[发明专利]基于先验估计网络和空间约束混合模型的海面障碍物检测方法

权利要求书

1.一种基于先验估计网络和空间约束混合模型的海面障碍物检测方法，其特征在于，包括以下步骤：

(1)采集海面图像样本，制作先验估计网络训练样本；

(2)利用训练样本对先验估计网络进行训练；

(3)将待检测的海面图像作为输入，通过已训练的先验估计网络预测出图像中所有像素的类别先验概率；

(4)建立空间约束混合模型，根据先验估计网络得到的类别先验概率，计算出混合模型的初始参数；

(5)利用期望最大化算法对空间约束混合模型进行优化，并且得到相应的海面语义分割图像；

(6)提取海面语义分割图像中的障碍物区域，实现海面障碍物检测。

2.根据权利要求1所述的基于先验估计网络和空间约束混合模型的海面障碍物检测方法，其特征在于，所述步骤(1)中，利用无人水面艇搭载的相机采集N张海面彩色图像，使用标注工具对采集到的图像进行人工标注，形成先验估计网络训练集T＝{t⁽¹⁾,t⁽²⁾,…,t⁽ⁱ⁾,…,t^(N)}；其中，每一个训练样本t⁽ⁱ⁾由海面图像I⁽ⁱ⁾和对应的类别先验概率图构成，即由于海面图像在竖直方向上从上至下大致划分为天空区域、中间海岸/雾霾混合区域、海水区域，因此利用标注工具分别在海面图像的天空区域、中间海岸/雾霾混合区域以及海水区域标注出多条直线段，并且记录下所有天空类别直线段上像素点的坐标O^sky＝{(r₁,c₁),(r₂,c₂),…,(r_i,c_i),…,(r_n′,c_n′)}^sky、中间海岸/雾霾混合类别直线段上像素点的坐标以及所有海水类别直线段上像素点的坐标假设海面图像每一个像素的特征由颜色特征(c1,c2,c3)和位置特征(r,c)构成，并且根据记录下的天空类别坐标集O^sky对应的像素特征，计算出天空类别的均值m^sky和协方差矩阵C^sky，利用同样的方法得到中间海岸/雾霾混合类别的均值m^mid和协方差矩阵C^mid以及海水类别的均值m^sea和协方差矩阵C^sea；此外，利用3个高斯分布和1个均匀分布来分别描述天空区域、中间海岸/雾霾混合区域、海水区域以及奇异值区域即潜在的障碍物区域；于是，每一幅海面图像I对应的类别先验概率M为图像I中像素的个数，利用以下公式进行计算：

上式中，i表示图像中第i个像素，y_i表示图像中像素i的特征向量，也称为观测数据，主要由像素的颜色特征(c1,c2,c3)和坐标(r,c)组成；表示图像中像素i的类别先验分布，即其中，表示第i个像素的类别x_i为k时的先验概率，假设k＝1表示天空类别，k＝2表示中间海岸/雾霾混合类别，k＝3表示海水类别，k＝4表示障碍物类别；N(·|m，C)表示均值为m而协方差为C的高斯分布函数，U(·)＝ε表示均匀分布函数，其中，ε为一个极小的正值超参数；α_ik表示图像中第i个像素属于类别k的权重，其具体公式如下所示：

其中，ε为一个极小的正值超参数。