船舶类别识别方法及系统技术方案

本发明专利技术提供了一种船舶类别识别方法及系统，包括：获取待识别船舶图像；将所述待识别船舶图像输入至船舶类别识别模型，得到由所述船舶类别识别模型输出的待识别船舶的类别。通过船舶类别识别模型提取待识别船舶图像的方向梯度直方图HOG特征，可以掌握待识别船舶的形状以及轮廓信息。船舶类别识别模型基于主成分分析法以及灰色关联度分析算法，确定每一类别的船舶图像的HOG特征的具有最大可分性的特征值以及对应的特征向量，通过确定的特征值以及对应的特征向量，对待识别船舶的类别进行识别，可以提高对待识别船舶的识别精度，并且可以降低识别耗费的时间。而且，船舶类别识别模型可以适应于复杂背景下的船舶识别，应用范围更加广泛。

Method and system of ship classification identification

【技术实现步骤摘要】
船舶类别识别方法及系统
本专利技术涉及目标识别
，更具体地，涉及船舶类别识别方法及系统。
技术介绍
船舶作为海面上的重要目标，船舶识别研究一直是国内外的研究热点，船舶的识别与检测技术在民用领域和军用领域上都有着广泛的应用前景。在民用领域船舶检测技术可对海洋上的船舶活动进行监测，当船舶出现海洋污染或者出现交通事故时，为防止污染的进一步扩散和保障人员的生命安全，可对其进行及时的处理。在军用领域中，可实时监督是否有非法舰队进入目标海域，在作战时也可评估敌方舰队实力，了解作战情况。船舶检测技术主要有：SAR图像、红外遥感图像、多光谱图像、可见光遥感图像等。与其他检测技术相比，可见光遥感图像中可检测到380nm-760nm范围内的光谱信息可以检测到对雷达隐身的船舶目标，且图像清晰直观，具备颜色特征信息，更符合人眼视觉特性。然而，光学遥感图像中含有丰富的陆地背景，这对后期的船舶识别会造成较大干扰，当船舶在结构差异性较大的识别场景具有良好的识别效果，但对于不同目标之间结构差异性较小的识别场景而言，如何有效地对船舶类别进行识别是一个关键问题。
技术实现思路
为克服上述问题或者至少部分地解决上述问题，本专利技术实施例提供了一种船舶类别识别方法及系统。第一方面，本专利技术实施例提供了一种船舶类别识别方法，包括：获取待识别船舶图像；将所述待识别船舶图像输入至船舶类别识别模型，得到由所述船舶类别识别模型输出的待识别船舶的类别；其中，所述船舶类别识别模型基于船舶图像样本集合中的训练样本集合训练得到，所述训练样本集合中包含有不同背景下不同类别的船舶图像训练样本；所述船舶类别识别模型用于提取所述待识别船舶图像的方向梯度直方图HOG特征，基于主成分分析法以及灰色关联度分析算法，确定每一类别的船舶图像的HOG特征的具有最大可分性的特征值以及对应的特征向量，并基于所述特征值以及对应的特征向量，对所述待识别船舶的类别进行识别。优选地，所述提取所述待识别船舶图像的方向梯度直方图HOG特征，具体包括：将所述待识别船舶图像转换为灰度图像，并进行颜色标准化处理；计算颜色标准化处理结果中每个像素点处的水平方向梯度以及竖直方向梯度，并确定所述颜色标准化处理结果中每个像素点处的梯度幅值和梯度方向；将所述颜色标准化处理结果进行分块处理，并基于所述梯度幅值和所述梯度方向，对所述颜色标准化处理结果中的每一块的特征向量进行归一化，基于所述颜色标准化处理结果中所有块的特征向量的归一化结果确定所述HOG特征。优选地，所述基于主成分分析法以及灰色关联度分析算法，确定每一类别的船舶图像的HOG特征的具有最大可分性的特征值以及对应的特征向量，具体包括：基于主成分分析法，确定每一船舶图像训练样本的HOG特征的特征值矩阵和特征向量矩阵；基于灰色关联度分析算法，确定不同类别的船舶图像训练样本的HOG特征的特征值之间的可分性大小，并确定每一类别的船舶图像训练样本的HOG特征的具有最大可分性的特征值以及对应的特征向量。优选地，所述基于主成分分析法，确定每一船舶图像训练样本的HOG特征的特征值矩阵和特征向量矩阵，具体包括：将所述训练样本集合中的所有船舶图像训练样本的HOG特征进行中心化操作，确定每一船舶图像训练样本的HOG特征投影变换后的投影坐标，并基于所述投影坐标，确定每一船舶图像训练样本的HOG特征对应的重构HOG特征；计算每一船舶图像训练样本的HOG特征与对应的重构HOG特征之间的距离，基于所述距离，确定优化目标；所述优化目标中包含有每一船舶图像训练样本的HOG特征的协方差矩阵；确定所述协方差矩阵的特征值和对应的特征向量，所述协方差矩阵的所有特征值构成所述特征值矩阵，所述协方差矩阵的所有特征值对应的特征向量构成所述特征向量矩阵。优选地，所述基于灰色关联度分析GRA算法，确定不同类别的船舶图像训练样本的HOG特征的特征值之间的可分性大小，具体包括：基于每一船舶图像训练样本对应的船舶的类别，构造整体特征值矩阵，所述整体特征值矩阵中每一元素为一个类别的船舶图像训练样本的HOG特征的特征值矩阵的转置；基于所述整体特征值矩阵的不同元素中相同背景下所述特征值矩阵中相同位置处的特征值，确定不同类别的船舶图像训练样本的HOG特征的特征值之间的可分性大小。优选地，所述船舶图像样本集合中还包括测试样本集合，所述测试样本集合中包含有不同背景下不同类别的船舶图像测试样本，所述船舶图像训练样本的数量与所述船舶图像测试样本的数量相等；所述船舶图像测试样本用于对经所述训练样本训练后的船舶类别识别模型进行测试，以确定经所述训练样本训练后的船舶类别识别模型的识别率。优选地，所述对经所述训练样本训练后的船舶类别识别模型进行测试，以确定经所述训练样本训练后的船舶类别识别模型的识别率，具体包括：基于每一类别的船舶图像的HOG特征的具有最大可分性的特征值对应的特征向量，对所述船舶图像测试样本的HOG特征进行重构，得到重构HOG特征；确定所述重构HOG特征与所述船舶图像测试样本的HOG特征之间的重构误差，并基于最小重构误差，确定所述船舶图像测试样本中船舶的类别；基于确定的所述船舶图像测试样本中船舶的类别与所述船舶图像测试样本中船舶的真实类别，确定经所述训练样本训练后的船舶类别识别模型的识别率。第二方面，本专利技术实施例提供了一种船舶类别识别系统，包括：图像获取模块和识别模块。其中，图像获取模块用于获取待识别船舶图像；识别模块用于将所述待识别船舶图像输入至船舶类别识别模型，得到由所述船舶类别识别模型输出的待识别船舶的类别；其中，所述船舶类别识别模型基于船舶图像样本集合中的训练样本集合训练得到，所述训练样本集合中包含有不同背景下不同类别的船舶图像训练样本；所述船舶类别识别模型用于提取所述待识别船舶图像的方向梯度直方图HOG特征，并基于主成分分析法以及灰色关联度分析算法，确定每一类别的船舶图像的HOG特征的具有最大可分性的特征值以及对应的特征向量，并基于所述特征值以及对应的特征向量，对所述待识别船舶的类别进行识别。第三方面，本专利技术实施例提供了一种电子设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的船舶类别识别方法的步骤。第四方面，本专利技术实施例提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述的船舶类别识别方法的步骤。本专利技术实施例提供的一种船舶类别识别方法及系统，包括：获取待识别船舶图像；将所述待识别船舶图像输入至船舶类别识别模型，得到由所述船舶类别识别模型输出的待识别船舶的类别。通过船舶类别识别模型提取待识别船舶图像的方向梯度直方图HOG特征，可以掌握待识别船舶的形状以及轮廓信息。船舶类别识别模型基于主成分分析法以及灰色关联度分析算法，确定每一类别的船舶图像的HOG本文档来自技高网...

【技术保护点】
1.一种船舶类别识别方法，其特征在于，包括：/n获取待识别船舶图像；/n将所述待识别船舶图像输入至船舶类别识别模型，得到由所述船舶类别识别模型输出的待识别船舶的类别；/n其中，所述船舶类别识别模型基于船舶图像样本集合中的训练样本集合训练得到，所述训练样本集合中包含有不同背景下不同类别的船舶图像训练样本；/n所述船舶类别识别模型用于提取所述待识别船舶图像的方向梯度直方图HOG特征，基于主成分分析法以及灰色关联度分析算法，确定每一类别的船舶图像的HOG特征的具有最大可分性的特征值以及对应的特征向量，并基于所述特征值以及对应的特征向量，对所述待识别船舶的类别进行识别。/n

【技术特征摘要】
1.一种船舶类别识别方法，其特征在于，包括：
获取待识别船舶图像；
将所述待识别船舶图像输入至船舶类别识别模型，得到由所述船舶类别识别模型输出的待识别船舶的类别；
其中，所述船舶类别识别模型基于船舶图像样本集合中的训练样本集合训练得到，所述训练样本集合中包含有不同背景下不同类别的船舶图像训练样本；
所述船舶类别识别模型用于提取所述待识别船舶图像的方向梯度直方图HOG特征，基于主成分分析法以及灰色关联度分析算法，确定每一类别的船舶图像的HOG特征的具有最大可分性的特征值以及对应的特征向量，并基于所述特征值以及对应的特征向量，对所述待识别船舶的类别进行识别。


2.根据权利要求1所述的船舶类别识别方法，其特征在于，所述提取所述待识别船舶图像的方向梯度直方图HOG特征，具体包括：
将所述待识别船舶图像转换为灰度图像，并进行颜色标准化处理；
计算颜色标准化处理结果中每个像素点处的水平方向梯度以及竖直方向梯度，并确定所述颜色标准化处理结果中每个像素点处的梯度幅值和梯度方向；
将所述颜色标准化处理结果进行分块处理，并基于所述梯度幅值和所述梯度方向，对所述颜色标准化处理结果中的每一块的特征向量进行归一化，基于所述颜色标准化处理结果中所有块的特征向量的归一化结果确定所述HOG特征。


3.根据权利要求1所述的船舶类别识别方法，其特征在于，所述基于主成分分析法以及灰色关联度分析算法，确定每一类别的船舶图像的HOG特征的具有最大可分性的特征值以及对应的特征向量，具体包括：
基于主成分分析法，确定每一船舶图像训练样本的HOG特征的特征值矩阵和特征向量矩阵；
基于灰色关联度分析算法，确定不同类别的船舶图像训练样本的HOG特征的特征值之间的可分性大小，并确定每一类别的船舶图像训练样本的HOG特征的具有最大可分性的特征值以及对应的特征向量。


4.根据权利要求3所述的船舶类别识别方法，其特征在于，所述基于主成分分析法，确定每一船舶图像训练样本的HOG特征的特征值矩阵和特征向量矩阵，具体包括：
将所述训练样本集合中的所有船舶图像训练样本的HOG特征进行中心化操作，确定每一船舶图像训练样本的HOG特征投影变换后的投影坐标，并基于所述投影坐标，确定每一船舶图像训练样本的HOG特征对应的重构HOG特征；
计算每一船舶图像训练样本的HOG特征与对应的重构HOG特征之间的距离，基于所述距离，确定优化目标；所述优化目标中包含有每一船舶图像训练样本的HOG特征的协方差矩阵；
确定所述协方差矩阵的特征值和对应的特征向量，所述协方差矩阵的所有特征值构成所述特征值矩阵，所述协方差矩阵的所有特征值对应的特征向量构成所述特征向量矩阵。


5.根据权利要求3所述的船舶类别识别方法，其特征在于，所述基于灰...

【专利技术属性】
技术研发人员：杜恩武，柳建楠，李良，邹海，赵昆明，方博，
申请(专利权)人：武汉第二船舶设计研究所中国船舶重工集团公司第七一九研究所，
类型：发明
国别省市：湖北;42