[发明专利]一种基于扩展小波变换的复杂背景下舰船检测方法

说明书

本发明涉及一种基于扩展小波变换的复杂背景下舰船检测方法，属于可见光遥感图像目标检测和识别领域。本发明的目的是当海域灰度分布复杂，波浪、尾迹、云块干扰导致常见检测失败。本发明提出了用扩展小波变换方法查找感性趣区域，通过提取候选区域的轮廓，统计轮廓的长、宽、周长、面积、能量、熵等十一维特征信息最后完成舰船检测，剔除虚警信息。

技术领域

本发明属于中高等分辨率下可见光遥感图像目标检测和识别技术领域，尤其涉及一种基于扩展小波变换的复杂背景下舰船检测方法。

背景技术

遥感图像目标检测与识别一直是遥感图像处理和模式识别领域研究的热点课题，而舰船目标作为海上监测和战时打击的重点目标，其自动检测与识别具有非常重要的现实意义，无论在民用还是军事领域都有着广阔的应用前景。目前海面舰船检测的算法主要是利用SAR图像舰船目标与水体之间不同的电磁散射的特性，SAR图像可以全天时、全天候对地观测，但是其分辨率和信噪比都较低(大约5m～25m)，并且重访周期长，不利于实时海域监测；随着高分辨率遥感图像的出现，图像细节丰富。结构特征明显，近年来受到学者的青睐。

当海面较为平静、纹理均匀且水体较暗的图像，海面与舰船对比度明显时，常见算法能够取得良好的效果，但是受气候条件、太阳角度、天气状况、海面状况等因素的影响，海域灰度分布复杂，波浪、尾迹、云块的干扰使得常见算法效果大大降低，甚至无法定位到目标的感兴趣区域。本发明的方法结合遥感相机同时产生的多光谱数据，能够快速、准确的检测到海面复杂海况的舰船。

发明内容

为了解决现有技术中存在的技术问题，本发明提供一种基于扩展小波变换的复杂背景下舰船检测方法。

为了解决上述问题，本发明的技术方案具体如下：

一种基于扩展小波变换的复杂背景下舰船检测方法，包括如下步骤：

步骤1：通过绿波段的灰度值B_G和近红外波段的灰度值B_Nir，计算待识别图像img0(w*h)每个像素位置(i,j)的Fun_MSS＝B_G-B_Nir/B_G+B_Nir值，同时设定阈值threshold；

步骤2：建立一幅和原始图像一样大小(w*h)全0图像img1；

步骤3：判断img0每个像素位置(i，j)的Fun_MSS的值，若大于threshold，img1(i，j)置255，至此，完成海洋和陆地的分离；

步骤4：将img0沿着垂直方向卷积高通滤波器G(Z₁)，得到第一层高频垂直细节系数：D¹₁，大小为w*h；

步骤5：将img0沿着水平方向卷积高通滤波器G(Z₂)，得到第一层高频水平细节系数：D¹₂，大小为w*h；

步骤6：将img0先卷积水平方向低通滤波器H(Z₂)，再卷积垂直方向低通滤波器H(Z₁)，得到第一层低频近似系数：X，大小为w*h；

步骤7：将X沿着垂直方向卷积高通滤波器G(Z₁)，得到第二层高频垂直细节系数：D²₁，大小为w*h；

步骤8：将X沿着水平方向卷积高通滤波器G(Z₂)，得到第二层高频水平细节系数：D²₂，大小为w*h；