始图像直方图，4(c)是中值滤波图像，4(d)是中值滤波直方图。

图5是边缘扩散函数分层重采样提取目标原理示意图。

图6是目标的MTF曲线图。

具体实施方式

本发明基于空间频率特征的海面溢油检测方法，其机理在于海面溢油散射的明暗条纹信号存在变化快慢的特点。目标通过光电系统后，一些纹理细节会变得模糊，因此其调制度低于成像前的调制度，光电成像系统的调制度将会根据空间频率的改变而改变。海水与原油的物理特征各不相同，对散射明暗条纹信号的改变存在差异，仿真得到的空间频率特征也不一样，从而实现海面溢油的检测。

如图1所示，本发明基于空间频率特征的海面溢油检测方法，包括如下步骤：

(10)样品信号采集：采集不同种类的海面溢油样品的条纹光图像信号，得到海面溢油原始图像；

所述(10)样品信号采集步骤中，采用投影仪作为采样时的入射光源，采用加有滤波片的CCD探测器对目标表面散射的光信号进行采集。

图3为用于实现本发明方法的一种的海面溢油检测系统的结构示意图。

应用多视场角度二向反射分布函数(BRDF)测量系统，可完整地表示待测量目标的光学特性，精确地描述目标的反射信号在2π空间内的分布情况和目标反射信号的空间结构信息(如：天顶角、方位角和辐射亮度等)。结合图3的入射光源，应用投影仪作为测量系统的入射光源，利用Matlab软件编写不同波段条纹光信号，调节测量距离与投影仪焦距，使条纹光清晰地照射在被测量目标表面。利用加有滤波片的CCD探测器对目标表面散射的光信号进行采集，便于通过图像预处理算法和改进的倾斜刃边法对采集的数据进行仿真，得到多角度下对应目标的空间频率特征值，以达到海面溢油检测的目的。

图4(a)是用上述方法获得的原始图像。

(20)数据预处理：对海面溢油原始图像进行中值滤波，得到滤除脉冲、椒盐噪声后边缘清晰的目标图像；

所述(20)数据预处理步骤具体为：

取窗口W中像素灰度的中值作为其中心像素的灰度：

g(m,n)＝med{f(m-i,n-j),(i,j)∈W}

其中，g(m,n)为目标图像，f(m,n)为原始图像，(i,j)为像素点坐标，窗口W中像素个数一般是奇数，若是偶数，则将中间两值取平均作为中值。

海面图像自身灰度变化较均匀，当受到细小杂物的影响时会产生一些明暗的点即椒盐噪声，而中值滤波法对该噪声滤除效果最好。同时，水面溢油图像中存在块状的溢油目标，也比较适合中值滤波法进行处理。

当目标呈块状时，中值滤波法效果较好，能解决目标边缘易模糊的问题，尤其适用于滤除脉冲、椒盐噪声。中值滤波法计算时并不使用图像统计信息，而是取窗口W中像素灰度的中值作为其中心像素的灰度。

不同窗口获得的滤波效果会不同，一般按照噪声、目标细节来选择。

(30)刃边直线拟合：对目标图像进行刃边直线拟合，获得目标刃边直线方程；

所述(30)刃边直线拟合步骤具体为：

其中，n,m为自然数，分别表示变量x，y的最大值。

直线l的方程为：

xsinθ-ycosθ+η＝0，

边缘检测中梯度算子为：

刀刃角θ：

刀刃法借助于边缘纹理成像获得的不同灰度值，能够间接地求解出线扩散函数LSF，从而得出调制传递函数MTF。该方法通过刀刃靶标的采样、拟合来获得边缘扩散函数ESF，接着对ESF进行求导能够获得LSF，最后对其作傅里叶变换，即可得调制传递函数MTF。

刀刃角的求解对调制传递函数(MTF)的测量至关重要，本发明基于梯度提出了将刃边区域作为整体来拟合其刀刃角。刃边方向与梯度方向垂直，可运用Canny梯度算子求出梯度方向。边缘扩散函数(ESF)、线扩散函数(LSF)与点扩散函数(PSF)的关系为：

h(x,y)＝h_x(x)h_y(y)

式中，h_x是LSF，是ESF，h(x,y)是PSF。

(40)图像边缘扩散函数预处理：根据目标刃边直线方程，对目标图像进行边缘扩散函数处理，去除目标图像中较为明显的噪声点；

由于在估算中使用了像素导数，因此该方法对噪声不稳健。实际图像无规律性、环境影响以及光源实际分布不均匀等因素会导致ESF样本中有噪声点明显偏离的曲线，使得误差被引入到MTF的负偏压上，测量值会远低于真实值。为了减少误差，应对ESF样本作相应预处理以滤除噪声。

在一些微小区间内，ESF曲线可近似为直线。可在直线的两侧建立容忍域，如果采样点与直线之间的距离在容忍域之外，则判定为噪声。对采样点和噪声点进行区分之后，本发明使用最小二乘法来拟合。容忍误差为1.5σ，该标准差公式为：

式中，Δl_i为第i个采样点到拟合直线的距离。

如图2所示，所述(40)图像边缘扩散函数预处理步骤包括：

(41)分段取样：以像素为单位对边缘扩散函数的样本进行分段，且两端可延伸半像素距离；

(42)数据拟合：对每段扩展范围内的样本进行直线拟合；

(43)噪声去除：去除每段边缘扩散函数样本中的噪声点。

(50)边缘扩散函数分层重采样：对经图像边缘扩散函数预处理后的目标图像进行边缘扩散函数分层重采样，去除目标图像中的其他噪声信号，获得低噪声目标信号；

尽管ESF样本中的误差点已经被粗略地去除，但其在局部区域仍不规则，无法对其作LSF采样。为了得到等间距的ESF样本，需要对其进行重采样。然而亚像素级的重采样会导致样本局部变形，并且为了提高LSF采样精度，ESF样本的曲线应保持不变形的稳定状态。由于ESF是单调函数，在其梯度极值点附近的凹凸性基本一致，因此本发明对ESF采样使用了二分法分层重采样。

二分法防变形公式为：

如图5所示，所述(50)边缘扩散函数分层重采样步骤包括：

(51)横坐标原点为梯度极值点，进行第一层边缘扩散函数样本插值重采样；

(52)对所有重采样点的中点作插值重采样，根据二分法防变形公式来判断是否发生采样变形，

(53)以σ为容忍误差，去除其中的噪声点并重新插值，若仍不满足二分法防变形公式则舍弃该变形点，其中，

(54)若重采样密度误差大于15％，返回(51)步骤，否则，得到低噪声目标信号，进行下一步计算。

(60)线扩散函数采样与拟合：对低噪声目标信号的边缘扩散函数进行微分，得到线扩散函数，再根据最小二乘法进行拟合，获得高精确性目标信号的线扩散函数；

所述(60)线扩散函数采样与拟合步骤包括：

(61)对低噪声目标信号的边缘扩散函数进行微分，得到线扩散函数，

式中，μ为位移系数，λ为入射光波长，δ为函数系数，ESF为边缘扩散函数，LSF为线扩散函数。

该拟合模型可用最小二乘法来建立，如下式：

尽管去噪、重采样能提高精度，但刀刃质量也会影响LSF样本的精度。因此，可设置阈值来衡量其拟合精度，若低于阈值则选择其他刀刃区域来测量MTF。本发明使用了Levenberg-Marquardt最优化方法对最小二乘法进行求解，其全局收敛性较快，便于设置精度阈值。

在实际计算中发现，由于噪声干扰，若仅根据光源的某条直线方向无法取得理想的响应效果，必然会影响调制传递函数MTF的准确性。为了改善响应效果，引入了边缘扩散函数ESF，其公式如下：

其中，LSF为线扩散函数。

(62)根据最小二乘法对线扩散函数进行拟合，获得高精确性目标信号的线扩散函数。

(70)调制传递函数计算：根据处理后的目标图像信号，进行调制传递函数计算，获得多角度下海面溢油的空间频率特征值。

所述(70)调制传递函数计算步骤具体为：

式中，f_x为空间频率，OTF(f_x)为调制传递函数，i为虚数符号，LSF(x)为线扩散函数。

LSF作傅立叶变换后再进行归一化，相当于f_x为0时傅立叶变换的值。通过提取OTF的幅度即得到MTF值，测量结果如图6所示。

调制传递函数MTF是和空间频率有关的函数，而空间频率常用每毫米的线对数来表示，因此MTF可以表示成像前后的对比度关系、调制度由物平面传递至像平面的情况。在成像过程中，光的衍射效应、相位差以及误差等因素会降低成像后的图像质量。因此MTF一般来说小于1，即0≤T(f)≤1。MTF并不代表损失了光能，而代表改变了光能分配。

根据改进的倾斜刃边法进行算法仿真，应用Canny算子检测采集到的图像中的刃边分割位置，结合刃边图像直方图呈双峰性的特点，利用类间方差最大化阈值分割算法计算对Canny算子性能具有决定意义的高阈值。以刃边区域中每行的质心为ESF中心位置，对Canny检测下每一行的分割位置及其刃边邻城像素进行离散采样，将获得的二维刃边信息数据沿着刃边方向整体投影成一维数据，得到提高提高采样率下的平均处理的ESF。拟合海水与原油的MTF曲线，分析得到不同测量环境下目标的空间频率特征。

本发明的效果可以通过以下对比仿真结果作进一步说明：

为了验证本发明算法的MTF测量精度，本发明对不同算法的仿真图像进行了测量试验，并进行对比分析。在MTF测量过程中，白噪声、时间噪声等随机因素会引入正偏差，即有噪声时的MTF通常比无噪声时的MTF大。可在仿真图像里加入独立同分布的高斯白噪声来生成模拟图像。

仿真实验步骤如下：

(1)在刃边倾斜角为25°、14°、7°时，生成无噪声、高斯白噪声两种仿真图像；

(2)分别使用传统刃边法、倾斜刃边法(多项式拟合ESF法)、倾斜刃边法(Fermi函数拟合ESF法)、本文改进的倾斜刃边法来测量MTF；

(3)使用峰值信噪比(Peak signal to noise ratio，PSNR)，即不同方法得到的MTF测量值和MTF的真实值之间的比值，来分析MTF的测量精度，其中真实的MTF极值为峰值。

评价结果如表1所示。其中，括号外为噪声图像数据，括号里为无噪声图像数据。

表1评价结果表

由表1可得：

(1)通过对有噪声和无噪声的图像数据进行分析可得，噪声越大，MTF测量结果偏离真实值越多，即噪声对MTF的测量存在影响。

(2)传统刃边法易受到刀刃角度的影响，精度、峰值信噪比较低，稳定性较差，受噪声的影响较大。

(3)由多项式拟合ESF样本的倾斜刃边法，受到刀刃角度的影响较小，但是受采样点分布、噪声的影响较明显，稳定性较好。若采样点分布较均匀，则精度较高；反之，若采样点分布数量较少时，则精度较低。

(4)由Fermi函数拟合ESF样本的倾斜刃边法，通常不会受到刀刃角度、噪声影响。由于形状比较固定，使得其稳定性较好，然而其精度较低。

(5)本发明测量方法与其他方法相比有明显优势。在不同角度的刀刃区域中，对MTF的测量精度均较高，并且能精确地测量噪声图像的MTF值，其峰值信噪比较高。