[发明专利]一种复杂海面环境下的红外舰船目标检测识别方法

权利要求书

1.一种复杂海面环境下的红外舰船目标检测识别方法，其特征在于：包括以下步骤：

步骤1：通过目标识别检测方法对采集红外图像进行小目标图像筛选，并将高速目标和船只的区域分离和预分类；

步骤2：提取并建立红外图像特征集合，筛选出的有效特征集，搭建基于支持向量机的经典机器学习模型，实现目标船只识别；

步骤3：建立基于卷积神经网络的深度学习模型用于红外图像中的船只识别；

步骤4：将深度学习的识别结果和机器学习的分类结果进行决策级融合，实现更为精准的目标识别。

2.根据权利要求1所述的方法，其特征在于，步骤1具体包括：

步骤1.1，利用高斯分布、瑞利分布、指数分布和Weibull分布模型对采集的红外图像进行了背景杂波拟合构建背景杂波分布模型，去除背景图片中的背景杂波；

步骤1.2，将低速目标作为静止目标，通过抑制背景噪声、提升局部对比度的算法、阈值的自适应选取和形态学图像处理获取静止目标；

步骤1.3，更新背景杂波分布模型，通过帧差类方法检测高速目标在一定时间内的位移以识别高速目标。

3.根据权利要求2所述的方法，其特征在于，步骤1.3中更新背景杂波分布模型具体包括：

步骤1.3.1，建立一像素级背景模型M(X_K)＝{S₁(X_K),S₂(X_K),L,S_N(X_K)}

其中，X_K为红外图像某一像素点，S_i(X_K)为在|V(X_K)±10|范围内随机抽取的第i个样值，V(X_K)为X_K的像素值；

步骤1.3.2，从第二帧图像开始，判断X_K为前景点或背景点；若为前景点转步骤1.3.3；若为背景点，转步骤1.3.4；

步骤1.3.3，从该点背景模型M(X_K)中随机抽取一个样值S_i(X_K)，用当前像素值V(X_K)来替代S_i(X_K)，被替代的概率设置为P_b；

步骤1.3.4，从该点背景模型中随机抽取一个样值S_i(X_K)，该样值被前景点像素值V(X_K)替换的概率设为P_f。

4.根据权利要求1所述的方法，其特征在于，红外图像特征包括SIFT特征、HOG特征、Haar特征、小波变换、多尺度几何分析、尾迹、航速、航向。

5.根据权利要求4所述的方法，其特征在于，尾迹通过以下方法提取：

步骤2.1，采用Hough变换检测出红外图像中Hough变换域中的全局峰值点；

步骤2.2，将检测出的峰值点与预先设定的阈值K相比较，大于该阈值则是尾迹，否则视为噪声点，结束检测；

步骤2.3，将检测出的尾迹在原图像中进行屏蔽，让其不能影响其余尾迹的检测；

步骤2.4，在屏蔽了该尾迹的图像中继续重复步骤2.1、2.2检测剩余尾迹特征。

6.根据权利要求4所述的方法，其特征在于，航速和航向的提取方法为：

航速其中k为比例系数，L为尾迹；

航向θ＝arctan（L_水平/L_垂直），其中，L_水平为尾迹在水平方向的投影长度，L_垂直为尾迹在垂直方向上的投影。

7.根据权利要求1所述的方法，其特征在于，步骤4的具体过程为：

对支持向量机的特征进行分类，建立多个SVM模型对数据集进行分类，然后对这几个模型用Voting的方法投票选出最合适的结果；

在深度学习的模型中使用Bagging的方法。