[发明专利]基于视觉显著性的海面船只候选区域检测方法

权利要求书

1.一种基于视觉显著性的海面船只候选区域检测方法，其特征在于，包括：

步骤一、采用FT视觉显著性模型获取包含海面船只目标的光学遥感图像的频域特征图；

步骤二、采用Scharr边缘检测算子获取光学遥感图像的边缘梯度特征图；

步骤三、采用高斯混合函数对频域特征图和边缘梯度特征图进行融合，得到融合特征图；

步骤四、基于otsu自适应阈值分割算法，对融合特征图进行二值化，用于将包含船只目标的区域从图像中提取出来，获取海面船只候选区域。

2.如权利要求1所述的方法，其特征在于，所述步骤一，具体包括：

FT视觉显著性模型从频域角度对图像进行分析，将图像分为低频区域和高频区域；低频区域为图像灰度值变化平缓的区域，高频区域为图像灰度值变化剧烈的区域；其中，船只目标集中在低频区域，噪声集中在高频区域；

采用FT视觉显著性模型中的高斯差分算子实现带通滤波器的作用，对包含海面船只目标的光学遥感图像的低频信息保留，同时对高频信息剔除。

3.如权利要求1或2所述的方法，其特征在于，所述步骤一，具体包括：

1)求取包含海面船只目标的光学遥感图像在Lab颜色空间中的特征分量的均值：

将图像从RGB颜色空间转换至Lab颜色空间，输入图像f大小为m×n，输入图像f在Lab颜色空间中的3个特征分量的平均值I_μ可表示为：

式中：L_μ，a_μ，b_μ分别表示图像在L、a、b三个通道上的像素平均值，m，n为图像的长度和宽度；

2)计算输入图像f高斯滤波后的图像f_G：f_G＝f*G，其中G表示高斯差分算子；

3)计算频域特征图：频域特征图在像素点(x,y)处的灰度值S(x,y)：

S(x,y)＝||I_μ-f_G||

式中：||·||表示求取I_μ和f_G在像素点(x,y)处的欧式距离。

4.如权利要求3所述的方法，其特征在于，所述步骤二，具体包括：

将输入图像转换为单通道的灰度图像，采用Scharr边缘检测算子分别求取灰度图像在水平和垂直方向上的梯度，基于水平和垂直方向上的梯度得到边缘梯度特征图：

式中：gradG(x,y)表示图像在像素点(x,y)处的梯度，|·|表示取模运算，|gradG(x,y)|表示边缘梯度特征图在像素点(x,y)处灰度值，和分别表示图像在水平与垂直方向的梯度，(x,y)表示图像像素点坐标。

5.如权利要求1-4之一所述的方法，其特征在于，所述步骤三，具体包括：

对频域特征图S_FT和边缘梯度特征图S_edge进行归一化得到S′_FT和S′_edge，特征图归一化方式如下：

式中：S″表示归一化后的特征图，S′表示待归一化的特征图，max(S′)和min(S′)分别表示待归一化特征图中的最大和最小灰度值，

基于归一化的特征图，采用二维高斯混合函数对归一化的频域特征图和边缘梯度特征图进行融合：

式中：S′_FT表示归一化的频域特征图；S′_edge表示归一化的边缘梯度特征图，S表示融合特征图，参数δ的大小决定了融合函数的形状。

6.如权利要求1-5之一所述的方法，其特征在于，所述步骤四，具体包括：

采用可自动选取分割阈值的otsu阈值分割方法对融合特征图进行二值化分割得到二值图；对二值图进行形态学处理来优化检测结果。