[发明专利]一种基于改进FastMBD的遥感目标检测算法

说明书

本发明公开一种基于改进FastMBD的遥感目标检测算法，首先对图像按照不同尺寸划分成若干子图像，并对子图像计算FastMBD显著图，再滤除阴影对应的显著值，将同一尺寸的子图像组合形成局部显著图，然后把不同尺寸对应的局部显著图进行融合，将融合图像进行一致性突出得到改进FastMBD显著图以后，最后再通过内外显著比值提取显著目标，即可完成目标检测任务。

技术领域

本发明涉及一种基于改进FastMBD的目标检测算法，属于数字图像处理技术领域。

背景技术

目标检测可以分为有监督和无监督两种，其中有监督的方法大多是训练模型，然后对测试图像进行检测，因为训练过程将耗时良久，并受训练样本制约，甚至考虑到尺度、计算量等原因，大多数检测过程都可以通过无监督检测进行预检测，以削减计算量，提高算法效率。

显著目标检测由于其低时耗，无监督等优点常被应用于目标检测领域，其中FastMBD算法就是兼具目标检测与计算效率高的良好目标检测模型。然而FastMBD算法是基于目标处于中心的假设建立的算法，但是在遥感图像中，通常一张图像会含有多个甚至大量目标存在，因此FastMBD算法在遥感图像上应用时会导致召回率的大幅降低。

针对这一问题，本发明提出一种基于改进FastMBD的遥感目标检测算法，通过将FastMBD算法增强对比度的后处理局限于一个一个的局部区域，从而避开FastMBD原假设，提高召回率。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供出了一种基于改进FastMBD的遥感目标检测算法。改进了显著图计算生成，增强了目标显著性，该方法有效提高了显著目标检测过后的召回率。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于改进FastMBD的遥感目标检测算法，该方法包括以下步骤：

(4)显著图计算：将输入的遥感图像img按照不同尺寸划分成若干子图像，同一尺寸的子图像可拼合出原图img，对子图像计算快速最小障碍距离(Fast Minimum BarrierDistance)即可得到对应FastMBD显著图，将原图img中的阴影对应的FastMBD显著图中的显著值进行滤除，即将其置位于0，将同一尺寸的子图像组合形成局部显著图，把不同尺寸对应的局部显著图进行加性融合，可得融合显著图。

(5)一致性突出：利用像素差异性与多元高斯分布函数即可计算出融合显著图对应的邻域相似性。将邻域相似性与融合显著图相乘即可得到邻域一致性，将邻域一致性叠加到融合显著图即可得到改进FastMBD显著图。

(6)显著目标提取：在改进FastMBD显著图improve_mbd上，将待测坐标(x,y)设为中心，即可构建一系列同心窗，将同心窗中的内窗显著总量比上外窗显著总量即可得到内外显著比值，遍历所有内外显著比值，判断是否满足迭代阈值条件即可判定坐标(x,y)处是否包含显著目标，判断完毕就更新待测坐标，横坐标与纵坐标皆逐渐递增，重新构建同心窗判定，直至将改进FastMBD显著图improve_mbd上所有坐标都判定完毕。

进一步的，步骤(1)中，显著图计算具体方法如下：

(1.1)假定预设尺寸为size，按照下列递归算法可将图像分割成若干子图像：

1)将原图img加入到待分割图像集合splitImg

2)从待分割图像集合splitImg取出当次需要分割的图像split

3)判断图像split的行高是否小于等于预设尺寸size，若满足条件，进行第4步，否则，将其按照行高均匀划分成上、中、下三个部分，即每个部分各占图像split的三分之一，且三个部分列宽一致，依次加入到待分割图像集合splitImg并返回第2步；