[發明專利]基于視覺顯著性的海面船只候選區域檢測方法

有效

• 申請號: 201910673432.1
• 申請日: 2019-07-24
• 公開（公告）號: CN110414411B
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 李智;劉俊琦;張學陽;胡敏;方宇強;張雅聲;張剛;劉思彤;霍俞蓉;程文華
• 申請（專利權）人: 中國人民解放軍戰略支援部隊航天工程大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/46;G06K9/62;G06T7/13
• 代理公司: 北京挺立專利事務所(普通合伙) 11265
• 代理人: 鄭婉婷

1.一種基于視覺顯著性的海面船只候選區域檢測方法，其特征在于，包括：

步驟一、采用FT視覺顯著性模型獲取包含海面船只目標的光學遙感圖像的頻域特征圖；

步驟二、采用Scharr邊緣檢測算子獲取光學遙感圖像的邊緣梯度特征圖；

步驟三、采用高斯混合函數對頻域特征圖和邊緣梯度特征圖進行融合，得到融合特征圖；

步驟四、基于otsu自適應閾值分割算法，對融合特征圖進行二值化，用于將包含船只目標的區域從圖像中提取出來，獲取海面船只候選區域。

2.如權利要求1所述的方法，其特征在于，所述步驟一，具體包括：

FT視覺顯著性模型從頻域角度對圖像進行分析，將圖像分為低頻區域和高頻區域；低頻區域為圖像灰度值變化平緩的區域，高頻區域為圖像灰度值變化劇烈的區域；其中，船只目標集中在低頻區域，噪聲集中在高頻區域；

采用FT視覺顯著性模型中的高斯差分算子實現帶通濾波器的作用，對包含海面船只目標的光學遙感圖像的低頻信息保留，同時對高頻信息剔除。

3.如權利要求1或2所述的方法，其特征在于，所述步驟一，具體包括：

1)求取包含海面船只目標的光學遙感圖像在Lab顏色空間中的特征分量的均值：

將圖像從RGB顏色空間轉換至Lab顏色空間，輸入圖像f大小為m×n，輸入圖像f在Lab顏色空間中的3個特征分量的平均值I_μ可表示為：

式中：L_μ，a_μ，b_μ分別表示圖像在L、a、b三個通道上的像素平均值，m，n為圖像的長度和寬度；

2)計算輸入圖像f高斯濾波后的圖像f_G：f_G＝f*G，其中G表示高斯差分算子；

3)計算頻域特征圖：頻域特征圖在像素點(x,y)處的灰度值S(x,y)：

S(x,y)＝||I_μ-f_G||

式中：||·||表示求取I_μ和f_G在像素點(x,y)處的歐式距離。

4.如權利要求3所述的方法，其特征在于，所述步驟二，具體包括：

將輸入圖像轉換為單通道的灰度圖像，采用Scharr邊緣檢測算子分別求取灰度圖像在水平和垂直方向上的梯度，基于水平和垂直方向上的梯度得到邊緣梯度特征圖：

式中：gradG(x,y)表示圖像在像素點(x,y)處的梯度，|·|表示取模運算，|gradG(x,y)|表示邊緣梯度特征圖在像素點(x,y)處灰度值，和分別表示圖像在水平與垂直方向的梯度，(x,y)表示圖像像素點坐標。

5.如權利要求1-4之一所述的方法，其特征在于，所述步驟三，具體包括：

對頻域特征圖S_FT和邊緣梯度特征圖S_edge進行歸一化得到S′_FT和S′_edge，特征圖歸一化方式如下：

式中：S″表示歸一化后的特征圖，S′表示待歸一化的特征圖，max(S′)和min(S′)分別表示待歸一化特征圖中的最大和最小灰度值，

基于歸一化的特征圖，采用二維高斯混合函數對歸一化的頻域特征圖和邊緣梯度特征圖進行融合：

式中：S′_FT表示歸一化的頻域特征圖；S′_edge表示歸一化的邊緣梯度特征圖，S表示融合特征圖，參數δ的大小決定了融合函數的形狀。

6.如權利要求1-5之一所述的方法，其特征在于，所述步驟四，具體包括：

采用可自動選取分割閾值的otsu閾值分割方法對融合特征圖進行二值化分割得到二值圖；對二值圖進行形態學處理來優化檢測結果。