[發(fā)明專利]一種基于海天線的海面目標(biāo)檢測方法

有效

• 申請?zhí)枺?/td>: 201810329438.2
• 申請日: 2018-04-13
• 公開（公告）號: CN108846844B
• 公開（公告）日: 2022-02-08
• 發(fā)明（設(shè)計）人: 羅均;劉遠(yuǎn);彭艷;蒲華燕;李小毛;陳加宏
• 申請（專利權(quán)）人: 上海大學(xué)
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06T7/90
• 代理公司: 上海上大專利事務(wù)所(普通合伙) 31205
• 代理人: 陸聰明

1.一種基于海天線的海面目標(biāo)檢測方法，其特征在于，包含以下步驟：

1)獲取原始海天場景下彩色圖像；

2)使用分塊閾值分割以及隨機(jī)抽樣一致算法RANSAC提取圖像中的海天線；

3)利用超像素分割算法SLIC的方法對海天線以下的圖片區(qū)域進(jìn)行分割；

4)利用位于圖像四周的像素塊的顏色特征以及紋理特征構(gòu)建背景字典；

5)利用背景字典對每個圖像塊進(jìn)行稀疏重構(gòu)得到重構(gòu)誤差，作為顯著圖；

6)將顯著圖二值化得到海面目標(biāo)位置；

所述步驟4)中，構(gòu)建背景字典的圖像塊是海面區(qū)域的圖像的左右兩側(cè)及下方圖像塊；設(shè)B為背景字典的集合，B＝{x₁,x₂...x_n}，x_i是背景字典中每個圖像塊的特征，并且依據(jù)高斯分布的原則，認(rèn)為在背景字典中，圖像塊的特征值與均值相差大于3倍方差的圖像塊為異常圖像塊，并將其從背景字典中去除。

2.根據(jù)權(quán)利要求1所述的基于海天線的海面目標(biāo)檢測方法，其特征在于，所述步驟2)中，使用分塊閾值分割以及RANSAC方法提取圖像中的海天線，具體步驟是：

(1)對原始圖片進(jìn)行灰度化預(yù)處理；

(2)在灰度圖像上等距地劃分20條豎直直線，并且分別對劃分的20塊區(qū)域進(jìn)行最大類間方差法OTSU分割，生成相對應(yīng)的二值圖像；

(3)利用形態(tài)學(xué)開運(yùn)算對海天分割圖像進(jìn)行處理，從而消除圖像中孤立的細(xì)小區(qū)域；

(4)在得到的分割好的20個區(qū)域上，在每個區(qū)域的中間一條豎直線上提取直線上梯度的最大值點(diǎn)作為海水區(qū)域和天空區(qū)域的分界點(diǎn)，然后將這些分界點(diǎn)看作海天線候選點(diǎn)集；

(5)最后利用RANSAC算法確定出海天線的直線參數(shù)。

3.根據(jù)權(quán)利要求1所述的基于海天線的海面目標(biāo)檢測方法，其特征在于，所述步驟4)中，構(gòu)建背景字典的顏色特征是RGB顏色特征和Lab顏色特征，紋理特征是LBP紋理特征，背景字典中每個圖像塊的特征為：

x＝{L,a,b,R,G,B,P,x,y}

上式中，L,a,b,R,G,B分別是圖像塊內(nèi)所有像素點(diǎn)Lab特征的平均值和RGB特征的平均值，P是LBP特征的平均值，x,y是圖像塊的中心位置坐標(biāo)。

4.根據(jù)權(quán)利要求1所述的基于海天線的海面目標(biāo)檢測方法，其特征在于，所述依據(jù)高斯分布的異常圖像塊去除方法，計算方法包括以下幾個步驟：

(1)首先，對于每個圖像塊的特征x＝{L,a,b,R,G,B,P,x,y}；

(2)選取其前七個特征并求取平均值則背景模板變?yōu)?/p>

(3)計算的均值μ及其方差δ；

(4)當(dāng)時認(rèn)為第i個圖像塊是異常點(diǎn)并將其去除；

(5)最終得到背景字典B＝{x₁,x₂...x_m},m≤n。

5.根據(jù)權(quán)利要求1所述的基于海天線的海面目標(biāo)檢測方法，其特征在于，所述步驟5)中利用背景字典對每個圖像塊進(jìn)行稀疏重構(gòu)并得到每個圖像塊的重構(gòu)誤差，使用步驟4)中得到的背景字典B作為稀疏表示的基，計算稀疏表示系數(shù)：

上式中x_i是背景字典中第i塊圖像塊的特征，B為背景字典，第一項希望用α_i更好的重構(gòu)x_i，第二項加上一個L1范數(shù)的懲罰項將使α_i盡量稀疏，α_i即為所求的第i塊圖像塊的稀疏系數(shù)；

然后，由稀疏系數(shù)計算待測圖像塊在背景字典上的稀疏重構(gòu)誤差：

是圖像中第i個圖像塊的稀疏重構(gòu)誤差；使用背景模板構(gòu)造一個背景字典，通過各個圖像塊在該字典上的重構(gòu)誤差，便能夠?qū)D像塊的顯著度進(jìn)行估計，重構(gòu)誤差越大，則說明圖像塊特征與背景差別越大，也就是說明其前景的可能性就越大，反之亦然，所以將此誤差作為顯著性值的大小。