一種基于全景視覺的海上弱小目標檢測方法
【專利摘要】本發(fā)明涉及的是一種全景可見光圖像中的弱小目標檢測方法，特別是涉及一種復雜海天背景下全景可見光圖像中的海上弱小目標檢測方法。本發(fā)明包括：(1)邊緣檢測；(2)剔除無關邊緣信息；(3)確定候選圓心；(4)篩選最優(yōu)圓參數(shù)；(5)計算海天線附近局部區(qū)域的復雜度；(6)確定海上弱小目標的位置。本發(fā)明可有效避免陽光直射的干擾，保證海上弱小目標檢測的準確性。
【專利說明】—種基于全景視覺的海上弱小目標檢測方法
【技術領域】
[0001]本發(fā)明涉及的是一種全景可見光圖像中的弱小目標檢測方法，特別是涉及一種復雜海天背景下全景可見光圖像中的海上弱小目標檢測方法。
【背景技術】
[0002]圖像視覺信息是人類從客觀世界獲得信息的主要來源之一。與傳統(tǒng)視覺系統(tǒng)視場較小不同，折反射全景視覺系統(tǒng)具有“成像一體化、360度大視場、旋轉不變性”等優(yōu)點，無需配備隨動系統(tǒng)就可將周圍環(huán)境信息盡收眼底，能夠很好地滿足海洋環(huán)境下大范圍、遠距離監(jiān)控的需求。在海域監(jiān)控領域，為了盡可能早地發(fā)現(xiàn)目標以保證有足夠的反應時間，一般要求在很遠的距離上就能檢測到目標，此時自身尺寸很大的目標在成像平面上一般也只占幾十個甚至幾個像素，此時對目標進行檢測和識別的過程就稱為弱小目標檢測。由于弱小目標與常規(guī)目標相比缺少形狀、顏色、紋理等信息，同時波浪的起伏、日光的反射折射、雨霧天的干擾都會對檢測產生不利影響，故海上弱小目標檢測一直是目標檢測與跟蹤領域的難點問題。
[0003]目前絕大多數(shù)的海上弱小目標檢測工作都是針對紅外圖像開展的，而基于可見光圖像的海上弱小目標檢測的研究相對較少，基于全景可見光圖像的海上弱小目標檢測工作更是罕見相關文獻報道。海洋環(huán)境下的可見光圖像中，背景動態(tài)范圍大，目標沒有突出的亮度特征，使得基于可見光圖像的弱小目標檢測比紅外圖像復雜。同時，雖然全景圖像屬于可見光圖像范疇，但其基于雙曲面折反射逆投影光學原理成像，其成像的特殊性導致全景可見光圖像中的海上弱小目標檢測有其自身的特點和難點，是目標檢測領域中極具挑戰(zhàn)性的課題。
[0004]針對海天背景下全景可見光圖像中弱小目標檢測的復雜性和特殊性，本申請的發(fā)明人提出了一種基于全景視覺的海上弱小目標檢測新方法，利用海上遠景目標必定首先出現(xiàn)在海天線上以及全景圖像中的海天線近似呈圓形的特點，設計了一種基于改進霍夫圓變換的海天線提取方法，該方法通過自適應閾值邊緣檢測、單窗口閾值法剔除無關邊緣、基于梯度信息確定候選圓心和篩選最優(yōu)圓參數(shù)等處理手段實現(xiàn)近似圓形海天線的提取，然后根據(jù)海天線的提取結果，設計了一種基于全景圖像局部區(qū)域復雜度的弱小目標檢測算法。該方法實現(xiàn)了復雜海天背景下全景可見光圖像中海天線附近的弱小目標的有效檢測，檢測效果可靠。
【發(fā)明內容】
[0005]本發(fā)明的目的在于提供一種檢測全景可見光圖像中的海上弱小目標的方法。
[0006]本發(fā)明的目的是這樣實現(xiàn)的:
[0007]基于全景視覺的海上弱小目標檢測方法，包括如下步驟:
[0008](I)邊緣檢測
[0009]對采集到的全景海域圖像(如圖1所示)進行邊緣檢測得到邊緣二值圖像，其中邊緣檢測閾值自適應確定。自適應閾值的獲取方式為:
[0010]I)遍歷圖像像素點，求得各點處的χ方向與y方向的導數(shù):
【權利要求】
1.一種基于全景視覺的海上弱小目標檢測方法，其特征在于: (1)邊緣檢測 對采集到的全景圖像進行邊緣檢測得到邊緣二值圖像，其中邊緣檢測閾值自適應確定，自適應閾值的獲取方式為: 1)遍歷圖像像素點，求得各點處的X方向與y方向的導數(shù):
其中Gx為水平方向導數(shù)，Gy為垂直方向的導數(shù)； 計算點U，y)處兩個導數(shù)的絕對值之和:
Gabs= |Gx| + |Gy| 其中Gabs為邊緣強度的值； 2)根據(jù)圖像像素點的總數(shù)目M，比例系數(shù)α，統(tǒng)計不同Gabs值對應的像素點的個數(shù)，按照Gabs的值從大到小的順序將對應的像素點的個數(shù)進行累加，當像素點數(shù)目累加值等于a M時，此時對應的Gabs值即為所求的自適應閾值； (2)剔除無關邊緣信息 對步驟(1)得到的邊緣二值圖像進行基于單窗口閾值的無關邊緣剔除，得到剔除干擾后的邊緣圖像: 1)用大小為kXk的窗口，遍歷邊緣二值圖像，計算窗口內邊緣點的數(shù)目； 2)設定閾值M,如果窗口內非零點的數(shù)目大于閾值M,則認為窗口內非零點為無關信息而被從邊緣圖中刪除； (3)確定候選圓心 對步驟(2)得到的邊緣檢測圖，遍歷邊緣圖像的非O點，計算局部梯度以及梯度的方向θ (x, y)，在過點(χ, y)，斜率為tan Θ (x, y)的直線上,將距離點(x, y)在r~R之間的像素點對應的累加器值加1，其中r = Rc1-Ar,!? = R0+Ar, R0為由先驗知識預估的海天線半徑，累加器的值大于給定閾值且是局部極大值的像素點作為候選中心，將候選中心按照對應的累加值大小降序排列； (4)篩選最優(yōu)圓參數(shù) 對步驟(3)確定的每個候選圓心，以Ar為半徑步長，在r~R之間搜尋可能的邊緣點，當半徑的邊緣點數(shù)目高于閾值時，將對應的圓視為候選圓，得到多個候選圓，設定擇優(yōu)標準:
取Q值最大的圓作為海天線提取結果； (5)計算海天線附近局部區(qū)域的復雜度 沿著步驟(4)確定的海天線建立二層嵌套窗口，二層嵌套窗口分為內窗口和外窗口，內窗口用于檢測目標，內窗口所在區(qū)域稱為目標區(qū)域；外窗口用于區(qū)分目標和背景，外窗口所在區(qū)域稱為局部區(qū)域；外窗口去除內窗口后的區(qū)域稱為背景區(qū)域，進行目標檢測時，嵌套窗口沿海天線移動，以弧扇型在海天線外圍平行分布，基于嵌套窗口計算圖像中各個局部區(qū)域的復雜度值:
RSS = [ ( μ τ- μ β) 2+ σ J]1/2 RSS為局部區(qū)域復雜度值，μτ、μΒ分別是目標區(qū)域和背景區(qū)域的灰度均值，^代表局部區(qū)域方差，其中η為局部區(qū)域像素個數(shù),Ui為第i個像素的灰度值，u為局部區(qū)域灰度均值； (6)確定海上弱小目標的位置 當步驟(5)中得到的局部區(qū)域的復雜度值大于此閾值時，確認此區(qū)域存在弱小目標。
【文檔編號】G06T7/20GK104182992SQ201410407014
【公開日】2014年12月3日 申請日期:2014年8月19日 優(yōu)先權日:2014年8月19日
【發(fā)明者】蘇麗, 尹義松, 夏桂華, 朱齊丹, 蔡成濤, 龐迪, 徐從營, 原新, 劉志林, 王立輝 申請人:哈爾濱工程大學