[发明专利]基于Canny算子和高斯形态学的船舶检测方法

说明书

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。

技术领域

本发明涉及水面目标检测领域，具体是指基于可见光技术的船舶检测。

背景技术

现有的水面目标检测算法可大致分为以下三类：基于红外技术的水面目标检测，基于雷达技术的水面目标检测和基于可见光技术的水面目标检测。

基于红外图像的弱目标比背景具有更高的灰度值，使得红外图像中的海上目标与背景差异显著，这一优势使得众多专家学者都在积极研究红外图像中的水上目标检测方法。红外图像中的水天线具有比较明确的结构特征，可有效地区分图像的水面和天空区域。针对红外图像中的这一特点，王悦行等人对红外图像中的海天线进行检测和判定，并利用加权的mean-shift算法对红外图像目标进行检测，郑华也利用了红外图像中检测到的水天线确定红外图像的目标范围。

在远离陆地的海难事故区域，红外图像采集设备拍摄到的遇险人员在图像中通常表现为小目标，而且遇险人员的成像区域常常出现在水天线附近。因此，不少学者首先确定红外图像中的水天线区域，根据检测到的水天线位置找到图像中小目标的具体位置，为海上搜救提供可视化的信息依据。但红外检测系统具有噪声偏大，目标与背景之间边缘比较模糊的特点，而船载摄像机拍摄的红外图像经常抖动，这对海上目标检测造成了较大干扰。

基于雷达技术的水面目标检测效果受到海杂波的影响较大，雷达图像中的海杂波非高斯特性和非平稳统计特性使得基于雷达的水面目标的检测效果受到更加严峻的挑战。因此，很多学者对海杂波的产生机理展开研究，构建相应的海杂波分布模型。研究人员发现韦布尔分布(Weibull distribution)，瑞利分布(Rayleigh Distribution)、K分布和对数正态分布四种模型能够较好地拟合海杂波分布。基于谱估计的方法可有效抑制雷达图像的海杂波。在此基础上，利用分形理论、经验模态分解和目标特征提取等方法提取各类水面目标，比如水面低(高)速小目标，水面舰船目标等。

船舶的智能化识别程度越来越高，基于机器视觉方法的水面目标检测研究引起了越来越多的关注。由于天气、光照等因素变化导致水上场景动态变化，使得基于可见光的水面目标检测方法面临极大的挑战。任蕾、冉鑫等人针对可见光的水上目标检测展开了多项研究，并指出利用可见光技术展开水上目标检测相关研究，需要克服以下四个方面的困难：①目标所占像素较少，背景和噪声占据了可见光视频序列的大多数像素，图像信噪比较小；②海浪起伏、阳光照射和雨雪雾等不同海况和天气情况对水面目标检测带来了较大干扰；③包含水上目标的可见光视频图像中，水上目标可能会短暂地被海浪遮挡，造成检测算法丢失水面目标，降低算法的检测精度；④采集水面目标检测视频的摄像设备常常固定在船舶或者直升机中。摄像设备常受到风、浪、涌、船舶或者直升机等外界因素的影响，可能导致摄像设备采集的视频画面存在抖动现象，这要求水面目标检测算法具有较好的鲁棒性。

发明内容

本发明的目的是为了提供一种基于Canny算子和高斯形态学的船舶检测方法，对视频图像帧中正常成像大小的船舶进行目标检测，识别船舶目标。本发明中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。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。通过将此船舶检测方法应用于不同水上交通状态和船舶尾迹干扰的船舶检测，验证结果表明，本发明的方法在不同的测试场景中对船舶轮廓的识别均获得较高的精确率。