1 中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
3 北京信息科技大学 机电工程学院,北京 100192
本文提出一种谱残差和梯度纹理融合特征来检测可见光遥感图像中复杂海面背景下的舰船目标。首先, 使用谱残差模型定位疑似舰船目标, 并采用自适应动态阈值法获取候选目标区域。然后, 根据舰船的形状特点, 对梯度方向直方图特征进行改进, 设计出表征舰船特性的梯度方向特征。同时, 将提取候选目标区域的统一化LBP特征的方差以及灰度共生矩阵特征相结合来描述舰船的纹理信息, 得到30维特征向量。最后, 通过训练好的AdaBoost分类器来完成舰船目标鉴别。本文的检测算法, 针对尺寸为1 024×1 024的可见光遥感图像, 检测时间为4.792 6 s, 检测精度为95.51%, 召回率为96.65%。实验结果表明: 本文算法能准确提取海面舰船目标, 获取舰船目标的数量和位置信息, 从检测时间和精度上来看, 可以作为实际工程参考。
舰船检测 谱残差 梯度方向特征 统一化LBP 灰度共生矩阵 AdaBoost分类器 ship detection spectral residual gradient direction feature uniform LBP gray level co-occurrence matrix AdaBoost classifier
1 中国科学院 长春光学精密机械与物理研究所, 航空光学成像与测量重点实验室, 吉林 长春 130033
2 中国科学院大学, 北京 100049
在航天航空光学遥感舰船目标检测中, 受大气、光照、云雾和海岛等海面不确定条件的影响, 传统的舰船检测方法存在检测效率低和可靠性差等问题, 因此, 本文提出一种无监督海面舰船目标自动检测方法。该方法以视觉显著性为依据, 结合多显著性检测模型快速搜索海面目标, 生成显著图后对其进行粗分割, 对提取的目标切片做标记并进行精细分割, 利用改进的Hough变换旋转目标主轴以保证目标对Y轴的对称性; 对可能检测到的厚重云层和岛屿等伪目标使用梯度方向特征进行鉴别, 通过判定目标在360°范围内8个区间的梯度幅度统计值, 确认舰船目标及去除伪目标。实验结果表明, 该舰船检测方法能够成功提取海面上大小不同, 位置随机分布的舰船目标, 准确获取舰船目标的数量和位置信息, 在大量真实光学遥感图像上的测试结果显示, 本文方法检测准确率高于93%, 通过目标鉴别处理, 剔除伪目标后, 虚警率可低于4%, 鲁棒性较强。
计算机视觉 舰船检测 视觉注意机制 显著性区域 梯度方向特征 computer vision detection on ships and warships visual attention mechanism saliency area characteristics of gradient direction
