基于Canny算子和高斯形态学的船舶检测方法.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CN109215018A(43)申请公布日2019.01.15(21)申请号201810967927.0G06T7/155(2017.01)(22)申请日2018.08.23(71)申请人上海海事大学地址201306上海市浦东新区临港新城海港大道1550号(72)发明人陈信强吉文博杨勇生吴华锋于泽崴张倩楠傅俊杰鲜江峰赵建森梅骁峻(74)专利代理机构上海元好知识产权代理有限公司31323代理人徐雯琼张妍(51)Int.Cl.G06T7/00(2017.01)G06T7/13(2017.01)G06T7/136(2017.01)权利要求书2页说明书9页附图6页(54)发明名称基于Canny算子和高斯形态学的船舶检测方法(57)摘要本发明提出了一种基于Canny算子和高斯形态学的船舶检测方法，该方法从海事监控视频的图像帧中进行船舶检测，获取船舶轮廓信息，并识别不同成像尺寸的船舶。该方法包含船舶轮廓提取，噪声消除和船舶轮廓重建三个部分。首先利用Canny算子提取图像帧中所有可能的船舶轮廓信息；接着利用高斯滤波算子对Canny算子提取的船舶轮廓展开进一步平滑去噪处理，去除噪声对应的轮廓像素，如背景图像信息；最后利用形态学方法的开运算操作重构船舶轮廓，获得最终的船舶检测结果。将此方法应用于不同交通状态和船舶尾迹干扰场景中的船舶检测，验证本发明的检测性能。本发明的方法在不同的测试场景均获得较高的准确率，得到了较好的检测效果。CN109215018ACN109215018A权利要求书1/2页1.一种基于Canny算子和高斯形态学的船舶检测方法，适用于对海事监控视频的图像帧中，正常成像大小的船舶图像边缘的检测，其特征在于，包括以下步骤：S1、对原始海事监控视频图像帧使用二维高斯滤波器去除图像噪声，得到去噪的船舶图像帧；S2、利用Canny算子，提取所述去噪的船舶图像帧中的船舶轮廓信息；S3、根据所述船舶轮廓信息，计算自适应高斯滤波器的权值参数，根据所述权值参数，采用自适应高斯滤波器对所述船舶轮廓信息，进一步平滑去噪处理；S4、对步骤S3的处理结果，利用形态学方法的开运算操作重构船舶轮廓，获得最终的船舶检测结果。2.如权利要求1所述的基于Canny算子和高斯形态学的船舶检测方法，其特征在于，所述正常成像大小的船舶图像是指：船舶成像尺寸不小于该帧图像实际尺寸的0.15％，且成像长度或宽度不小于13个像素。3.如权利要求1所述的基于Canny算子和高斯形态学的船舶检测方法，其特征在于，所述步骤S1包括以下步骤：S11、根据所述二维高斯滤波器的核函数获得高斯卷积矩阵，所述高斯卷积矩阵的元素是图像卷积的权值；其中w是像素点与x轴之间的距离，而h代表该像素点到y轴的距离，σ是高斯核函数的标准差；S12、对所述原始海事监控视频图像帧的任一像素，将该像素的邻域像素与所述高斯卷积矩阵进行卷积操作，对每个像素点的像素取邻域内像素的加权平均值，获得该像素点高斯去噪后的像素值，实现对图像帧去噪，得到所述去噪的船舶图像帧。4.如权利要求3所述的基于Canny算子和高斯形态学的船舶检测方法，其特征在于，所述高斯卷积矩阵为3×3大小的矩阵。5.如权利要求1或3所述的基于Canny算子和高斯形态学的船舶检测方法，其特征在于，所述步骤S2包括以下步骤：S21、计算所述去噪的船舶图像帧中所有像素的梯度方向和梯度幅度，提取船舶图像帧的所有可能边缘信息；S22、使用梯度的非最大值抑制机制，滤除所述可能边缘信息中的非船舶的轮廓信息，剔除错误的船舶边缘点，得到真实的船舶边缘像素；S23、利用双阈值法进一步排除所述船舶边缘像素中虚假的船舶边缘点，提取得到真实的所述船舶轮廓信息。6.如权利要求5所述的基于Canny算子和高斯形态学的船舶检测方法，其特征在于，所述步骤S21包括以下步骤：S211、设置x轴的卷积掩模矩阵y轴的卷积掩模矩阵针对所述去噪的船舶图像帧中的每个像素点，分别在x和y方向利用Cx、Cy，对像素点的灰度值进行卷积，获取梯度信息，卷积方法为：2CN109215018A权利要求书2/2页其中，I(i,j)是像素点(i,j)的灰度值，P(i,j)和Q(i,j)分别代表该像素点在x和y方向的梯度信息；S212、根据步骤S211中获得的像素点(i,j)在x和y方向的梯度信息，计算该像素点的梯度幅度G(i,j)和梯度方向θ(i,j)：将G(i,j)大于预设阈值的像素点集合作为船舶图像帧的所有可能边缘信息。7.如权利要求5所述的基于Canny算子和高斯形态学的船舶检测方法，其特征在于，所述步骤S23包括以下步骤：S231、设定强边缘阈值T1和弱边缘阈值T2，其中T1>T2；S232、G(i,j)表示像素点(i,j)的