[发明专利]仿鹰眼颜色认知拮抗机制的无人机海上目标检测方法

说明书

本发明公开一种仿鹰眼颜色认知拮抗机制的无人机海上目标检测方法：步骤一：通道初始化及参数设置；步骤二：设置mask层；步骤三：仿鹰眼颜色拮抗机制计算；步骤四：仿鹰眼各向异性高斯差分滤波核计算；步骤五：仿鹰眼颜色认知拮抗各向同性高斯差分滤波核计算；步骤六：合并两通道并进行对比度调整；步骤七：仿鹰眼各通道轮廓响应合并；步骤八：过滤海浪干扰并输出。本发明面向复杂海上环境下的船舶目标轮廓提取应用背景，解决了复杂海面环境中出现海面反光或鳞光海浪等情况下的目标轮廓检测问题，抑制了海面鳞光海浪对目标轮廓提取的干扰问题且轮廓提取结果较准确，能实现对海上船舶目标的轮廓提取，提高海上目标轮廓提取的抗干扰性、稳定性。

技术领域

本发明涉及仿鹰眼颜色认知拮抗机制的无人机海上目标检测方法，属于无人机感知与导航领域。

背景技术

轮廓检测是目标识别、目标检测和目标跟踪等技术的重要基础。指在包含目标和背景的数字图像中，忽略背景和目标内部的纹理以及噪声干扰的影响，采用一定的技术和方法来实现目标轮廓提取的过程。轮廓特征反映了目标的形状，在目标检测、识别与跟踪等视觉应用中能够提供重要信息。

目前轮廓检测方法有两类，一类是利用传统的边缘检测算子检测目标轮廓，另一类是从生物视觉系统中提取可以使用的数学模型完成目标轮廓检测。

基于边缘检测的轮廓检测方法是一种低层视觉行为，它主要定义了亮度、颜色等特征的低层突变，通过标识图像中亮度变化明显的点来完成边缘检测，因为这样的原因，所以这一类的算法很难形成相对完整和封闭的目标轮廓。边缘检测通常将图像与微分算子卷积。比如借助于Sobel算子、Prewitt算子、Canny算子等，但是这种方法没有考虑视觉中层和高层信息，因此很难得出完整的、连续的轮廓边缘，事实上仅仅使用这类方法很难得出完整的目标轮廓，甚至在一些背景含有大量噪声或者纹理的情况下，无法提取到合格轮廓。另外一类轮廓提取算法是从视网膜经典感受野推导出的模型得到初步应用。该模型一般适用于图像平滑与轮廓检测领域。例如Gabor滤波器模型的建立思路就来源于对初级视皮层Vl区简单细胞感受野的仿生，这种滤波器一般适用于角点检测和纹理特征提取等。

在对海上目标轮廓检测会出现一些明显干扰，例如海面阳光照射形成的鳞光反射，海上海浪运动形成的浪花，船舶运动形成的尾浪干扰，这些干扰会使得普通的轮廓检测算法错误将海浪以及反光部分也视作目标检测出，在最终的检测结果中进行保留，因此传统的轮廓检测方式无法实现海上复杂环境下的目标轮廓检测。

鉴于海上环境复杂，鳞光浪花等干扰较多，对海上目标轮廓检测的要求，与目标检测阶段海上环境的独特性和对目标轮廓检测结果的精确性、稳定性、抗干扰性等要求有着紧密的契合之处，本发明提出了仿鹰眼颜色认知拮抗机制的无人机海上目标检测方法，以解决现有海上船舶目标的轮廓检测与传统方法在海面复杂环境下干扰抑制的不足，促进海上船舶目标的精确轮廓检测顺利实现。

发明内容

本发明提供了仿鹰眼颜色认知拮抗机制的无人机海上目标检测方法，其目的是提供一种自主海上目标检测过程中的方法，旨在提高空中平台对海上目标轮廓识别的可靠性、抗干扰性以及精确性，促进海上目标检测定位的顺利实现，提高空中平台无人机的自主能力水平。

本发明针对海上目标的检测定位问题，发明了仿鹰眼颜色认知拮抗机制的无人机海上目标检测方法，实现步骤如下：

步骤一：通道初始化及参数设置

读取前端摄像机采集到的图像，并将参数进行初始化，计算并获得黄色通道的相关数据。首先设置仿鹰眼机制中的视锥细胞感受野范围σ_c，各向异性高斯滤波核感受野范围σ，各向异性因子ρ和滤波方向个数N，海浪抑制系数k。

对于输入的RGB图像I(x,y),参考鹰视网膜细胞中油滴细胞的作用，通过计算得到四色视觉的结果，黄色通道的图像按照下面的公式得到：