[发明专利]基于红外图像的海面舰船检测方法

说明书

本发明公开一种基于红外图像的海面舰船检测方法，探测精度高、虚警率低、鲁棒性强。本发明的海面舰船检测方法，包括如下步骤：(10)红外图像预处理：对红外探测器采集到的包含舰船的海面图像进行预处理；(20)Dot‑Curve初步定位：对经预处理的红外图像进行Dot‑Curve提取，得到候选目标主副轴；(30)主副轴修正：基于残差分析理论，对候选目标主副轴的灰度曲线进行拟合，并对候选目标主副轴的位置进行修正；(40)特征提取：对候选目标进行特征提取，计算候选目标主副轴纹理特性和几何特性参数，架构特征集；(50)目标鉴别：比较需求项目和干扰项目的特征参数，对潜在目标进行特征分析、融合，获得需求目标。

技术领域

本发明属于红外目标探测技术领域，特别是一种探测精度高、虚警率低、鲁棒性强的基于红外图像的海面舰船检测方法。

背景技术

海洋舰船的检测跟踪与识别一直是军事及民用领域的热点研究问题，应用场景涉及捕捞监控、海面交通管制以及遇难船只救援等多个方面。近年来，搭载光学传感器的卫星、无人机获得的红外图像空间分辨率和光谱分辨率都越来越高，但也正由于获取的影像数据量加大、场景愈发复杂，舰船信号易被淹没在噪声信号中。

为有效检测海洋舰船，业界趋向于选取尺寸相对较大、不易隐藏的舰船尾迹特征作为辅助特征检测船只，即尾迹检测。与相对成熟的SAR图像舰船尾迹检测相比，基于光学图像的舰船尾迹检测研究起步较晚。在此领域较为知名的研究机构中，国外的如加拿大遥感中心(CCRS)、挪威国防研究中心和欧洲海事安全局(EMSA)等，国内的如国防科技大学和中国科学院等。部分学者在这方面也有了一定的研究成果，如相方莉等人基于小波变换提出了一种舰船尾迹检测方法；赵春晖等人改进CGHT算法，基于图像信息融合检测舰船尾迹。

当前的尾迹检测方法多是基于拉冬变换或霍夫变换进行一定的改进。其中，霍夫变换是拉东变换的一种特殊情况。但使用拉东变换进行线性特征检测有一些缺点：由于灰度积分是在图像的整个长度上进行的，因此很难检测到明显短于图像尺寸的线段；具备一定曲率的线性特征可能不会在变换域中产生合适的波峰或波谷。当变换应用于具有高噪声水平的图像时，这些问题甚至更为显著。因此现有算法只适用于已经被裁剪成最佳显示感兴趣区域的船舶尾流图像，且要求尾迹线性度好、图像信噪比高。但是，在一个连续分析光学图像数据以搜索船舶尾流的自动化系统中，尾流并不总是能完美覆盖整个图像；海上舰船尾迹特征由于舰船目标形状、尺寸、质量、船速不同具备多样性，空间分辨率、光照条件、拍摄视角、大气状况、海水运动情况等客观环境，也会对舰船及其尾迹特性产生不同程度的影响；海洋背景颇为复杂，耀斑、海洋内波、云层、岛屿、人工建筑、阴影等都会成为干扰项目。

因此，现有技术存在的问题是：基于红外图像的海面舰船检测普遍存在较高的漏检率和虚警率，检测效率低下，无法适应多种复杂场景，鲁棒性差。

发明内容

本发明的目的在于提供一种基于红外图像的海面舰船检测方法，探测精度高、虚警率低、鲁棒性强。

实现本发明目的的技术解决方案为：

一种基于红外图像的海面舰船检测方法，包括如下步骤：

(10)红外图像预处理：对红外探测器采集到的包含舰船的海面图像进行预处理，所述预处理包括红外图像分辨率调整、灰度拉伸；

(20)Dot-Curve初步定位：基于随机粗糙面理论，采用二维曲率滤波方法，对经预处理的红外图像进行Dot-Curve提取，得到候选目标主副轴；

(30)主副轴修正：基于残差分析理论，对候选目标主副轴的灰度曲线进行拟合，并对候选目标主副轴的位置进行修正；

(40)特征提取：对候选目标进行特征提取，计算候选目标主副轴纹理特性和几何特性参数，包括灰度均值、灰度方差、斜率、线性度，架构特征集；