[發明專利]一種基于旋轉不變特征的遙感圖像飛機目標檢測方法

有效

• 申請號: 201910035876.2
• 申請日: 2019-01-15
• 公開（公告）號: CN109767442B
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 林億;趙明;胡周偉;潘勝達;安博文
• 申請（專利權）人: 上海海事大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T5/00
• 代理公司: 上海元好知識產權代理有限公司 31323
• 代理人: 包姝晴;徐雯瓊

一種基于旋轉不變特征的遙感圖像飛機目標檢測方法，按照模板輪廓圖像的尺寸，將待檢測遙感飛機多目標圖像分成多個檢測窗口，計算每一個檢測窗口的CPA集和割線投影矩SPM特征集，并根據SPM特征集計算每一個檢測窗口的H向量，將每一個檢測窗口的CPA集和H向量與模板輪廓圖像的CPA集和H向量進行比較，計算出每個檢測窗口的得分并過濾掉低分窗口，通過多尺度自卷積MSA算法和非極大值抑制NMS算法確定飛機最可能存在的位置集。本發明能在復雜的機場背景和眾多干擾物的情況下有效地對遙感圖像中的飛機多目標進行檢測，尤其是在對不同視距的遙感圖像多目標檢測中，綜合準確率良好，且具有較強的適應性，召回率與查準率更高，且適用范圍更為廣泛。

技術領域

本發明涉及圖像處理領域，尤其涉及一種飛機目標檢測的方法，特別涉及一種基于旋轉不變特征的遙感圖像飛機目標檢測方法。

背景技術

飛機多目標檢測一直是遙感衛星圖像目標檢測領域中的一個重點研究方向，在民事和軍事領域都具有非常重要的應用價值，如機場的動態監管，航母的軍事探測等。但由于飛機停泊地環境復雜，干擾眾多，如何提高遙感圖像多目標檢測的準確率仍然極具挑戰。

遙感圖像飛機多目標檢測方法主要分為“基于模型”與“基于輪廓”兩大類?；谀Ｐ偷姆椒ㄗ畛鯌糜谧匀粓D像中的目標檢測，是通過訓練大量的正負樣本來提取目標一些具有顯著代表性的特征，以區別干擾物與背景，常用的有詞袋模型和局部模型等?；谳喞姆椒ㄒ话銜葘Υ龣z測遙感圖像做二值處理，然后將二值圖像某一區域內輪廓的梯度值、特定矩以及角點信息等作為特征與模板進行比對，繼而判斷該區域內是否存在目標。廣義霍夫變換是一種經典的任意形狀輪廓匹配算法，但其不具備旋轉不變性。相比之下，Hu矩算法具有平移、旋轉等不變性而更受青睞，就是一種利用Hu矩與其他多種不變矩相組合的方法對飛機多目標進行檢測，但多種矩特征的直接組合導致兼容性不好，抗噪能力不強。近來提出了一種徑向梯度角特征概念，此方法具有旋轉不變性且簡單易實現，但由于噪聲點可能存在的位置眾多，閾值偏大則查準率偏低，閾值偏小則召回率偏低。針對飛機輪廓提出了一種利用角點與邊緣信息相結合的方法，此種方法召回率很高，但同時犧牲了極大的查準率。

綜上所述，基于模型的遙感圖像飛機多目標方法實現復雜，需要大量的先驗信息，而基于輪廓的檢測方法最突出的問題就是檢測的準確率表現受算法對形狀特征的敏感度以及背景的干擾較大。

發明內容

本發明提供一種基于旋轉不變特征的遙感圖像飛機目標檢測方法，能在復雜的機場背景和眾多干擾物的情況下有效地對遙感圖像中的飛機多目標進行檢測，尤其是在對不同視距的遙感圖像多目標檢測中，綜合準確率良好，且具有較強的適應性，召回率與查準率更高，且適用范圍更為廣泛。

為了達到上述目的，本發明提供一種基于旋轉不變特征的遙感圖像飛機目標檢測方法，包含以下步驟：

步驟S1、按照模板輪廓圖像的尺寸，將待檢測遙感飛機多目標圖像分成多個檢測窗口；

步驟S2、遍歷整個待檢測遙感飛機多目標圖像，計算每一個檢測窗口的CPA集和割線投影矩SPM特征集，并根據SPM特征集計算每一個檢測窗口的H向量，將每一個檢測窗口的CPA集和H向量與模板輪廓圖像的CPA集和H向量進行比較，計算出每個檢測窗口的得分并過濾掉低分窗口；

步驟S3、通過多尺度自卷積MSA算法和非極大值抑制NMS算法確定飛機最可能存在的位置集。

所述的步驟S2包含以下步驟：

步驟S2.1、計算每一個檢測窗口的CPA集，計算每一個檢測窗口的SPM特征集，繼而計算出每一個檢測窗口的H向量；

步驟S2.2、將每一個檢測窗口的CPA集與模板輪廓圖像的CPA集進行逐個像素點比對，統計檢測窗口內的可能位置點數量作為檢測窗口的得分；

步驟S2.3、計算檢測窗口的H向量與模板輪廓圖像的H向量的相關度，濾除相關度低的檢測窗口。