基于機(jī)載紅外相機(jī)航拍圖像的海面小目標(biāo)檢測方法技術(shù)

本發(fā)明專利技術(shù)涉及一種基于機(jī)載紅外相機(jī)航拍圖像的海面小目標(biāo)檢測方法，屬于目標(biāo)檢測技術(shù)領(lǐng)域。一種基于機(jī)載紅外相機(jī)航拍圖像的海面小目標(biāo)檢測方法，針對機(jī)載相機(jī)航拍的紅外圖像出現(xiàn)的海面和陸地共存和海面有雜波背景的特點(diǎn)，使用梯度檢測方法和霍夫變換檢測出海岸線，分割出陸地和海面；進(jìn)一步對海面進(jìn)行基于灰度共生矩陣的自適應(yīng)背景匹配方法，從現(xiàn)場提取的圖片自動建立模板庫，接著進(jìn)行基于海雜波紋理的模板匹配和差分運(yùn)算，最后通過自動閾值分割技術(shù)檢測出目標(biāo)。本方法可有效解決機(jī)載紅外相機(jī)中海面圖像中出現(xiàn)的海雜波干擾及海面和陸地不易區(qū)分的問題。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)涉及目標(biāo)檢測
，特別涉及一種基于機(jī)載紅外相機(jī)航拍圖像的海面 小目標(biāo)檢測方法。
技術(shù)介紹
機(jī)載紅外相機(jī)應(yīng)用在海事搜救中，用于在視頻圖像中及時發(fā)現(xiàn)目標(biāo)。它拍攝的海 面目標(biāo)圖像相較于在陸地或者衛(wèi)星上的成像圖像具有很大區(qū)別。它具有紅外目標(biāo)大小、形 狀不固定，海面有雜波干擾，海面和陸地不易區(qū)分等特點(diǎn)，導(dǎo)致檢測難度大，虛警率較高。 目前，針對海面紅外圖像中的海雜波干擾問題已有較多技術(shù)方法，空域背景預(yù)測 法便是其中一種。即利用圖像背景的紅外輻射在空間分布上具有較強(qiáng)的相關(guān)性而小目標(biāo)區(qū) 域沒有，對小目標(biāo)圖像進(jìn)行背景預(yù)測得到背景預(yù)測圖像，將原圖像與背景圖像作差得到殘 差圖像。在殘差圖像中目標(biāo)部分得到增強(qiáng)，背景部分得到抑制，從而增強(qiáng)圖像的信噪比，然 后對殘差圖像進(jìn)行分割得到檢測結(jié)果，該方法的優(yōu)點(diǎn)是算法簡單，易于實(shí)現(xiàn)，對于符合假設(shè) 條件的圖像，預(yù)測模板選擇合適的話，效果很好；缺點(diǎn)是算法過分依賴于預(yù)測模板的選擇， 而模板選擇很難做到自適應(yīng)。 在機(jī)載相機(jī)拍攝到的紅外圖像中，經(jīng)常出現(xiàn)海面與陸地共存的現(xiàn)象，陸地上的不 規(guī)則建筑等亮斑容易被錯誤檢測出來，這會導(dǎo)致虛警增多的問題。目前，針對此類問題，可 以借鑒對海天共存問題的處理方式：先檢測出海天線，然后分割圖像，去掉天空部分，將海 面部分交給下一步進(jìn)行處理。但是，對海岸線的檢測要難于海天線，因?yàn)槠溥吘壊⒉灰?guī)則， 分割難度較大。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的在于針對上述問題，提供了一種基于機(jī)載紅外相機(jī)航拍圖像的海面 小目標(biāo)檢測方法，便于海岸線的提取。 本專利技術(shù)的目的是這樣實(shí)現(xiàn)的： -種，其特征在于包括以下步 驟： 步驟1 :從機(jī)載紅外相機(jī)拍攝的視頻中截取一個目標(biāo)圖像f(x，y)，通過圖像梯度 算法獲取目標(biāo)圖像f(x，y)中包含海岸線的邊緣信息，再利用霍夫變換檢測出邊緣信息中 特征最明顯的直線，即得到目標(biāo)圖像f(x，y)中的海岸線； 步驟2 :根據(jù)步驟1中檢測到的海岸線對目標(biāo)圖像f(x，y)進(jìn)行分割，提取出其中 的海面圖像A (X，y); 步驟3 :從機(jī)載紅外相機(jī)拍攝的視頻中取若干幀現(xiàn)場圖像，再從這些現(xiàn)場圖像中 抽取部分圖像作為模板庫中的樣本圖像，采用模板匹配方法挑選出與目標(biāo)圖像f(x，y)最 相似的樣本圖像作為模板圖像，并通過對目標(biāo)圖像f(x，y)和模板圖像作差分運(yùn)算得到包 含目標(biāo)的圖像f2(t); 步驟4 :采用OStu圖像閾值分割方法對包含目標(biāo)的圖像^⑴進(jìn)行分割，從而得到 分割后的圖像f3(x，y); 步驟5 :采用膨脹運(yùn)算增強(qiáng)分割后的圖像f3(x，y)中的目標(biāo)，以增大目標(biāo)面積，凸 顯目標(biāo)。 其中，步驟1中提取海岸線的分析處理步驟為： 第一步，圖像梯度算法獲取目標(biāo)圖像中包含海岸線的邊緣信息，目標(biāo)圖像f(x，y) 在點(diǎn)（X，y)處的梯度V/定義為： 其中，I表示對圖像f (X，y)求取X方向上的偏導(dǎo)數(shù)gx，f表示對對圖像f (X，y) 求取y方向上的偏導(dǎo)數(shù)gy， 接著，計(jì)算梯度W'的幅值M(x, y),其意義為梯度方向變化率的值，得到幅值 第二步，利用霍夫變換檢測出邊緣信息中特征最明顯的直線，使用極坐標(biāo)表示 目標(biāo)圖像，極坐標(biāo)中的（P，Θ )和直角坐標(biāo)中點(diǎn)（X，y)為--對應(yīng)的關(guān)系，即X COS Θ +y sin0 = P，其中P為點(diǎn)（X，y)到原點(diǎn)的距離，Θ為點(diǎn)（X，y)和原點(diǎn)連線與水平軸之間的 夾角； 接著對P Θ參數(shù)空間量化進(jìn)行累加以獲取p Θ參數(shù)空間中的最大累加值 (P "，Θ J，再通過公式p ^=X cos Θ n+y sin0n進(jìn)行反運(yùn)算，得到xy平面上擬合海岸線的 直線。 其中，步驟3中模板圖像的獲取包括以下步驟： 第一步，對目標(biāo)圖像和樣本圖像作灰度共生矩陣的海雜波紋理分析， 首先，對目標(biāo)圖像和每一幅樣本圖像計(jì)算其0度、45度、90度和135度方向上的灰 度共生矩陣；接著，計(jì)算這四個灰度共生矩陣的熵Q1、能量Q2、對比度Q3和一致性Q 4，分別 為： 其中，p(i，j)是計(jì)算灰度共生矩陣元素（i，j)的出現(xiàn)概率，U3^Puy是灰度共生矩 陣在點(diǎn)（X，y)的期望，δ JP δ y是標(biāo)準(zhǔn)差，I g是求以10為底的對數(shù)； 第二步，對目標(biāo)圖像和樣本圖像作基于最小距離判別函數(shù)的相似度判斷，設(shè)模板 庫中的樣本圖像有N個，第η個樣本圖像的特征矩陣的元素定義為X(n)1>N]，目標(biāo)圖像的特征 矩陣的元素用Pm表示，那么目標(biāo)圖像P到樣本圖像X(n)的距離dn(p)可以表示為： 根據(jù)上式計(jì)算的距離最小的圖像min 就是目標(biāo)圖像的模板圖像。 其中，步驟4中采用ostu圖像閾值分割方法對包含目標(biāo)的圖像&(〇進(jìn)行分割， 其公式為： 其中，P1表示圖像匕⑴中點(diǎn)的概率；圖像f2(t)兩部分的灰度平均值分別為u Q(t) 和111(〇,圖像f2(t)的總體灰度平均值為uT，則圖像&(〇的類間方差表示為： 然后，對所有的值進(jìn)t行遍歷，找到類間方差最大時t的值t_，即圖像分割的閾 值，從而得到分割后的圖像f3 (X，y)。 其中，步驟5中采用結(jié)構(gòu)元素 g(x，y)對分割后的圖像f3(x，y)進(jìn)行膨脹運(yùn)算以增 大目標(biāo)面積，即 其中，g(x，y)為3*3的正方形矩陣，其值為{010,010, 010}。 本專利技術(shù)的有益效果為：使用本方法可以方便的檢測出海岸線，解決機(jī)載紅外相機(jī) 中拍攝的海面圖像中出現(xiàn)的海雜波干擾及海面和陸地不易區(qū)分的問題。【附圖說明】 圖1為本專利技術(shù)的流程框圖。 圖2為從機(jī)載紅外相機(jī)拍攝的視頻中截取一個目標(biāo)圖像。 圖3為圖2在邊緣檢測后的圖像。 圖4為圖3在海岸線檢測后的圖像。 圖5為圖4在海岸線被分割后的圖像。 圖6-圖9是另一組圖像，處理方法同圖2-圖6。 圖10為圖8自動閾值分割后的圖像。 圖11為圖10膨脹增強(qiáng)后的圖像。 圖12為帶海面背景的目標(biāo)原圖。 圖13為與圖12相匹配的目標(biāo)圖像。 圖14為圖12和圖13進(jìn)行差分運(yùn)算后的圖像。 圖15為圖14膨脹增強(qiáng)后的圖像。【具體實(shí)施方式】 下面結(jié)合具體實(shí)施例和附圖，進(jìn)一步闡述本專利技術(shù)。 如圖1所示，一種，包括以下 步驟： 步驟 1 : 首先，從機(jī)載紅外相機(jī)拍攝的視頻中截取一個目標(biāo)圖像，如圖2和圖6所示，定義 該目標(biāo)圖像為函數(shù)f (X，y)。 其次，通過圖像梯度算法獲取目標(biāo)圖像f(x，y)中包含海岸線的邊緣信息，如圖3 和圖7所示，將該目標(biāo)圖像f(x，y)在點(diǎn)（x，y)處的梯度VJ定義為： 其中，I表示對目標(biāo)圖像f(x，y)求取X方向上的偏導(dǎo)數(shù)gx，$表示對目標(biāo)圖像 f(x, y)求取y方向上的偏導(dǎo)數(shù)gy。 計(jì)算梯度W_'的幅值M (X, y),其意義為梯度方向變化率的值，得到幅值 最后，利用霍夫變換檢測出邊緣信息中特征最明顯的直線，如圖4和圖8所示。使 用極坐標(biāo)表示目標(biāo)圖像f(x，y)，極坐標(biāo)中的（Ρ，Θ)和直角坐標(biāo)中點(diǎn)（x，y)為一一對應(yīng)的 關(guān)系，即X COS Θ +y sin Θ = P，其中P為點(diǎn)（X，y)到原點(diǎn)的距離，Θ為點(diǎn)（X，y)和原點(diǎn) 連線與水平軸之間的夾角。 為了方便計(jì)算，將P Θ參數(shù)空間量化成為累加器單元。海天線邊緣提取后的直線 可以看成是定義在Xy平面上，圖像上相應(yīng)邊緣坐標(biāo)點(diǎn)集合可以表示為（Xk，yk)，通過表達(dá)式 P =Xk cos 0+yk sin Θ可將其映射為參數(shù)本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于機(jī)載紅外相機(jī)航拍圖像的海面小目標(biāo)檢測方法，其特征在于包括以下步驟：步驟1：從機(jī)載紅外相機(jī)拍攝的視頻中截取一個目標(biāo)圖像f(x,y)，通過圖像梯度算法獲取目標(biāo)圖像f(x,y)中包含海岸線的邊緣信息，再利用霍夫變換檢測出邊緣信息中特征最明顯的直線，即得到目標(biāo)圖像f(x,y)中的海岸線；步驟2：根據(jù)步驟1中檢測到的海岸線對目標(biāo)圖像f(x,y)進(jìn)行分割，提取出其中的海面圖像f1(x,y)；步驟3：從機(jī)載紅外相機(jī)拍攝的視頻中取若干幀現(xiàn)場圖像，再從這些現(xiàn)場圖像中抽取部分圖像作為模板庫中的樣本圖像，采用模板匹配方法挑選出與目標(biāo)圖像f(x,y)最相似的樣本圖像作為模板圖像，并通過對目標(biāo)圖像f(x,y)和模板圖像作差分運(yùn)算得到包含目標(biāo)的圖像f2(t)；步驟4：采用ostu圖像閾值分割方法對包含目標(biāo)的圖像f2(t)進(jìn)行分割，從而得到分割后的圖像f3(x,y)；步驟5：采用膨脹運(yùn)算增強(qiáng)分割后的圖像f3(x,y)中的目標(biāo)，以增大目標(biāo)面積，凸顯目標(biāo)。

【技術(shù)特征摘要】

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉杰，安博文，胡春暖，趙明，曹彥玨，易佳，費(fèi)鴻翔，鄒志遠(yuǎn)，
申請(專利權(quán))人：上海海大技術(shù)轉(zhuǎn)移有限公司，
類型：發(fā)明
國別省市：上海;31