[发明专利]一种基于海天线与视觉显著性融合的海面障碍物检测方法

说明书

本发明属于计算机视觉技术领域，具体公开了一种基于海天线与视觉显著性融合的海面障碍物检测方法。该方法具体步骤如下：（1）检测图像中海天线位置，根据海天线位置提取图像中的海水区域图像；（2）计算海水区域图像的空间显著性；（3）计算海水区域图像的时域显著性；（4）将海水区域图像的空间显著性和时域显著性进行融合，得到海水区域图像的视觉显著性图；（5）采用固定阈值分割方法对视觉显著性图进行分割，提取视觉显著性图中的障碍物目标。本发明的检测方法能够消除复杂背景信息的干扰，极大提高障碍物目标检测的精确度，有利于检测出复杂背景下的海面目标，而且对海面图像中的静态和动态障碍物目标具有较高的敏感性和准确性。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种基于海天线与视觉显著性融合的海面障碍物检测方法。

背景技术

近年来无人艇在民用和军用领域获得越来越广泛的应用，如海洋环境监控，海洋测绘、海上搜救、海洋巡逻、无人水面作战等等。其中，海面障碍物检测是无人艇各项海面工作中的基础任务，也是一个重点和难点问题。由于海上气候多变，雾霾频发，且风力引起的船体摇晃等问题为海上障碍物检测带来了一定的难度。同时，近岸区域环境大都复杂多变，大量的干扰信息更是影响了视觉障碍物检测的精度。因此，一种鲁棒的海面障碍物的检测方法有助于无人艇加强对周围环境的感知和避免海上碰撞事故的发生。

视觉显著性指通过智能算法模拟人的视觉特点，提取图像中的感兴趣区域。常用的视觉显著性检测方法原理包含自底向上的数据驱动的注意机制和自上而下的基于任务驱动的目标注意机制。自底向上的数据驱动注意机制通过图像的梯度、对比度、颜色、亮度等信息判断图像中目标区域与周围区域的差异性，进而得到与周围环境明显不同的显著性区域。该类方法通过利用图像空间信息寻找显著性区域，是基于空间的显著性检测方法。自上而下的显著性检测方法基于高级特征的先验信息，对图像的特定特征来计算图像区域的显著性，如监控任务中移动目标会引起注意，该类方法一般需要基于前帧先验信息，是基于时域的显著性检测方法。因此，空间显著性对图像中突出区域具有更高的敏感性而时域显著性对于场景中的移动目标具有更高的敏感性。

发明内容

本发明的目的旨在提供一种基于海天线与视觉显著性融合的海面障碍物检测方法。

为实现发明目的，本发明采用的技术方案如下：

一种基于海天线与视觉显著性融合的海面障碍物检测方法，包括以下步骤：

(1)检测图像中海天线位置，根据海天线位置提取图像中的海水区域图像；

(2)计算海水区域图像的空间显著性；

(3)计算海水区域图像的时域显著性；

(4)将海水区域图像的空间显著性和时域显著性进行融合，得到海水区域图像的视觉显著性图；

(5)采用固定阈值分割方法对视觉显著性图进行分割，提取视觉显著性图中的障碍物目标。

根据上述的基于海天线与视觉显著性融合的海面障碍物检测方法，优选地，步骤(2)中所述空间显著性的计算方法为：

计算海水区域图像中任一像素I_k与海水区域图像全局像素在Lab颜色空间的空间颜色显著性值Sal_s1(I_k)；计算海水区域图像中任一像素I_k与海水区域图像全局像素在图像空间的空间距离显著性值Sal_s2(I_k)；将空间颜色显著性值Sal_s1(I_k)和空间距离显著性值Sal_s2(I_k)进行线性加权融合，得到海水区域图像的空间显著性Sal_s(I_k)。