[发明专利]一种海天线检测方法、装置及计算机可读存储介质

说明书

本发明实施例公开了一种海天线检测方法、装置及计算机可读存储介质，通过将海空红外图像划分为子图像块，并根据子图像块特征建立高斯模型，然后基于海空红外图像中所划分的海水类训练样本及天空类训练样本对高斯模型进行训练，进而再基于训练结果建立贝叶斯模型，以对待分类图像区域中的所有像素点分别进行细划分决策，最后基于决策结果确定边缘点来进行直线拟合；通过本发明的实施，对复杂环境下的海天线检测具有较强的适应性，并有效提高了检测效率和检测准确性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种海天线检测方法、装置及计算机可读存储介质。

背景技术

海空背景下的红外图像，一般分为三大区域：天空、海水和海天线区域，海天线是海面和天空区域的交界线，在红外图像中是灰度值变化较大的区域，是一条亮度由高到低的海天交界渐变带，并且通常具有一定的倾斜度，可以通过细化，将其拟合成一条直线。在实际应用中，当对海上目标进行观测时，远距离的目标大都出现在海天线附近，由此，通过确定海天线区域，即可确定目标出现的潜在区域。

然而，在工程应用中，红外系统的工作环境通常较为复杂，当红外辐射在潮湿海面大气中传输时，会较易产生传输衰减以及被空气散射和吸收，使得红外图像易受噪声的影响而导致图像质量显著下降，进而海空红外图像中的海天线渐变带会变得模糊不清，出于此，需要采用海天线检测方法来对海空红外图像中的海天线进行有效提取。目前所采用的海天线检测方法通常为灰度图像阈值分割方法，相关技术中通过灰度图像阈值分割方法来对海天背景图像进行分割，然后得到海、天区域之间的边缘点，最后再基于所得到的边缘点来确定海天线，由于该方法仅考虑了图像的空域灰度信息，仅适用于边缘干扰较小的情况，在光斑、海杂波等干扰较强的情况下，可能导致海天线的误检。

发明内容

本发明实施例的主要目的在于提供一种海天线检测方法、装置及计算机可读存储介质，至少能够解决相关技术中采用灰度图像阈值分割方法进行海天线检测时，算法的适用场景较为局限、检测结果的准确性较低的问题。

为实现上述目的，本发明实施例第一方面提供了一种海天线检测方法，该方法包括：

将海空红外图像划分为多个第一子图像块，并分别获取每个第一子图像块的图像特征信息；

基于所述图像特征信息分别建立海水类子图像块以及天空类子图像块的第一高斯模型，并将从所述海空红外图像中所划分出的预设海水图像区域和天空图像区域的第一子图像块分别作为第一海水类训练样本以及第一天空类训练样本，然后分别对相应的第一高斯模型进行训练；

基于第一训练结果建立细划分贝叶斯模型，并利用所述细划分贝叶斯模型对所述海空红外图像中剩余图像区域的所有像素点分别进行细划分决策；所述剩余图像区域为所述海空红外图像中，除所述海水图像区域和天空图像区域之外的图像区域；

根据细划分决策结果确定所述海空红外图像中海空区域之间的边缘点，并采用直线拟合算法对所述边缘点进行拟合，得到所述海空红外图像中海天线的直线模型参数。

为实现上述目的，本发明实施例第二方面提供了一种海天线检测装置，该装置包括：

特征获取模块，用于将海空红外图像划分为多个第一子图像块，并分别获取每个第一子图像块的图像特征信息；

样本训练模块，用于基于所述图像特征信息分别建立海水类子图像块以及天空类子图像块的第一高斯模型，并将从所述海空红外图像中所划分出的预设海水图像区域和天空图像区域的第一子图像块分别作为第一海水类训练样本以及第一天空类训练样本，然后分别对相应的第一高斯模型进行训练；

细划分决策模块，用于基于第一训练结果建立细划分贝叶斯模型，并利用所述细划分贝叶斯模型对所述海空红外图像中剩余图像区域的所有像素点分别进行细划分决策；所述剩余图像区域为所述海空红外图像中，除所述海水图像区域和天空图像区域之外的图像区域；