一種基于遙感圖像的海面異常漂浮物檢測方法技術

本發明專利技術公開了一種基于遙感圖像的海面異常漂浮物檢測方法，所述的圖像去噪模塊將遙感衛星圖像讀入遙感圖像進行去噪；所述的異常物體檢測模塊對圖像進行異常物體檢測；所述的排除已知信息模塊用于排除海面上的已知物體；所述的異常物體識別模塊對異常物體進行分類；所述的異常信息匯總模塊根據異常物體的子圖像上所附帶的坐標方位信息和分類信息，構建權重圖；所述的輸出模塊，將權重圖與原始遙感圖像進行合并，并輸出結果。本發明專利技術能夠在飛機失事時的方位信息缺失的情況下，根據遙感衛星圖像，快速的搜尋到飛機可能的失事地點，從而有效的縮小了搜救范圍，為搜救工作提供了強有力的參考信息。

【技術實現步驟摘要】

本專利技術涉及計算機視覺監控
，海上搜救領域，具體涉及用于對海面異常 漂浮物（可能是飛機殘骸，或者生還者）的檢測方法。
技術介紹
對于在空中解體的飛機，傳統的搜救方法是根據飛機失事時所報告的方位，從而 計算出該飛機可能的著陸地點，然后根據這個可能的地點來進行搜救，主要包括海面艦艇 搜救和飛機搜救，這兩種方法都依靠人眼的觀察。這種方法針對于傳統的有著完整的飛機 失事時所提供的方位信息的搜救環境，是非常可行的，但是，對于那些失聯客機或者由于飛 機的通訊故障導致搜救隊伍無法獲取準確的失事時的方位信息的搜救任務，傳統的方法就 很難勝任。 對于基于圖像的異常物體檢測和異常物體識別，是計算機視覺領域的比較成熟的 方法，本專利技術通過將現如今較為成熟的物體檢測方法（基于哈爾（haar)特征和級聯強分類 器（Adaboost)算法），與線性判別分析（LDA)算法相結合，并結合已知的信息，提供了一種 成本低速度快的異常漂浮物檢測方法，從而能夠為搜救任務提供一個較為可靠的搜救位置 信息。
技術實現思路
本專利技術所要解決的技術問題是為了克服在傳統搜救方法必須依靠飛機失事時所 提供的方位信息的限制，尤其在飛機失事時無法提供準確的方位信息的時候所遇到的搜救 困難，提出了。 本專利技術解決其技術問題所采用的技術方案是： ，包括圖像去噪模塊，異常物體檢 測模塊，排除已知信息模塊，異常物體識別模塊，異常信息匯總模塊，輸出模塊；所述的圖像 去噪模塊將遙感衛星圖像導入到所述的漂浮物檢測系統中，使用中值濾波方法對讀入遙感 圖像進行去噪，并將去噪后的遙感衛星圖像傳遞給異常物體檢測模塊；所述的異常物體檢 測模塊將接收到的去噪后的遙感衛星圖像使用基于哈爾特征的級聯強分類器方法進行異 常物體檢測，并將檢測出的疑似異常物體所對應的子圖像傳遞給排除已知信息模塊；所述 的排除已知信息模塊將接收到的異常物體的子圖像根據其上附帶的方位信息，與在遙感圖 像所采集時刻海面上船只所報告的方位進行對比、與海面上島嶼信息作對比、以及其他已 知的海面物體作對比，排除海面上已知的正常信息，將未被排除的異常物體的子圖像傳遞 給異常物體識別模塊；所述的異常物體識別模塊將接收到異常物體子圖像使用線性判別分 析算法進行識別，從而區分出所述的異常物體是未知的合法物體（例如飛鳥，浮于海面的 動物等）還是所要尋找的異常物體，并將異常物體的子圖像以及所對應的分類信息傳遞給 異常信息匯總模塊；所述的異常信息匯總模塊，將接收到的異常物體的子圖像，根據其上所 附帶的坐標方位，與原始的遙感圖像作對比，由于接收到的子圖像之間可能會出現重合，那 么將根據某一區域重合塊數的多少以及分類結果給以不同的權值進行合并，并將合并后的 附帶權值的圖像傳遞給輸出模塊；所述的輸出模塊，將得到的附帶權值的圖像，根據其上的 權值不同給以不同的顏色，標注顏色依據權重由大到小依次從紅色過渡到藍色，對于權重 為0的區域給以灰色標注。 所述的，所需的設備為計算機，考 慮到遙感圖像像素值通常非常高，導致運算量非常大，為了減少時間消耗，建議使用多核心 的工作站或者更高級別的計算機。 所述的圖像去噪模塊在初始化的過程中，將典型海面上正常物體和異常物體的彩 色樣本圖片導入到所述的一基于遙感圖像的海面異常漂浮物檢測系統中，這些樣本圖片的 維度統一為nXn維，對每一張彩色圖像，按照其R分量所構成的矩陣，G分量所構成的矩陣， B分量所構成的矩陣進行濾波，濾波過程為：首先，設置一個3X3維的窗口，對于得到的基 于R'、G'和B'分量中的某一分量所構成的矩陣X，考慮該圖像X的每個像素點Xy，以 該點為中心點的3X3維矩陣所對應的像素值分別為進行從大到小排列，取其排在中間的值為新的像素X'i,」所對應 濾波后值，注意對于X的邊界點，會出現其3X3維的窗口所對應的某些像素點不存在的情 況，那么只需計算落在窗口內存在的像素點的中間值即可，若窗口內為偶數個點，將排在中 間兩個像素值的平均值作為該像素點濾波后的值X'm，從而，新的圖像矩陣X'即為濾波 后所得的圖片矩陣；然后將濾波處理過的圖像傳遞給異常物體檢測模塊和異常物體識別模 塊；在檢測的過程中，將擬檢測的遙感圖像導入到所述的海面異常漂浮物檢測系統中，在這 里我們約定對于彩色遙感圖像X，可以將該圖像看作為一個M行N列的矩陣，則對于矩陣的 第i行第j列的像素點Xu，其共有紅綠藍三個分量，對于整張遙感圖像的每一個點輔以該 點所對應的經度Longy和煒度Latm，從而對于矩陣的每一個像素點，一共有5個維度，分 別為（氏,」，Gy，By，Longi,j，Lati,」），其中，每一個經煒度的坐標以度分秒的形式，秒精確到 小數點后1位；然后，將該圖片按照其R分量所構成的矩陣，G分量所構成的矩陣，B分量所 構成的矩陣進行濾波，得到對應的濾波后的R'、G'和B'分量，從而構成新的分量（R'i, j，G'i.pB' ^，1^1^,」，1^&,」），然后將該濾波后的數據傳遞給異常物體檢測模塊。 所述的異常物體檢測模塊，在初始化的過程中，接收到從圖像去噪模塊傳遞來的 已經過濾波處理的典型海面上正常物體和異常物體的彩色樣本圖片，這些樣本圖片的維度 統一為nXn維，然后對每一張樣本圖片P，構建該圖片P所對應的積分圖PP，然后使用所有 積分圖對級聯分類器進行參數初始化，最后將訓練所得的級聯分類器保存起來用于檢測過 程；在檢測過程中，首先將接收到的一整幅去噪后的遙感圖像X'按照窗口大小為nXn進 行多層分割，對于分割后所得的所有子圖片，構建其積分圖，最后用訓練所得的級聯分類器 進行分類篩選，得到所有異常物體的子圖片，將這些子圖片附帶其在原始圖片的坐標及經 煒度信息傳遞給排除已知信息模塊。 所述的構建圖片P所對應的積分圖PP，其過程為： 對于圖像X'的（R'，G'，B')分量，分別構造其積分圖，這里首先提取X'所對 應的R分量所構成的矩陣R'，該矩陣與X'有著相同的維度。我們從該矩陣的第1行第1 列開始構造積分圖，初始時設s(l，l) =R(1，1)，RR(1，1) =R(1，1)，構造過程為一個二層 循環：Forx=l，2，...，M Fory=l，2，...，N s(x，y) =s(x，y_l)+R(x，y); RR(x，y) =RR(x，y_l)+s(x，y); endend 從而構造出R分量所對應的積分圖RR; 同樣的方法可以構造出G分量所對應的積分圖GG，B分量所對應的積分圖BB。 所述的使用積分圖PP對級聯分類器進行訓練，其過程為： 第一步，定義弱分類器的函數h(x，f，p，0)為： 其中f為特征函數，0為閾值，p取值為1或-1，x代表根據積分圖PP所構建的 子窗口，對于每一個子窗口x，f(X)為該子窗口x對應于特征函數f的特征值。 為了敘述方便，我們將子窗口x的四個邊界分別定義為左上點A，右上點B，左下點 C，右下點D，A與B的中心點為ab，A與B的三分之一靠近A點為aab，三分之一靠近B點為 abb，其余類推，區域內的中心點用0來表示。貝ljx(A)表示子窗口在左上點A的積分圖所對 應的值，其余同理。 則定義： = -，并且定義s= 1，t= 2 ； f2 = -，并且定義s= 2，t本文檔來自技高網...

【技術保護點】
一種基于遙感圖像的海面異常漂浮物檢測方法，其特征在于，所述一種基于遙感圖像的海面異常漂浮物檢測方法，包括圖像去噪模塊，異常物體檢測模塊，排除已知信息模塊，異常物體識別模塊，異常信息匯總模塊，輸出模塊，所述的一種基于遙感圖像的海面異常漂浮物檢測方法的步驟如下：步驟一、圖像去噪模塊將遙感衛星圖像導入到所述的一種基于遙感圖像的海面異常漂浮物檢測系統中，使用中值濾波方法對讀入的遙感圖像進行去噪；步驟二、異常物體檢測模塊將接收到的去噪后的遙感衛星圖像使用基于哈爾特征的級聯強分類器方法進行異常物體檢測；步驟三、排除已知信息模塊將接收到的異常物體的子圖像根據其上附帶的方位信息，與在遙感圖像所采集時刻海面上船只所報告的方位進行對比、與海面上島嶼信息作對比、以及其他已知的海面物體作對比，排除海面上已知的正常信息；步驟四、異常物體識別模塊將接收到異常物體子圖像使用線性判別分析算法進行識別，從而區分出所述的異常物體是未知的合法物體還是所要尋找的異常物體；步驟五、異常信息匯總模塊，將接收到的異常物體的子圖像，根據其上所附帶的坐標方位，與原始的遙感圖像作對比，由于接收到的子圖像之間可能會出現重合，那么將根據某一區域重合塊數的多少以及分類結果給以不同的權值進行合并；步驟六、輸出模塊，將得到的附帶權值的圖像，根據其上的權值不同給以不同的顏色，標注顏色依據權重由大到小依次從紅色過渡到藍色，對于權重為0的區域給以灰色標注。...

【技術特征摘要】

【專利技術屬性】
技術研發人員：劉昱昊，
申請(專利權)人：上海海事大學，
類型：發明
國別省市：上海;31