一种海上船舶目标检测方法技术

本发明专利技术公开了一种海上船舶目标检测方法，包含：对可见光船舶图像进行处理得到区域稳定图；对可见光船舶图像进行处理得到颜色抽象显著图；融合所述的区域稳定图和颜色抽象显著图形成最终的显著性船舶目标图。本发明专利技术针对含有海杂波的图像，与单纯采用低级特征检测的自顶向下算法不同，本发明专利技术将颜色抽象显著提取和图像稳定区域结合的方法应用于船舶目标检测，与一些检测方法针对显著图做低秩处理不同，本发明专利技术是在可见光原图的基础上进行处理，并且更为关注稳定区域和颜色显著性的结合，有助于筛除海杂波。

A Method of Ship Target Detection at Sea

【技术实现步骤摘要】
一种海上船舶目标检测方法
本专利技术涉及目标检测技术，具体涉及在复杂背景中可见光目标的高效检测方法以及海杂波的筛除处理。
技术介绍
目标检测是各种高级视觉任务的前提，在各类图像处理任务中应用广泛。而近年来提出显著性目标检测技术在检测多种自然图像中都发挥着重要作用，但是相对而言，在可将光下船舶目标检测中还没有十分成熟的应用。因此在过去的几十年中人们采用了许多办法去改进检测的精确度和稳定性。然而，在海防监控等类似的信噪比极低的场景中，由于复杂的背景、海洋杂波干扰，检测的精确性、稳定性问题仍没有很好解决，其性能堪忧。伴随着计算机功能的多样化拓展以及多媒体技术的全面应用，国内外的相关学者对目标检测技术与脑科学、神经科学以及心理学等多个学科展开交互研究，仿制人类视觉系统研究出一种能快速从复杂场景中搜索出感兴趣目标的视觉机制。基于这种视觉注意机制的图像目标检测，不仅更符合人的视觉认知，还能有效地分配有限的计算资源给感兴趣区域目标，有助于本文提出结合视觉机制与计算机视觉处理的方法，实现对船舶目标的准确提取，减少海杂波对船舶目标检测的影响。而复杂海上杂波的影响对船舶目标检测会严重干扰检测系统的可靠性和实时性，因此需要利用显著性检测海上船舶图像这一研究课题具有重大的现实意义。
技术实现思路
本专利技术的目的是提供一种海上船舶目标检测方法，既具有较高的检测率又能避免巨大的计算量，本专利技术能最终应用于海防监控等严酷的场景。为了实现以上目的，本专利技术是通过以下技术方案实现的：一种海上船舶目标检测方法，其特点是，包含：对可见光船舶图像进行处理得到区域稳定图；对可见光船舶图像进行处理得到颜色抽象显著图；融合所述的区域稳定图和颜色抽象显著图形成最终的显著性船舶目标图。所述的对可见光船舶图像进行处理得到区域稳定图包括：对输入的可见光船舶图像转换为灰度图，并设定多个布尔映射处理，得到在不同阈值下的初步分割图，实现初步的目标和海面杂波的分离；通过计算图像内剩余多个区域的质心，并对比初步分割图，将区域质心距离小于约束条件的潜在聚类区域提取出；通过局部最大类间方差法判定潜在聚类区域内的目标与目标周边杂波背景的分离，形成区域稳定图。所述对可见光船舶图像进行处理得到颜色抽象显著图包括：将输入的可见光船舶图像由RGB颜色空间转换到CIELAB颜色空间，通过RG滤波强化船舶目标边缘信息，结合线性聚类迭代的方法形成超像素块区域；通过对超像素块内颜色归一化处理，对比统计图像中不同超像素块的颜色信息，通过双变量高斯分布曲线对超像素块区域颜色分布建模，得到颜色抽象显著图。所述的对可见光船舶图像进行处理得到区域稳定图进一步包括：通过比对质心位置相似区域的区域变化程度、质心距离、填充率差异以及面积比率差异的结构算子，提取出区域稳定图。所述的比对质心位置相似区域的区域变化程度：Dr(A,B)＝||A|-|B||；其中A、B表示两个质心区域相似的矩形区域，r表示区域，Dr表示两个区域之间变化程度。所述的比对质心位置相似区域的质心距离：Dc(A,B)＝||cA-cB||2其中||·||2是2-范数，c表示区域A、B的质心位置；所述的比对质心位置相似区域的填充率差异：所述的比对质心位置相似区域的面积比率差异：其中填充率f表示涵盖目标全部像素点的矩形框中目标所占像素点的比率，面积比率是矩形框的宽与长度之比。所述的对可见光船舶图像进行处理得到区域稳定图进一步包括：根据不同布尔映射图初步分类后，比较潜在区域的质心区域，筛选出质心的欧几里得距离不能大于△c，区域质心距离的约束条件：其中分别表示最优矩形框ri,rj的长和宽。所述的通过双变量高斯分布曲线对超像素块区域颜色分布建模包括：其中，nw、nh分别为输入图像的长和宽，Pi表示第i个像素在图像中的空间位置，mx(pi)、my(pi)分别表示水平方向和垂直方向的颜色空间中心，Vx(Pi)、Vy(Pi)分别表示在水平方向和垂直方向上第i个像素与颜色空间中心点的颜色方差偏离程度，μ表示高斯分布的均值矩阵，∑表示高斯分布的协方差矩阵。本专利技术提供一种可以用于筛除海杂波的海上船舶目标的显著性检测方法。该方法深入分析海面场景，针对场景中的主要噪声源——海洋杂波噪声。由于海天杂波等被归类为动态且缺乏规律的噪声以及船舶目标内部阈值稳定的区别。据此提出结合稳定性检测和颜色抽象的显著性检测算法排除杂波噪声，最终有效检测到感兴趣的船舶目标。与现有显著性检测方法不同，本专利技术中针对含有海杂波的图像，与单纯采用低级特征检测的自顶向下算法不同，本专利技术将颜色抽象显著提取和图像稳定区域结合的方法应用于船舶目标检测。与一些检测方法针对显著图做低秩处理不同，本专利技术是在可见光原图的基础上进行处理，并且更为关注稳定区域和颜色显著性的结合，有助于筛除海杂波。因此，本专利技术的优点及有益效果在于：1.充分利用了RG滤波和超像素颜色分割作为图像预处理强化了船舶目标的边缘信息，不仅提升了超像素分割细致程度，也减少了算法的计算复杂程度。2.充分利用海杂波不稳定引入稳定性检测目标检测等同于目标与背景的分离以及选取最优化目标窗口。利用布尔映射图以及四种结构算子对比不同阈值下的映射图，最后通过最大类间方差法分离目标和周边背景得到局部稳定性区域。3.融合颜色抽象显著性和局部稳定性算法，不仅排除了海杂波噪声的影响，而且与其他经典显著性算法相比，提升了检测船舶目标的准确率。综上所述，本专利技术所阐述的融合局部稳定性的颜色抽象显著性船舶目标检测方法，可以成功应用于海杂波噪声较重的场景中提取船舶目标。附图说明图1为本专利技术提出的新的网络框架示意图；图2为本专利技术方法的流程图；图3为稳定性检测方法的网络结构示意图；图4a、4b、4c为RG滤波前后对比结果图；图5为相邻帧差分结果图；图6为本专利技术的效果图。具体实施方式以下结合附图，通过详细说明一个较佳的具体实施例，对本专利技术做进一步阐述。如图1所示，本专利技术提出了一种融合局部稳定性的显著颜色抽象网络结构，所述网络结构的主体框架基于颜色显著性检测，引入了稳定性检测算法的简单结构的选择性剔除杂波区域，维护船舶目标的有效信息，以提高检测精度。此网络结构主要分为两个部分，第一部分为稳定性检测通过筛选局部稳定区域提取船舶目标，剔除图像中像素灰度值频繁变化的海杂波区域。第二部分，在RG滤波和超像素分割预处理后，结合每个像素的颜色特征和空间距离信息，生成图像颜色抽象图。最后，融合两个部分的处理结果生成最终的显著性船舶目标图。具体实施过程如图2所示，包括以下步骤：S1、对可见光船舶图像进行处理得到区域稳定图；具体地，对输入的可见光船舶图像转换为灰度图，并设定多个布尔映射处理，得到在不同阈值下的初步分割图，实现初步的目标和海面杂波的分离；通过计算图像内剩余多个区域的质心，并对比初步分割图，将区域质心距离小于约束条件的潜在聚类区域提取出；通过局部最大类间方差法判定潜在聚类区域内的目标与目标周边杂波背景的分离，形成区域稳定图；引入了稳定性，如附图3。将目标检测问题等同于目标和背景的分离以及获取最优目标窗口通过比较布尔映射图，并计算和比较区域质心位置，在不同阈值下质心位置偏离程度较大的区域，剔除了具有大部分杂波区域，形成多个聚类。然后通过比对质心位置相似区域的区域变化程度、质心距离、填充率本文档来自技高网...

【技术保护点】
1.一种海上船舶目标检测方法，其特征在于，包含：对可见光船舶图像进行处理得到区域稳定图；对可见光船舶图像进行处理得到颜色抽象显著图；融合所述的区域稳定图和颜色抽象显著图形成最终的显著性船舶目标图。

【技术特征摘要】
1.一种海上船舶目标检测方法，其特征在于，包含：对可见光船舶图像进行处理得到区域稳定图；对可见光船舶图像进行处理得到颜色抽象显著图；融合所述的区域稳定图和颜色抽象显著图形成最终的显著性船舶目标图。2.如权利要求1所述的海上船舶目标检测方法，其特征在于，所述的对可见光船舶图像进行处理得到区域稳定图包括：对输入的可见光船舶图像转换为灰度图，并设定多个布尔映射处理，得到在不同阈值下的初步分割图，实现初步的目标和海面杂波的分离；通过计算图像内剩余多个区域的质心，并对比初步分割图，将区域质心距离小于约束条件的潜在聚类区域提取出；通过局部最大类间方差法判定潜在聚类区域内的目标与目标周边杂波背景的分离，形成区域稳定图。3.如权利要求1所述的海上船舶目标检测方法，其特征在于，所述对可见光船舶图像进行处理得到颜色抽象显著图包括：将输入的可见光船舶图像由RGB颜色空间转换到CIELAB颜色空间，通过RG滤波强化船舶目标边缘信息，结合线性聚类迭代的方法形成超像素块区域；通过对超像素块内颜色归一化处理，对比统计图像中不同超像素块的颜色信息，通过双变量高斯分布曲线对超像素块区域颜色分布建模，得到颜色抽象显著图。4.如权利要求1所述的海上船舶目标检测方法，其特征在于，所述的对可见光船舶图像进行处理得到区域稳定图进一步包括：通过比对质心位置相似区域的区域变化程度、质心距离、填充率差异以及面积比率差异的结构算子，提取出区域稳定图...

【专利技术属性】
技术研发人员：童子琛，周薇娜，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：上海,31