[發明專利]紅外海面圖像序列海天線的檢測方法、裝置、計算機和存儲介質

在審

• 申請號: 202210005031.0
• 申請日: 2022-01-04
• 公開（公告）號: CN114359806A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 裴繼紅;張佳慧;趙陽;楊烜
• 申請（專利權）人: 深圳大學
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06K9/62;G06V10/764
• 代理公司: 深圳尚業知識產權代理事務所(普通合伙) 44503
• 代理人: 楊勇

本發明公開一種紅外海面圖像序列海天線的檢測方法，包括：輸入海上紅外圖像序列；對所述海上紅外圖像序列中的子序列進行海天線粗檢測，獲得海天線的上邊界和下邊界；根據粗檢測得到的海天線上邊界和下邊界確定海天線細檢測區域，在該區域中對海天線進行細檢測得到所述當前幀的海天邊界區域，并對所述海天邊界區域進行直線擬合得到海天線；根據所述當前幀的海天線，確定相鄰下一幀的海天線細檢測區域，并對下一幀海天線區域進行海天線細檢測，依次遞推，最終實現整個序列的海天線檢測。所述方法可有效解決因海天線附近受到海霧及海雜波干擾，或天空受到低空云干擾等復雜場景下的海天線檢測問題。

技術領域

本發明屬于圖像增強技術領域，尤其是一種紅外海面圖像序列海天線的檢測方法、裝置、計算機和存儲介質。

背景技術

在海上紅外圖像目標檢測中，目標多存在于紅外圖像中的海天交界處或海天線下方的海水中，因此，海天線檢測常作為海上目標檢測的預處理環節，以確定目標檢測的主要區域。此外，天空背景的存在，一方面增加了目標檢測時的計算量，另一方面，在天空背景較為復雜的環境下，對海上目標的檢測較為困難，海上目標檢測的準確率下降。為解決上述問題，目前已有多種海上紅外圖像序列的海天線檢測方法，主要可以分為以下兩類：

邊緣檢測和直線擬合算法。此類算法首先提取圖像的梯度特征或邊緣特征，再通過直線擬合算法來進行海天線提取，但此類算法在障礙物灰度值明顯高于其它區域、海水波動較為明顯以及天空有低空云干擾的情況下，易對海天線誤檢測。

圖像分割算法。此類算法通常先分別提取天空與海水的特征，再對二者分別建立模型，然后通過二者模型的差異性來對海水與天空進行分類，海水與天空的分類邊界即為海天線。但已有的此類算法易受到白云，海霧等的干擾，從而降低海天線檢測的精確度。

綜上所述，現有的算法仍存在的問題有以下幾點：在海面與天空背景較暗，并且受到明亮障礙物干擾時，海天線檢測會受到影響；海天線附近存在海霧干擾時，海天線誤檢率較高。

發明內容

為解決上述技術問題，本發明創造的實施例提供一種紅外海面圖像序列海天線的檢測方法，其特征在于，包括：

輸入海上紅外圖像序列；

對所述海上紅外圖像序列中的子序列進行海天線粗檢測，獲得海天線的上邊界和下邊界；

根據粗檢測得到的海天線上邊界和下邊界確定海天線細檢測區域，在海天線細檢測區域中對海天線進行細檢測得到所述當前幀的海天邊界區域，并對所述海天邊界區域進行直線擬合得到海天線；

根據所述當前幀的海天線，確定相鄰下一幀的海天線細檢測區域，并對下一幀海天線區域進行海天線細檢測，依次遞推，最終實現整個序列的海天線檢測

進一步地，對所述海上紅外圖像序列中的子序列進行海天線粗檢測，獲得海天線的上邊界和下邊界，包括：

從所述海上紅外圖像序列中提取子序列，并按照由上到下進行三維空時條帶劃分確定初始訓練樣本區域與測試樣本區域；

以子塊的方式從所述初始訓練樣本區域與所述測試樣本區域中分別提取訓練樣本子塊和測試樣本子塊；

分別對所述訓練樣本子塊和所述測試樣本子塊進行樣本特征變換和特征向量構建得到天空特征集合、海水特征集合和中間條帶測試樣本特征集合；

采用Fisher線性判別分析方法分別對所述天空特征集合、所述海水特征集合和所述中間條帶測試樣本集合進行特征降維，并利用降維后的天空特征集合和降維后的海水特征集合構建天空-海水概率分類模型；

利用降維后的測試樣本集合更新訓練樣本集，當訓練樣本集不更新時確定最終海天線的上邊界和下邊界，其中，訓練樣本集為天空特征集合和海水特征集合。