[发明专利]一种基于多特征融合的海面背景下红外船舰的检测方法

权利要求书

1.一种海面背景下红外船舰的目标检测方法，其特征在于采用多特征融合技术进行目标检测。

2.根据权利要求书1所述的多特征融合目标检测方法，其特征在于，包括以下步骤：步骤1.获取待处理的红外图像R'(x,y)，并对图像R'(x,y)进行图像预处理，得到待检测完成预处理图像R(x,y)；步骤2.对图像R(x,y)进行Gist特征提取；步骤3.对图像R(x,y)进行HOG特征提取；步骤4.进行目标检测的训练步骤；步骤5.进行目标检测的测试步骤；步骤6.通过计算训练集和测试集里的Hash编码之间的汉明距离，即可判断海上船检的检测，完成目标检测。

3.根据权利要求书2所述的红外图像预处理，主要包括：图像降噪处理、图像对比度增强、滑窗操作提取ROI区域。

4.根据权利要求书2所述的对图像R(x,y)进行Gist特征提取，其特征在于，主要是对图像目标进行边缘信息和纹理信息较为敏感，通过搭建多个方向与多个尺度的Gabor滤波器，运用卷积和级联运算，形成相对应的Gist特征描述符，从而完成Gist特征提取。

(1)Gist特征提取首先构建二维Gabor滤波器，计算公式如下：

(2)对构建的滤波器搭建目标Gabor滤波器组，计算公式如下：

g_mn(x,y)＝a^-mg(x',y'),a＞1

x'＝a^-m(xcosθ+ysinθ)

y'＝a^-m(-xsinθ+ycosθ)

(3)将Gabor滤波器组与输入目标区域进行卷积并级联，从而形成Gist特征提取描述符，计算公式如下：

(4)在实际应用于红外图像时，应将图片分为n×n个图像块，设其大小为r×c，将其中一个图像块i结合Gabor滤波器组g_mn(x,y)生成Gist特征描述符G_i，以此类推，将所有图像块的特征描述组合成一个向量集并对该向量集进行均值化生成并按照次序级联，得到全局Gist描述符G^G。

5.根据权利要求书2所述的对图像R(x,y)进行HOG特征提取，其特征在于，主要是对图像进行横纵坐标的方向梯度进行计算，并据此计算每个像素位置的梯度值。

(1)将所输入的红外图像进行灰度化处理，并利用Gamma压缩处理进行图像归一化操作，计算公式如下：

R(x,y)＝R(x,y)^gamma

(2)计算图像两轴方向梯度、梯度模值和方向，计算公式如下：

G_x(x,y)＝H(x+1,y)-H(x-1,y)

G_y(x,y)＝H(x,y+1)-H(x,y-1)

(3)将图像像素分成小像素，通过统计每个cell的梯度直方图，并将每n个cell组成一个block，其中n个cell的特征描述串联组合，即为该block的特征描述，图像内所有block的特征描述串联组合，即为待检测目标的HOG特征描述。

6.根据权利要求书2所述的对进行目标检测的训练步骤，其特征在于，对现有目标图像库中选择一定数量的图像重复上述步骤，得到相应的特征提取向量作为训练集，并对其通过多特征核Hash算法进行融合，形成一个Kernel Space，之后设定一个目标函数进行KSH学习，训练该算法的编码精度，从而得到一个Hash编码训练集。

对于KSH学习，首先进行Hash的生成，对随机选取的M个样本构造一个预测函数f(x)，并对该预测函数进行符号函数的运算，最终形成Hash函数，公式如下：

h(x)＝sgn(f(x))

对于KSH学习，之后进行目标函数的构造，计算公式如下：