[發明專利]一種基于海天線的海面目標檢測方法

有效

• 申請號: 201810329438.2
• 申請日: 2018-04-13
• 公開（公告）號: CN108846844B
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 羅均;劉遠;彭艷;蒲華燕;李小毛;陳加宏
• 申請（專利權）人: 上海大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06T7/90
• 代理公司: 上海上大專利事務所(普通合伙) 31205
• 代理人: 陸聰明

本發明公開了一種基于海天線的海面目標檢測方法，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方法提取圖像中的海天線；3）利用超像素分割的方法對海天線以下的圖片區域進行分割；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建背景字典；5）利用背景字典對每個圖像塊進行稀疏重構得到重構誤差，作為顯著圖；6）將顯著圖二值化得到海面目標位置。本發明的方法能夠有效準確的檢測出海空背景下各種障礙物目標，具有較高的魯棒性和準確性。

技術領域

本發明涉及圖像處理領域，具體涉及一種基于海天線的海面目標檢測方法。

背景技術

海面目標檢測技術作為環境感知的關鍵步驟，是水面無人艇實現自主運行、路徑規劃、動態避障的先決條件。海天場景下的背景圖像可以分為天空區域、海天線區域、海水區域。在此場景下，海面目標只出現在海天線區域和海水區域，檢測出海天線的位置可以減少目標檢測的搜索范圍從而縮短計算時間，同時還可以避免其他區域的異常目標對于障礙物檢測的影響。

2013年，Li等人在文獻《Saliency Detection via Dense and SparseReconstruction》從重構誤差角度，提出了一種新的顯著性算法。該方法在圖像四周大概率是圖片的背景的假設的基礎上，將圖片位于四周的圖像塊當作背景模板，利用背景字典的重構誤差來計算顯著性。該方法首先對圖片使用SLIC超像素分割，然后將圖片四周分割塊當作背景字典，對原圖像使用稠密重構和稀疏重構，利用重構誤差計算圖像顯著性。之后又對算法進行多尺度融合，再將稀疏重構以及稠密重構的顯著性圖像進行貝葉斯融合。

此算法將圖像四周作為背景先驗，并以此來突出前景目標物。這和海天場景下的圖片非常相似，海天背景下，圖像的四周基本都是單一的背景，以此來突出前景船只浮標等效果會很明顯。但是，此算法步驟繁雜又需要進行多尺度計算，時間耗費巨大。而且在海面目標出現在圖像兩側的時候會誤將目標作為背景字典導致檢測不到海面上的目標物。

發明內容

本發明針對現有技術的不足，提供了一種基于海天線的海面目標檢測方法。該方法不僅能夠檢測出海面目標物的位置，而且速度快檢測準確。

為達到上述目的，本發明的構思分為三個部分：

本發明構思的第一部分為：對于海天背景下的圖片，目標一般都是出現在海天線附近及海天線以下，所以只對海天線以下區域進行處理可以節省大約一半時間。根據這一特點，利用分塊閾值分割以及RANSAC方法提取圖像中的海天線，并在海天線以下區域做后續處理。

本發明構思的第二部分為：對于使用上述的顯著性算法來進行海面顯著物體的檢測而言，由于多尺度時間耗費成本巨大，實驗發現加入第三部分的改進后將多尺度以及稠密重構去掉可以達到更好的效果。

本文構思的第三部分為：根據海天背景的特點對算法進行改進。海天背景下的目標與背景之間不僅有顏色之間的差異，由于海水有波浪或者波紋，所以兩者之間在紋理特征上也有較大的差異。針對這一特性，利用LBP特征將背景字典的RGB特征和Lab特征六維特征加入LBP特征擴充到七維特征。另外，當海面上的目標位于圖像的兩側時會在背景字典中加入前景噪聲，然而一般情況下這種前景噪聲很少而且與其他背景塊區別很大。針對這一特性，利用高斯分布的原則，認為與均值相差大于3倍方差的圖像塊為前景噪聲圖像塊，并將其從背景字典中去除。

為達到上述目的，本發明采用如下技術方案：

一種基于海天線的海面目標檢測方法，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RANSAC方法提取圖像中的海天線；

3)利用超像素分割SLIC的方法對海天線以下的圖片區域進行分割；

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建背景字典；