[发明专利]一种基于区域分割的海天线实时检测方法

摘要

本发明公开了一种基于区域分割的海天线实时检测方法，主要包括以下步骤：（1）获取原始彩色图像；（2）将图像从RGB颜色空间转换到HSI颜色空间；（3）根据饱和度、亮度及位置信息，计算每个像素点的特征向量；（4）利用K‑均值聚类算法进行图像分割，获得海天分割图像；（5）在海天分割图像上，采集海水区域与天空区域的相接点；（6）利用随机抽样一致性方法（RANSAC）对海天区域相接点进行直线拟合，拟合出的最佳直线即为海天线。本发明的方法能够有效地实时检测出各种复杂海空背景下的海天线，具有较高的适应性。

主权项

1.一种基于区域分割的海天线实时检测方法，其特征在于，包括以下步骤：/n(1)获取原始彩色图像；/n(2)将图像从RGB颜色空间转换到HSI颜色空间；其具体步骤是：/n①将图像的RGB颜色空间归一化到[0，1]；/n②利用归一化后的RGB值，将图像转换到HSI空间，转换公式如下所示：/nI＝(R+G+B)/3 (1)/n /n /nS＝1-[min(R,G,B)/I] (4)/n上述式子中，R、G和B分别为RGB颜色空间的红、绿、蓝分量，H、S和I分别为HSI颜色空间的色度、饱和度和亮度分量，W为计算中间变量；/n(3)根据饱和度、亮度及位置信息，计算每个像素点的特征向量；/n(4)利用K-均值聚类算法进行图像分割，获得海天分割图像；其具体步骤是：/n①指定聚类数目：由于海天背景图像主要分为天空和海水两个区域，因而指定K-均值聚类算法的聚类数目k为2；/n②选取聚类中心：在竖直方向上，从上至下将图像分成三个区域{0，0.3}，{0.3，0.7}和{0.7，1}，然后将{0，0.3}和{0.7，1}两个区域中所有像素点的特征向量均值作为天空类别和海水类别的初始聚类中心；/n③计算每个像素点的特征向量到所有聚类中心的距离，并且将其分配到最接近的聚类中心的类别；其中，任意两个特征向量间的距离公式为：/n /n上式中，P_i和P_j分别为像素i和像素j的特征向量，w₁和w₂分别为颜色分量权重和空间分量权重；/n④更新聚类中心：计算每一类的所有像素点的特征向量均值，并将其作为新的聚类中心；/n⑤重复步骤③和步骤④，直到满足终止条件；/n(5)在海天分割图像上，采集海水区域与天空区域的相接点；/n(6)利用随机抽样一致性方法对海天区域相接点进行直线拟合，拟合出的最佳直线即为海天线；/n所述步骤(3)中，计算每个像素点的特征向量的具体步骤是：/n①对图像任一像素点i计算相应的颜色特征值V_i＝(S_i-S_m)-(I_i-I_m)，其中，S_i和I_i分别为像素i的饱和度分量和亮度分量，S_m和I_m分别为整幅图像的饱和度均值和亮度均值；/n②根据颜色信息和空间位置信息，将每个像素点的特征向量P_i表示为P_i＝[V_i,X_i,Y_i]^T，其中，X_i和Y_i分别为像素点的列方向和行方向的坐标值。/n