一种基于图像识别的舰船检测方法技术

本发明专利技术公开了一种基于图像识别的舰船检测方法，本发明专利技术的目的是运用数字图像处理技术在任务水域图像中实时检测舰船位置，为物体目标识别、跟踪算法提供有效的目标区域，缩小搜索范围，降低算法的复杂度和运算量，以提高水面航行体对目标侦查预警的能力。能够准确地实现复杂背景条件下舰船目标检测，具有良好的可靠性和稳定性，有效地提高了水面航行体对舰船目标侦查、打击能力，为各武器平台对舰船目标检测提供了算法依据，具有重要的参考价值；方便海事部门对其进行重点监管和事故行为预警，大大减轻海事部门的工作强度。进一步促进沿江经济持续稳定发展，提高水上运输能力与安全，在提升海事部门工作效率的同时，切实保障船舶安全，健全水运安全风险防控体系。

A ship detection method based on image recognition

【技术实现步骤摘要】
一种基于图像识别的舰船检测方法
本专利技术涉及舰船检测
，具体为一种基于图像识别的舰船检测方法。
技术介绍
国外目标检测领域研究起步较早，最早提出了用于静态图像目标检测的一般框架，随后又提出通过获取图像关键点附近的梯度信息来检测运动目标，提出了梯度直方图特征将其用于静态图像的行人检测。虽然目标检测算法在国外的研究较早，但在舰船检测领域的研究起步较晚。国内学者提出了一种复杂内河背景下对红外运动船舶目标检测和跟踪的方法；通过两次检测运动图像区域以确认实际船舶目标的检测方法。国内外关于舰船检测的研究较少，且大多集中于采用视频或者多帧图像的运动物体检测方法，该类方法在水面环境变化较大的区域难以做到准确检测舰船目标。
技术实现思路
本专利技术的目的在于提供一种基于图像识别的舰船检测方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种基于图像识别的舰船检测方法，包括以下步骤：A、提取图像的高频、低频Gabor特征和H、S、V颜色特征，建立多类特征的多分辨率金字塔表示；B、将各类特征金字塔形式存在的多尺度分量图像经过一个模拟人眼感受野特性的“中央－周边”算子运算后，形成多尺度特征图；C、将各类特征的多尺度特征图经过跨尺度组合和归一化形成相应的颜色、亮度和方向的分量显著图；D、将3张不同特征的显著图线性融合为1张用来表征图像中各区域显著度的总显著图；E、采用直方图阈值分割方法，最后获得任务水域图像中舰船目标所在区域。优选的，所述步骤A中Gabor特征提取方式为：首先将图像转换为灰度图像，然后对灰度图像先“逐行”做小波变换，分解为低频L和高频H两个分量，在“逐列”做一维小波变换，分解为LL1、LH1、HL1和HH1四个分量，其中LL1包含图像的低频数据，LH1、LH1和HH1分别代表水平、垂直和对角线方向细节的高频数据，此为第一层小波变换；第二层小波分解是在前一层低频子图LL1上进行的，重复可得多层小波分解子图；第3层小波分解求得的LH3，HL3，HH3三个方向的高频分量进行线性叠加、插值得到图像的高频Gabor特征，LL3进行插值得到原图的低频Gabor特征。优选的，所述步骤A中HSV特征提取方式为：将RGB图像的颜色值归一化到[0,1]，RGB到HSV的转换公式如下：V＝max(R,G,B)5.优选的，特征融合方式包括以下步骤：a、构造任务水域视频图像的高频、低频、色调、饱和度和明度特征的Gauss金字塔，分别为PL(σ),PH(σ),H(σ),S(σ),V(σ),其中σ∈[0,8],表示Gauss金字塔级数，共8级；b、对高频、低频、色调、饱和度和明度特征的Gauss金字塔进行“中央－周边”运算，求得各特征的多尺度特征图，以色调Gauss金字塔H(σ)为例，计算公式为H(c,s)＝|H(c)ΘH(s)|，其中c为中心度；c∈{2,3,4}；s为边缘区域的尺度,s＝c+ζ；ζ∈{3，4}；Θ为一个跨尺度的差减算子，将粗尺度图像差值到细尺度上再逐个像素做减法.由于c和s之间有3×2＝6种组合，因此每个特征均可以求得6张多尺度特征图；c、对高频、低频、色调、饱和度和明度的多尺度特征图进行归一化处理，首先计算特征图的全局最大值Mmax，将特征图归一化到[0，Mmax]区间内，计算特征图除Mmax之外的所有局部最大值的平均值用乘以特征图，最后对特征图进行插值、叠加运算，求得与原图像尺寸相同的各特征的分量显著图；d、将高频、低频、色调、饱和度和明度特征的分量显著图进行叠加，并采用直方图阈值分割方法，最后获得任务水域图像中舰船目标所在区域。与现有技术相比，本专利技术的有益效果是：本专利技术的目的是运用数字图像处理技术在任务水域图像中实时检测舰船位置，为物体目标识别、跟踪算法提供有效的目标区域，缩小搜索范围，降低算法的复杂度和运算量，以提高水面航行体对目标侦查预警的能力。能够准确地实现复杂背景条件下舰船目标检测，具有良好的可靠性和稳定性，有效地提高了水面航行体对舰船目标侦查、打击能力，为各武器平台对舰船目标检测提供了算法依据，具有重要的参考价值；方便海事部门对其进行重点监管和事故行为预警，大大减轻海事部门的工作强度。进一步促进沿江经济持续稳定发展，提高水上运输能力与安全，在提升海事部门工作效率的同时，切实保障船舶安全，健全水运安全风险防控体系。附图说明图1为本专利技术流程图；图2为本专利技术中三层小波变换示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1，本专利技术提供一种技术方案：一种基于图像识别的舰船检测方法，包括以下步骤：A、提取图像的高频、低频Gabor特征和H、S、V颜色特征，建立多类特征的多分辨率金字塔表示；B、将各类特征金字塔形式存在的多尺度分量图像经过一个模拟人眼感受野特性的“中央－周边”算子运算后，形成多尺度特征图；C、将各类特征的多尺度特征图经过跨尺度组合和归一化形成相应的颜色、亮度和方向的分量显著图；D、将3张不同特征的显著图线性融合为1张用来表征图像中各区域显著度的总显著图；E、采用直方图阈值分割方法，最后获得任务水域图像中舰船目标所在区域。本专利技术中，步骤A中Gabor特征提取方式为：首先将图像转换为灰度图像，然后对灰度图像先“逐行”做小波变换，分解为低频L和高频H两个分量，在“逐列”做一维小波变换，分解为LL1、LH1、HL1和HH1四个分量，其中LL1包含图像的低频数据，LH1、LH1和HH1分别代表水平、垂直和对角线方向细节的高频数据，此为第一层小波变换；第二层小波分解是在前一层低频子图LL1上进行的，重复可得多层小波分解子图；三层小波变换示意图如下图2所示，第3层小波分解求得的LH3，HL3，HH3三个方向的高频分量进行线性叠加、插值得到图像的高频Gabor特征，LL3进行插值得到原图的低频Gabor特征。本专利技术中，步骤A中HSV特征提取方式为：将RGB图像的颜色值归一化到[0,1]，RGB到HSV的转换公式如下：V＝max(R,G,B)6.此外，本专利技术中，特征融合方式包括以下步骤：a、构造任务水域视频图像的高频、低频、色调、饱和度和明度特征的Gauss金字塔，分别为PL(σ),PH(σ),H(σ),S(σ),V(σ),其中σ∈[0,8],表示Gauss金字塔级数，共8级；b、对高频、低频、色调、饱和度和明度特征的Gauss金字塔进行“中央－周边”运算，求得各特征的多尺度特征图，以色调Gauss金字塔H(σ)为例，计算公式为H(c,s)＝|H(c)ΘH(s)|本文档来自技高网...

【技术保护点】
1.一种基于图像识别的舰船检测方法，其特征在于：包括以下步骤：/nA、提取图像的高频、低频Gabor特征和H、S、V颜色特征，建立多类特征的多分辨率金字塔表示；/nB、将各类特征金字塔形式存在的多尺度分量图像经过一个模拟人眼感受野特性的“中央－周边”算子运算后，形成多尺度特征图；/nC、将各类特征的多尺度特征图经过跨尺度组合和归一化形成相应的颜色、亮度和方向的分量显著图；/nD、将3张不同特征的显著图线性融合为1张用来表征图像中各区域显著度的总显著图；/nE、采用直方图阈值分割方法，最后获得任务水域图像中舰船目标所在区域。/n

【技术特征摘要】
1.一种基于图像识别的舰船检测方法，其特征在于：包括以下步骤：
A、提取图像的高频、低频Gabor特征和H、S、V颜色特征，建立多类特征的多分辨率金字塔表示；
B、将各类特征金字塔形式存在的多尺度分量图像经过一个模拟人眼感受野特性的“中央－周边”算子运算后，形成多尺度特征图；
C、将各类特征的多尺度特征图经过跨尺度组合和归一化形成相应的颜色、亮度和方向的分量显著图；
D、将3张不同特征的显著图线性融合为1张用来表征图像中各区域显著度的总显著图；
E、采用直方图阈值分割方法，最后获得任务水域图像中舰船目标所在区域。


2.根据权利要求1所述的一种基于图像识别的舰船检测方法，其特征在于：所述步骤A中Gabor特征提取方式为：首先将图像转换为灰度图像，然后对灰度图像先“逐行”做小波变换，分解为低频L和高频H两个分量，在“逐列”做一维小波变换，分解为LL1、LH1、HL1和HH1四个分量，其中LL1包含图像的低频数据，LH1、LH1和HH1分别代表水平、垂直和对角线方向细节的高频数据，此为第一层小波变换；第二层小波分解是在前一层低频子图LL1上进行的，重复可得多层小波分解子图；第3层小波分解求得的LH3，HL3，HH3三个方向的高频分量进行线性叠加、插值得到图像的高频Gabor特征，LL3进行插值得到原图的低频Gabor特征。


3.根据权利要求1所述的一种基于图像识别的舰船检测方法，其特征在于：所述步骤A中HSV特征提取方式为：将RGB...

【专利技术属性】
技术研发人员：李志杰，汤小剑，杨燕，
申请(专利权)人：江苏蓝河智能科技有限公司，
类型：发明
国别省市：江苏;32