本發(fā)明涉及基于混合模型決策的遙感圖像靠港船只檢測(cè)方法。

背景技術(shù)：

近年來(lái)，隨著高分辨率光學(xué)遙感平臺(tái)的發(fā)展，基于高分辨率遙感圖像的船舶檢測(cè)，已經(jīng)成為了衛(wèi)星遙感數(shù)據(jù)海洋應(yīng)用的研究熱點(diǎn)。由于其具有探測(cè)范圍廣、時(shí)效性高的優(yōu)勢(shì)，已經(jīng)被應(yīng)用在許多重要的海洋遙感領(lǐng)域，例如：港口動(dòng)態(tài)監(jiān)測(cè)，海事管理、船舶救援、以及走私活動(dòng)檢測(cè)等。

其檢測(cè)對(duì)象主要分為遠(yuǎn)洋及港口船舶兩類。現(xiàn)在，已有的大量船舶檢測(cè)方法主要是針對(duì)離港遠(yuǎn)洋的船舶進(jìn)行研究，這些方法已經(jīng)得到了較好的效果及應(yīng)用。對(duì)于港口船舶檢測(cè)而言，由于港口內(nèi)錨泊船舶的檢測(cè)環(huán)境與遠(yuǎn)洋船舶檢測(cè)問(wèn)題相似，此類研究也已經(jīng)取得了顯著的進(jìn)展。然而，與遠(yuǎn)洋及港口內(nèi)錨泊船舶(非靠港)的檢測(cè)相比，港內(nèi)靠港停泊船舶的檢測(cè)研究較少；其主要難點(diǎn)在于：船舶的灰度、紋理、以及人工結(jié)構(gòu)都與碼頭極為相似，且船舶與碼頭通常是緊密相連的，導(dǎo)致實(shí)現(xiàn)船舶區(qū)域的有效提取較為困難。一些已有的港口內(nèi)船舶檢測(cè)方法根據(jù)已知的地理信息實(shí)現(xiàn)港口位置的快速定位，從而獲取靠港停泊船舶所在位置，但先驗(yàn)地理信息定位只適用于限定的應(yīng)用場(chǎng)景，推廣性差。此外，一些方法根據(jù)紋理、灰度等初級(jí)圖像特征實(shí)現(xiàn)分割，此類方法易受到環(huán)境中陰影、碼頭復(fù)雜人工構(gòu)建物、船體不同舾裝的干擾，往往無(wú)法提取完整的邊界輪廓，難以實(shí)現(xiàn)靠岸船舶與碼頭的有效分割問(wèn)題，魯棒性較差。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)的上述問(wèn)題，本發(fā)明提出一種基于混合模型決策的遙感圖像靠港船只檢測(cè)方法。在候選區(qū)篩選階段，對(duì)輸入的高分辨率大尺寸的港口圖像進(jìn)行快速水體分離，并基于全向雙維度交叉掃描方法快速篩選候選區(qū)。在候選區(qū)鑒別階段，提出一種基于混合決策模板進(jìn)行候選區(qū)的可靠鑒別的方法。該鑒別方法首先根據(jù)船舶關(guān)鍵部位和整體特征，以及與周圍環(huán)境的上下文關(guān)系，訓(xùn)練并得到三個(gè)決策子模型；并將子模型各自判決結(jié)果基于混合模型決策模板進(jìn)行候選區(qū)鑒別。相對(duì)于傳統(tǒng)方法，本方法能有效克服船舶種類繁多，靠港停泊姿態(tài)各異以及船身被陰影部分遮擋等因素帶來(lái)的不利影響，并只需較短時(shí)間就能得到精確度較高的檢測(cè)結(jié)果。

本發(fā)明針對(duì)現(xiàn)有技術(shù)的上述問(wèn)題，提出了一種基于混合模型決策的遙感圖像靠港船只檢測(cè)方法，其包括第一步快速低漏檢的候選區(qū)篩選和基于混合模型決策的候選區(qū)可靠鑒別兩個(gè)步驟組成，即：

b)快速低漏檢的候選區(qū)篩選，包括：

水體快速分割；

靠港疑似候選區(qū)的全向雙維度交叉突異掃描提取；

鑒別候選區(qū)獲?。?/p>

b)基于混合模型決策的候選區(qū)可靠鑒別,包括：

建立決策要素子模型，其中包括建立船舶關(guān)鍵部位子模型、船體子模型和船體-周域上下文關(guān)聯(lián)子模型；

基于決策模板進(jìn)行混合模型決策，其中包括：混合模型決策模板訓(xùn)練和基于混合模型決策模板的船舶目標(biāo)確認(rèn)。

附圖說(shuō)明

圖1是根據(jù)本發(fā)明的一個(gè)實(shí)施例的基于混合模型決策的遙感圖像靠港船只檢測(cè)方法的框圖。

圖2(a)至2(c)是根據(jù)本發(fā)明的一個(gè)實(shí)施例的雙維度交叉掃描處理的示意圖。

圖3(a)至3(f)是根據(jù)本發(fā)明的一個(gè)實(shí)施例的鑒別候選區(qū)提取過(guò)程的示意圖。

圖4(a)和4(b)是根據(jù)本發(fā)明的一個(gè)實(shí)施例的船體-周域上下文關(guān)聯(lián)子模型構(gòu)建中小塊的示意圖。

具體實(shí)施方案

在發(fā)明針對(duì)上述現(xiàn)有技術(shù)的缺點(diǎn)，通過(guò)水體快速分割和全向雙維度交叉掃描的處理，實(shí)現(xiàn)了從大場(chǎng)景港口圖像中，篩選得到船舶候選區(qū)；并提出了一種基于混合決策方法的港口船舶檢測(cè)方法，實(shí)現(xiàn)了對(duì)候選區(qū)中船舶目標(biāo)的精確鑒別。

圖2(a)為港內(nèi)靠港停泊船舶的灰度圖像；圖2(b)為經(jīng)過(guò)水體快速分割的靠港停泊船舶的二值圖像；圖2(c)為通過(guò)水平維度與豎直維度結(jié)合的雙維度交叉掃描所得的疑似突異塊。

圖3(a)是港內(nèi)靠港停泊船舶的灰度圖像；圖3(b)是經(jīng)過(guò)全向雙維度交叉掃描得到的疑似突異塊所在位置的疑似候選區(qū)；圖3(c)展示了對(duì)疑似候選區(qū)進(jìn)行拓展的過(guò)程；圖3(d)為拓展后得到的候選區(qū)二值圖像；圖3(e)是旋轉(zhuǎn)了α的原分辨率灰度圖像，圖3(f)展示了取得的候選區(qū)圖像。

圖4(a)和圖4(b)是船體-周域上下文關(guān)聯(lián)子模型構(gòu)建中小塊示意圖。其中，圖4(a)是候選區(qū)篩選得到的原圖下的候選區(qū)；圖4(b)是船體-周域上下文關(guān)聯(lián)子模型構(gòu)建事例。

根據(jù)本發(fā)明的基于混合模型決策的遙感圖像靠港船只檢測(cè)方法包括：

第一步：快速低漏檢的候選區(qū)篩選

在候選區(qū)篩選階段，首先進(jìn)行水體分割，對(duì)輸入的大尺寸遙感圖像進(jìn)行下采樣，從而提高水體分割的效率。對(duì)分割后的二值圖像，進(jìn)行全向雙維度交叉突異掃描，從而獲得靠港疑似突異塊候選區(qū)。之后，對(duì)這些靠港疑似突異塊候選區(qū)進(jìn)行標(biāo)準(zhǔn)化處理，最終得到便于后續(xù)檢測(cè)的新疑似候選區(qū)。

第二步：基于混合模型決策的候選區(qū)可靠鑒別；

基于上述步驟篩選得到的新疑似候選區(qū)，進(jìn)行混合模型決策的靠港船舶候選區(qū)可靠確認(rèn)處理。首先，使用適應(yīng)形變能力較強(qiáng)的dpm處理，構(gòu)建船舶關(guān)鍵部位特征和船舶整體特征子模型；其次，根據(jù)船頭與船尾位置的上下文特性，構(gòu)建船體-周域關(guān)聯(lián)的上下文子模型；最后，采用決策模板處理對(duì)船舶關(guān)鍵部位子模型、船體子模型和船體-周域上下文關(guān)聯(lián)子模型三個(gè)子模型的判決得分進(jìn)行融合，從而實(shí)現(xiàn)靠港船舶候選區(qū)的可靠確認(rèn)。

以下結(jié)合附圖具體說(shuō)明本發(fā)明的方法。圖1是根據(jù)本發(fā)明的一個(gè)實(shí)施例的基于混合模型決策的遙感圖像靠港船只檢測(cè)方法的框圖，該方法包括：

第一步：快速低漏檢的候選區(qū)篩選

第(1.1)步水體快速分割：對(duì)輸入的大尺寸遙感圖像進(jìn)行采樣，以提高水體分割效率。分別取得采樣港口圖像中的灰度分布特征以及鄰域方差的分布特征，根據(jù)這兩個(gè)特征分布的尖峰特性，自適應(yīng)獲取其中水體區(qū)域的分割閾值，進(jìn)而初步提取港內(nèi)水體區(qū)域。之后通過(guò)引入標(biāo)記鏈接分量概念，根據(jù)形態(tài)，面積等特征判斷，對(duì)初步提取的水域進(jìn)行精細(xì)修正，從而實(shí)現(xiàn)水體與陸地的快速分離。得到分割后的二值圖像，所有像素位置i(x,y)的特征為f(x,y)，陸地區(qū)域像素位置的特征f(x,y)＝1，水體部分像素位置的特征f(x,y)＝0。

第(1.2)步靠港疑似候選區(qū)的全向雙維度交叉突異掃描提取

由于靠港停泊船舶與碼頭等區(qū)域保持著姿態(tài)各異且緊密相連的狀態(tài)，針對(duì)這個(gè)特點(diǎn)，使用橫向維度與縱向維度相結(jié)合的雙維度交叉掃描方法對(duì)其進(jìn)行篩選，如圖2所示。取得港內(nèi)靠港停泊船舶的灰度圖像，如圖2(a),對(duì)水體快速分離后的二值圖像進(jìn)行逐行逐列的橫-縱掃描,如圖2(b)，通過(guò)水平維度與豎直維度結(jié)合的雙維度交叉掃描得到圖2(c)中疑似突異塊，取得二值圖像中沿岸區(qū)域的像素位置，即沿岸區(qū)域像素位置前后兩像素位置的特征不同。首先,使用雙維度交叉突異掃描來(lái)判斷，兩個(gè)鄰近的沿海位置像素之間的區(qū)域是否為陸地，然后把船舶疑似突異塊和陸地間距中像素位置的特征都標(biāo)記為f(x,y)＝2。由于船頭朝向的不同，所以本發(fā)明設(shè)計(jì)了在基于雙維度交叉掃描基礎(chǔ)上的全向旋轉(zhuǎn)迭代的方法，針對(duì)船頭朝向的不同，進(jìn)行基于雙維度交叉掃描的全向旋轉(zhuǎn)迭代的處理,將圖像以指定角度{k1,k2,…,ki}順時(shí)針旋轉(zhuǎn)。并對(duì)旋轉(zhuǎn)了角度ki的圖像，進(jìn)行雙維度交叉掃描，將檢測(cè)得到的疑似船舶逆時(shí)針旋轉(zhuǎn)角度ki，返回到疑似顯著區(qū)域圖像上，從而盡可能多地獲取所有靠港疑似突異塊；并對(duì)此類掃描結(jié)果進(jìn)行累加，從而尋找到與平滑沿岸和水域相連接的疑似突異塊，同時(shí)，計(jì)算疑似突異塊的最小外接矩形，構(gòu)建疑似突異塊所在位置的疑似候選區(qū)，

第(1.3)步鑒別候選區(qū)獲取：首先找到港內(nèi)靠港停泊船舶的灰度圖像，如圖3(a)所示，獲取其中的疑似候選區(qū)，如圖3(b)，計(jì)算其中突異塊的幾何中心點(diǎn)位置o，同時(shí)尋找到疑似突異塊上與中心位置距離最遠(yuǎn)點(diǎn)的位置a。將oa兩點(diǎn)鏈接，其長(zhǎng)度為l，計(jì)算oa方向與水平方向小于90°的夾角α。之后，將疑似候選區(qū)沿長(zhǎng)軸方向分別向外延長(zhǎng)長(zhǎng)度，形成新的矩形框,如圖3(c)所示。獲取拓展且轉(zhuǎn)正后得到的候選區(qū)二值圖像，如圖3(d)所示，對(duì)輸入的大場(chǎng)景遙感原圖像根據(jù)夾角α進(jìn)行旋轉(zhuǎn)，取得旋轉(zhuǎn)后原分辨率灰度圖中新外接矩形框所在區(qū)域，如圖3(e)所示，將此區(qū)域作為疑似船舶所在候選區(qū)，如圖3(f)所示。在后續(xù)目標(biāo)候選區(qū)鑒別階段，將對(duì)此候選區(qū)內(nèi)的疑似船舶進(jìn)行精細(xì)判別。

第二步：基于混合模型決策的候選區(qū)可靠鑒別

第(2.1)步創(chuàng)建決策要素子模型

該部分包含船舶關(guān)鍵部位與船體子模型的創(chuàng)建和船體-周域上下文關(guān)聯(lián)子模型的創(chuàng)建。

第(2.1.1)步：構(gòu)建和訓(xùn)練船舶關(guān)鍵部位與船體子模型

每個(gè)dpm模型被分為三個(gè)部分:一個(gè)根模型、一系列部件模型和一些列的空間位置模板；根模型主要定位候選區(qū)中疑似目標(biāo)的大致位置；部件模型旨在確定候選區(qū)中疑似目標(biāo)的精確信息；空間位置模板表示每個(gè)部件相對(duì)于其根位置的可能位置的變形花費(fèi)。這三個(gè)部分讓這個(gè)模型能夠適應(yīng)目標(biāo)的形變。

無(wú)論在訓(xùn)練階段和還是檢測(cè)階段，felzenszwalb等人均使用方向梯度直方圖方法來(lái)構(gòu)建特征圖。根據(jù)該特征圖，用dpm處理構(gòu)建一種特征金字塔，根據(jù)分辨率的不同分別放置根模型和部件模型。

本發(fā)明采用felzenszwalb等人提出的dpm模型處理，分別構(gòu)建和訓(xùn)練船頭關(guān)鍵部位特征模型以及船體特征模型。

第(2.1.2)步：構(gòu)建船體-周域上下文關(guān)聯(lián)子模型

首先得到的原圖下的候選區(qū)，如圖4(a)所示，通過(guò)對(duì)候選區(qū)圖像使用2.1中的自適應(yīng)分割方法得到二值圖像，再根據(jù)豎直和水平對(duì)稱軸將分割后的二值圖均勻的劃分為若干個(gè)方形小格標(biāo)記為i1,i2,…,in，本實(shí)施例選用n＝4，如圖4(b)所示。將小塊中的水體區(qū)域標(biāo)記為i'k。獲取i'k的灰度值，并計(jì)算該水域的灰度均值、標(biāo)準(zhǔn)差以及灰度共生矩陣。令f1(i'k),f2(i'k),…,fm(i'k)表示從第k個(gè)水體區(qū)域i'k中提取的特征，m為特征的數(shù)目?；叶染蹬c標(biāo)準(zhǔn)差特征表示為f1(i'k),f2(i'k)。灰度共生矩陣中可提取2個(gè)派生參數(shù)，分別是：對(duì)比特征f3(i'k)，相關(guān)特性f4(i'k)。由此，每塊水域都可以得到2維灰度類特征以及2維紋理類特征，共4維灰度和紋理的鄰域描述特征。

為除了水體區(qū)域i'k外的其它水體區(qū)域所提取第i類特征fi的平均值。df(i,k)是標(biāo)志在考慮特征類型fi的情況下i'k與其他水體區(qū)域的差異。

通過(guò)考慮候選區(qū)圖像中每個(gè)方形小塊中水體部分之間的灰度與紋理的特征類型，計(jì)算每個(gè)小塊中水體的相似性，定義如下：

第(2.2)步：基于決策模板的混合模型決策

基于步驟2.1中得到的三種決策要素子模型，分別為船舶關(guān)鍵部位子模型、船體子模型和船體-周域上下文關(guān)聯(lián)子模型，通過(guò)對(duì)其各自的決策輸出形式進(jìn)行歸一化，并結(jié)合決策模板進(jìn)行子模型的融合與判決。實(shí)現(xiàn)對(duì)候選區(qū)中疑似船舶目標(biāo)的可靠鑒別。

第(2.2.1)步：混合模型決策模板訓(xùn)練

對(duì)得到的候選區(qū)，采用2.1中所述的船舶關(guān)鍵部位子模型、船體子模型和船體-周域上下文關(guān)聯(lián)子模型進(jìn)行獨(dú)立判決。由于本方法使用的船舶關(guān)鍵部位子模型、船體子模型和船體-周域上下文關(guān)聯(lián)子模型的結(jié)構(gòu)不同，決策輸出的形式也不盡相同。為了便于后續(xù)融合決策，本實(shí)施例將三種基本要素子模型的判決輸出進(jìn)行歸一化到動(dòng)態(tài)范圍內(nèi)。

上述3種決策要素子模型為本方法模板中的決策要素，表示為{d1,d2,d3}，并將候選區(qū)中的疑似船舶目標(biāo)劃分為2類：船舶目標(biāo)以及干擾虛警，分別用w1，w2表示。令訓(xùn)練某類wj的樣本集表示為zj＝{zj,1,zj,2,...,zj,m,...,zj,p}，對(duì)應(yīng)其中的某個(gè)樣本zj,m，其分類模型判決習(xí)慣用決策輪廓矩陣dp(zm)來(lái)表征：

di,j表示決策要素di對(duì)模式wj作出的判決結(jié)果，(i＝1,2,3,j＝1,2)。若判決標(biāo)識(shí)與模式wj越相似，則di,j就越接近1，反之di,j越接近0。

計(jì)算各模式類的決策模板dt，表示第j類模式的決策模板dtj，是由該類模式所有的訓(xùn)練樣本z計(jì)算dp(zj,m)后的平均得到，如下:

其中第j類模式的訓(xùn)練樣本數(shù)表示為nj。則由上式計(jì)算后可分別得到表示船舶模板dt1以及虛警模板dt2。

第(2.2.2)步：基于混合模型決策模板的船舶目標(biāo)確認(rèn)

利用決策模板確認(rèn)候選區(qū)中的船舶目標(biāo)。對(duì)輸入的候選區(qū)zroi計(jì)算其決策輪廓矩陣dp(zroi)。μj(zroi)定義為dp(zroi)與訓(xùn)練階段得到的dtj(j＝1,2)間的相似程度，以歐氏距離來(lái)計(jì)算：

其中，dtj(i2,i1)是dtj矩陣中的元素(i2,i1)。如果μk(zroi)是{μ1(zroi),μ2(zroi)}中的最小值，那么就判別zroi為模式wk，進(jìn)而確定zroi是否為包含真實(shí)船只目標(biāo)的候選區(qū)。對(duì)真實(shí)含有船舶目標(biāo)的候選區(qū)，取得其中目標(biāo)的最小外切矩形，在原分辨率圖像中對(duì)船舶目標(biāo)進(jìn)行標(biāo)記。

本發(fā)明與現(xiàn)有檢測(cè)方法相比具有以下優(yōu)點(diǎn):

(1)本發(fā)明的光學(xué)遙感靠港船只檢測(cè)方法，采用非等粒度級(jí)聯(lián)的處理模型架構(gòu)。首先對(duì)全圖高分辨大視場(chǎng)區(qū)域，進(jìn)行降采樣快速水體分離和全向雙維度交叉掃描的篩選候選區(qū)，保證了低漏檢、快速的候選區(qū)提取。之后在所獲得少量低分辨率候選區(qū)的引導(dǎo)下，提取原分辨率船只候選區(qū)域，采用基于混合決策模板進(jìn)行候選區(qū)的可靠鑒別，保證了準(zhǔn)確性，有效降低了港口的易混虛警干擾。這樣一個(gè)非等粒度級(jí)聯(lián)的處理架構(gòu)，在不同分辨率下完成不同的算法步驟，處理數(shù)據(jù)量快速減少且逐步聚焦于船只區(qū)域，處理手段從圖像的宏觀結(jié)構(gòu)特征逐步轉(zhuǎn)換為復(fù)雜精細(xì)的船只特有辨識(shí)特征，實(shí)現(xiàn)了計(jì)算資源在算法層面的合理分配。相比于傳統(tǒng)全圖等計(jì)算粒度遍歷進(jìn)行靠岸船只檢測(cè)的方法，極大提升了計(jì)算效率，同時(shí)保證了檢測(cè)的高檢測(cè)率及低虛警率。

(2)本發(fā)明在候選區(qū)篩選階段采用全向交叉掃描的方法，該方法以快速易實(shí)現(xiàn)的縱-橫交叉掃描方法獲取單次掃描的結(jié)果?？紤]到單次掃描難以適應(yīng)船只泊港方式多變的實(shí)際應(yīng)用特點(diǎn)，在單次掃描基礎(chǔ)上，采用低間隔步長(zhǎng)旋轉(zhuǎn)圖像進(jìn)行一系列單次交叉掃描的策略(全向交叉掃描)獲取完備的候選取，該方法有效保證了候選區(qū)篩選階段的低漏檢。同時(shí)該方法無(wú)需先驗(yàn)gis信息引導(dǎo)，就可實(shí)現(xiàn)不同復(fù)雜港口遙感場(chǎng)景中靠港船只候選區(qū)的有效篩選。

(3)本發(fā)明在候選區(qū)鑒別階段，提出了一種基于混合模型決策的候選區(qū)鑒別方法。對(duì)每個(gè)候選區(qū)的鑒別，該方法首先基于dpm模型方法構(gòu)建針對(duì)船舶整體、關(guān)鍵部位、以及局部上下文特征的三個(gè)子模型；并用決策模板的融合方法進(jìn)行子模型判決結(jié)果的融合決策。該方法有效克服了傳統(tǒng)分割類方法對(duì)碼頭或船體區(qū)域灰度及紋理差異性難以統(tǒng)一描述缺點(diǎn)、克服了傳統(tǒng)模型類方法對(duì)目標(biāo)部分遮擋、及上下文信息利用不充分的缺點(diǎn)。通過(guò)針對(duì)性子模型建模后融合決策的方法，實(shí)現(xiàn)了靠港船只候選區(qū)的準(zhǔn)確鑒別。