[發明專利]基于顏色馬爾科夫鏈顯著性模型的油罐目標檢測方法

有效

• 申請號: 201910272945.1
• 申請日: 2019-04-04
• 公開（公告）號: CN110097569B
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 趙丹培;劉子銘;姜志國;史振威;張浩鵬
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T7/194
• 分類號: G06T7/194;G06T5/00;G06T7/12;G06T7/66
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 李冉

1.一種基于顏色馬爾科夫鏈顯著性模型的油罐目標檢測方法，其特征在于，包括：

對采集到的遙感圖像進行灰度處理和超像素分割；

對經過灰度處理的遙感圖像進行徑向提取，得到候選圓心；

計算每個候選圓心的權重值，將圓心的權重值作為整個圓的灰度值，得到圓特征分布圖；

基于超像素分割結果和所述圓特征分布圖計算圓密度對比矩陣；

基于顏色馬爾科夫鏈顯著性模型對經過超像素分割的遙感圖像進行處理，并分別提取位置矩陣和顏色矩陣；其中，基于顏色馬爾科夫鏈顯著性模型對經過超像素分割的遙感圖像進行處理的具體步驟包括：

基于相鄰超像素塊之間的權重關系計算無向圖，選定圖像的邊界作為吸收節點；

對于每個超像素塊，計算圖像邊界中所有邊界的超像素塊的吸收概率，并進行降序排列；

提取降序排列后第h+1至第k個吸收概率值，計算每個超像素塊的顯著性值，得到顏色馬爾科夫鏈處理結果；其中，k表示吸收態超像素塊的個數，h表示選用的背景點的個數，且

提取位置矩陣的方法包括：基于顏色馬爾科夫鏈處理中得到的無向圖，計算每個超像素塊中心點之間的歐式距離以及歐式距離的權重，得到位置矩陣；

提取顏色矩陣的方法包括：基于顏色馬爾科夫鏈處理中得到的無向圖，計算每個超像素塊頂點之間在CIE Lab顏色空間的歐式距離，得到顏色矩陣；

基于所述圓密度對比矩陣、所述位置矩陣和所述顏色矩陣進行特征融合，得到特征融合圖；

利用顏色馬爾科夫鏈顯著性模型處理結果對所述特征融合圖進行指數約束、插值及分段優化處理，得到潛在顯著性圖；

將圓特征分布圖和潛在顯著性圖進行貝葉斯融合，得到融合顯著特征圖；

對所述融合顯著特征圖進行二值化處理和去噪處理，得到顯著性檢測結果。

2.根據權利要求1所述的基于顏色馬爾科夫鏈顯著性模型的油罐目標檢測方法，其特征在于，徑向提取的具體步驟包括：

對經過灰度處理后的遙感圖像計算梯度，得到方向分量和幅度分量；

基于所述方向分量和所述幅度分量計算出候選的圓心位置。

3.根據權利要求1所述的基于顏色馬爾科夫鏈顯著性模型的油罐目標檢測方法，其特征在于，采用OneCut for GrabCut方法實現二值化處理。

4.根據權利要求3所述的基于顏色馬爾科夫鏈顯著性模型的油罐目標檢測方法，其特征在于，去噪處理的具體步驟包括：

對經過二值化處理的融合顯著性特征圖提取噪聲的面積信息和形狀信息，以及油罐的面積信息和形狀信息并進行比對，確定連通區域像素的面積閾值；

去除連通域面積小于連通區域像素面積閾值的區域，對余下的連通區域進行圓形度的求解，最終得到油罐目標的檢測結果；其中，圓形度的公式如下：

其中，Square(domain)表示連通域domain的面積，Dp²(domain)表示連通域的周長的平方。