吴春光

（92941部队，葫芦岛 125000）

在复杂海空背景下，由目标和空中、海上随机出现的干扰构成异类多目标系统，其独有的群特性，即各目标区域之间的相互干扰影响了目标的检测精度。尤其层叠的海浪造成灰度的明暗交替，具有非平稳、不均匀的特性，对检测性能影响极大。传统的边缘检测和阈值分割方法不能取得良好的效果，如何快速、准确、有效的提取出目标，并提高算法的鲁棒性是当前面临的难题［1］。

在海面背景的海面目标检测中，海面背景和目标的图像表面有明显区别，但某种情况下却具有相同或相似的分形维［2］，这时仅用分形维来进行目标检测，背景和目标就会混淆。在多尺度情况下，自然景物的分形参数在一定尺度范围内能保持相对稳定，而舰船、浮标、钻井平台及灯塔等目标的分形参数随尺度显著变化［3］，突出了背景和目标分形特征随尺度变化的差异。本文提出了一种基于多尺度分形特征的海面目标检测方法，并针对海面目标进行了检测，取得了较好的效果。

1 图像多尺度分形特征

由于分形维直观上与物体表面的粗糙度相吻合，而自然界中的不同物体粗糙度有很大差别，可用分形维作为区分不同类别物体的有效参数。由于分形维反映了人们对物体表面粗糙程度的感受，同时又具有尺度变换下不变性等优异的性质，因而该参数在图像分析中备受青睐，如何准确地估计分形维成为关键［4］。

分数布朗运动模型是Mandelbrot和Van Ness等提出的，它将粗糙表面看成是随机游动的结果，即在方向和距离上都是均匀随机变量。……