基于沿岸突异区扫描的港口遥感图像靠岸船舶检测方法技术

一种基于沿岸突异区扫描的港口遥感图像靠岸船舶检测方法，在不建立先验港口地理信息库的情况下，针对靠岸船舶目标进行判别，同时利用形态特征判别疑似船舶目标。首先，利用海水灰度与领域方差尖峰分布特性，通过掩模扫描，判别水陆位置，快速获取沿岸区域位置；之后，利用交叉扫描海岸突异区域，初步判别疑似港口靠岸船舶目标；最后，利用形态特征进一步判断疑似目标，通过长宽轴以及膨胀与腐蚀的结合处理，得到该船舶目标的标记框。

【技术实现步骤摘要】

本专利技术涉及遥感图像处理方法，尤其是光学卫星遥感图像自动化处理中的港口靠 岸船舶目标检测。
技术介绍
船舶是运输与军事的重要载体，利用卫星遥感影像对船舶进行检测在民用与军用 方面都发挥着非常重要的作用。在民用领域的主要应用有：对特定海域、海湾或海港进行水 运交通管制、渔业监控、遇难船只营救、非法入境走私监控等。在军事领域的主要应用有：恐 怖活动监视，战场环境评估，快速军事目标发现、定位、识别等。 在基于光学遥感图像的船舶检测研宄中，大都集于对远洋中的船舶目标的研宄， 这些目标由于与周围单纯海洋背景在灰度特征上存在着较为明显的差异，易于提取。然而 靠岸的船舶目标本身灰度与纹理等都与海岸部分以及海岸码头部分较为相似，并且靠岸船 舶与码头等人工设施经常性贴近或是沾粘在一起，尤其是对于分辨率不高的遥感图像，高 效的分割出停靠在港口的船舶更加困难。同时靠岸区域背景更加复杂多样，不同水深所造 成的多样的海水反射率，云层，小岛以及航迹的影响，如图1所示。港口中船舶种类也非常 丰富，船舶本身的特征也是不同的，这为在遥感图像中对靠岸船舶目标进行快速有效的检 测带来了较大的难度。 通过阅读文献，现有的光学遥感图像船舶检测方法很多都依靠先验港口的地理信 息，港口以及船舶特征信息库，通过训练与机器学习完成船舶的自动检测与识别。专门针对 无GIS信息，或是没有船只先验信息的港口内靠岸船舶检测的算法研宄很少。同时无GIS信 息的港口内船舶检测，是遥感图像自动目标检测的一大难点，有很多的技术问题都有待解 决。并且需要数据库以及先验信息的方法，不具有普适性，无法应用于多样的实际环境中。
技术实现思路
本专利技术的目的在于针对上述现有技术的缺点，提供一种基于沿岸突异区扫描的港 口遥感图像靠岸船舶检测方法，且不需要先验港口地理信息。 本专利技术针对上述情况，采用一种光学遥感图像船舶检测方法，不需要建立港口先 验地理信息库，直接通过对未知港口的地物与海域的灰度差异与纹理方差直方图特性判 断，并针对海岸突异部分运用交叉扫描策略判断靠岸船舶，同时基于邻域灰度和纹理显著 性判断疑似船舶目标，剔除伪目标。其判断准确性有所提高，并且实现简单，具有在多平台 实现的普适性。具体包括下述步骤： 已知一副输入图像是光学遥感港口图像。 S201 :沿岸区域快速筛选 通过分别取得遥感图像的灰度分布特征以及领域方差的分布特征，根据海域中灰 度分布以及领域方差分布的尖峰特性，计算得到该港口海洋区域的阈值，进而判断海洋区 域位置。之后通过引入标记链接分量概念，根据形态，面积等特征判断水域位置，从而实现 海陆区域的分离及沿岸区域的快速筛选。 S202 :疑似靠岸船舶目标检测 通过对遥感图像进行沿岸突异区域的交叉扫描处理，得到港口海岸线上突出疑似 目标。再结合船舶形态特征判断突异位置的属性，初步剔除单纯虚假目标。 S203 :伪目标剔除与目标标记 针对上步骤中得到的疑似目标，本步骤将根据疑似目标的形态特征进一步判断疑 似目标是否为船舶，否则将被剔除。分别提取出判断得到的船舶目标，计算得到该船舶的长 宽轴，据此通过形态学膨胀与腐蚀的结合处理，得到该船舶目标的标记框。 根据本专利技术的一个方面，提供了一种基于沿岸突异区扫描的港口遥感图像靠岸船 舶检测方法，其特征在于不需要先验港口地理信息，并包括： 快速筛选沿岸区域，其中根据海域中灰度分布以及领域方差分布的尖峰特性，计 算得到该海洋区域的阈值，进而粗略判断海洋区域位置，同时通过对标记链接分量依据形 态特征的判断，精确海陆分割； 检测疑似靠岸船舶目标，其中通过对海陆分割图像进行交叉扫描处理，得到海岸 线上突异疑似目标，再结合船舶形态学特征初步判断突起位置的属性，剔除单纯虚假目 标； 剔除伪目标与标记目标，其中针对已得到的疑似目标，根据疑似形态学特征进一 步判断疑似目标，剔除复杂虚假目标，并提取船舶目标，计算得到其长宽轴，通过形态学膨 胀与腐蚀的结合处理，得到船舶目标的标记框。【附图说明】 图1用于说明现有技术的光学遥感图像中干扰因素。 图2是根据本专利技术的一个实施例的基于沿岸突异区扫描的港口遥感图像靠岸船 舶检测方法的流程图。 图3根据本专利技术的一个实施例的对灰度图像进行沿岸区域快速筛选处理的流程 图。 图4是图3的实施例中采用的滑动掩模的示意图。 图5是根据本专利技术的一个实施例的对灰度图像进行的疑似靠岸船舶目标处理的 流程图。 图6是根据本专利技术的一个实施例的对二值图像进行伪目标剔除与目标标记的处 理的流程图。 图7是一个具体实例中的船舶标记框示意图。【具体实施方式】 以下说明如何具体实施本专利技术所提供方法，图2为根据本专利技术的一个实施例的方 法的流程图，其包括： S201沿岸区域快速筛选 对已知输入光学遥感图像进行灰度化，去噪处理后，根据海域中灰度分布以及领 域方差分布的尖峰特性，计算得到该海洋区域的阈值，进而粗略判断海洋区域位置。同时通 过对标记链接分量依据形态特征的判断，精确海陆分割，其一个具体实施例如图3所示；S202疑似靠岸船舶目标检测针对上一步骤中得到的沿岸区域，由于灰度特征与陆地区域较为相似，很多靠岸 船舶被判断为陆地区域，本步骤通过交叉扫描的方法，检测出海岸线上的突异部分，剔除单 纯虚假目标，其一具体实施例如图5所示； S203伪目标剔除与目标标记针对上一步骤中，根据疑似形态学特征进一步判断疑似目标，剔除复杂虚假目标； 提取船舶目标，计算得到其长宽轴，通过形态学膨胀与腐蚀的结合处理，得到船舶目标的标 记框，其根据一个具体实施例的流程如图6所示。图3显示了根据本专利技术的一个实施例的对灰度图像进行沿岸区域快速筛选处理， 其包括：S301纹理切割：选取单位为NXN(N为奇数）的矩形，称之为掩模，如图4所示。 掩模将在图像上自上而下，从左到右的滑动，从而滑过整个图像部分。通过掩模在图像上的 滑动，将掩模中每个小格所对应图像中的灰度值，通过公式：其中m为掩模内的灰度均值；v为掩模内邻域方差，In掩模中每个像素位置的灰度 值（n= 1，2,一NXN)。将计算得到的均值与领域方差值赋给掩模左上位置（也就是示意 图中的1:处）。由于海洋区域灰度变化缓慢，其邻域方差较低。因此，在邻域方差的直方图 上也会呈现尖峰分布。据此特性，判断邻域方差直方图中第一个尖峰为判断邻域方差的阈 值。据此阈值判断海洋区域所在位置。S302灰度切割：遥感图像中海域的面积较大，但是海水的灰度分布起伏小，海域 的灰度分布同样符合尖峰分布。在一定的范围的内，灰度的变化幅度不大，取得一定单位长 度的灰度范围，计算此单位长度上灰度的平均值，使得灰度分布图曲线变得平滑的同时，更 加便于进行尖峰检测。通过找到符合要求的单位长灰度平均值尖峰位置，以及其周围变化 范围不大的区域，获得这些位置的灰度值。以这些灰度值为范围，判断海洋区域的所在位 置。 S303水域选取：将S301与S302所得到的判断结果。通过引入标记链接分量的概 念，计算每个标记分量的面积，并逐一进行判断取得最大面积，从而得到海洋区域所在的分 量。对获得的水域和陆地区域分别标记，实现海路区域分割并快速获得沿岸区域位置。 图5显示的是根据本专利技术的一个实施例的对灰度图像进行的疑似靠岸船舶目标 处理，其包括本文档来自技高网...

【技术保护点】
一种基于沿岸突异区扫描的港口遥感图像靠岸船舶检测方法，其特征在于不需要先验港口地理信息，并包括：快速筛选沿岸区域，其中根据海域中灰度分布以及领域方差分布的尖峰特性，计算得到该海洋区域的阈值，进而粗略判断海洋区域位置，同时通过对标记链接分量依据形态特征的判断，精确海陆分割；检测疑似靠岸船舶目标，其中通过对海陆分割图像进行交叉扫描处理，得到海岸线上突异疑似目标，再结合船舶形态学特征初步判断突起位置的属性，剔除单纯虚假目标；剔除伪目标与标记目标，其中针对已得到的疑似目标，根据疑似形态学特征进一步判断疑似目标，剔除复杂虚假目标，并提取船舶目标，计算得到其长宽轴，通过形态学膨胀与腐蚀的结合处理，得到船舶目标的标记框。

【技术特征摘要】

【专利技术属性】
技术研发人员：毕福昆，陈婧，曲洪权，郑彤，李雪莲，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：北京;11