基于高分辨率桥梁区域船舶图像的高效多尺度采样方法技术

本发明专利技术涉及一种基于高分辨率桥梁区域船舶图像的高效多尺度采样方法，解决了现有的采样方法计算成本过高、速度过慢的缺点，包括：提出针对高分辨率图像的重叠二分法，根据待测最小目标占整体图像比重确定采样层数，第一层采样为将整体图像长宽方向各进行二分，第二层采样在第一层基础上将子图像长宽方向各进行二分，如此循环；为进一步优化提出针对高分辨率船舶图像的基于注意力机制的重叠二分法，使用稀疏低秩分解方法将整体图像进行分解，其中稀疏分量即为船舶显著区域图，将重叠二分法中产生的候选窗口按照包含显著图的占比进行排序，确定截断阈值后产生基于注意力机制的候选窗口集。本发明专利技术便捷、准确，提升了船舶识别的效率。

An Efficient Multi-scale Sampling Method Based on High Resolution Bridge Area Ship Images

【技术实现步骤摘要】
基于高分辨率桥梁区域船舶图像的高效多尺度采样方法
本专利技术具体涉及一种基于高分辨率桥梁区域船舶图像的高效多尺度采样方法。
技术介绍
随着桥梁建设行业和航运事业的快速发展，船舶和桥梁之间的矛盾越来越尖锐。船舶荷载作为一种不可忽视的重要偶然荷载，一旦施加，便会对桥梁的正常服役产生巨大的威胁。因此，不论是对处在建设期还是已经建成的桥梁来说，防船撞预警就成为了重中之重。而船舶的精准识别就是预警中最重要的步骤。随着摄影技术的发展，桥梁安装的航道监控摄像头往往都会采集几千像素乘以几千像素的高分辨率图像，而现在主流计算机视觉方法都是基于低分辨率图像，因此如何将先进的船舶识别的算法应用在高分辨率图像上就成了备受关注的问题。目前随着计算机视觉的发展，许多学者尝试解决桥梁区域高分辨率图像的船舶识别的问题，然而这些方法大多是基于滑动窗口的方法，这类方法产生的候选窗口数量巨大，会消耗大量的计算资源，这为高分辨率图像中的船舶高效识别上增加了困难。如何针对现有研究存在的问题提出一个高效多尺度采样的方法，为先进计算机视觉技术的应用提供一个可行的途径，为桥梁区域防船撞提供一个自动化智能化的解决方案，是一个亟待研究的问题。
技术实现思路
本专利技术的目的是为了解决现有的高分辨率桥梁区域船舶图像传统多尺度采样方法计算成本过高、速度过慢等缺点，提出一种基于高分辨率桥梁区域船舶图像的高效多尺度采样方法，实现了高分辨率图像的快速采样、船舶显著区域的快速提取以及候选窗口的智能化选择，为先进船舶识别技术在高分辨率图像上的应用提供一个可行的途径，为桥梁工程防船撞的自动监测提供了解决方案。本专利技术所采用的技术如下：一种基于高分辨率桥梁区域船舶图像的高效多尺度采样方法，具体包括如下步骤：步骤一、根据待测最小目标占整体图像比重确定采样层数；步骤二、对整体图像进行采样，第一层采样为将整体图像长宽方向各进行二分，第二层采样在第一层基础上将子图像长宽方向各进行二分，如此循环；步骤三、使用稀疏低秩分解方法将整体图像进行分解，其中稀疏分量即为船舶显著区域图；步骤四、将重叠二分法中产生的候选窗口按照包含显著图的占比进行排序，确定截断阈值后产生基于注意力机制的候选窗口集。本专利技术还具有如下技术特征：1、如上所述的步骤一中，根据采样目的确定待测最小目标占整体图像比重，如采样目的为目标检测，且其输入要求为m×m，则最小目标为大于等于m×m的，采样层数为1，小于m×m大于等于m/10×m/10的，采样层数为2，小于等于m/10×m/10的，采样层数为3。2、如上述的步骤二中，第一层采样时将整体图像(M×N)在长宽方向上各进行二分，共产生4个子区域(M/2×N/2)，长度方向重叠步长为M/2，宽度方向重叠步长为N/2，如此循环。3、如上述的步骤三中，稀疏低秩分解方法的目标函数变换为：4、式中fD,fT,fB和fN分别为整体船舶图像，船舶分量，背景分量和随机噪声分量，λ为参数，可以保证船舶分量分解效果，船舶稀疏分量提取后进行图像二值化处理，将船舶分量转化为船舶显著图。5、如上述的步骤四中，截断阈值的选择既需要考虑有效过滤噪声，又要考虑保留小目标，截断阈值为1％-5％。本专利技术的有益效果为：本专利技术便捷、准确，提升了桥梁区域高分辨率图像中的船舶识别的效率。整个采样过程均为自动化处理，显著降低了检测过程中的人工参与度。本专利技术还能满足桥梁区域高分辨率图像船舶区域自动提取和实时数据处理需求。本专利技术提高了桥梁区域高分辨率图像中的船舶区域提取的自动化、智能化、准确性和鲁棒性，为桥梁工程防船撞的自动监测提供了可行的解决途径。附图说明图1为本专利技术的流程示意图；图2为本专利技术步骤二的一个实施例的采样结果图；图3为本专利技术步骤三的一个实施例的船舶显著图；图4为本专利技术步骤四的一个实施例的高效多尺度采样结果。具体实施方式下面根据说明书附图举例对本专利技术做进一步说明：实施例1一种基于高分辨率桥梁区域船舶图像的高效多尺度采样方法，包括如下步骤：步骤一、根据待测最小目标占整体图像比重确定采样层数，根据采样目的确定待测最小目标占整体图像比重，如采样目的为目标检测，且其输入要求为m×m，则最小目标为大于等于m×m的，采样层数为1，小于m×m大于等于m/10×m/10的，采样层数为2，小于等于m/10×m/10的，采样层数为3。步骤二、对整体图像进行采样，第一层采样为将整体图像长宽方向各进行二分，第二层采样在第一层基础上将子图像长宽方向各进行二分，如此循环。第一层采样时将整体图像(M×N)在长宽方向上各进行二分，共产生4个子区域(M/2×N/2)，长度方向重叠步长为M/2，宽度方向重叠步长为N/2，如此循环。步骤三、使用稀疏低秩分解方法将整体图像进行分解，其中稀疏分量即为船舶显著区域图，低秩稀疏分解目标函数可变换为：式中fD,fT,fB和fN分别为整体船舶图像，船舶分量，背景分量和随机噪声分量，λ为参数，可以保证船舶分量分解效果，船舶稀疏分量提取后进行图像二值化处理，将船舶分量转化为船舶显著图。步骤四、将重叠二分法中产生的候选窗口按照包含显著图的占比进行排序，确定截断阈值后产生基于注意力机制的候选窗口集。截断阈值的选择既需要考虑有效过滤噪声，又要考虑保留小目标，建议截断阈值1％-5％为宜。实施例2如图1所示，一种基于高分辨率桥梁区域船舶图像的高效多尺度采样方法，包括如下步骤：步骤一、根据待测最小目标占整体图像比重确定采样层数，根据采样目的确定待测最小目标占整体图像比重，如采样目的为目标检测，且其输入要求为m×m，则最小目标为大于等于m×m的，采样层数为1，小于m×m大于等于m/10×m/10的，采样层数为2，小于等于m/10×m/10的，采样层数为3。(一)、在一个实施例中，该整体图像尺寸为6000×4000像素，输入要求为300×300像素；(二)、计算最小目标尺寸为40×40像素；(三)、确定采样层数为2。步骤二、对整体图像进行采样，第一层采样为将整体图像长宽方向各进行二分，第二层采样在第一层基础上将子图像长宽方向各进行二分，如此循环。第一层采样时将整体图像(M×N)在长宽方向上各进行二分，共产生4个子区域(M/2×N/2)，长度方向重叠步长为M/2，宽度方向重叠步长为N/2，如此循环。(一)、在一个实施例中，M＝6000，N＝4000，进行第一次采样，共产生4个子区域(3000×2000像素)，长度方向步长为3000，宽度方向为2000，共产生9个候选窗口；(二)、进行第二次采样，共产生16个子区域(1500×1000像素)，长度方向步长为1500，宽度方向为1000，共产生49个候选窗口，如图2所示。步骤三、使用稀疏低秩分解方法将整体图像进行分解。(一)、λ取0.0129，使用优化公式对整体图像进行稀疏低秩分解；(二)、对船舶稀疏分量进行二值化操作得到一个实施例的显著图，如图3所示。步骤四、将重叠二分法中产生的候选窗口按照包含显著图的占比进行排序，确定截断阈值后产生基于注意力机制的候选窗口集。(一)、将一个实施例中的共58个候选窗口按照包含步骤三中显著图的占比进行排序；(二)、确定截断阈值为1％后共产生基于注意力机制的候选窗口共25个，如图4所示。本文档来自技高网...

【技术保护点】
1.一种基于高分辨率桥梁区域船舶图像的高效多尺度采样方法，其特征在于，包括如下步骤：步骤一、根据待测最小目标占整体图像比重确定采样层数；步骤二、对整体图像进行采样，第一层采样为将整体图像长宽方向各进行二分，第二层采样在第一层基础上将子图像长宽方向各进行二分，如此循环；步骤三、使用稀疏低秩分解方法将整体图像进行分解，其中稀疏分量即为船舶显著区域图；步骤四、将重叠二分法中产生的候选窗口按照包含显著图的占比进行排序，确定截断阈值后产生基于注意力机制的候选窗口集。

【技术特征摘要】
1.一种基于高分辨率桥梁区域船舶图像的高效多尺度采样方法，其特征在于，包括如下步骤：步骤一、根据待测最小目标占整体图像比重确定采样层数；步骤二、对整体图像进行采样，第一层采样为将整体图像长宽方向各进行二分，第二层采样在第一层基础上将子图像长宽方向各进行二分，如此循环；步骤三、使用稀疏低秩分解方法将整体图像进行分解，其中稀疏分量即为船舶显著区域图；步骤四、将重叠二分法中产生的候选窗口按照包含显著图的占比进行排序，确定截断阈值后产生基于注意力机制的候选窗口集。2.根据权利要求1所述的一种基于高分辨率桥梁区域船舶图像的高效多尺度采样方法，其特征在于，步骤一中，根据采样目的确定待测最小目标占整体图像比重，如采样目的为目标检测，且其输入要求为m×m，则最小目标为大于等于m×m的，采样层数为1，小于m×m大于等于m/10×m...

【专利技术属性】
技术研发人员：李顺龙，郭亚朋，徐阳，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23