[發明專利]一種光學遙感圖像中的海上艦船檢測方法

有效

• 申請號: 201210077407.5
• 申請日: 2012-03-21
• 公開（公告）號: CN102663348A
• 公開（公告）日: 2012-09-12
• 發明（設計）人: 朱長仁;郭軍
• 申請（專利權）人: 中國人民解放軍國防科學技術大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46
• 代理公司: 國防科技大學專利服務中心 43202
• 代理人: 王文惠

技術領域

本發明涉及遙感圖像分析領域的智能化艦船目標檢測技術，更具體地說，涉及一種復雜海面條件下的光學遙感圖像海上艦船檢測方法。

背景技術

在光學遙感圖像中，復雜海面背景情況下的海上艦船目標檢測問題一直是難點。一方面，由于成像器件、大氣、拍攝角度、時間、氣象等諸多因素影響，以及不同的海面波浪狀況對光照的反射能力不同，使得光學遙感圖像的亮度、對比度等信息存在很大變化，海面背景具有不穩定性，平均亮度存在起伏，其高頻信息在幅度上受海浪、航跡的影響變化很大。具體到艦船檢測，由于受光照、艦船表面涂層的影響，艦船目標灰度表現不確定性，可見光艦船目標在亮度上可能高于或低于海面背景亮度，分別稱為艦船的白極性表現和黑極性表現。此時，傳統的基于閾值分割的檢測方法無法選擇一個合適的閾值將目標與背景分離，造成較高的虛警率。

另一方面，由于可見光成像容易受天氣等因素的影響，所以可見光圖像中往往存在大量的云等情況，艦船檢測往往受到云、海浪等干擾，導致目前的艦船檢測方法往往虛警較多，雖然在目前一些海上艦船檢測方法在海面區域目標的粗檢測得到疑似目標后，增加對艦船目標候選區域或艦船疑似目標的目標自身特征進行分析確認，去除部分虛警，獲取艦船檢測結果。這些方法中常用的艦船目標自身特征有：灰度、尺寸、形狀、紋理特征，在提取目標自身多種特征描述后，采用分類器對疑似艦船目標進行分類確認識別。然而，對于云、海浪、海島等疑似目標干擾，有時在疑似目標塊上提取出的目標特征與實際艦船目標非常相似，并且不同分辨率、不同時相圖像中艦船目標反映出的特征又有差異，為艦船的確認識別帶來很多困難，所以目前基于目標自身特征分析方法仍然存在較多虛警，阻礙了可見光圖像海上艦船檢測方法的應用。

發明內容

本發明為了有效解決復雜海面光學遙感圖像的海上艦船檢測問題，提供了一種基于局部對比度信息和空間金字塔特征的光學遙感圖像海上艦船檢測方法。本方法有效抑制了艦船的白極性表現和黑極性表現問題，同時對于艦船目標與其他干擾的相似性問題以及艦船目標本身具有的差異性問題，本方法引入目標的局部鄰域上下文信息用于艦船的特征描述與識別，區分目標與背景干擾，有效抑制艦船檢測的虛警率。

本發明的基本思路是：首先，針對艦船目標的黑白極性問題，基于局部對比度在海面區域滑動窗口進行艦船的疑似目標檢測，減少艦船檢測的漏警；然后，對分割得到的疑似目標區域按一定窗口大小取其鄰域，利用空間金字塔匹配模型提取空間上下文信息來進行分類，刪除背景干擾，獲取艦船檢測結果，減少艦船檢測的虛警。

本發明的技術方案是：一種光學遙感圖像海上艦船目標檢測方法，具體包括下述步驟：

已知：一幅輸入圖像I1是光學遙感圖像。

第一步：海陸區域分割

對輸入圖像I1進行海面區域與陸地區域的分割，得到對海面區域進行標記的海域圖像I2。

第二步：疑似艦船目標的粗檢測

對海域圖像I2，采用修訂了判決準則的Contrast?Box算法進行處理，檢測得到一組包含疑似艦船目標的矩形區域，稱之為疑似艦船目標區域。

特別的，在Contrast?Box算法中定義如下判決準則來進行判斷：

|(μ_T-μ_B)|/δ_B＞K????????(1)

其中μ_T表示Contrast?Box算法中目標窗口的灰度均值，μ_B表示背景窗口的灰度均值，δ_B表示背景窗口的灰度標準差，K為檢測閾值。滿足準則(1)則認為是疑似目標點，對多個相鄰的疑似目標點所組成的區域求得最小面積外接矩形即是疑似艦船目標區域，通常選擇包含2個以上相鄰疑似目標點的區域作為疑似艦船目標區域。

第三步：疑似艦船目標的上下文特征提取

對每一個疑似艦船目標區域使用如下方法得到疑似目標鄰域圖像塊：以疑似艦船目標區域的中心為中心，長、寬分別為疑似艦船目標區域長、寬的2倍大小，得到包含疑似目標及其鄰域的矩形區域，稱之為疑似目標鄰域圖像塊。對疑似目標鄰域圖像塊利用空間金字塔匹配模型提取疑似艦船目標的空間上下文特征。

第四步：疑似艦船目標識別確認

對疑似艦船目標的空間上下文特征，利用基于直方圖交叉核的SVM(support?vector?machine)分類器進行分類，得到該疑似艦船目標是否是艦船的確認結果。