[發明專利]基于紅外視頻的艦船檢測及跟蹤方法

在審

• 申請號: 201710272557.4
• 申請日: 2017-04-24
• 公開（公告）號: CN107092890A
• 公開（公告）日: 2017-08-25
• 發明（設計）人: 閆龍;馬加慶;周偉
• 申請（專利權）人: 山東工商學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06K9/46;G06T7/11;G06T7/136;G06T7/187
• 代理公司: 濟南鼎信專利商標代理事務所(普通合伙)37245
• 代理人: 曹玉琳,初敏敏

技術領域

本發明涉及艦船檢測及跟蹤技術領域，尤其涉及一種基于紅外視頻的艦船檢測及跟蹤方法。

背景技術

艦船作為海上運輸主體和重要的軍事目標，其自動檢測和識別具有非常重要的現實意義。隨著對地觀測技術的飛速發展，衛星遙感圖像可以為艦船目標監視提供非常豐富的數據源。目前，基于遙感圖像的艦船檢測研究大多是圍繞SAR(合成孔徑雷達)圖像開展的，而對基于紅外視頻進行的艦船檢測及跟蹤技術的研究較少。實際上，紅外視頻檢測跟蹤技術在其它領域已比較成熟，但直接將其用在艦船檢測上還存在很多問題。例如，在艦船分割方面，由于在近岸的環境中存在很多干擾項，如海岸和海域的分割可能是不規則的，海域中可能會有海島等干擾物，海岸或海島在紅外視頻中亮度較高，容易導致誤判。普通圖像的分割目前依然是個難題，艦船和海面之間的灰度差異以及航跡等給艦船的分割帶來較大的困難。另外，在艦船跟蹤方面，紅外視頻畫幅中出現的可能是半個或一部分目標，視頻可能會有電磁干擾、物理抖動等原因，視野中出現的可能不止一艘船，因此跟蹤艦船時要克服以上干擾。

發明內容

為解決上述問題，本發明提供了一種檢測和跟蹤效果良好的紅外艦船檢測和跟蹤方法。

本發明采用的技術方案如下：

一種基于紅外視頻的艦船檢測及跟蹤方法，包括以下步驟：

步驟1、采用梯度算子法和霍夫變換法檢測并提取海天線，利用海天線從視頻畫面中分割出海面區域；

步驟2、基于改進的ViBe算法進行紅外視頻前景提取，從視頻海面區域提取疑似目標，同時對提取圖像進行修復；

步驟3、基于統計直方圖分析圖像紋理特征，進行目標的捕獲；

步驟4、基于多特征和顯著性檢測的MeanShift算法跟蹤運動目標。

步驟1的具體步驟如下：

首先，采用梯度算子法提取海天線；使用Sobel算子進行水平梯度檢測，得出水平梯度g_x，使用Sobel算子進行垂直梯度檢測，得出垂直梯度g_y；根據計算總梯度g，對圖像每一行的梯度g求和，具有最大值的行即為海天線所在的行，由此提取出海天線；

同時，利用霍夫變換法提取海天線；設定提取角度范圍，提取圖像中較長的幾條水平方向的直線，對直線進行延長并與圖像邊緣相交，分別取直線與兩側邊緣交點的平均值，將左右兩側的平均值相連，畫出的直線視為海天線；

將兩個方法獲得的兩條海天線進行對照，若兩者之間相差較大則視為提取失敗；若提取行號相差閾值不超過5，則根據容錯要求取兩者均值或行號最小值作為最終的海天線。

步驟3中改進的ViBe算法過程如下：

(1)定義背景模型：背景模型中的每一個像素由n個背景樣本組成，記v(x)表示在給定的歐式顏色空間中圖像在x處的像素值，v_i表示在x處周圍的背景像素值，i為索引號；M(x)表示x處的背景模型，該模型中包含所有的v_i，公式如下：

M(x)＝{v₁，v₂，…，v_n-1，v_n} (1)；

(2)背景模型初始化：從x的24鄰域N_G(x)中隨機選取20個樣本值用于初始化背景模型，公式如下：M⁰(x)＝{v⁰(y|y∈N_G(x))}(2)，M⁰(x)表示背景模型的初始值，v⁰表示初始化時選取的抽樣點；

(3)像素分類：采用2-D空間中的歐氏距離對像素進行分類，記S_R(v(x))表示以v(x)為中心，半徑為R的2-D歐式空間，若S_R(v(x))與M(x)的交集滿足一定的基數，則認為v(x)是背景像素；

(4)背景模型更新：隨機地從背景模型M(x)中選取一個值用新的背景像素p(x)代替，對背景模型進行更新；

(5)信息傳播：在對背景模型更新的同時，同時采用新的像素p(x)更新鄰域N_G(x)中像素的樣本。

原有的ViBe算法在初始化背景M(x)時，隨機從8鄰域中選取20個樣本，則每一個樣本至少被重復選取2到3次。樣本的選取過于集中，會導致像素的錯誤分類。假設下式成立