[发明专利]一种海上场景显著性检测方法

说明书

技术领域

本发明涉及一种机器视觉和图像处理领域的检测技术，具体涉及一种利用利用图像处理和机器视觉技术的海上场景显著性检测方法。

背景技术

目前，国内外大多数的视觉注意计算模型直接在图像的空间域进行显著性检测，提取显著图。该类方法相对利用图像频谱的思路，无需对图像进行傅里叶变换或离散余弦变换等正交变换。

基于空间域的显著性检测方法，其核心是如何定义显著性。目前提出的各类方法主要利用空间域像素间的特征差异度量显著性，常用特征包括亮度、颜色、方向、纹理等。同时，很多学者将信息论、图论和贝叶斯理论等引入显著性的计算中，在自然场景显著性检测中获得了较好效果。为了解决频域显著性检测方法显著图分辨率不高的问题，Achanta等提出在原图尺寸上实现的频率调谐显著性检测方法（Frequency tuned method, FrT），定义图像CIELab颜色空间中的各特征均值与对其高斯滤波后的差分值为显著度。该方法简单易实现，能提取较完整的显著目标，其内部一致性好。

国内部分的学者，对基于可见光图像的海上场景中舰船检测问题，应用视觉注意机制进行了初步的探讨。叶聪颖等人提出了基于HIS（Hue, Saturation, Intensity）空间的船舶检测视觉注意模型，即在HSI颜色空间中，对三个分量采用多尺度差分计算获得各分量特征图，进而对其进行线性融合获得显著图。吴琦颖等人在海上运动目标实时监测和跟踪系统中引入视觉注意机制，提出了一种迭代的基于倒三角小模板的线性低通滤波方法，快速实现粗分辨率图像上的平滑去噪，以此凸显目标。吴琦颖等还提出基于可见光图像序列的海上运动目标快速检测方法，利用视觉注意模型首先在静态图像中分割感兴趣区域（ROI, region of interest），进而仅在感兴趣区域中应用改进的时间差分法检测运动目标。

然而，这些提出的方法存在局限性。首先，注意到这些方法均是针对自然场景或陆上场景中显著目标的检测，因此，目标多为大目标；同时，由于算法较复杂，在进行显著性计算之前往往需对原始图像进行下采样。对大尺寸的显著目标而言，下采样不会导致目标信息丢失太多，因此显著性检测结果较理想。但由于海上场景的特殊性，即海上目标多为小目标，尤其是点状目标，且分散于海上场景中，因此直接应用已有的空间域显著性检测方法，其结果不理想，尤其是对小目标的检测效果欠佳，分析其本质原因，是由于图像下采样导致小目标信息丢失过多。频率调谐显著性检测方法实现简单，但由于该模型中仅考虑了全局对比度作为显著性，将其直接应用于海上场景，由于大量海杂波的特征，均远远高于特征均值，即其全局对比度与目标很接近，造成检测结果目标被突出之外，还包含了大量的杂波。此外，已有的海上场景视觉注意模型，借鉴了Itti的视觉注意计算模型，实现相对复杂。

综上所述，已有相关工作主要解决陆上场景或自然场景中的显著性检测问题。由于海上场景中存在大量海杂波和海上目标多为小目标的特点，已有方法的效果不理想。针对现有技术的缺陷，特别提出一种利用新的海上场景显著性检测方法，以解决以上提到的问题。

发明内容

本发明提供了一种海上场景显著性检测方法，利用海上场景图像自身的特征，在CIELab颜色空间实现提取显著区域。

为实现上述目的，本发明提供了一种海上场景显著性检测方法，其特点是，该方法包含以下步骤：

步骤1、提取海上场景图像序列；

步骤2、海上场景图像的每帧图像由RGB颜色空间转换至CIELab颜色空间，并提取其亮度和两个颜色通道作为基本特征，得到亮度和两个颜色通道的特征图；

步骤3、海上场景图像的所有帧图像的亮度和两个颜色特征分别与其全局中值差的绝对值作为全局显著图；

设输入图像序列的第                                               帧，L_i为亮度特征，a_i和b_i为两个颜色特征，该第帧为海上场景图像中的任意一帧；

分别对亮度和两个颜色特征，计算其全局中值，

                      （1）

                      （2）

                       （3）

其中L_im为亮度特征的全局中值，a_im和b_im为两个颜色的全局中值；

然后，计算各特征的全局显著图：