一种光学遥感图像海面舰船目标检测与提取方法技术

本发明专利技术公开了一种光学遥感图像海面舰船目标检测与提取方法。使用本发明专利技术能够有效降低虚警率，快速准确地提取不同大小的舰船目标，获取其数量和位置信息，且计算复杂度低。本发明专利技术基于频域模型的结合多视觉显著性进行检测，将超复数频域变换模型与四元数傅里叶变换相位谱法模型加权融合修正各自的不足，增强二者的优势，从而抑制海面背景干扰，增强了检测到的目标整体连续性和目标间的可区分性，高效地搜索海面目标区域。对图像中可能出现的厚重云层和岛屿等虚警，使用改进的梯度方向直方图方法表征目标的梯度结构分布特征，按照制定的规则和条件对检测到的目标进行鉴别，判断检测到的目标是否为舰船，大大降低了虚警率，提高了检测准确性。

Method for detecting and extracting sea surface ship target by optical remote sensing image

The invention discloses a method for detecting and extracting ship targets on the surface of an optical remote sensing image. The invention can effectively reduce the false alarm rate, quickly and accurately extract the ship target of different sizes, obtain the quantity and position information, and has low computational complexity. The invention combines the frequency domain model for detection of visual saliency based on hypercomplex domain model and four element Fu Liye transform phase spectrum method weighted fusion model modified their respective shortcomings, strengthen the advantages of the two, thus inhibiting sea background interference, enhance the detected target continuity and target distinguishing the sea, efficient search target area. The possible image of the thick clouds and islands of false alarm, using the method of histogram of gradient structure characterizing target gradient distribution, were identified according to the rules and conditions of the detected target, determine whether the object detected is the ship, greatly reduces the false alarm rate and improve the detection accuracy.

【技术实现步骤摘要】

本专利技术涉及遥感图像处理与分析
，具体涉及一种光学遥感图像海面舰船目标检测与提取方法。
技术介绍
近年来，随着对地观测技术的飞速发展，大批高空间分辨率的光学遥感成像卫星涌现，如：SPOT-5、IKONOS、GeoEye、Quickbird、WorldView、Pleiades系列、Skysat系列等，可获卫星亚米级分辨率全色影像；而无人机等航空影像更可实现近地高精度目标获取，航天航空遥感为海域目标检测和识别提供了极为丰富的数据源。而舰船作为海上监测和战时打击的重要目标，对其进行检测和识别可以监察重点海域的舰船分布情况，掌握敌方作战实力及分析海上作战情报，进行精确制导等；另外，还可以满足海上交通监管、反走私、海上搜救、扩展海上渔业、防治海洋污染等实际工作的需要。然而，在实际光学遥感图像中，由于缺乏目标与背景的先验知识，遥感拍摄距离远，且相对舰船目标，海面背景复杂，特别是在恶劣天气条件下，云层、海雾遮蔽，光照不均匀等影响严重，导致图像质量下降，海面舰船目标微弱；而海杂波、海面反射光、阴影、舰船尾迹和其他干扰因素(如垃圾漂浮物、小型海岛等)也会影响检测结果，很容易导致虚警和漏检；另外，舰船类型和舰船材料多样，舰船目标的黑白极性，同一舰船目标的不同部位亮度和纹理特征也可能有很大差异，这些都给海面舰船目标检测带来了挑战，如何快速、精准、鲁棒地检测和提取海洋背景中的舰船目标区域，赢得更可能多的反应和处理时间，已成为当前迫切需要解决的难题。目前，用于海面舰船目标区域的提取方法主要概括如下：传统光学遥感图像舰船检测大部分基于灰度统计特征和边缘信息的分割方法，这类方法适用于海面平静，纹理均匀，水体灰度较低且舰船与海面对比度较大时的情况，但对复杂情况如大海浪、云层遮挡、加上舰船黑白极性等，很容易导致虚警；基于分形模型和模糊理论的方法，可利用自然背景和人造背景分形特征的不同进行检测，但在云雾干扰时，背景自相似性降低，分形模型拟合误差较大；基于机器学习的方法，虽然可应对各种复杂环境背景，但是该类方法往往涉及多种复杂特征的提取和搜索匹配，耗时且难度较大难以满足快速处理的要求；基于视觉注意机制的目标检测方法，可迅速觉察到与当前场景和任务相关的信息，主要分为空间域和频域模型，空间域模型方法是提取图像的多种特征并融合进行目标检测，但应用于光学遥感舰船目标检测时，目标相对较小，容易受海况、天气、光照等干扰，而且背景抑制能力较弱，耗时相对较大，而基于频域的显著性检测方法在计算速度和背景抑制方面具有明显优势，但是对目标(尤其舰船目标较大时)的内部连续性和目标相近时的目标间可区分性不能兼顾。另外，在存在厚重云层和岛屿等干扰时，前述方法的虚警率会大大提高，虽然已有一些针对去云干扰的方法，但仍不能去除厚重云层。
技术实现思路
有鉴于此，本专利技术提供了一种光学遥感图像海面舰船目标检测与提取方法，由粗到精地实现了光学遥感图像中海面舰船目标的检测与识别，能够有效降低虚警率，快速准确地提取不同大小的舰船目标，获取其数量和位置信息，且计算复杂度低。本专利技术的光学遥感图像海面舰船目标检测与提取方法，包括如下步骤：步骤1，分别采用基于选择性视觉注意机制模型中的超复数频域变换方法和四元数傅里叶变换相位谱法对光学遥感原始图像的海面目标进行检测，分别获得显著性图S1(x,y)和S2(x,y)；步骤2，对S1(x,y)和S2(x,y)进行加权融合，得到显著图S(x,y)；步骤3，对显著图S(x,y)进行二值分割，得到二值图像，获得目标区域和海面背景区域；步骤4，提取目标切片，具体包括如下子步骤：步骤4.1：针对二值图像中的每个目标区域，计算最小外接矩形，其中，外接矩形的高和宽分别与二值图像的Y轴和X轴平行，然后将外接矩形定位到光学遥感原始图像中，获得疑似目标区域；步骤4.2，将所述疑似目标区域向外扩大N个像素后，从光学遥感原始图像中提取出来，作为目标切片，其中，8≤N≤12；步骤5，针对每个目标切片，进行小区域GrabCut精细分割；步骤6，对精细分割后的目标切片进行0°～180°的Radon变换，最大Radon值对应的角度即为切片中目标的主轴方向与Y轴间的夹角θ′，将切片中的目标旋转所述θ′度，获得主轴与Y轴平行、且关于主轴对称的疑似目标；步骤7，采用梯度分布直方图法表征目标特征，进行舰船目标与伪目标的鉴别，具体包括如下子步骤：步骤7.1：针对步骤6获得的疑似目标，求解其360°方向的梯度，并将360°的梯度方向平均划分为8个区间，每个区间范围是45°，依次为[-22.5°～22.5°)，[22.5°～47.5°)，…，[-292.5°～337.5°)；步骤7.2，将步骤6获得的疑似目标均分为上下两部分，分别计算目标整体B1、目标下半部分B2和目标上半部分B3三部分目标图像在8个方向区间上的梯度幅度统计特征；步骤7.3：判断B1、B2和B3三部分目标图像在8个梯度方向区间上的梯度幅度直方图是否同时满足如下条件：1)第一和第五区间的统计值高于其他的区间；2)第一和第五区间对称分布，近似等高；如果同时满足，则认为该目标切片的目标为舰船，否则，不是舰船。进一步地，所述步骤1中，对超复数频域变换方法进行改进，采用改进后的超复数频域变换方法获得显著性图S1(x,y)，具体包括如下子步骤：步骤1.1.1，将光学遥感图像转换到CIELab颜色空间中，并求解CIELab颜色空间中三个特征通道的均值，以及各像素分别与三个特征通道均值的差值，以所述差值的平方作为光学遥感图像的三个颜色特征，构造光学遥感图像中每个像素位置处的四元数；步骤1.1.2，对步骤1.1.1获得的四元数作离散余弦变换，得到图像的频域值Q1[u,v]；步骤1.1.3，用不同的高斯核函数对离散余弦变换后的幅度谱进行平滑滤波，抑制高频信息，增强低频信息；步骤1.1.4，对步骤1.1.3获得的滤波结果进行离散余弦反变换，得到k个显著性图S1，S2，…，Sk，根据熵最小准则选出最佳尺度显著图S′(x,y)，对S′(x,y)进行平滑，得到显著图S1(x,y)。进一步地，所述步骤1中，对四元数傅里叶变换相位谱法进行改进，采用改进后的四元数傅里叶变换相位谱法获得显著性图S2(x,y)，具体包括如下子步骤：步骤1.2.1，利用Lab颜色空间中的三个颜色特征，构造光学遥感图像中每个像素位置处的四元数；步骤1.2.2，对步骤1.2.1获得的四元数作离散余弦变换，得到图像的频域值Q2[u,v]；步骤1.2.3，计算离散余弦变换后的幅度谱的对数值；步骤1.2.4，对带有相位信息和幅度信息的频域值进行离散余弦反变换，平滑后得到显著图S2(x,y)。进一步地，所述步骤2中，融合前先将S1(x,y)和S2(x,y)分别进行归一化，得到S1′(x,y)和S2′(x,y)，采用下式进行融合：S(x,y)＝w1·S1′(x,y)+w2·S2′(x,y)其中，w1＝0.3，w2＝1-w1。进一步地，所述步骤7.3中，令H＝{hi,i＝1,2,3,…,8本文档来自技高网...

【技术保护点】
一种光学遥感图像海面舰船目标检测与提取方法，其特征在于，包括如下步骤：步骤1，分别采用基于选择性视觉注意机制模型中的超复数频域变换方法和四元数傅里叶变换相位谱法对光学遥感原始图像的海面目标进行检测，分别获得显著性图S1(x,y)和S2(x,y)；步骤2，对S1(x,y)和S2(x,y)进行加权融合，得到显著图S(x,y)；步骤3，对显著图S(x,y)进行二值分割，得到二值图像，获得目标区域和海面背景区域；步骤4，提取目标切片，具体包括如下子步骤：步骤4.1：针对二值图像中的每个目标区域，计算最小外接矩形，其中，外接矩形的高和宽分别与二值图像的Y轴和X轴平行，然后将外接矩形定位到光学遥感原始图像中，获得疑似目标区域；步骤4.2，将所述疑似目标区域向外扩大N个像素后，从光学遥感原始图像中提取出来，作为目标切片，其中，8≤N≤12；步骤5，针对每个目标切片，进行小区域GrabCut精细分割；步骤6，对精细分割后的目标切片进行0°～180°的Radon变换，最大Radon值对应的角度即为切片中目标的主轴方向与Y轴间的夹角θ′，将切片中的目标旋转所述θ′度，获得主轴与Y轴平行、且关于主轴对称的疑似目标；步骤7，采用梯度分布直方图法表征目标特征，进行舰船目标与伪目标的鉴别，具体包括如下子步骤：步骤7.1：针对步骤6获得的疑似目标，求解其360°方向的梯度，并将360°的梯度方向平均划分为8个区间，每个区间范围是45°，依次为[‑22.5°～22.5°)，[22.5°～47.5°)，…，[‑292.5°～337.5°)；步骤7.2，将步骤6获得的疑似目标均分为上下两部分，分别计算目标整体B1、目标下半部分B2和目标上半部分B3三部分目标图像在8个方向区间上的梯度幅度统计特征；步骤7.3：判断B1、B2和B3三部分目标图像在8个梯度方向区间上的梯度幅度直方图是否同时满足如下条件：1)第一和第五区间的统计值高于其他的区间；2)第一和第五区间对称分布，近似等高；如果同时满足，则认为该目标切片的目标为舰船，否则，不是舰船。...

【技术特征摘要】
1.一种光学遥感图像海面舰船目标检测与提取方法，其特征在于，包括如下步骤：步骤1，分别采用基于选择性视觉注意机制模型中的超复数频域变换方法和四元数傅里叶变换相位谱法对光学遥感原始图像的海面目标进行检测，分别获得显著性图S1(x,y)和S2(x,y)；步骤2，对S1(x,y)和S2(x,y)进行加权融合，得到显著图S(x,y)；步骤3，对显著图S(x,y)进行二值分割，得到二值图像，获得目标区域和海面背景区域；步骤4，提取目标切片，具体包括如下子步骤：步骤4.1：针对二值图像中的每个目标区域，计算最小外接矩形，其中，外接矩形的高和宽分别与二值图像的Y轴和X轴平行，然后将外接矩形定位到光学遥感原始图像中，获得疑似目标区域；步骤4.2，将所述疑似目标区域向外扩大N个像素后，从光学遥感原始图像中提取出来，作为目标切片，其中，8≤N≤12；步骤5，针对每个目标切片，进行小区域GrabCut精细分割；步骤6，对精细分割后的目标切片进行0°～180°的Radon变换，最大Radon值对应的角度即为切片中目标的主轴方向与Y轴间的夹角θ′，将切片中的目标旋转所述θ′度，获得主轴与Y轴平行、且关于主轴对称的疑似目标；步骤7，采用梯度分布直方图法表征目标特征，进行舰船目标与伪目标的鉴别，具体包括如下子步骤：步骤7.1：针对步骤6获得的疑似目标，求解其360°方向的梯度，并将360°的梯度方向平均划分为8个区间，每个区间范围是45°，依次为[-22.5°～22.5°)，[22.5°～47.5°)，…，[-292.5°～337.5°)；步骤7.2，将步骤6获得的疑似目标均分为上下两部分，分别计算目标整体B1、目标下半部分B2和目标上半部分B3三部分目标图像在8个方向区间上的梯度幅度统计特征；步骤7.3：判断B1、B2和B3三部分目标图像在8个梯度方向区间上的梯度幅度直方图是否同时满足如下条件：1)第一和第五区间的统计值高于其他的区间；2)第一和第五区间对称分布，近似等高；如果同时满足，则认为该目标切片的目标为舰船，否则，不是舰船。2.如权利要求1所述的光学遥感图像...

【专利技术属性】
技术研发人员：刘晶红，徐芳，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：吉林;22