[发明专利]基于Canny算子和高斯形态学的船舶检测方法

权利要求书

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C_x、C_y，对像素点的灰度值进行卷积，获取梯度信息，卷积方法为：

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)的梯度幅度，G(i,j)大于T1时，则将像素点(i,j)作为强边缘点，所有强边缘像素点都是船舶轮廓点；如果T1>G(i,j)>T2，则将该像素点(i,j)作为弱边缘像素点；

S233、根据八连通度规则连接强边缘点和弱边缘点，获取Canny算子最终的船舶轮廓信息。