[發明專利]基于頻譜奇異值分解的海上目標顯著性檢測方法

有效

• 申請號: 201310408461.8
• 申請日: 2013-09-10
• 公開（公告）號: CN103413127A
• 公開（公告）日: 2013-11-27
• 發明（設計）人: 任蕾;冉鑫;王勝正;彭靜;施朝健
• 申請（專利權）人: 上海海事大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32
• 代理公司: 上海信好專利代理事務所(普通合伙) 31249
• 代理人: 張妍;周榮芳

技術領域

本發明涉及一種基于頻譜奇異值分解（singular?value?decomposition,?SVD）的海上目標顯著性檢測方法。

背景技術

近十幾年來，國內外很多學者對人眼視覺的注意機制進行了深入研究。計算機視覺領域的學者在提出各類視覺注意的計算模型方面進行了大量的研究工作。目前，視覺注意的研究成果已應用于圖像檢索、圖像質量評價、圖像和視頻編碼、目標檢測和跟蹤等領域。顯著性檢測是視覺注意模型的核心問題，即如何度量圖像的顯著性。根據利用的圖像空間劃分，可分為空間域方法和頻域方法。目前已提出的頻域顯著性檢測方法，其本質多為通過對圖像傅里葉變換或離散余弦變換后的頻譜進行白化或者濾波來突出顯著區域。

侯曉迪等人提出頻譜殘差方法（SR，spectral?residual），以圖像對數幅度譜的殘差定義圖像顯著性。之后有學者提出基于圖像相位譜的顯著性檢測方法，并利用四元數傅里葉變換，將SR方法中僅處理亮度通道擴展到同時處理顏色、亮度和運動特征等四個通道（QPFT，phase?spectrum?using?quaternion?Fourier?Transform）。余映等人提出脈沖余弦變換的顯著性檢測方法。之后，侯曉迪等人也證明了利用離散余弦變換方法提取顯著圖的有效性，并在RGB顏色空間和CIELab顏色空間分別進行了實驗。但這些顯著性檢測方法，均是在圖像單一尺度上實現，且需要對圖像進行下采樣。改變圖像尺寸時，得到的顯著圖差異較大。張巧榮等利用多尺度SR方法，選擇亮度、顏色和方向三類特征，提取顯著圖，其檢測效果好于單一尺度的方法。為了解決多通道數據的顯著性檢測問題，丁正虎等人在四元數傅里葉變換的基礎上提出利用雙四元數檢測多譜圖像中的顯著目標，該方法的本質與相位譜方法一致。

針對海上場景中的船舶檢測問題，部分學者提出基于可見光圖像和紅外圖像的海上艦船檢測方法，同時對利用不同顏色空間進行了研究工作，包括利用海上場景的RGB顏色空間和HIS顏色空間等。吳琦穎等人在海上運動目標實時監測和跟蹤系統中引入視覺注意機制，提出了一種迭代的基于倒三角小模板的線性低通濾波方法，快速實現粗分辨率圖像上的平滑去噪，以此凸顯目標。吳琦穎等還提出基于可見光圖像序列的海上運動目標快速檢測方法，利用視覺注意模型首先在靜態圖像中分割感興趣區域（ROI,?region?of?interest），進而僅在感興趣區域中應用改進的時間差分法檢測運動目標。同時，就利用SAR圖像和多光譜圖像進行艦船檢測，有學者提出了相應的顯著性檢測方法。

但由于利用單一尺度的頻譜殘差方法、相位譜方法、離散余弦變換方法等對圖像尺度是敏感的，當改變圖像尺度時會得到不同的顯著圖，同時無法完整的提取顯著目標的內部區域。而利用多個尺度融合的方法會增加算法的復雜度，特別的在無任何先驗信息的前提下，如何選擇融合的尺度也是需要額外考慮的問題。

發明內容

本發明提供一種基于頻譜奇異值分解的海上目標顯著性檢測方法，能夠快速提取海上場景中的顯著區域，有利于海上場景中目標檢測，較好的抑制了海雜波的干擾，無須多個尺度的顯著圖融合，可在圖像原圖尺度上實現，能為海難搜救中的目標檢測、海事監控、港口視頻監控、海事執法取證中的各類船舶檢測等提供機器視覺的輔助手段。

為了達到上述目的，本發明提供一種基于頻譜奇異值分解的海上目標顯著性檢測方法，其特征在于，該檢測方法包含以下步驟：

步驟1、提取可見光海上圖像????????????????????????????????????????????????；

步驟2、將海上圖像由RGB顏色空間轉換至CIELab顏色空間，并提取亮度L和兩個顏色通道a，b作為基本特征；

步驟3、將各特征圖像分別進行傅里葉變換，得到各個特征的幅度譜；

????????????????????????????????????????（1）

????????????????????????????????????????（2）

?????????????????????????????????????????（3）

其中，表示傅里葉變換，是各特征的幅度譜，幅度譜是對圖像中不同頻率信號分布情況的表征方式，是各特征的相位譜；

步驟4、對得到的各幅度譜進行奇異值分解；

??????????????????????????????????????????????（4）