專利名稱：利用光學(xué)遙感影像自動(dòng)檢測(cè)云層干擾艦船目標(biāo)的方法
技術(shù)領(lǐng)域：
木發(fā)明涉及圖像分析與模式識(shí)別領(lǐng)域的智能化目標(biāo)檢測(cè)技術(shù)，尤其是涉及 利用遙感影像的云層干擾或云層半遮檔下的艦船目標(biāo)自動(dòng)檢測(cè)方法。
背景技術(shù)：
在現(xiàn)有技術(shù)中，利用光學(xué)遙感影像的圖像處理與目標(biāo)特性分析，可獲得 對(duì)圖像內(nèi)容的理解以及場(chǎng)景的解譯。利用光學(xué)遙感影像的目標(biāo)檢測(cè)可有效支 持軍事領(lǐng)域艦船的偵察和監(jiān)視、民用領(lǐng)域的船只救援與管理。但是，光學(xué)遙感 影像中通常存在多形態(tài)云層及其云層對(duì)艦船的半遮擋的干擾現(xiàn)象，加之艦船目 標(biāo)具有高稀疏性及隨機(jī)分布性特點(diǎn)，這些因素都給光學(xué)遙感影像的艦船目標(biāo)自 動(dòng)檢測(cè)帶來了極大的困難。
目ii」'，現(xiàn)有利用遙感影像的艦船目標(biāo)檢測(cè)方法，可以概括為(1)釆用預(yù) 設(shè)閾值的圖像分割與形狀和紋理特征匹配判決的艦船目標(biāo)檢測(cè)方法，簡稱特征
匹配目標(biāo)檢測(cè)法；(2)采用Randon變換或Hough變換的艦船尾跡檢測(cè)的間接艦 船目標(biāo)檢測(cè)方法，簡稱變換目標(biāo)檢測(cè)法。對(duì)遙感影像的多形態(tài)云層與云層對(duì)艦 船的半遮擋情況，上述特征匹配目標(biāo)檢測(cè)法由于不易區(qū)分云層干擾區(qū)和艦船船 體區(qū)域，從而帶來特祉匹配判決的艦船檢測(cè)的準(zhǔn)確性不高。而變換目標(biāo)檢測(cè)法 則不適合于慢速移動(dòng)、無明顯尾跡特征的艦船檢測(cè)，此外，云層的多形態(tài)圖形 還會(huì)嚴(yán)重干擾對(duì)尾跡檢測(cè)效果，從而導(dǎo)致變換目標(biāo)檢測(cè)法的遙感影像艦船目標(biāo) 檢測(cè)率低、漏檢率和虛警率高。這兩類方法都無法有效分割艦船目標(biāo)區(qū)域與云 層干擾的區(qū)域，因而不適用于光學(xué)遙感影像中存在多形態(tài)云層干擾，尤其是云 層對(duì)艦船的半遮擋情況下的高準(zhǔn)確率的艦船目標(biāo)檢測(cè)。

發(fā)明內(nèi)容
本發(fā)明的任務(wù)是提出一種能夠顯著提高云層遮檔下的艦船目標(biāo)檢測(cè)準(zhǔn)確 率，減少其漏檢率和虛警率，并能快速、準(zhǔn)確地確定影像目標(biāo)區(qū)域，對(duì)艦船目 標(biāo)進(jìn)行自動(dòng)檢測(cè)處理的方法。
為了實(shí)現(xiàn)上述目的，本發(fā)明提出一種利用光學(xué)遙感影像自動(dòng)檢測(cè)云層干擾 艦船目標(biāo)的方法，包括如下步驟
l)海洋背景閾值計(jì)算，按照輸入影像的背景與艦船目標(biāo)模板灰度特性分布， 計(jì)算出圖像區(qū)域分割的自適應(yīng)閾值；
2) 圖像閾值分割，用上述計(jì)算的海洋背景閾值對(duì)遙感圖像進(jìn)行二值化分割， 獲得包含背景信息的"暗區(qū)域"和包含艦船輪廓信息的"亮區(qū)域"；
3) 區(qū)域輪廓提取，用輪廓跟蹤與提取方法，對(duì)上述閾值分割圖中的"亮區(qū) 域"的邊緣輪廓進(jìn)行提取，獲得區(qū)域輪廓坐標(biāo)鏈；
4) 區(qū)域輪廓方向鏈確定，用上述區(qū)域輪廓坐標(biāo)鏈計(jì)算得到區(qū)域輪廓方向鏈；
5) 候選艦船目標(biāo)區(qū)域定位，用艦船輪廓方向鏈模板與上述區(qū)域輪廓方向鏈 進(jìn)行滑窗匹配搜索，確定在遙感圖像中候選艦船區(qū)域的定位坐標(biāo)；
6) 目標(biāo)特征提取與判決，用上述候選艦船的定位坐標(biāo)分割出候選艦船的R01 區(qū)域切片，計(jì)算ROI區(qū)域的多特征參數(shù)值，用多特征優(yōu)先級(jí)的迭代決策法自動(dòng) 進(jìn)行候選艦船目標(biāo)判別確認(rèn)。
本發(fā)明相比于現(xiàn)有技術(shù)具有如下有益效果。
與現(xiàn)有方法相比，本發(fā)明通過面向?qū)ο蟮淖赃m應(yīng)閾值估計(jì)的影像區(qū)域分割， 可以快速、準(zhǔn)確地確定光學(xué)遙感影像中目標(biāo)區(qū)域；采用的輪廓跟蹤與模板匹配 搜索結(jié)合處理方法分離出艦船體區(qū)域與緊連船體的云層區(qū)域；利用特征決策樹 判決的目標(biāo)確認(rèn)方法，可顯著提高光學(xué)遙感影像中具有多形態(tài)云層干擾，尤其 是云層半遮檔下艦船目標(biāo)自動(dòng)檢測(cè)的準(zhǔn)確率，減少其漏檢率和虛警率。本發(fā)明
6具有較強(qiáng)的場(chǎng)景適應(yīng)能力。


為了更清楚地理解本發(fā)明，現(xiàn)將通過本發(fā)明實(shí)施例，同時(shí)參照附圖，來描 述本發(fā)明，其中
圖1是本發(fā)明對(duì)光學(xué)遙感影像中云層干擾或半遮擋艦船的檢測(cè)流程圖。 圖2是本發(fā)明光學(xué)遙感影像中海洋背景閾值估計(jì)值計(jì)算的流程圖。 圖3是本發(fā)明遙感影像中利用區(qū)域輪廓坐標(biāo)鏈定位候選艦船區(qū)域的流程圖，
直接利用獲得的方向鏈進(jìn)行全局匹配搜索候選艦船目標(biāo)區(qū)域。
圖4是本發(fā)明利用區(qū)域輪廓坐標(biāo)鏈定位候選艦船區(qū)域的流程圖，利用區(qū)域
輪廓的方向差分鏈進(jìn)行候選艦船目標(biāo)粗定位，再利用該粗定位信息引導(dǎo)在區(qū)域
輪廓方向鏈上進(jìn)行艦船目標(biāo)匹配搜索。
圖5是本發(fā)明的ROI切片特征提取與特征決策樹的目標(biāo)判別確認(rèn)流程圖。
圖6是遙感影像的0標(biāo)輪廓跟蹤示意圖。
圖7是遙感影像的艦船目標(biāo)輪廓模板示意圖。
圖8 (a)是逆時(shí)針方向跟蹤的艦船目標(biāo)輪廓模板；
圖8 (b)是順時(shí)針方向跟蹤的艦船目標(biāo)輪廓模板。
圖9是被云層半遮擋的艦船目標(biāo)遙感影像圖。
圖10 (a)是圖9閾值分割二值圖10 (b)是圖9閾值分割二值圖的輪廓圖10 (c)是去掉圖10 (b)中內(nèi)部閉環(huán)線的輪廓圖。
圖ll (a)是區(qū)域輪廓跟蹤處理得到輪廓點(diǎn)序列的圖像行坐標(biāo)序列；
圖ll (b)是區(qū)域輪廓跟蹤處理得到輪廓點(diǎn)序列的圖像列坐標(biāo)序列。
圖12是區(qū)域輪廓坐標(biāo)鏈曲線中點(diǎn)A的方向角示意圖。
圖13 (a)是區(qū)域輪廓坐標(biāo)鏈計(jì)算獲得的區(qū)域輪廓方向鏈曲線；
圖13 (b)是規(guī)格化的區(qū)域輪廓方向鏈曲線。圖14是差分計(jì)算規(guī)格化區(qū)域輪廓方向鏈得到的區(qū)域輪廓方向差分鏈曲線。
圖15是區(qū)域輪廓方向差分鏈點(diǎn)取值為[16(A 180"與[-1800, -160°]范圍內(nèi)
方向差分鏈的二值化曲線。
圖16(a)是逆時(shí)針艦船輪廓方向鏈模板與區(qū)域輪廓方向鏈的匹配度曲線圖； 圖16(b)是順時(shí)針艦船輪廓方向鏈模板與區(qū)域輪廓方向鏈的匹配度曲線圖。 圖17是圖9中檢測(cè)出的艦船輪廓圖及標(biāo)注的檢測(cè)準(zhǔn)確度值。
具體實(shí)施例方式
參閱圖1。木發(fā)明對(duì)光學(xué)遙感影像中被云干擾或半遮擋艦船目標(biāo)的檢測(cè)流程 如圖1所示。本發(fā)明讀入待處理的遙感影像圖像，計(jì)算圖像背景分割的自適應(yīng) 閾值，采用閾值分割圖像區(qū)域，然后提取候選目標(biāo)的區(qū)域輪廓，定位候選艦船 目標(biāo)區(qū)域，最后提取目標(biāo)特征并進(jìn)行判別的目標(biāo)確認(rèn)，且整個(gè)流程用計(jì)算機(jī)軟
件方式自動(dòng)實(shí)現(xiàn)。具體步驟是 海洋背景閾值計(jì)算
參閱圖2。海洋背景閾值計(jì)算的流程圖如2所示。在步驟Sll，進(jìn)行圖像直 方圖計(jì)算，即按照灰度圖像的灰度等級(jí)，自動(dòng)統(tǒng)計(jì)出每個(gè)灰度等級(jí)；r的像素點(diǎn) 個(gè)數(shù)，從而獲得圖像的灰度直方圖A(x);在步驟S12，在直方圖機(jī)x)的低灰度級(jí)， 檢測(cè)直方圖的峰值，以該峰值對(duì)應(yīng)的灰度等級(jí)x。為海洋背景灰度均值；在步驟 S13，計(jì)算規(guī)格化直方圖，首先是用直方圖峰值去除整個(gè)直方圖，得到規(guī)格化直 方圖/!(x)。在步驟S14，在歸格化直方圖/;(x)中，以x。為起始點(diǎn)提取規(guī)格化直方 圖峰值右側(cè)鄰域點(diǎn)，確定x。右鄰域灰度級(jí)對(duì)應(yīng)的直方圖值，形成直方圖值序列 eU(x》，《(x2)，…，/5(xn)};在歩驟S15，估計(jì)圖像灰度分布的高斯模板均方
差參數(shù)，根據(jù)直方圖序列e，按照下述公式(i)，估算出海洋背景高斯模板的均 方差參數(shù)
8其中，《取小于5的值。利用多個(gè)序列點(diǎn)估計(jì)均方差參數(shù)a，能提高cr的估計(jì)精 度。
在歩驟S16，利用均值;c。和均方差參數(shù)^r估計(jì)閾值，確定海洋背景灰度閾值 C。根據(jù)高斯型函數(shù)的"3cr"原則，由下述公式(2)，確定出遙感影像海洋背 景分割的閾值Q,:
= x。 + A:cr ( 2 )
其中，參數(shù)k在2. 5 5取值。 圖像閾值分割
在步驟S2，利用上述估計(jì)的圖像分割閾值Q，對(duì)待處理遙感影像進(jìn)行圖像 二值化，圖像灰度值大于Q的像素點(diǎn)灰度值置為1，形成圖像的"亮區(qū)域"，否 則置為0，為圖像的"暗區(qū)域"。圖10 (a)給出了圖9灰度圖的閾值分割圖。 圖10 (a)中的"亮區(qū)域"包含了艦船目標(biāo)的信息，為關(guān)注的圖像區(qū)域。
輪廓跟蹤與提取
參閱圖6。在步驟S3，跟蹤與提取區(qū)域輪廓，獲得區(qū)域輪廓坐標(biāo)鏈與區(qū)域 輪廓方向鏈，提供候選目標(biāo)的定位參數(shù)。圖6示出圖像分割圖中空心點(diǎn)為"亮 區(qū)域"，實(shí)心點(diǎn)為"亮區(qū)域"的輪廓點(diǎn)，箭頭指向?yàn)檩喞櫵惴▽?duì)輪廓點(diǎn)的搜 索方向。首先，在圖6中確定輪廓跟蹤的起始輪廓點(diǎn)，按照從左到右、從下到 上的順序搜索輪廓點(diǎn)，找到的第一個(gè)輪廓邊界點(diǎn)P',;如果左上方的點(diǎn)是輪廓點(diǎn)， 則為第二個(gè)輪廓點(diǎn)P,，并逆時(shí)針旋轉(zhuǎn)90"作為下一個(gè)輪廓點(diǎn)起始搜索方向，否則 將輪廓點(diǎn)的搜索方向順時(shí)針旋轉(zhuǎn)45('，直到找到第二個(gè)輪廓點(diǎn)P,為止。繼續(xù)搜索 下一個(gè)輪廓點(diǎn)，直到返回起始輪廓點(diǎn)P,為止。根據(jù)輪廓跟蹤技術(shù)可以獲取輪廓 點(diǎn)的點(diǎn)坐標(biāo)序列，稱為輪廓點(diǎn)的坐標(biāo)鏈。坐標(biāo)鏈的次序反映了輪廓跟蹤的次序。
根據(jù)區(qū)域輪廓跟蹤與提取原理，對(duì)圖10 (a)中的"亮區(qū)域"進(jìn)行輪廓跟蹤 與提取，"亮區(qū)域"對(duì)應(yīng)于圖1中的空心點(diǎn)，含有艦船H標(biāo)的輪廓信息，其邊緣輪廓對(duì)應(yīng)于圖i中的實(shí)心點(diǎn)。通過獲得"亮區(qū)域"輪廓的坐標(biāo)鏈z;."^,， a
/U，其中，每個(gè)點(diǎn)^坐標(biāo)代表輪廓點(diǎn)在灰度圖像中的位置，并用圖像f (A,少，)表不。
圖10 (b)給出了圖10 (a)的輪廓提取圖，而圖10 (c)屮剔除了長度較 小的輪廓，因?yàn)檫@些輪廓中不可能包含艦船目標(biāo)。圖ll給出了輪廓跟蹤后的坐 標(biāo)曲線。
輪廓方向鏈計(jì)算
參閱圖12。在步驟S4，用區(qū)域輪廓坐標(biāo)鏈計(jì)算區(qū)域輪廓方向鏈。每個(gè)輪廓 點(diǎn)的方向用該點(diǎn)在輪廓中的切線方向與水平方向的夾角表示，如圖12所示，點(diǎn) A的切線用線段AB近似代替，其方向角度為
eA =arctanyB—yA (3)
式中e,為點(diǎn)A的方向角，力、力分別為點(diǎn)A在灰度圖像上的行坐標(biāo)和列 坐標(biāo)，A、力分別為點(diǎn)B在灰度圖像上的行坐標(biāo)和列坐標(biāo)。
圖13 (a)給出了直接由公式(3)計(jì)算得到區(qū)域輪廓方向鏈。由于公式(3) 的取值范圍為[-180"， 180"]，則在±180(1方位上區(qū)域輪廓方向鏈的方向角將會(huì)出 現(xiàn)急劇變化的情況。為了使區(qū)域輪廓的方向角度值連續(xù)變化，需要對(duì)由公式(3) 得到的方向鏈進(jìn)行規(guī)格化處理。
I,=
6>,+1-360 A,>180
《+| -180<A, <180 (4)
d+360 A,<—180
其中，A,=《+1-《。圖13 (b)給出了規(guī)格化區(qū)域輪廓方向鏈乙一曲線。
將二維的區(qū)域輪廓坐標(biāo)鏈轉(zhuǎn)化成一維的方向鏈，達(dá)到數(shù)據(jù)降維，從而更容
易
進(jìn)行艦船檢測(cè)處理。
圖7示出被半遮擋艦船的輪廓模板圖。各類艦船的輪廓形狀相似，但其尺寸有差異，由于艦船輪廓的寬度特征m^^對(duì)模板建立有較大影響，所以需要選 擇合適的寬度值m^M。
圖8示出用艦船輪廓模板分別沿逆時(shí)針與順時(shí)針方向跟蹤后，按照公式(3) -(4)計(jì)算得到的區(qū)域輪廓方向鏈的曲線圖。 候選艦船目標(biāo)區(qū)域定位
用目標(biāo)輪廓方向鏈模板在區(qū)域輪廓方向鏈上匹配搜索處理，完成對(duì)船體區(qū) 域與云層區(qū)域的區(qū)分，到達(dá)候選艦船目標(biāo)區(qū)域定位。匹配搜索處理有如下兩種 方式。
參閱圖3。圖3所示第一種匹配搜索處理方式。在步驟S51，建立各類感興 趣艦船的輪廓模板，獲得艦船輪廓方向鏈模板庫。首先，用感興趣艦船的輪廓 模板長、寬特征/e"g^和w淑確定出艦船輪廓的點(diǎn)坐標(biāo)序列，然后，用上述方向 鏈計(jì)算方法確定相應(yīng)的輪廓方向鏈模板獲得艦船輪廓方向鏈模板庫。在步驟 S52，用艦船輪廓方向鏈模板與遙感圖像的區(qū)域輪廓方向鏈進(jìn)行滑窗匹配，獲得 候選艦船在區(qū)域坐標(biāo)鏈上的定位坐標(biāo)值。
艦船輪廓方向鏈模板進(jìn)行匹配搜索法具體如下。今r,一(0為輪廓曲線的規(guī)格 化方向鏈中第/個(gè)值，"0,1,2,…,w-i;令r一，,w為艦船目標(biāo)輪廓方向鏈模
板的第A個(gè)值，& = 0，1,2,.",m-1。區(qū)域邊緣輪廓的規(guī)格化方向鏈與艦船輪廓方 向鏈模板進(jìn)行滑窗匹配后，規(guī)格化輪廓方向鏈的第i個(gè)方向點(diǎn)對(duì)應(yīng)的匹配度 Co"/ormaW///>'(/)由公式(5 )確定
<formula>formula see original document page 11</formula>
式中，<formula>formula see original document page 11</formula>表示在方向鏈上以7^,。 n(0為起始點(diǎn)、長度為"的方向鏈段上的第j個(gè)點(diǎn)的方向鏈角度值，丄gj^,。(,+"表示了方向鏈段的方向平均值。
為了提高計(jì)算速度，用待匹配輪廓方向鏈數(shù)據(jù)段的中間點(diǎn)對(duì)應(yīng)的方向角代替方 向平均值，貝1J:
<formula>formula see original document page 12</formula>( 7 )
匹配度C卯/。，W,7一在[-1， l]之間取值，取1時(shí)表示二者完全匹配，取-1 時(shí)表示二者完全不匹配，匹配度也作為艦船目標(biāo)檢測(cè)準(zhǔn)確性的度量值。設(shè)定匹 配度閾值77weAoW ，當(dāng)Co<wmaM*(7) 〉 7T^A。W時(shí)，在區(qū)域坐標(biāo)鏈上第/至第+ "
個(gè)點(diǎn)為候選艦船目標(biāo)的輪廓點(diǎn)。
圖16 (a)與圖16 (b)分別給出了艦船輪廓逆時(shí)針方向鏈模板及順時(shí)針方 向鏈模板與輪廓方向鏈的匹配度曲線圖。在圖16 (a)中，有兩個(gè)峰值超過了給 定的匹配度閾值，說明在該輪廓上存在兩個(gè)可能的逆時(shí)針方向艦船目標(biāo)；而圖 16 (b)中沒有匹配度大于匹配度閾值，說明在輪廓卜.沒有順時(shí)針方向艦船目標(biāo)。 在輪廓方向鏈上確定了候選艦船目標(biāo)后，根據(jù)候選艦船目標(biāo)方向鏈的位置，確 定其在相應(yīng)坐標(biāo)鏈上的坐標(biāo)，從而確定候選艦船目標(biāo)在灰度圖像中的坐標(biāo)范圍。
參閱圖4。圖4所示第二種匹配搜索處理方式。在步驟S51，建立各類感興 趣艦船的輪廓模板，獲得艦船輪廓方向鏈模板庫。首先，用艦船的輪廓模板的 長寬特征^"g^和wW^，確定出艦船輪廓的點(diǎn)坐標(biāo)序列；然后，用上述方向鏈計(jì) 算方法確定相應(yīng)的輪廓方向鏈模板，獲得艦船輪廓方向鏈模板庫。在步驟S53， 利用區(qū)域輪廓方向鏈計(jì)算區(qū)域輪廓方向鏈差分鏈；在步驟S54，域輪廓方向鏈差 分鏈值獲取感興趣艦船的粗定位參量；在步驟S55，在利用艦船輪廓方向鏈模板 匹配局部搜索，并根據(jù)匹配度是否大于預(yù)設(shè)匹配閾值來判定目標(biāo)性質(zhì)，獲取候 選艦船的精確定位坐標(biāo)值。
在步驟S53中，根據(jù)輪廓方向鏈7^,。計(jì)算方向差分鏈7^,。—，的方法如公式 (8):^ g/e— ('〕=乙一 ("2 * w/淑)—(8) 其中，wWA為艦船輪廓模板的寬度。圖14給出了輪廓方向差分鏈的曲線。由于
艦船輪廓具有兩條近似平行的船舷直線，這兩條輪廓直線的方向角會(huì)在輪廓方
向差分鏈上的值在士180"附近。因此，在步驟S54，可以直接在輪廓方向差分鏈 上確定候選艦船的位置定位坐標(biāo)。圖15是輪廓方向差分鏈的方向差分值為 [160"， 180°]與[-180°， -160')]取值的二值化為1、 0，其中"l"對(duì)應(yīng)區(qū)域?yàn)榕灤?存在的可能區(qū)間。
第一種匹配搜索處理方式采用的全局滑窗匹配方式可以準(zhǔn)確的得到候選艦 船目標(biāo)位置，但由于通過滑窗方式逐點(diǎn)匹配計(jì)算量較大，比較耗時(shí)。而第二種 匹配搜索處理方式，引入方向差分鏈對(duì)艦船進(jìn)行粗檢測(cè)以確定在輪廓方向鏈上 可能會(huì)出現(xiàn)艦船的粗略位置，然后在這些位置對(duì)應(yīng)的輪廓方向鏈上，利用局部 滑窗匹配的方式進(jìn)一步確定候選艦船S標(biāo)，可提高艦船的搜索定位效率。
候選艦船目標(biāo)判別確認(rèn)
參閱圖5。圖5給出了對(duì)候選艦船目標(biāo)ROI區(qū)域切片的判別確認(rèn)流程。
在步驟S61，利用坐標(biāo)在灰度圖上的艦船，根據(jù)候選艦船的坐標(biāo)范圍，在圖 像中提取出候選艦船目標(biāo)的感興趣區(qū)域ROI切片；
在步驟S62，計(jì)算ROI區(qū)域切片的結(jié)構(gòu)形狀、面積、灰度均值、對(duì)比度、紋 理、不變矩的特征參數(shù)值。
在步驟S63，根據(jù)機(jī)器視覺的視覺選擇性注意機(jī)制思路，本發(fā)明提出多特征 優(yōu)先級(jí)的迭代決策法，選擇優(yōu)先權(quán)級(jí)高的特征參量首先來判決候選目標(biāo)的屬性， 判別結(jié)果分為艦船目標(biāo)、干擾目標(biāo)及不明目標(biāo)，當(dāng)判別結(jié)果為艦船目標(biāo)或干擾 目標(biāo)時(shí)，判別流程結(jié)束；當(dāng)判別結(jié)果為不明目標(biāo)時(shí)，返回步驟S62，選擇次優(yōu)特 征參量，重復(fù)步驟S63的判決。圖17是圖9影像的檢測(cè)結(jié)果，且匹配度值表示 檢測(cè)結(jié)果的準(zhǔn)確性。圖1所示的整個(gè)流程完成利用遙感影像對(duì)存在云層干擾的 艦船目標(biāo)自動(dòng)檢測(cè)。
權(quán)利要求
1. 一種利用光學(xué)遙感影像自動(dòng)檢測(cè)云層干擾艦船目標(biāo)的方法，包括如下步驟1)海洋背景閾值計(jì)算，按照輸入影像的背景與艦船目標(biāo)模板灰度特性分布，計(jì)算出圖像區(qū)域分割的自適應(yīng)閾值；2)圖像閾值分割，用上述計(jì)算的海洋背景閾值對(duì)遙感圖像進(jìn)行二值化分割，獲得包含背景信息的“暗區(qū)域”和包含艦船輪廓信息的“亮區(qū)域”；3)區(qū)域輪廓提取，用輪廓跟蹤與提取方法，對(duì)上述閾值分割圖中的“亮區(qū)域”的邊緣輪廓進(jìn)行提取，獲得區(qū)域輪廓坐標(biāo)鏈；4)區(qū)域輪廓方向鏈確定，用上述區(qū)域輪廓坐標(biāo)鏈計(jì)算得到區(qū)域輪廓方向鏈；5)候選艦船目標(biāo)區(qū)域定位，用艦船輪廓方向鏈模板與上述區(qū)域輪廓方向鏈進(jìn)行滑窗匹配搜索，確定在遙感圖像中候選艦船區(qū)域的定位坐標(biāo)；6)目標(biāo)特征提取與判決，用上述候選艦船的定位坐標(biāo)分割出候選艦船的ROI區(qū)域切片，計(jì)算ROI區(qū)域的多特征參數(shù)值，用多特征優(yōu)先級(jí)的迭代決策法自動(dòng)進(jìn)行候選艦船目標(biāo)判別確認(rèn)。
2.如權(quán)利要求1所述的利用遙感影像自動(dòng)檢測(cè)處理云層干擾艦船目標(biāo)的方法中的海洋背景閾值計(jì)算，包括以下步驟1) 步驟l，計(jì)算輸入遙感圖像的灰度直方圖；2) 步驟2，檢測(cè)上述灰度直方圖的峰值，以峰值點(diǎn)對(duì)應(yīng)的灰度等級(jí)為海洋 背景灰度均值；3) 步驟3，用灰度直方圖的各灰度等級(jí)值除以直方圖峰值，獲得規(guī)格化直 方圖；4) 步驟4，在上述規(guī)格化直方圖峰值點(diǎn)的右側(cè)，提取其相鄰的灰度等級(jí)對(duì)應(yīng)的灰度直方統(tǒng)計(jì)值；5) 步驟5，利用上述規(guī)格化直方圖的峰值點(diǎn)及其鄰域點(diǎn)估計(jì)海洋背景灰度 分布高斯模板的均方差參數(shù)；6) 步驟6，利用海洋背景灰度分布高斯模板的均值和均方差參數(shù)計(jì)算海洋 背景區(qū)域分割的閾值。
3. 如權(quán)利要求1所述的利用遙感影像自動(dòng)檢測(cè)云層干擾艦船目標(biāo)的方法中 的候選艦船目標(biāo)區(qū)域定位方法一，包括以下步驟1) 步驟S51，建立艦船輪廓方向鏈模板，獲得艦船輪廓方向鏈模板庫；2) 步驟S52，用艦船輪廓方向鏈模板與獲得的區(qū)域輪廓方向鏈進(jìn)行滑窗匹 配，獲得候選艦船的定位坐標(biāo)。
4. 如權(quán)利要求1所述的利用遙感影像自動(dòng)檢測(cè)云層干擾艦船目標(biāo)的方法中的候選艦船目標(biāo)區(qū)域定位方法二，包括以下步驟1) 步驟S51，建立艦船輪廓方向鏈模板，獲得艦船輪廓方向鏈模板庫；2) 步驟S53，用輪廓方向鏈計(jì)算方向差分鏈；3) 步驟S54，在輪廓方向差分鏈上，獲取候選艦船定位的方向角序列；4) 步驟S55，用艦船輪廓方向鏈模板在上述候選艦船定位的方向角序列中 進(jìn)行匹配搜索，獲取候選艦船的定位坐標(biāo)。
5. 如權(quán)利要求1所述的利用遙感影像自動(dòng)檢測(cè)云層干擾艦船目標(biāo)的方法中的M標(biāo)特征提取與判決，包括以卜步驟1) 步驟S61，根據(jù)獲取候選艦船的定位坐標(biāo)分割出候選艦船的感興趣區(qū)域R0I切片；2) 步驟S62，計(jì)算R0T區(qū)域切片包括結(jié)構(gòu)形狀、面積、灰度均值、對(duì)比度、紋理、不變矩的特征參數(shù)值。3) 步驟S63，利用計(jì)算得到的ROI區(qū)域特征參量，用多特征優(yōu)先級(jí)的迭代決 策法進(jìn)行候選目標(biāo)判決確認(rèn)，其判別結(jié)果分為艦船目標(biāo)、云層干擾及不明目標(biāo)， 其中，結(jié)果分為艦船目標(biāo)、云層干擾時(shí)直接輸入判決結(jié)果，結(jié)果為不明目標(biāo)則 轉(zhuǎn)步驟S64。4) 步驟S64，選擇次優(yōu)特征參量，重復(fù)步驟S62、步驟S63。
全文摘要
本發(fā)明提出了一種利用光學(xué)遙感影像自動(dòng)檢測(cè)云層干擾艦船目標(biāo)的方法，利用本方法可顯著地提高在云層遮擋下的艦船目標(biāo)檢測(cè)準(zhǔn)確率，減少漏檢率和虛警率。本發(fā)明主要通過下述技術(shù)方案予以實(shí)現(xiàn)根據(jù)影像背景與艦船目標(biāo)灰度特性分布差異進(jìn)行圖像區(qū)域分割的自適應(yīng)閾值估計(jì)，分離影像中海洋和云層的背景區(qū)域與艦船及其云層相連的目標(biāo)區(qū)域；輪廓跟蹤法獲得感興趣區(qū)域ROI的輪廓方向鏈，強(qiáng)化目標(biāo)的圖形特征描述；利用目標(biāo)輪廓方向鏈模板對(duì)區(qū)域輪廓方向鏈匹配搜索，區(qū)分出艦船區(qū)域與云層區(qū)域；采用形態(tài)與紋理分析法提取艦船的多特征參量，并利用多特征優(yōu)先級(jí)的迭代決策法進(jìn)行目標(biāo)判決確認(rèn)，從而實(shí)現(xiàn)具有云層干擾下的遙感影像的艦船自動(dòng)檢測(cè)。
文檔編號(hào)G06K9/46GK101520896SQ20091005874
公開日2009年9月2日 申請(qǐng)日期2009年3月30日 優(yōu)先權(quán)日2009年3月30日
發(fā)明者王連亮, 陳懷新 申請(qǐng)人:中國電子科技集團(tuán)公司第十研究所