一种基于数学形态学的海天线检测方法与流程

本发明属于图像处理技术领域，具体涉及一种基于数学形态学的海天线检测的方法。

背景技术

海天线是大海与天空的分界线。一般的海天背景图像主要包括三个区域：天空区域、海面区域，以及海天线区域。如果进行低空侦查，通常海上目标出现在海天线及海面区域内。通过检测及确定海天线，可以减少目标检测的计算量，缩短计算时间；同时还可以区分天空区域及海面区域，有助于海面目标检测仿真实验有效地进行。

针对海天线的提取，国内外已有众多算法提出并得到应用。这些算法主要分为三类：1)基于边缘检测的方法，使用各种梯度算子或者其他特征参数提取边缘特征图像；2)基于图像分割的方法，通过确定阈值分割海面和天空区域；3)基于多尺度小波变换的方法，利用在大尺度下抑制噪声，在小尺度下边缘定位准确的特点来确定海天线。

上述这些常用的海天线边缘检测识别算法的准确性依赖于其运用的具体环境，存在局限性。

技术实现要素：

本申请提供一种基于数学形态学的海天线检测的方法，解决了现有技术中存在海天线检测准确性不高、鲁棒性较低的问题。

为了达到上述目的，本发明的技术方案如下：

一种基于数学形态学的海天线检测方法,包括以下步骤：

步骤1、选取海天背景图，对图像进行灰度处理，再使用数学形态学滤波对图像进行预处理，去除较强的水纹和光照不均对海天线提取的干扰；

步骤2、对预处理后的海天背景图像进行海天边界检测提取，获得二值化图像；

步骤3、再次使用数学形态学去除二值化图像中的干扰点；

步骤4、使用hough直线检测和多项式拟合相结合，获得最终的海天线检测结果。

进一步的，所述步骤1中，所述的数学形态学滤波采用数学形态学闭-开滤波器(cof)实现，数学形态学闭-开滤波器定义如下：

cof(f)＝(f·b1)οb2

f是进行试验的图像，b1、b2是根据经验值选取的结构元素，符号·代表闭操作动作，符号ο代表开操作动作；

所述数学形态学闭-开滤波器的操作中，闭操作结构元素b1选取5*5的方形结构元素，开操作结构元素b2选取3*3的方形结构元素。

进一步的，所述步骤2中，采用基于sobel或canny的边缘检测算子进行海天边界检测。

进一步的，所述步骤3中，所述的数学形态学去除二值化图像中的干扰点，数学形态采用线性结构元素，该结构如下：

se＝strel('line',x,y)

式中，se表示结构元素，strel()表示创建结构元素的函数，其中'line'表示线性结构元素，x,y的取值决定结构元素的大小和方向。

进一步的，所述步骤3中，x＝3，y＝0°。

本发明的有益效果：

1)获得的图像总体质量较高，更好地保留了海天边界的细节信息；

2)减小了直线检测的计算量，优化了检测时间；

3)提高了海天线检测的准确性和鲁棒性。

附图说明

图1为本发明方法的流程图；

图2是本发明实施例选取的检测原始图像，其中，图2(a)是能见度较低的海天图，图2(b)是水纹较强的海天图，图2(c)是光照不均的海天图，图2(d)是有沙滩的海天图；

图3是图2(b)在经过步骤2处理后的边界检测二值化图像；

图4是图2(a)-图2(d)经过本发明完整步骤处理后的海天线检测效果图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

数学形态学是一种非线性图像处理和分析理论，它从集合的角度来刻画和分析图像。其主要以几何方式进行刻画，更适合于视觉信息的处理和分析。数学形态学的数学基础和所用语言是集合论，因此它具有完备的数学基础，这为形态学用于图像分析和处理、形态滤波器的特性分析和系统设计奠定了坚实的基础。

如图1所示，本发明提供一种基于数学形态学的海天线检测的方法，包括以下步骤：

步骤1、选取海天背景图，对图像进行灰度处理，再使用数学形态学滤波对图像进行预处理，去除较强的水纹和光照不均对海天线提取的干扰问题。使目标图像亮度更均匀，并能够较好地保留图像的边界结构信息。通过对开、闭运算的组合运用，可以组合成不同形态学滤波器，其具有传递性、平移不变性、幂等性和对偶性的性质；闭操作可以填充低灰度的黑洞，开操作会抑制高灰度的白点，去除噪声；闭-开操作中的开操作还可以对之前的闭操作产生的噪声点进行去除，所以先闭后开操作的可以使去噪、平滑边缘效果更好。所以采用形态学闭-开滤波器(cof)，定义如式(1)所示：

cof(f)＝(f·b1)οb2(1)

在本发明的海天线检测中，闭操作结构元素b1根据选取5*5的方形结构元素，开操作结构元素b2选取3*3的方形结构元素。

步骤2、利用sobel算子对预处理后的海天背景图像进行海天边界检测。

步骤3、对步骤2进行海天图像边缘提取后，获得了二值化图像，其中仍存在着大量的细小噪声点，这些噪声点会对后期的海天线检测和拟合造成干扰，因此，我们再次使用数学形态学去除干扰点；由于数学形态学运算对结构元素的尺寸和形状十分敏感，选择合适的结构元素就十分重要。为了能够有效去除二值化图像的干扰点，同时又不会错误地去除边缘点，本发明采用线性的结构元素，如式(2)所示。

se＝strel('line',x,y)(2)

式(2)中se表示结构元素，strel()表示创建结构元素的函数，其中'line'表示线性结构元素，x,y的取值决定结构元素的大小和方向，其中线性结构元素中，x与y有如下关系：

根据海天线特征和经验值，选取大小x＝3，方向y＝0°线性结构元素，可以有效地去除干扰点，减少hough直线检测时的计算量，提高准确性和效率。

步骤4、用hough直线检测和多项式拟合相结合，获得最终的海天线检测结果。hough变换是把在图像空间中的直线检测问题转换到参数空间里点的检测问题；在海天二值化图像中，可见的直线段很多，只有海天线是贯穿整个图像的，也就是说，海天线是海天图像对应在hough参数空间中的局部最大值。因此，通过检测hough参数空间中的局部最大值，就可以找到一条图像空间中对应的最长直线段；接着，选取该线段的部分点，进行多项式的直线拟合，就得到最终的海天线。

下面结合具体实施例对本文发明的基于数学形态学的海天线检测方法进行详细说明。

实施例：

一、实验图像的选取。

参见图2，部分是发明人在做试验的时候，用无人机进行拍摄的，又为了使得实验的图片具有代表性，从网上获得了部分图片。从中选取了4张不同环境下的海天背景图片，如图2所示，作为检测的图像：图2(a)是能见度较低的海天图，图2(b)是水纹较强的海天图，图2(c)是光照不均的海天图，图2(d)是有沙滩的海天图。

二、海天线检测的方法。

步骤1、使用matlab软件对选取的图像进行预处理。本发明采用形态学滤波进行灰度海天图像的预处理。为了表现数学形态学预处理图像的价值，发明人采用了两种预处理方法做对比试验：一种是高斯滤波预处理，另一种是数学形态学预处理，处理结果通过ssim进行比较。

ssim是一种全参考的图像质量评价指标，它分别从亮度、对比度、结构三方面来度量图像处理的质量，其取值范围为[0,1]，值越大表明质量越好。

表1预处理的ssim值比较

从表1可以看出，所有图像形态学滤波处理后的ssim值都比高斯滤波后的ssim值要大，表明了形态学滤波处理的图像质量较好。对于光照不均的图像(c)，本文滤波预处理的ssim值明显高于高斯处理的值，表明本文滤波不仅可以有效降噪，而且更好地保护原始图像的细节特征。

步骤2、对步骤1预处理后的灰度图像进行海天边界检测，利用sobel或canny算子对预处理后的海天背景图像进行海天边界检测；对于灰度渐变的图像，sobel算子的边缘检测效果更好。这里以图2(b)为海天边界检测对象，检测图像如图3所示。从图中可以看出，利用sobel算子的边缘检测，海天线边界定位比较准确，还保留了完整的边界细节信息。

步骤3、对步骤2得到的二值化图像，再次使用形态学处理，即二值化图像的形态学处理。比较形态学处理前后保留的有效点个数，并分析其去除干扰点的情况，获得实验数据见表2。

表2第二次形态学处理前后的有效点比较

从表2可以看出，经过第二次形态学处理，可以有效减少海天线的干扰点，在保障真实海天线信息点比例(b/a)的前提下，有效地降低了海天线的信息量(a)，同时减少了hough检测的计算量以及对海天线检测拟合的干扰。

步骤4、对步骤3去除干扰点的图像，使用hough和多项式直线拟合相结合，得到最终的海天线检测结果，如图4所示，图4(a)-图4(d)一一对应图2(a)-图2(d)的最终检测结果。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。