[发明专利]基于光学遥感图像的目标舰船检测及跟踪方法

说明书

本发明提供一种基于光学遥感图像的薄云场景下舰船检测及跟踪方法，检测方法包括：获取舰船对应的光学遥感图像序列；根据关注区域尺寸对光学遥感图像序列进行裁剪，再进行图像增强，之后进行中值滤波，得到舰船尾迹的灰度图像序列；对灰度图像序列进行归一化处理，然后进行灰度峰值检测，得到灰度峰值检测结果；对灰度峰值检测结果进行阈值检测，得到舰船尾迹在灰度图像序列中的坐标。在检测的基础上，进一步对舰船尾迹在灰度图像序列中的坐标进行数据关联，得到舰船在灰度图像序列中的航迹，根据航迹对目标舰船进行跟踪，实现对目标舰船的高准确率、高成功率跟踪。目标舰船的检测及跟踪方法计算复杂度低，运行速度快，算法简单，易于工程实现。

技术领域

本发明涉及图像处理领域，尤其涉及一种基于光学遥感图像的目标舰船检测及跟踪方法。

背景技术

静止轨道光学遥感卫星的轨道周期与地球自转周期相同，与地球保持相对静止。其拥有较大的成像幅宽，可对某一大面积指定感兴趣区域进行连续观测，具有时间分辨率高，数据的时效性好等优点。比如高分四号卫星，是当今世界上地球同步轨道分辨率最高的对地观测卫星，于2015年发射，位于东经105.6°的赤道上方，距地面高度约36000km，星下点空间分辨率优于50m×50m，星下点单景成像覆盖面积接近500km×500km，可进行大范围实时、连续机动成像和高时间分辨率成像相结合的综合观测。

基于静止轨道卫星光学遥感图像的运动舰船检测是利用卫星拍摄的舰船在海上运动时的图像序列中尾迹的灰度值进行检测。但是，由于舰船尾迹的几何和纹理特征会随运动速度的变化而变化，因此基于几何和纹理特征的目标检测方法并不适用；由于图像的平均灰度值会随着云量的变化而变化，因此基于灰度阈值的目标检测方法并不适用；由于需要大量样本对估计器进行训练，而目前尚无此训练样本库，因此基于机器学习和深度学习的目标检测方法也不适用。因此，如何在薄云场景下使用静止轨道卫星光学遥感图像准确、快速地检测多运动舰船目标是本领域技术人员亟需解决的问题。

发明内容

(一)要解决的技术问题

针对于现有技术问题，本发明提出一种基于光学遥感图像的薄云场景下目标舰船检测及跟踪方法，用于至少部分解决上述技术问题。

(二)技术方案

本发明一方面提供一种基于光学遥感图像的薄云场景下目标舰船检测方法，包括：获取目标舰船对应的光学遥感图像序列；根据关注区域尺寸对光学遥感图像序列进行裁剪，对裁剪后的光学遥感图像序列进行图像增强处理；对图像增强处理后的光学遥感图像序列进行中值滤波，得到目标舰船尾迹的灰度图像序列；对灰度图像序列进行归一化处理，并对归一化处理后的灰度图像序列进行灰度峰值检测，得到灰度峰值检测结果；对灰度峰值检测结果进行阈值检测，得到目标舰船尾迹在灰度图像序列中的坐标。

可选地，对裁剪后的光学遥感图像序列进行图像增强处理，包括：增大目标舰船尾迹的最大灰度值与裁剪后的光学遥感图像序列的最大灰度值的比值。

可选地，对图像增强处理后的光学遥感图像序列进行中值滤波，包括：对图像增强处理后的光学遥感图像序列进行m×n邻域中值滤波，得到第一滤波光学遥感图像序列，其中，0＜m＜5且0＜n＜5，m，n为整数；对图像增强处理后的光学遥感图像序列进行m×n邻域中值滤波，其中，得到第二滤波光学遥感图像序列，m≥5且n≥5，m，n为整数；将第一滤波光学遥感图像序列与第二滤波光学遥感图像序列中同一时刻对应的图像作差，得到目标舰船尾迹的灰度图像序列。

可选地，根据如下公式进行m×n邻域中值滤波：

其中，G(x，y，k)表示光学遥感图像序列中第k幅图像中坐标为(x，y)像素点的灰度值，F(x，y，k)表示光学遥感图像序列中第k幅图像中坐标为(x，y)的像素点进行图像增强处理后的灰度值，m为图像横轴方向中值滤波窗口长度，n为图像纵轴方向中值滤波窗口长度。

可选地，对灰度图像序列进行如下归一化处理：