基于自适应阈值区域生长的红外舰船目标分割方法

第 40 卷 第 2 期 2018 年 2 月红外技术 Infrared TechnologyVol.40 No.2 Feb. 2018基于自适应阈值区域生长的红外舰船目标分割方法赵文涛，曹昕鸷，田志勇（浙江机电职业技术学院，浙江 杭州 310053）摘要：红外成像制导技术以其优越的性能成为当今制导武器发展的主流，舰船红外图像的精确分割是后期舰船识别和跟踪的基础。

针对红外舰船目标的有效分割问题，本文提出了一种基于自适应阈值的区域生长和形态学滤波相结合的红外舰船目标分割算法，首先，选取种子点在自适应阈值的情况下进行区域生长，然后将粗分割图像进行形态学滤波，最后运用几何学的图像处理方法，从分割图像中去除相应的背景干扰，提取出目标的有效信息。

通过对实验结果进行分析，最终分割出来的图像交叠面积比达到 98%以上，而误分百分比均为 0%，即没有误分。

实验结果表明该算法能够很好地运用于红外舰船目标分割。

关键词：舰船目标分割；区域生长；阈值选取中图分类号：TP391.4文献标识码：A文章编号：1001-8891(2018)02-0158-06An Infrared Ship Target Segmentation MethodBased on Adaptive Threshold Region GrowthZHAO Wentao，CAO Xinzhi，TIAN Zhiyong(Zhejiang Institute of Mechanical & Electrical Engineering, Hangzhou 310053, China)Abstract ： Infrared imaging guidance technology, with its superior performance, has become the mainstream of today's guided weapons development, and precise segmentation of ship infrared images has become the basis of late ship identification and tracking. Aimed at the problem of in effective segmentation of infrared ship targets, this paper proposes an infrared ship target segmentation algorithm based on adaptive threshold region growth and morphological filtering. First, the seed dots are selected to grow (in the case of adaptive thresholds), and then the coarse segmented images are morphologically filtered. Finally, geometric image processing method is used to remove the corresponding background disturbances from the segmented images to extract the target valid information. Through the analysis of experimental results, final segmentation of the image overlap area ratio is more than 98%, whereas the error percentage is zero. The experimental results show that the algorithm can be applied to infrared ship target segmentation. Key words：ship target segmentation，regional growth，threshold selection0 引言红外成像技术被广泛运用于军事及民用领域， 尤其是远程监测，自动目标识别，视频监控及海上 搜索[1]。

最近几年，红外成像技术广泛运用于海上监 视中，包括舰船目标监测、分割、跟踪及识别[2]。

其 中，对红外舰船目标的有效分割是后期舰船识别 和跟踪的基础，具有重大的意义。

目前，简单背景中进行目标分割的方法有很多 ， 大 致 可 分 为 以 下 几 种 ： 基 于 阈 值 的 分 割 [3] ， 基于边界轮廓的分割方法[4-5]，基于区域的分割方 法 [6] ， 基 于 聚 类 的 分 割 方 法 [7]， 基 于 神 经 网 络 的 分 割方法[8-9]。

其中基于区域的分割方法主要包括了区 域生长，区域分裂以及相应的组合算法。

具体实践 中，基于边界的分割方法由于海面纹理的存在会检 测出很多海面纹理边界，直方图阈值的方法基于阈 值进行操作，操作简单，但往往会将舰船目标图像 中的海天背景较亮部分分割进去，而聚类的方法直收稿日期：2017-04-07；修订日期：2017-05-35. 作者简介：赵文涛（1990-）,男，浙江杭州人，硕士，研究方向为图像目标识别与跟踪。

E-mail：zhaowentao163@。

基金项目：国家自然科学基金项目（61403412）。

158第 40 卷 第 2 期 2018 年 2 月赵文涛等：基于自适应阈值区域生长的红外舰船目标分割方法Vol.40 No. 2 Feb. 2018接对样本集像素进行聚类，运算代价太大，耗时 长。

区域生长的方法通过种子点和生长阈值的确 立，能够有效地分割出一个联通域。

由于舰船目标 红外辐射强度高于背景，在发动机等部位达到峰 值，并且目标属于联通域，根据红外舰船目标的特 点，因此，本文选用区域生长法并对其进行相应的 改进来对红外舰船目标进行分割。

1 区域生长法Levine 等人首先提出将区域生长法成功运用于 图 像 分 割 方 法 中 [10] 。

目 前 针 对 区 域 生 长 法 ， 主 要 有两种方式，一种是将不同区域根据一致性关系分 割成不同区域，根据区域之间的关系，如灰度值关 系，以一定的判别准则进行区域融合，成功分割出 图像。

第二种为首先确定初始生长的种子点区域或 者随意小块，将其和周边像素点进行比较判定，通 过一定规则判断是否加入种子点区域，最终将能够 代表目标的所有像素点成功分割出来，从而实现对 目标的分割。

相对于传统的基于区域的分割方法， 该算法充分地考虑了图像中不同像素点的位置信 息，对目标具有更好的分割效果。

在图像分割方法中区域生长法是一种串行区域 分割的方法，其优点是通常能将具有相同特征的联 通区域分割出来，能提供很好的分割结果和拥有显 著的边界信息。

其基本思想相对简单，在相对缺乏 先验知识的情况下，能够实现对复杂图像的有效分 割，但是区域生长法是一种迭代的方法，时间和空 间开销都比较大，灰度不均和噪声可能会导致过分 割和空洞。

针对红外舰船目标的需要，本文使用了区域生 长法的第二种方式，区域生长法最后分割出的区域 是一个联通区域，符合实际舰船目标的一般规律。

对于区域生长法，首先确定生长点的初始位置，将 周围邻域的像素灰度值和已生长点进行比较，根据 合理的判定条件确定是否将周围点包括进来，并将 该点整合入已生长点。

如果周围点为已生长点，将 生长区域和该点周围点进行比较，重新判断是否将 相邻点整合进来，不断地进行迭代，直到没有点能 够满足生长条件，此时，区域生长完毕。

目前区域 生长法主要有下面 3 个问题需要解决：①制定让生长过程中停止的条件或规则；② 生长过程中确定向待生长点生长的相应准则；③ 选择或确定一组能正确代表所需区域的种子的像 素点[11]。

上述问题的解决，需要根据具体对象的特点来进行。

2 本文提出算法为了适应本文舰船目标分割的需要，本章设计 了基于区域生长的改进算法，对于区域生长法，最 重要的是初始点的选择和生长阈值的确定。

提出了 基于生长阈值自适应的改进算法，在区域生长法的 分割图像后运用形态学滤波的方法剔除舰船上面天 线、火炮雷达等细小目标，保留其大致轮廓，最后使 用几何学的方法对舰船进行筛选和修改，运用先验 知识进行大致轮廓的修改，使其更加接近舰船目标 的形状。

与 OTSU 等基于阈值的方法相比，区域生长的 分割方法充分考虑了分割目标的位置信息。

该方法 充分考虑了分割目标的位置信息，主要有两个明显 的特点：①对种子点的依赖性较强，如果选择种子点不 能很好代表目标区域就不能充分实现有效分割。

②生长阈值的取值对结果影响较大，需要选择 合理的生长阈值。

对于上述思路，本文提出了如下的方法，对于 种子点的提取，由于红外舰船目标航行时发动机部 件温度较高，相对海面天空其他区域亮度较亮，而 在红外图像中海面杂波及孤立噪点也相对较亮。

因 此只要排除海面杂波和孤立噪点上的亮点，即为位 于红外舰船目标上的点。

通过研究发现，对于位于 海面杂波和孤立噪点上的亮点，统计周边一定区域 中的灰度平均值，海面杂波和孤立噪点由于周边较 暗，一定区域平均灰度值较小。

因此，计算亮点周 边一定区域灰度平均值，去除灰度平均值过小点， 即为舰船目标上的亮点，以最终小区域内任一亮点 为种子点进行区域生长。

如果仍存在其他小区域亮 点或者单一亮点，则将该小区域任一亮点或者该单 一亮点也作为种子点分别进行区域生长。

而对于生长阈值的确定，将已生长区域点集的 灰度平均值和待生长区域点的平均灰度差值大小作 为生长判决条件，当两者差值小于某阈值时，则该 点进行区域生长。

当对某点 8 邻域的所有点生长过 后，将其中成功生长点灰度值并入以生长区域的点 集的灰度平均值，重新计算灰度平均值。

以这些完 全生长点为种子点向外生长。

当生长阈值过大时，由于超过舰船边缘和海面 灰度差值，在生长到舰船边缘时会继续向海面生 长，因为海面灰度差值较小，所以图像会将整个海 面分割出来，产生严重的过分割[12]。

159第 40 卷 第 2 期 2018 年 2 月红外技术 Infrared TechnologyVol.40 No.2 Feb. 2018由于舰船目标在图像中面积大小有限，边缘清 晰，且是连通域，因此，可以在生长过程中建立一 个生长阈值自适应调整过程，默认对生长阈值选取 T0 较小，对舰船目标进行分割，并且不断增大 T0 的 大小，直到生长次数大于某阈值，即过分割。