[发明专利]一种仿鹰眼自适应机制的无人机海面小目标识别方法

说明书

本发明公开一种仿鹰眼自适应机制的无人机海面小目标识别方法，步骤一：仿鹰眼明暗适应机制建模；步骤二：仿鹰眼颜色适应机制建模；步骤三：仿鹰眼前景背景适应机制建模；步骤四：对仿鹰眼适应机制调整后图像进行幅度‑相位谱重建；步骤五：计算多尺度灰度差分；步骤六：计算显著信息并归一化；步骤七：输出仿鹰眼自适应机制的无人机识别海面小目标的显著图。本发明优点在于：1)将鹰眼机制引入到小目标检测过程中，能更好的将鹰能够在几千米的高空中捕捉到各种环境中猎物的能力映射到无人机远距离识别并追踪无人艇的任务需求；2)使用鹰眼自适应机制能够使得无人机极大的适应各种海面环境，例如海面鱼鳞光、晴天、阴天、黄昏等各种环境。

技术领域

本发明涉及一种基于生物视觉的无人机海面远距离小目标识别研究方法，尤其是一种仿鹰眼自适应机制的无人机海面小目标识别方法，属于计算机视觉领域。

背景技术

海岛是缓解海洋经济和沿海地区发展的重要保障，也是维护海洋权益和国家安全的前沿阵地。这些岛屿的地形和地貌相对复杂导致基础地理信息难以获取。传统的人工测量方式难以完成复杂基础地形数据的采集任务，且存在工作量大、损耗严重、人员安全等诸多问题。因此，需要一个智能平台来填补沿海地区地理数据空白区。

无人机(unmanned aerial vehicle UAV)是一种由无线电控制设备和独立的程序控制装置控制的无人机。无人机具有体积小、成本低、速度快、视野宽、对作战环境要求低、战场生存能力强等优点。面对复杂的海上任务需求，由于无人机航程的限制，无人机必须在固定时间内完成海上作业任务或返回岸边进行能源补充。因此，无人机的效率大大降低。无人艇(unmanned surface vessel，USV)可以为无人机提供能源供应平台。因此，无人机长期执行海上作业任务，不需要返回岸边补充能量。充分体现了无人机与无人艇合作的优越性。无人机在无人艇上补充能源前，需要对无人艇进行搜索和跟踪。无人机在海上远距离时，无人艇可以看作是无人机视场中的一个小目标。在海上小目标的检测过程中，由于鱼鳞光、波浪等随机干扰的影响，使得在进行海面小目标检测时面临低分辨率、图像模糊、信息量少等难题，不利于远距离对海面无人艇小目标的检测。

20世纪80年代以来，人们提出了大量的小目标检测方法。采用最大稳定极值区(maximally stable extremal region,MSER)方法检测多个具有不同稳定阈值的区域，但该方法的虚警率高。在区域稳定性和显著性(regional stability and saliency RSS)算法中虽然考虑了颜色信息和滤波方法，但是当目标和背景相似时，检测效果并不是很理想。此外，top-hat变换算法、机器学习方法等方法也应用于对小目标的检测。然而，这些算法使用的条件比较苛刻且算法的检测精度并不高。随着机器学习技术的发展，大量的深度学习方法被应用于小目标检测，如区域-卷积神经网络(region-convolutional neuralnetworks，R-CNN)、快速区域-卷积神经网络(Faster region-convolutional neuralnetworks，Faster R-CNN)框架，大大提高了小目标检测的准确率。统一-实时目标检测方法(You-Only-Look-Once，YOLO)方法对于提高小目标检测的精度也做出了一定的贡献。虽然深度学习算法在小目标检测中有较好的性能，但需要人工标定大量的样本，且训练过程相当耗时。随着生物视觉优势的逐渐凸显，基于生物视觉原理的Itti方法、基于图的视觉显著性算法和频谱残差(Spectrum residual,SR)方法等视觉注意方法被应用于目标检测，但大多方法对噪声信号比较敏感，造成小目标的误报率较高。