[发明专利]一种基于线性分割的海面区域提取方法

说明书

本发明公开了一种基于线性分割的海面区域提取方法，通过加权纹理和上下文特征相结合的方法实现海天线的检测和海面区域的提取，该方法利用加权纹理对图像进行建模，提取海天区域，可以削减天空云层和海浪带来的干扰；提取一组候选海天线可以防止由于海天线直线特征不明显而造成的漏检；借助上下文特征，对候选海天线进行筛选，能够剔除被误检为海天线的云层、海浪、船只等。对比其他海天线检测方法，该方法能够在复杂的海天情况下，准确地定位到海天线的位置，提取海面区域。

技术领域

本发明涉及涉及图像处理和目标检测技术领域，是一种基于线性分割的海面区域提取方法。

背景技术

在海上监控中，被检测的目标(如船只)总是出现在海面上。通过提取海面区域，可以剔除天空区域，缩小海上目标搜索范围，减少目标检测识别的计算量，提高检测速度，抑制不必要的噪声干扰。在航空领域，海面区域占整幅图像的比例可以作为飞行器调整飞行姿态的重要依据之一。海面区域的线性分割是海天背景下目标检测的重要环节。而海面区域分割的依据是基于海天线的检测。海天线是天空与海面邻接的边界，可以通过提取海天线对图像进行线性分割，从而获得海面区域。

对于海面区域的提取，现存的算法主要是基于SAR微波雷达图像。而微波雷达的成本过高，生成的图像易受天气的影响。相比之下，可见光图像的成本较低，同时可见光图像具有丰富的细节信息，对环境变化的适应性更强。在可见光图像的基础上，本文依据海天线检测算法，对图像海面区域进行提取。针对海天线检测，国内外已有众多文献对算法提出了阐述和应用。首先获取海天线边缘信息的算法大致分为：1)基于图像分割和图像分类的方法，借助灰度特征、纹理信息等确定阈值分割点和分类边界，对海天图像进行区域划分；2)基于边缘检测，利用边缘检测算子的梯度或其他信息，提取图像边缘；3)基于多尺度小波变换，在小尺度下进行边缘点定位。然后根据边缘信息提取直线特征，算法主要有最小二乘直线拟合、Hough变换、 Radon变换等，最后实现对海天线的检测。现在流行的海天线检测算法多是对上述算法的组合，包括列方向梯度法、相位编组和灰度统计法、区域方差法和小波变换法等。但是这些算法都难以满足在复杂条件下海天线检测的要求：条纹状的云层和海浪与海天线的直线特征相似，容易造成误检；大范围的云团会干扰天空区域的灰度分布，造成海天图像的误分割；船只、岛屿等对海天线的遮挡会大大削弱海天的直线特征，引起海天线的漏检。

发明内容

本发明针对现有技术的缺点，提供了一种方法不仅能够准确地检测出海天线的具体位置，对海天区域进行提取，而且具有鲁棒性高，检测速度快的特点，利用此方法解决了上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于线性分割的海面区域提取方法，包括以下步骤：

步骤一：获取原始彩色图像；

步骤二：利用蓝色通道值将RGB图像转化为单通道灰度图像；

步骤三：沿竖直方向等分海天图像，根据纹理和灰度信息计算每个区域的加权纹理值；

步骤四：对加权纹理值进行归一化处理，利用邻域信息剔除异常纹理值。

步骤五：利用位置信息进行加权纹理值建模，提取海天区域图像；

步骤六：在海天区域图像上，使用Hough变换获得一组候选海天线；

步骤七：根据灰度标准差和均值信息对候选海天线进行评分，分数最高的直线即为海天线。

步骤八：根据提取的海天线，对原始图像进行线性分割，获得海面区域。

作为优选，在步骤二中，图像从RGB颜色空间到灰度空间的转换公式如下：

f(x，y)＝B(x，y)

上式中，B为RGB颜色空间的蓝色通道分量，f(x，y)为图像在(x，y) 处的灰度值。