基于结构森林边缘候选区域提取的舰船目标检测算法制造技术

本发明专利技术提供了一种基于结构森林边缘候选区域提取的舰船目标检测算法，首先通过人工采集并标注的方式获得训练样本和测试样本，并利用训练好的结构化随机森林边缘检测模型，对输入图像进行边缘检测；在得到边缘检测结果之后，通过一系列操作，得到连通区域检测结果，从而将候选区域提取出来，其次利用训练好的支持向量机分类器，将前序步骤中得到所有符合要求的候选区域输入到分类器中进行分类识别，最终得到检测结果。本发明专利技术不仅可以抑制光照不均的影响，检测出疑似目标边缘，同时利用候选区域提取的策略可有效缩小检测范围；而且利用边缘信息作为特征输入分类器进行分类识别，可有效去除虚警干扰，进一步提高检测结果的精确度。

Ship target detection algorithm based on structural forest edge candidate region extraction

【技术实现步骤摘要】
基于结构森林边缘候选区域提取的舰船目标检测算法
本专利技术涉及数字图像处理领域，尤其是涉及一种遥感图像目标检测领域的数字图像处理技术。
技术介绍
作为海上运输载体和重要的军事目标，舰船目标检测一直有着非常重要的意义和价值。在军用领域了解目标舰船的实时位置能够让我军对敌方舰队的布局和动态有清晰的认知，在监测敌情和制定作战策略方面有指导意义；并且在民用领域，实时关注目标海域过往船只的位置能够更好地对海域进行管理，对渔业管理、海上交通、海事安全、海上救援等均有重要作用。随着航空航天事业的发展，对地观测技术有了显著的进步，各国争相发射的高分辨率成像卫星为遥感目标检测提供了大量的图像数据。因此，利用遥感图像进行舰船检测成为目前目标检测领域的一大热点问题，有着重要的军事意义和经济价值。根据算法流程，舰船目标检测主要有候选区域提取和目标确认识别两个过程：首先利用候选区域提取算法对输入图像进行筛选，得到待测候选区域；再利用基于机器学习算法对候选区域进行特征提取和分类，即对提取出的候选区域进行判断，得到最终的舰船检测结果。其中候选区域提取算法主要包括：基于图割、小波变换、显著性检测、异常检测的方法(非本文档来自技高网...

【技术保护点】
一种基于结构森林边缘候选区域提取的舰船目标检测算法，其特征在于，具体包括：(1)通过人工样本采集并标注的方式获得训练样本和测试样本，并标注边缘真值图和目标真值图；(2)利用训练数据集对结构化随机森林模型和支持向量机(SVM)模型进行训练；(3)利用步骤(2)训练好的结构化随机森林模型对输入图像进行边缘检测，并对边缘检测结果进行形态学处理，提取连通域作为目标候选区域；(4)将目标候选区域输入训练好的支持向量机分类器中进行分类识别，并对结果进行非极大值抑制处理，最终得到舰船目标检测结果。

【技术特征摘要】
1.一种基于结构森林边缘候选区域提取的舰船目标检测算法，其特征在于，具体包括：(1)通过人工样本采集并标注的方式获得训练样本和测试样本，并标注边缘真值图和目标真值图；(2)利用训练数据集对结构化随机森林模型和支持向量机(SVM)模型进行训练；(3)利用步骤(2)训练好的结构化随机森林模型对输入图像进行边缘检测，并对边缘检测结果进行形态学处理，提取连通域作为目标候选区域；(4)将目标候选区域输入训练好的支持向量机分类器中进行分类识别，并对结果进行非极大值抑制处理，最终得到舰船目标检测结果。2.根据权利要求1所述的基于结构森林边缘候选区域提取的舰船目标检测算法，其特征在于，所述步骤(3)中的关于形态学处理具体包括如下步骤：a、对边缘图像进行类似阈值分割操作，其目的是将结构森林检测结果中低于指定阈值的弱边缘去除，公式为：其中，I为输入的边缘灰度图像，P为经过类似阈值分割后的边缘结果图像，均为灰度图像，I(x，y)和P(x，y)分别为输入边缘图像与输出结果图像在(x，y)点处的灰度值，T为分割阈值；b、对图像进行反色处理，主要目的是将边缘转变为白色，便于使用连通区域检测方法将边缘提取出来，公式为：Q(x，y)＝255-P(x，y)其中，P为阈值化后的边缘灰度图像，Q为经过反色处理的结果图像，均为灰度图像，P(x，y)和Q(x，y)分别为输入图像与输出结果图像在(x，y)点处的灰度值；c、对图像进行腐蚀操作，去除边缘毛刺及孤立像素，公式为：Ge(x，y)＝erode[Q(x，y)，Be]＝min{Q(x+x′，y+y′)-Be(x′，y′)|(x′，y′)∈Be}其中，Q为反色处理后的灰度图像，Ge为经过腐蚀处理的结果...

【专利技术属性】
技术研发人员：姜志国，张浩鹏，黄洁，谢凤英，赵丹培，尹继豪，史振威，罗晓燕，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11