基于红外图像的海面舰船检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113673385A(43)申请公布日2021.11.19(21)申请号202110900578.2G06K9/52(2006.01)(22)申请日2021.08.06G06K9/62(2006.01)G06T5/00(2006.01)(71)申请人南京理工大学G06T5/20(2006.01)地址210094江苏省南京市玄武区孝陵卫G06T7/11(2017.01)200号G06T7/136(2017.01)申请人上海航天控制技术研究所(72)发明人钱惟贤成艳高丹陈钱顾国华万敏杰任侃(74)专利代理机构南京理工大学专利中心32203代理人唐代盛(51)Int.Cl.G06K9/00(2006.01)G06K9/32(2006.01)G06K9/46(2006.01)权利要求书3页说明书8页附图4页(54)发明名称基于红外图像的海面舰船检测方法(57)摘要本发明公开一种基于红外图像的海面舰船检测方法，探测精度高、虚警率低、鲁棒性强。本发明的海面舰船检测方法，包括如下步骤：(10)红外图像预处理：对红外探测器采集到的包含舰船的海面图像进行预处理；(20)Dot‑Curve初步定位：对经预处理的红外图像进行Dot‑Curve提取，得到候选目标主副轴；(30)主副轴修正：基于残差分析理论，对候选目标主副轴的灰度曲线进行拟合，并对候选目标主副轴的位置进行修正；(40)特征提取：对候选目标进行特征提取，计算候选目标主副轴纹理特性和几何特性参数，架构特征集；(50)目标鉴别：比较需求项目和干扰项目的特征参数，对潜在目标进行特征分析、融合，获得需求目标。CN113673385ACN113673385A权利要求书1/3页1.一种基于红外图像的海面舰船检测方法，其特征在于，包括如下步骤：(10)红外图像预处理：对红外探测器采集到的包含舰船的海面图像进行预处理，所述预处理包括红外图像分辨率调整、灰度拉伸；(20)Dot‑Curve初步定位：基于随机粗糙面理论，采用二维曲率滤波方法，对经预处理的红外图像进行Dot‑Curve提取，得到候选目标主副轴；(30)主副轴修正：基于残差分析理论，对候选目标主副轴的灰度曲线进行拟合，并对候选目标主副轴的位置进行修正；(40)特征提取：对候选目标进行特征提取，计算候选目标主副轴纹理特性和几何特性参数，包括灰度均值、灰度方差、斜率、线性度，架构特征集；(50)目标鉴别：比较需求项目和干扰项目的特征参数，对潜在目标进行特征分析，融合多种特征，剔除干扰项目，获得需求目标。2.根据权利要求1所述的海面舰船检测方法，其特征在于，所述(10)红外图像预处理步骤包括：(11)分辨率调整：采用如下所示的双线性插值法来完成分辨率调整：式中，g(i0,j0)表示原始图像中位置(i0,j0)的灰度值，g(i′,j′)、g(i′+1,j′)、g(i′,j′+1)、g(i′+1,j′+1)表示调整后对应四邻点位置灰度值，α、β为插值系数。(12)灰度拉伸：通过如下所示的分段灰度拉伸过程以提高目标与背景的对比度：f＝kn×g+bn,an≤g≤bn(2)，式中，f为拉伸后灰度，g为拉伸前灰度，kn、bn为拉伸系数，[an,bn]为拉伸前灰度区间。3.根据权利要求2所述的海面舰船检测方法，其特征在于，所述(20)Dot‑Curve初步定位步骤包括：(21)单向曲率计算：按下式计算目标曲率：Cur＝|f”|(3)，式中，Cur为曲率，f″为图像灰度二阶导数；要想计算目标曲率，就要先计算出一阶导数为0的极值点区域，如下式：然后再计算所得区域内的二阶导数，如下式：式中，(i1,j1)是像素坐标点，ω为方向向量与图像横向的夹角，K2、K3、K4、K5、K6、K7、K8、2CN113673385A权利要求书2/3页K9、K10为组合系数；根据Facet模型可知，组合系数Kn可通过图像计算得到，计算公式为：Kn＝f(i+r,j+c)*Wn(6)，式中，*是卷积符号，(r,c)是以像素(i,j)为中心的局部图像的平面坐标，Wn是卷积核且Pn(r,c)为离散基底，离散基底的表达式为：223223{Pn(r,c)}＝{1,r,c,r‑2,rc,c‑2,r‑(17/5)r,(r‑2)c,r(c‑2),c‑(17/5)c}(7)，在满足不超过图像范围的条件下，代入得到卷积核；(22)曲率融合：根据各个方向的曲率图像，融合得到三维离散曲面曲率：式中，C(i,j)表示加权曲率，l、m表示权值，通常取值l＝m＝1，Cur0、Cur90、Cur45、Cur135表示与图像横向夹角分别为0°、45°、90°、135°四个方向的曲率图像；(23)图像二值化：对融合后的曲率图像按下式进行阈值分割，式中