[发明专利]一种基于形状引导显著性模型的无监督油罐目标检测方法

权利要求书

1.一种基于形状引导显著性模型的无监督油罐目标检测方法，其特征在于，包括如下步骤：

步骤1：输入遥感图像，计算所述遥感图像的边缘响应图以及对所述遥感图像中的每个像素进行聚类组成超像素，得到所述遥感图像的全部超像素；

步骤2：基于所述全部超像素和所述边缘响应图得到多个聚类区域；具体步骤为：

步骤21：将所述全部超像素的颜色特征变换到CIELab色彩空间，并计算所述全部超像素在CIELab色彩空间的颜色特征向量；

步骤22：根据步骤1的所述边缘响应图，计算超像素与相邻超像素之间的边缘阻隔度值；

步骤23：基于全部超像素建立图结构模型，并利用所述边缘阻隔度值以及所述颜色特征向量计算图结构模型中边的权值；

步骤24：将边的权值从小到大排列，并按照基于图的快速图像分割算法得到多个聚类区域；

步骤3：利用所述聚类区域，得到圆形概率和圆形概率图；

步骤4：根据所述全部超像素和所述圆形概率图构建基于形状引导的显著性图；

步骤5：通过所述形状引导的显著性图得到二值结果图；

步骤6：利用所述二值结果图在所述遥感图像中标出油罐区域，得到目标区域。

2.根据权利要求1所述的一种基于形状引导显著性模型的无监督油罐目标检测方法，其特征在于，在所述步骤3中，利用所述聚类区域，得到所述聚类区域为圆形的概率和圆形概率图的具体步骤为：

步骤31：计算每个所述聚类区域的图形形状的弦特征；

步骤32：根据聚类区域图形大小建立自适应的圆形模板，并计算圆形模板的弦特征；

步骤33：通过所述图形形状的弦特征以及所述圆形模板的弦特征，计算皮尔逊相关系数，并将所述皮尔逊相关系数归一化后作为聚类区域的圆形概率；

步骤34：根据每个所述聚类区域的圆形概率，得到圆形概率图。

3.根据权利要求1所述的一种基于形状引导显著性模型的无监督油罐目标检测方法，其特征在于，在所述步骤4中，根据所述全部超像素和所述圆形概率图计算基于形状引导的显著性图的具体步骤为：

步骤41：根据步骤3的所述圆形概率图得到基于形状引导的颜色后验概率信息；

步骤42：利用所述基于形状引导的颜色后验概率信息和所述全部超像素得到原始特征表示字典和稀疏表示系数；

步骤43：通过所述原始特征表示字典和所述稀疏表示系数生成基于形状引导的显著性图。

4.根据权利要求3所述的一种基于形状引导显著性模型的无监督油罐目标检测方法，其特征在于，步骤41：根据步骤3的所述圆形概率图得到基于形状引导的颜色后验概率信息的具体步骤为：

步骤411：设定阈值，并根据所述圆形概率图的响应值，将步骤1得到的所述全部超像素划分为目标集合和背景集合；

步骤412：根据所述形状引导信息以及所述目标集合和背景集合，并利用贝叶斯公式得到所述基于形状引导的颜色后验概率信息。

5.根据权利要求4所述的一种基于形状引导显著性模型的无监督油罐目标检测方法，其特征在于，步骤42：利用所述基于形状引导的颜色后验概率信息和所述全部超像素得到原始特征表示字典和稀疏表示系数的具体步骤为：

步骤421：计算所述全部超像素在CIELab色彩空间颜色特征、RGB色彩空间颜色特征和XY坐标位置特征的特征表示向量，得到全部超像素的原始特征表示字典；

步骤422：通过所述基于形状引导的颜色后验概率信息计算每个超像素为背景超像素的概率，并利用每个超像素为背景超像素的概率对所述原始特征表示字典进行加权，得到加权特征表示字典；

步骤423：所述加权特征表示字典对所述全部超像素进行稀疏表示得到稀疏表示系数。

6.根据权利要求5所述的一种基于形状引导显著性模型的无监督油罐目标检测方法，其特征在于，步骤43：通过所述原始特征表示字典和所述稀疏表示系数生成基于形状引导的显著性图的具体步骤为：

步骤431：利用所述稀疏表示系数和所述原始特征表示字典，对所述全部超像素进行稀疏重建，得到稀疏重建误差；

步骤432：将所述稀疏重建误差进行归一化，得到所述基于形状引导的显著性图。

7.根据权利要求1所述的一种基于形状引导显著性模型的无监督油罐目标检测方法，其特征在于，在所述步骤5中，通过所述形状引导的显著性图得到二值结果图的具体步骤为：

步骤51：将步骤4得到的所述基于形状引导的显著性图作为引导信息，对遥感图像中所有像素点建立能量函数；

步骤52：在遥感图像图像上创建无向图；

步骤53：根据无向图，通过GrabCutinOneCut图割算法最小化所述能量函数，得出最优目标集合与背景集合，并创建二值结果图。