[发明专利]基于颜色马尔科夫链显著性模型的油罐目标检测方法

权利要求书

1.一种基于颜色马尔科夫链显著性模型的油罐目标检测方法，其特征在于，包括：

对采集到的遥感图像进行灰度处理和超像素分割；

对经过灰度处理的遥感图像进行径向提取，得到候选圆心；

计算每个候选圆心的权重值，将圆心的权重值作为整个圆的灰度值，得到圆特征分布图；

基于超像素分割结果和所述圆特征分布图计算圆密度对比矩阵；

基于颜色马尔科夫链显著性模型对经过超像素分割的遥感图像进行处理，并分别提取位置矩阵和颜色矩阵；其中，基于颜色马尔科夫链显著性模型对经过超像素分割的遥感图像进行处理的具体步骤包括：

基于相邻超像素块之间的权重关系计算无向图，选定图像的边界作为吸收节点；

对于每个超像素块，计算图像边界中所有边界的超像素块的吸收概率，并进行降序排列；

提取降序排列后第h+1至第k个吸收概率值，计算每个超像素块的显著性值，得到颜色马尔科夫链处理结果；其中，k表示吸收态超像素块的个数，h表示选用的背景点的个数，且

提取位置矩阵的方法包括：基于颜色马尔科夫链处理中得到的无向图，计算每个超像素块中心点之间的欧式距离以及欧式距离的权重，得到位置矩阵；

提取颜色矩阵的方法包括：基于颜色马尔科夫链处理中得到的无向图，计算每个超像素块顶点之间在CIE Lab颜色空间的欧式距离，得到颜色矩阵；

基于所述圆密度对比矩阵、所述位置矩阵和所述颜色矩阵进行特征融合，得到特征融合图；

利用颜色马尔科夫链显著性模型处理结果对所述特征融合图进行指数约束、插值及分段优化处理，得到潜在显著性图；

将圆特征分布图和潜在显著性图进行贝叶斯融合，得到融合显著特征图；

对所述融合显著特征图进行二值化处理和去噪处理，得到显著性检测结果。

2.根据权利要求1所述的基于颜色马尔科夫链显著性模型的油罐目标检测方法，其特征在于，径向提取的具体步骤包括：

对经过灰度处理后的遥感图像计算梯度，得到方向分量和幅度分量；

基于所述方向分量和所述幅度分量计算出候选的圆心位置。

3.根据权利要求1所述的基于颜色马尔科夫链显著性模型的油罐目标检测方法，其特征在于，采用OneCut for GrabCut方法实现二值化处理。

4.根据权利要求3所述的基于颜色马尔科夫链显著性模型的油罐目标检测方法，其特征在于，去噪处理的具体步骤包括：

对经过二值化处理的融合显著性特征图提取噪声的面积信息和形状信息，以及油罐的面积信息和形状信息并进行比对，确定连通区域像素的面积阈值；

去除连通域面积小于连通区域像素面积阈值的区域，对余下的连通区域进行圆形度的求解，最终得到油罐目标的检测结果；其中，圆形度的公式如下：

其中，Square(domain)表示连通域domain的面积，Dp²(domain)表示连通域的周长的平方。