[发明专利]一种适用于高空侦察的快速可见光图像舰船检测方法

说明书

技术领域

本发明属于光学图像自动目标识别领域，更具体地，涉及一种适用于高空侦察的快速可见光图像舰船检测方法。

背景技术

可见光图像具有分辨率高、特征信息量大、纹理细节丰富、视场覆盖范围广等特点，在对舰船类目标检测和识别方面拥有显著优势。基于可见光图像的舰船目标自动检测技术，可以为无人机高空对海探测中的舰船目标预警、目标跟踪与监视、目标定位与精确打击等多个任务领域提供相关的智能化技术支持。随着高分辨率光学成像技术的进一步发展与成熟，这种利用可见光图像进行舰船检测的技术也越发被人们所关注。

适用于高空侦察的可见光图像舰船目标检测技术的难点主要来源于云杂波、海杂波等造成的外部干扰因素，及舰船行驶产生的浪迹杂波和不同目标尺度大小对检测造成的自身干扰因素。舰船检测主要分为背景抑制、目标提取和目标判别等主要环节。传统方法一般通过采用灰度或纹理统计差异，对云区和海区进行预检测，以达到抑制背景和提取候选目标的目的。在目标判别方面，则通常利用一些简单的形状判别指标或基于样本特征分类器训练的方式，判断候选目标的真伪程度。实际上，由于海洋环境下水汽的蒸发量大，云的成像形态千变万化，使得已有的云区检测算法不仅复杂度较高，且检测效果并不鲁棒。另一方面，对于舰船自身而言，其行驶过程中侧舷和尾部产生的浪迹，也会对目标的成像特性产生影响。不仅如此，由于舰船种类繁杂，此类目标的目标尺度变化范围很大，而现有的许多特征描述子也无法同时满足这种对多尺度目标的适应性。最后，适用于高空侦察的可见光图像舰船目标检测技术还需要考虑到一些便于机载应用平台的实时性问题。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种适用于高空侦察的可见光图像舰船目标检测方法，旨在解决现有的舰船检测技术难以克服云、海等背景杂波和自身浪迹杂波干扰，及难以适用于多种尺度目标和算法实时性等问题。

为实现上述目的，本发明解决其技术问题所采用的技术方案是，提供了一种适用于高空侦察的可见光图像舰船目标检测方法，包括下述步骤：

S1：对高空对海可见光灰度图像进行小面核显著性滤波获得小面核滤波显著性图，从小面核滤波显著性图中提取感兴趣区域；；

S2：在所述感兴趣区域内进行Otsu自动阈值分割，并结合所述小面核滤波显著性图确认各候选目标区域；

S3：在所述各候选目标区域内，计算各候选目标的主轴方向，进而提取各候选目标的S-HOG特征描述子；

S4：根据舰船类目标的形状知识，对所述各候选目标的S-HOG特征描述子进行判别，确认各候选目标的真伪。

更进一步地，步骤S1具体为：

S11：对待检测可见光灰度图像进行小面核显著性滤波，即先使用小面核滤波模板对高空对海可见光灰度图像进行卷积运算，再将各像素点数值取平方后对全图进行高斯平滑，获得小面核滤波显著性图；

S12：采用自适应阈值方法，即使用分割阈值对小面核滤波显著性图进行分割，将大于分割阈值的像素置1作为前景区域，其余像素置0作为背景区域，将各前景连通域的最小外接矩形覆盖区域作为图像感兴趣区域：其中，分割阈值为：

T＝m+k·σ

其中，m为小面核滤波显著性图的图像均值，σ为图像标准差，k为相对参数。

更进一步地，根据实验经验，图像标准差σ的取值为图像最短边长的1％倍，相对参数k的取值为6时能得到较好的检测效果。

更进一步地，步骤S2具体为：

S21：采用Otsu自动阈值方法，对感兴趣区域进行自动分割，得到分割区域Ω₀和分割区域Ω₁；

S22：分别统计分割区域Ω₀和分割区域Ω₁在小面核滤波显著性图上对应的显著平均值，并将显著平均值更大的分割区域中每个连通域的最小外接矩形覆盖区域作为候选目标区域。

更进一步地，步骤S3具体为：

S31：在候选目标区域中，利用候选目标Otsu分割结果，将该候选目标的所有二维像素坐标进行统计记录，然后用主成分分析方法计算它们的第一主成分对应的映射系数，映射系数对应的映射方向作为该候选目标的主轴方向；