行均值梯度与直线拟合联合优化的UUV海面红外图像海天线检测

ＤＯＩ：１０．１１９９１／ｙｙｋｊ．２０１７０５０１９

应　　　用　　　科　　　技ＡｐｐｌｉｅｄＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ

Ｖｏｌ．４５№．４Ａｕｇ．２０１８

网络出版地址：ｈｔｔｐ：／／ｋｎｓ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／２３．１１９１．Ｕ．２０１８０７１５．２１５２．００４．ｈｔｍｌ

行均值梯度与直线拟合联合优化的ＵＵＶ海面

红外图像海天线检测

张勋，马豪伯，李昀澄

哈尔滨工程大学自动化学院，黑龙江哈尔滨１５０００１

摘　要：在近海面水下无人航行器（ｕｎｄｅｒｗａｔｅｒｕｎｍａｎｎｅｄｖｅｈｉｃｌｅ，ＵＵＶ）的红外图像采集过程中，由于波浪起伏引起的高倾斜度、海空背景复杂等原因，红外图像的噪声过大，不利于目标的识别与海天线的检测。为此提出了一种海天线检测的改进方法。首先，将经过中值滤波和非线性增强预处理后的红外图像进行处理，得到行均值梯度图，确定海天线粗略位置；然后对其中的天空区域和海面区域进行滤波平滑处理，平滑二者背景中灰度起伏较大的噪声；最后利用优化的直线拟合法对天空区域和海面区域滤波后的图像进行海天线提取。实验结果表明，该方法可改善海天线位置的检测效果，具有较强的通用性，适用于复杂的海天环境。

关键词：ＵＵＶ；海天线；红外图像；中值滤波；行均值梯度法；直线拟合法；平滑滤波；优化算法

中图分类号：ＴＰ７５１．１　　　　　　文献标志码：Ａ　　　　　　文章编号：１００９－６７１Ｘ（２０１８）０４－００６－０７

Ｓｅａ⁃ｓｋｙ⁃ｌｉｎｅｄｅｔｅｃｔｉｏｎｏｆＵＵＶｎｅａｒｓｕｒｆａｃｅｉｎｆｒａｒｅｄｉｍａｇｅｓｂａｓｅｄｏｎｔｈｅ

ｒｏｗ⁃ｍｅａｎｖａｌｕｅｇｒａｄｉｅｎｔｍｅｔｈｏｄａｎｄｌｉｎｅａｒｆｉｔｔｉｎｇａｌｇｏｒｉｔｈｍ

ＣｏｌｌｅｇｅｏｆＡｕｔｏｍａｔｉｏｎ，ＨａｒｂｉｎＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５０００１，Ｃｈｉｎａ

ＺＨＡＮＧＸｕｎ，ＭＡＨａｏｂｏ，ＬＩＹｕｎｃｈｅｎｇ

Ａｂｓｔｒａｃｔ：Ｉｎｔｈｅｉｎｆｒａｒｅｄｉｍａｇｅａｃｑｕｉｓｉｔｉｏｎｐｒｏｃｅｓｓｏｆａｎｕｎｄｅｒｗａｔｅｒｕｎｍａｎｎｅｄｖｅｈｉｃｌｅ（ＵＵＶ）ｎｅａｒｔｈｅｓｅａｓｕｒ⁃ｆａｃｅ，ｔｈｅｎｏｉｓｅｏｆｔｈｅｉｎｆｒａｒｅｄｉｍａｇｅｉｓｔｏｏｌａｒｇｅｔｏｆａｃｉｌｉｔａｔｅｔａｒｇｅｔｒｅｃｏｇｎｉｔｉｏｎａｎｄｓｅａ⁃ｓｋｙ⁃ｌｉｎｅｄｅｔｅｃｔｉｏｎ，ｂｅｃａｕｓｅｏｆｔｈｅｈｉｇｈｉｎｃｌｉｎａｔｉｏｎｄｕｅｔｏｕｎｄｕｌａｔｉｏｎｓａｎｄｃｏｍｐｌｅｘｓｅａ⁃ａｉｒｂａｃｋｇｒｏｕｎｄｓ．Ｔｏｔｈｉｓｅｎｄ，ａｎｉｍｐｒｏｖｅｄｍｅｔｈｏｄｆｏｒｓｅａ⁃ｓｋｙ⁃ｌｉｎｅｄｅｔｅｃｔｉｏｎｉｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔ，ｐｒｏｃｅｓｓｔｈｅｉｎｆｒａｒｅｄｉｍａｇｅｓａｆｔｅｒｍｅｄｉａｎｆｉｌｔｅｒｉｎｇａｎｄｎｏｎｌｉｎｅａｒｅｎｈａｎｃｅｄｐｒｅｐｒｏｃｅｓｓｉｎｇｔｏｇｅｔｔｈｅｒｏｗ⁃ｍｅａｎｖａｌｕｅｇｒａｄｉｅｎｔｍａｐ，ａｓｃｅｒｔａｉｎｔｈｅｒｏｕｇｈｌｏｃａｔｉｏｎｏｆｔｈｅｓｅａ⁃ｓｋｙｌｉｎｅ．Ｔｈｅｎｐｒｏｃｅｓｓｔｈｅａｒｅａｏｆｓｋｙａｎｄｓｅａｒｅｓｐｅｃｔｉｖｅｌｙｂｙｔｈｅｆｉｌｔｅｒｓｍｏｏｔｈｉｎｇａｌｇｏｒｉｔｈｍ，ｓｍｏｏｔｈｔｈｅｌａｒｇｅｒｇｒａｙｌｅｖｅｌｆｌｕｃｔｕａｔｉｏｎｉｎｔｈｅｂａｃｋｇｒｏｕｎｄｎｏｉｓｅ．Ｆｉｎａｌｌｙ，ｅｘｔｒａｃｔｔｈｅｓｅａ⁃ｓｋｙ⁃ｌｉｎｅｆｒｏｍｔｈｅｉｍａｇｅａｆｔｅｒｆｉｌｔｅｒｉｎｇｏｆｔｈｅｓｋｙａｒｅａａｎｄｓｅａａｒｅａｂｙｔｈｅｏｐｔｉｍｉｚｅｄｌｉｎｅａｒｆｉｔｔｉｎｇａｌｇｏｒｉｔｈｍ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｃａｎｉｍｐｒｏｖｅｔｈｅｄｅｔｅｃｔｉｏｎｅｆｆｅｃｔｏｆｔｈｅｓｅａ⁃ｓｋｙ⁃ｌｉｎｅｐｏｓｉｔｉｏｎ，ｈａｖｉｎｇｓｔｒｏｎｇｕｎｉｖｅｒｓａｌｉｔｙａｎｄｓｕｉｔａｂｌｅｆｏｒｃｏｍｐｌｉｃａｔｅｄｓｅａ⁃ｓｋｙｅｎｖｉｒｏｎｍｅｎｔ．

Ｋｅｙｗｏｒｄｓ：ＵＵＶ；ｓｅａ⁃ｓｋｙ⁃ｌｉｎｅ；ｉｎｆｒａｒｅｄｉｍａｇｅｓ；ｍｅｄｉａｎｆｉｌｔｅｒｉｎｇ；ｒｏｗ⁃ｍｅａｎｖａｌｕｅｇｒａｄｉｅｎｔｍｅｔｈｏｄ；ｌｉｎｅａｒｆｉｔｔｉｎｇａｌｇｏｒｉｔｈｍ；ｓｍｏｏｔｈｉｎｇｆｉｌｔｅｒ；ｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ　　ＵＵＶ近海面航行时拍摄到的红外图像均在平海天线区域和海面区域。若目标出现，则目标一定在海天线区域，因此如果能确定海天线区域，针对海天线区域进行后续的处理，可以划定船舰目标的潜

在范围，抑制其他区域中的噪声对目标分割的干扰，减少目标分割时的计算量和目标检测的难度，确定海天线区域的前提是通过算法来确定海天线的位置。海天线通常情况下是１条亮度由高（天空）到低（海面）的渐变带，而且由于海浪起伏，图像大多数具有一定的倾斜度，甚至有时会出现波浪状，但可

收稿日期：２０１７－０５－２７．　　网络出版日期：２０１８－０７－１５．基金项目：国家电网公司科技项目．

作者简介：张勋（１９７５－），男，副教授，博士．

通信作者：张勋，Ｅ⁃ｍａｉｌ：ｚｈａｎｇｘｕｎ２００８＠ｈｒｂｅｕ．ｅｄｕ．ｃｎ．

视的状态下，此时图像中包涵３个区域：天空区域、

以细化，将其拟合成１条直线。

目前，海天线提取的相关算法主要是以海天线边缘的直线特征进行检测，进而提取出海天线。文

第４期　　　　　　张勋，等：行均值梯度与直线拟合联合优化的ＵＵＶ海面红外图像海天线检测　　　　·７·

献［１］中采用行均值梯度法，利用海天线区域灰度过渡特性，采用形态学开运算与背景行均值曲线突降区间检测算法，定位出真实海天线的大致水平位置。文献［２］针对全景图像，基于梯度方向特征提出了全景圆形海天线提取方法。为了加图像中的边缘特征并消除干扰，文献［３］提出了基于梯度显著性的海天线检测方法，并通过区域生长法完成了海天线的检测。

文献［４－５］中采用Ｈｏｕｇｈ变换直线检测法，利用像素空间和参数空间之间的对偶关系，即像素空间的一点变换为参数空间的１条线，而具有相同参数特性的点变换后在参数空间里相交，比如说，在像素空间线的点，在变换到参数空间后所对应的曲线相交于１点，然后通过计算交点处的累积数目来完成曲线的检测。但是直接使用Ｈｏｕｇｈ变换检测海天线，容易造成误检。文献［６］将多级小波变换和多方向Ｇａｂｏｒ滤波结合，提高了目标信杂比。文献［７］则使用高斯低通滤波和结构森林快速边缘检测对图像进行处理。文献［８］利用均值飘移分析方法和嵌入置信度进行像素属性鉴别。

文献［９］中采用基于Ｏｔｓｕ分割和形态学处理组合法，将图像进行Ｏｔｓｕ阈值分割，分割成为二值图像，经过形态学开、闭运算，将这部分噪声和海浪斑点去除，同时经过形态学处理后的图像的边缘信息变得更平滑，最后再对形态学处理后的图像进行边缘提取，提取出来的边缘即为海天线。文献［１０］通过使用Ｏｓｔｕ自适应阈值分割法进行了粗提取，并判断出海天线的存在。文献［１１］在研究传统一维Ｏｓｔｕ算法的基础上，通过使用形态学滤波器降噪，提出了二维Ｏｓｔｕ海天线提取算法。

文献［１２－１３］中采用直线拟合法，传统直线拟合法在某些复杂的情况下，则难以得到满意的提取效果。为解决这一问题，在海天线提取前进行有效的背景抑制及目标增强是十分必要的。为粗提取海天线，常常对目标使用Ｃａｎｎｙ边缘检测［１４］噪声，常见的方法有对图像进行降噪，如小波变换等

。为抑制方法，对光照海浪等局部纹理使用Ｇａｂｏｒ滤波、高斯滤波器、形态学滤波器等方法。

本文结合基于行均值梯度法和直线拟合法总结提出了一种适合复杂海空背景情况下的红外图像的新方法。这两种方法由于受背景的复杂程度制约，并不能检测出天空背景和海面背景比较复杂的海天线的位置，本方法首先利用优化的行均值梯度法检测海天线的位置，这时的海天线位置为海天线的粗略位置，利用这条线把图像粗略的分成天空区域、海天线区域和海面区域３部分，并对其中的海面区域和天空区域进行滤波平滑处理，平滑二者背景中灰度起伏较大的噪声，然后利用优化的直线拟合法对天空区域和海面区域滤波后的图像进行海天线提出，这时的海天线为比较精确的海天线位置。

１　１．１　行均值滤波优化

　背景中没有云层或者云层非常少时　在海空背景情况下的红外目标图像中基于行均值梯度法

，天空背景的红，当天空外图像灰度变化比较均匀，而海面背景由于有波浪和太阳光的辐射，一般情况下灰度变化起伏较大，有鱼鳞光等杂波存在。因为天空背景和海面背景灰度差值较大，所以在海天线处会出现１个灰度跃迁的现象。图１为海空背景解析图，其中图１（ａ）是一幅经中值滤波和非线性增强预处理后的海空背景红外图像，图１（ｂ）是该红外图像的三维表面图，从图上可以看出，天空部分的变化幅度比较低，基本平稳上升状态，并且距离海天线越近的地方灰度值越高，海面背景和天空背景的灰度值在海天线附近发生突变，并快速地过渡到海面背景区域，海面背景区域因为受波浪和鱼鳞光等噪声的影响，变化幅度较大。

（ａ）预处理后图像

（ｂ）三维表面图

·８·应　　　用　　　科　　　技　　　　　　　　　　　　　　　　第４５卷

（ｃ）行均值曲线图

图（ｄ）１　海空背景分析图

行均值梯度图

　行均值可定义为

　对于一幅大小为Ｍ×Ｎ的红外图像，其灰度的Ｒ（ｉ）＝Ｎ１∑Ｎ

ｊ＝１

ｆ（ｉ，ｊ）（ｉ＝１，２，…，Ｍ）

（１）

式中：Ｍ和Ｎ分别代表图像的行和列，ｆ（ｉ，ｊ）代表图像的灰度值。

图１（ｃ）是该红外图像的行均值曲线图，曲线可以大致分成３段：天空区域线（ａｂ）、海天交界区域线（ｂｃ）、海面区域线（ｃｄ）。由图像可知，对于海天线近似水平分布的海天背景红外目标图像来说，行均值曲线可以较好反映出图像的整体特性。所以，只要确定ｂｃ段所在的行数，就可以大致确定海天线的位置。对图分析得知，ａｂ段变化平缓，ｂｃ段灰度上有突变，ｃｄ段有较大起伏。定义这种变化或起伏的大小为梯度，如式（２）所示［１５］Ｇ（ｉ）＝｜Ｒ（ｉ）－Ｒ（ｉ－１）｜：

ｉ＝２，３，…，Ｍ（２）

　图　（１（ｄ）根据式所示（１）。该图也大致分为可求出行均值曲线梯度３段：，其梯度如（ＡＢ较平稳ＣＤ）、）。海天交界区。由图可知从ＢＣ段开始图像梯度起伏剧烈，ＡＢ域段梯度值较小线梯度（ＢＣ）、天空区域线梯度，并且起伏不大面区域线梯度。为了求得，比ＢＣ段所在的行数，利用公式先求梯度均值Ｇ－

和梯度的标准差δ，然后定义梯度阈值Ｔ如式（３）所示：

Ｔ＝Ｇ－

＋ｋδ

（３）

式中ｋ代表标准差系数。

在行均值灰度梯度图上找到第一次超过该阈值的行。此行像素点的灰度幅值为２５５，即一条白线，１．２此白线就是所求的海天线。

　度差异明显　　传统的行均值梯度法在天空背景和海面背景灰梯度均值滤波优化

，且海天线近似水平的小目标图像中能准确定位海天线；当海天线倾斜角度大或大目标导致的行均值梯度大于海天线的梯度时，将会使海天线偏向目标。所以，基于行均值梯度的海天线检测算法的可靠性不高，目标大小和海天复杂程度对检测效果有较强的干扰影响，适应性不强。所以只能用于粗略的估计海天线的位置，并且其是对每一行的灰度行均值求梯度，这样的梯度图易受噪声影响，所以本文对其进行了优化。

１，２，…，一幅大小为Ｍ），则ＧＭ×（ｉ）Ｎ＝图像的行均值为［ＲＲ（ｉ），（１ＲＴ

ｉ＝

量Ｇ（ｉ）中的元素，即每行的灰度均值２…，ＲＭ从上至下每］。对向ａ个元素求平均值，并且构建一个新的列向量

Ｇ（ｊ），Ｇｊ＝［ｂ１ｂ２…ｂｊ］Ｔ

，（ｊ＝１，２，…，ｍ）。式中ｂ２＋…＋Ｒａ（ｊ－ｊ＝

Ｒａ（ｊ－１）＋１＋Ｒａ（ｊ－１）＋ａ

１）＋ａ

，ｍ＝

Ｍ／ａ，为最小整数。对Ｇ′（ｊ）求梯度如式（４）所示：

　Ｇ″＝Ｇ′（ｊ）Ｇ′（ｊ１），ｊ＝像中第　然后求梯度均值１次超过阈值的点，并定义阈值２，３，…，ｍ（４），将此点所在的行数Ｔ。找到梯度图ｊ与常数ａ相乘即为海天线在原图中所在的粗略位置。

对优化后的算法进行仿真，并与传统算法进行对比，其中ａ取值为５，结果如图２所示。可以看出，优化后的算法与传统算法相比，优化后的算法的梯度变化更为明显，检测出的海天线的位置与海天线实际位置更接近，优化后的行均值梯度算法明显优于传统算法。

（ａ）传统行均值梯度

第４期　　　　　　张勋，等：行均值梯度与直线拟合联合优化的ＵＵＶ海面红外图像海天线检测　　　　·９·

（ｂ）优化行均值梯度

（ｃ）传统算法海天线位置

（ｄ）图２　优化算法海天线位置海天线检测对比

　以得到海天线的位置　经过优化后的行均值梯度算法处理后，但此时的海天线位置并不精，我们可确，尤其对于倾斜的海天线而言，本文将此海天线成为初选海天线，根据此海天线，可以粗略地将图像分为天空区域、海天线区域和海面区域。通常情况下，目标大小不会超过２００像素，并且越接近海天线的区域灰度值越平稳，故将粗选海天线的上、下３５行以内区域定义为海天线区域，海天线区域上方为天空区域，海天线以下为海面区域。然后分别对海面区域和天空区域进行多次的形态学开运算和闭运算，这样可以平滑背景中起伏较大的区域，便于后续的海天线精确检测。

２　２．１　直线拟合法粗大点优化

直线拟合法检测海天线的数学依据是最小二乘

直线拟合法

法［１６］直线可以是近似水平或者是倾斜，首先把海天线近似的看成是，然后通过算法近１条直线，这条似找出ｎ个海天线上的点，把这个ｎ点拟合成１条直线，这条直线就可以近似的看成海天线。假设这条直线的方程为

＝　ｙＡｘ＋Ｂ

线的中心坐标　将图像均匀的分成（ｘＫ个区域，求每个区域海天ｉ，ｙｉ均方误差意义下求得

），其中ｉ＝１，２，…，Ｋ，在最小Ｋ

Ａ＝

Ｋ∑ｉ＝１ｘｉｙｉ－

∑ＫｘＫ

ｉ＝１ｉ∑ｉ＝１

ｙｉＤ

∑Ｋ

ｉ＝１ｘ２∑Ｋ

ｉ

ｉ＝１ｙＫ

Ｋ

Ｂ＝

ｉ－Ｄ

∑ｉ＝１ｘｉ∑ｉ＝１

ｘｉｙｉ（５）

Ｋ

Ｄ＝Ｋ要求出式∑ｉ＝１

ｘ２

－（（５）的∑Ｋ

式中ｉ

ｉ＝１

ｘｉ）２。

Ａ、Ｂ的值，首先要求出每个区

域海天线的中心坐标（ｘｉＭ×Ｎ的红外图像，分成Ｋ，个区域ｙｉ），假设有，每个区域的大小１幅大小为为Ｍ×Ｃ，其中Ｃ＝Ｎ／Ｋ。

对于第ｌ个区域，其第ｊ行灰度行均值为

ｇｌｊ＝　　则整个区域的灰度行均值列向量为

Ｃ１ｍ＝（∑ｌＣ

ｌ－１）Ｃ＋１ｇｍｊ

ｊ＝１，２，…，Ｍ

Ｇｌ＝［ｇｌ　１

ｇｌ２

…

ｇｌＭ］Ｔ

（６）

度变化　根据式，即Ｇ（６）可以求出这个区域灰度行均值的梯ｌ的梯度向量Ｇ′ｌ如式（７）所示：

Ｇ＇ｌ＝［ｇ＇ｌ１

ｇ＇ｌ２

…

ｇ＇ｌＭ式中ｇ＇］Ｔ

（７）

ｌｊ＝ｇｌｊ－ｇｌ（ｊ－１）Ｇ＇，ｊ＝２，３，…，Ｍ。当ｇ＇ｌｊ为向量ｌ中最大时，记下此时的行数ｊ，可认为第ｌ个区域的海天线在该区域的第ｊ行，令ｙｌ＝ｊ，ｘｌ为第ｌ个区域的中心列数，即ｘｌ＝ｌＣ＋Ｃ／２＋１，取整数。这样就可以求出每个区域海天线的中心坐标（ｘｉｙ，

ｉ），因为在求每个区域的梯度最大值的时候从而求得海天线的直线方程式。

，有可

能会存在海天线处的灰度变化梯度不是最大值，而是背景中的高亮度杂波和背景形成的最大梯度，从而引入了非海天线上的点，导致海天线检测不准确，所以要去除这样的粗大点。首先要求出所有区域的ｙ－

＝Ｋ１∑Ｋ

海天线所在行数的平均值ｉ＝１

ｙｉ，设定一个阈

值Ｔ，当ｙ－ｉ满足ｙ－Ｔ＜ｙ－

ｉ＜ｙ＋Ｔ时，则认为该点

·１０·应　　　用　　　科　　　技　　

－

　　　　　　　　　　　　　　第４５卷

在该区域海天线上，否则认为为粗大点，将ｙ幅值给ｙｉ，如式（８）所示：

ｙｉ＝

证。图３为海天线上存在大尺寸舰船目标的红外图像检测结果，图４为海天线存在大幅度倾斜时的红外图像检测结果，图５为海天线近似水平时的红外图像检测结果。３幅图中图３（ａ）、图４（ａ）、图５（ａ）为原始图像，图３（ｂ）、图４（ｂ）、图５（ｂ）为采用传统海天线提取方法得到的图像，图３（ｃ）、图４（ｃ）、图５（ｃ）为采用本文方法进行海天线检测后得到的图像。

{

ｙｉ，ｙ－Ｔ＜ｙｉ＜ｙ＋Ｔｙ，ｅｌｓｅ

－

－－

（８）

　　通过式（１０）对粗大点的处理，可以得到一组新的海天线中心点的坐标，可以绘制出没有粗大点影响的海天线。２．２　对传统的直线拟合法中的粗大点进行处理粗大点优化处理

，将

检测到的各区域的海天线的中心点的行数的平均值赋值给粗大点，这样的话，如果图中存在过多的粗大点，会使检测到的海天线整体向粗大点多的区域方向移动，从而偏离实际的海天线位置。对此，本文提出了新的处理粗大点的方法。

首先建立一个２×Ｋ的一维数组Ｗ，其中Ｋ为将原图沿列方向分割的区域数，一维数组中第１行依次放置对应区域的梯度向量Ｇ′ｌ中的最大值，第２行依次放置达到最大值时所对应的行坐标，若最大值有多个，取最小的行坐标。然后对这个一维数组进行２次循环。第１次循环，先求出数组Ｗ第１行的均值和方差，然后将第１行的每个值与其均值做差后取绝对值，并将此绝对值与该行的方差进行比较，如果绝对值大于方差，则认为该点为粗大点，并去除，得到１个新的一维数组Ｗ数组Ｗ２行的均值和方差１。，然后将第第２次循环先求出个值与其均值做差后取绝对值１第２行的每，并将此绝对值与该行的方差进行比较，如果绝对值大于方差，则认为该点为粗大点，并去除，得到１个新的一维数组Ｗ经过２次去除粗大点处理，可以有效抑制背景

２。

的影响，然后对数组中的第２行数据，即海天线的行坐标和该行坐标对应的区域的列坐标经过直线拟合法绘制出海天线。

３　　实验验证与结果分析

法检测海天线的位置　根据本文的方法，，首先利用优化的行均值梯度这时的海天线位置为海天线的粗略位置，对其中的海面区域和天空区域进行滤波平滑处理，平滑二者背景中灰度起伏较大的噪声，然后利用优化的直线拟合法对天空区域和海面区域滤波后的图像进行海天线提出。

利用ＭＡＴＬＡＢ对近海面ＵＵＶ拍摄的图像进行了实验。选取３张具有代表性红外图像进行仿真验

（ａ）原始图像

（ｂ）传统方法图３　大尺寸目标海天线检测结果

（ｃ）本文改进方法（ａ）原始图像

第４期　　　　　　张勋，等：行均值梯度与直线拟合联合优化的ＵＵＶ海面红外图像海天线检测　　　　·１１·

（ｂ）传统方法

图４　（ｃ）倾斜海天线检测结果

本文改进方法

（ａ）原始图像

（ｂ）传统方法

图５　近似水平海天线检测结果

（ｃ）本文改进方法

　用本方法检测出的海天线的位置与海天线实际位置　实验仿真结果表明，与传统检测方法相比较，应更接近，优化后的方法明显优于传统方法，不同海面

情况中的海天线检测效果更佳，具有很好的适应性。

４　结束语

结合以ＵＵＶ做为载体所拍摄的红外图像中海

天线的特点，本文提出了一种新的海天线检测方法，经过仿真验证，结果显示本方法具有很好的抗噪声

性能，不受海天背景的复杂程度所，改善了海面情况复杂、天空区域有云层的红外图像海天线位置检测的效果，具有非常好的通用性。这对于ＵＵＶ近海面红外图像的目标检测和识别具有重要的现实意义，为后续的图像分割及目标的检测与识别奠定良好的基础。

参考文献：

［１］杨家红值曲线的海天线定位算法，李翠红，危德益，［等Ｊ］．．基于复杂海空背景行均

激光与红外，２０１２，４２

［２］（１２）：苏丽目标检，尹义松１３４６－１３５０．

测［Ｃ］，／刘志林／第三十．基于全景海天线提取的海面小

三届中国控制会议论文集（Ｃ

卷）．南京，２０１４．

［３］王博艇的海，苏玉民天线检，测万磊方法，等［Ｊ］．．基于梯度显著性的水面无人

光学学报，２０１６，３６（５）：

［４］０５１１００２．

刘松涛法研究，［Ｊ］．沈同圣激光与红外，韩艳丽，，２００３，等．舰船目标海天线提取方

３３（１）：５１－５３．［５］董宇星法研究，［Ｊ］．刘伟宁计算机测量与控制，王爽．基于Ｃａｎｎｙ，２０１０，原理海天线检测算

１８（３）：６９７－［６］６９８，杨俊彦７０２．

检测的背景抑制及海天线检测方法，逄浩君，曹耀心，等．海天背景下红外小目标

［Ｊ］．红外，２０１６，３７

［７］（１２）：徐良玉２４－２８．

Ｈｏｕｇｈ版，２０１７，变换的海天线检测，马录坤，谢燮，等２３（１）：４７－５５．

［Ｊ］．．基于结构森林边缘检测和

上海大学学报：自然科学［８］雷琴线检测，施朝健方法［，Ｊ］．陈婷婷计算．机基于均值漂移边缘提取的海天

应用与软件，２０１５，３２（６）：

［９］２０８温佩芝－２１１．

动检测方法，史泽林［Ｊ］．，红外与激光工程于海斌．复杂海面背景红外小目标自

，２００３，３２（６）：５９０－［１０］５９３，孙茂芬６０４．

及其目标区域提取，卢道华，李忠国［Ｊ］．机械工程师，等．海上监控图像的海天线

，２０１６（２）：８９－９２．

［１１］韩嘉隆线提取算法，毛征［Ｊ］．，王宁国外电子测量技术，等．基于二维ＯＴＳＵ，２０１６，的海天分界

３５（８）：

６７－７０．

·１２·应　　　用　　　科　　　技　　　　　　　　　　　　　　　　第４５卷

［１２］刘松涛，周晓东，王成刚．复杂海空背景下鲁棒的海天

线检测算法研究［Ｊ］．光电工程，２００６，３３（８）：５－１０．线检测方法［Ｊ］．红外，２０１１，３２（８）：２５－２８．

［１３］时磊，赵军，叶宗民．一种基于直线拟合法的新的海天［１４］朱齐丹，徐从营，蔡成涛，等．全景图像海天线提取及

（８）：２３５０－２３５２．

［１５］许韦韦，孟昭香．新兴的水下作战平台ＵＵＶ［Ｊ］．指挥

控制与仿真，２００６，２８（３）：１６－１９．

［１６］ＸＵＹａｎｓｕｎ，ＷＥＡＶＥＲＪＢ，ＨＥＡＬＹＤＭ，ｅｔａｌ．Ｗａｖｅｌｅｔ

ｔｒａｎｓｆｏｒｍｄｏｍａｉｎｆｉｌｔｅｒｓ：ａｓｐａｔｉａｌｌｙｓｅｌｅｃｔｉｖｅｎｏｉｓｅｆｉｌｔｒａ⁃１９９４，３（６）：７４７－７５８．．

ｔｉｏｎｔｅｃｈｎｉｑｕｅ［Ｊ］．ＩＥＥＥｔｒａｎｓａｃｔｉｏｎｓｏｎｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ，

舰船目标自动检测［Ｊ］．计算机测量与控制，２０１４，２２

本文引用格式：

６－１２．

张勋，马豪伯，李昀澄．行均值梯度与直线拟合联合优化的ＵＵＶ海面红外图像海天线检测［Ｊ］．应用科技，２０１８，４５（４）：ＺＨＡＮＧＸｕｎ，ＭＡＨａｏｂｏ，ＬＩＹｕｎｃｈｅｎｇ．Ｓｅａ⁃ｓｋｙ⁃ｌｉｎｅｄｅｔｅｃｔｉｏｎｏｆＵＵＶｎｅａｒｓｕｒｆａｃｅｉｎｆｒａｒｅｄｉｍａｇｅｓｂａｓｅｄｏｎｔｈｅｒｏｗ⁃ｍｅａｎｖａｌｕｅｇｒａ⁃ｄｉｅｎｔｍｅｔｈｏｄａｎｄｌｉｎｅａｒｆｉｔｔｉｎｇａｌｇｏｒｉｔｈｍ［Ｊ］．Ａｐｐｌｉｅｄｓｃｉｅｎｃｅａｎｄｔｅｃｈｎｏｌｏｇｙ，２０１８，４５（４）：６－１２．（上接第５页）

工程，２０１４，３０（４）：４３－５０．

［７］徐建勇，范洪军，吴顺平，等．ＬＮＧ燃料的船对船（ＳＴＳ）

加注技术研究［Ｊ］．船舶工程，２０１５，３７（１）：７－１０，８２．［８］杜安民，张勇．船舶液化天然气加注站现状与发展趋势［９］蒋军，聂立平，刘晟，等．我国内河ＬＮＧ动力船发展现

状、问题及对策建议［Ｊ］．水运管理，２０１６，３８（７）：２８－３１．

［Ｊ］．中国港湾建设，２０１５，３５（１２）：７７－８１．

际情况下进行系统的设置和调试，所产生的实际问题会进行详细分析并解决。

参考文献：

［１］王振华，夏怡，杜强．论ＬＮＧ动力船发展前景及ＬＮＧ船

２８５－２８６．

舶加注设施建设方案［Ｊ］．华东科技：学术版，２０１６（９）：

［２］赵亚彬，秦冬冬，韩星，等．内河ＬＮＧ动力船加注方案

研究［Ｊ］．当代化工，２０１５，４４（１２）：２８７６－２８７８．［３］李源．ＬＮＧ加注技术的最新发展［Ｊ］．中国船检，２０１５［４］欧向波，梁晓敏．ＬＮＧ动力船舶及加气站的发展［Ｊ］．煤

气与热力，２０１６，３６（６）：Ｂ２８－Ｂ３１．技术，２０１４，１（３）：２６３－２６６．

［５］杨江辉．ＬＮＧ动力船加注技术研究［Ｊ］．海洋工程装备与［６］唐浩．双燃料发动机燃气供给系统设计［Ｊ］．船舶与海洋

（１２）：７８－８４．

［１０］耿杰哲，吴婧．我国ＬＮＧ燃料船及水上加注发展现状

研究［Ｊ］．中国水运，２０１６，１６（１２）：１４－１５，１８．［１１］韩力，刘鑫鹏，马金晶，等．半封闭空间ＬＮＧ泄漏安全

（３）：９７－１０２．

性数值模拟研究［Ｊ］．石油与天然气化工，２０１６，４５

［１２］李煜辉，杜茂，张谦益，等．ＬＮＧ－柴油双燃料发动机安

全监控系统研制．中国水运，２０１５（１２）：５５－５７．［１３］王仲珏，詹水芬，张晓春．液化天然气船舶加注问题的

研究［Ｊ］．山西建筑，２０１２，３８（１９）：２７３－２７４．

本文引用格式：

蒯晶晶，靖佳超，李志鹏，等．双燃料大型集装箱船ＬＮＧ加注系统设计［Ｊ］．应用科技，２０１８，４５（４）：１－５，１２．

ＫＵＡＩＪｉｎｇｊｉｎｇ，ＪＩＮＧＪｉａｃｈａｏ，ＬＩＺｈｉｐｅｎｇ，ｅｔａｌ．ＤｅｓｉｇｎｏｆＬＮＧｂｕｎｋｅｒｉｎｇｓｙｓｔｅｍｆｏｒｄｕａｌｆｕｅｌｌａｒｇｅｃｏｎｔａｉｎｅｒｓｈｉｐ［Ｊ］．Ａｐｐｌｉｅｄｓｃｉ⁃ｅｎｃｅａｎｄｔｅｃｈｎｏｌｏｇｙ，２０１８，４５（４）：１－５，１２．