[发明专利]基于几何特征的星上可见光遥感图像舰船检测方法

说明书

本申请公开了一种基于星上可见光遥感图像的舰船平面几何特性的舰船确认方法，主要包括以下部分：首先利用待定舰船图像切片的均值和标准差对切片进行二值化操作，并求出二值化后切片中的潜在目标的质心位置；然后根据求得的质心位置采用相对熵分离出出切片中潜在目标与背景并更新切片的二值化结果和质心点位置；根据切片的长宽比与潜在目标质心到切片中心的距离分情况求出切片子块的质心点，根据潜在目标质心点和子块的质心点求出潜在目标的对称轴；最后利用得到的对称轴求出潜在目标的长宽比和潜在目标所在的外切矩形面积，用这两个值进行判定，获得最终的待定舰船图像切片的确认结果。

技术领域

本申请属于数字图像处理技术领域，涉及一种遥感图像中目标确认方法，尤其涉及一种适用于卫星上可见光遥感图像中舰船目标的检测方法。

背景技术

我国海域广阔，拥有的海洋国土面积达到299.7万平方公里，舰船作为海上运输的重要载体，在各领域具有广泛的应用。因此，实现舰船的监视对我国维护本国的海洋权益、监督领海专属经济区具有十分重大的意义。在民用方面，实现舰船检测可以实时查看各个港口的航运交通状况，快速搜寻遇难船只，监控非法捕鱼和走私船只；在军事上，可以监控本国海域安全状况以及侦查敌方海上军事实力和部署，为国家安全和领土完整提供保障。而星上实现舰船检测可减少大量卫星影像数据传输带来的负担并且降低数据传送带宽的浪费、提高舰船监测的实时性。所以，基于星上可见光遥感图像舰船检测具有非常重要的研究价值及应用前景。它直接影响到海洋舰船目标监视的实时性和效率，同时去除无效的海洋图像数据，提高数据传输效率。

目前对可见光遥感图像进行舰船确认的方法可以分为两大类：(1)传统特征提取的方法；(2)基于机器学习的方法。前者主要基于人眼视觉系统获得或者从已知舰船样本中统计出的灰度、纹理等的舰船先验信息得到的舰船图像特征，例如小波特征、基于海面分析的异常提取、舰船方向梯度直方图特征等，这类方法针对某些特定场景中的舰船有较高的检测准确率，然而对于不同场景并不具有普适性；后者主要利用舰船样本集合对某种神经网络框架进行训练得到舰船判断模型，比较有代表性的主要有支持向量机和卷积神经网络等，这类方法具有较强的普适性，但计算复杂，需要保存的模型中浮点数的数量较多，且由于星上存在太空辐射，容易损坏模型中的参数据，将导致模型无法正常使用，故此类方法并不适用于在卫星上进行舰船检测。虽然舰船检测的方法很多，但至今还没有能应对星上舰船检测应用苛刻的存储空间和计算量要求的有效算法。

在此背景下，为了兼顾可见光遥感图像上舰船检测的准确性和星上存储与计算的苛刻条件，需要深入分析可见光遥感图像中的舰船成像特点，研究一种基于星上的舰船确认算法显得尤为重要。

发明内容

本申请要解决的技术问题在于提供可用于星上的可见光遥感图像海洋舰船目标确认方法。该方法根据舰船目标在可见光遥感图像上的成像特征信息，将舰船的灰度与纹理特征描述、形状特征与适应不同背景的舰船平面特征的舰船确认等多种技术相结合，有效提高了可见光遥感图像中舰船检测的准确率，并降低了运算复杂度和对存储的要求。

为了实现上述的发明目的，本申请采用下述的技术方案：

基于星上可见光遥感图像的舰船平面几何特性的舰船确认方法，其特征在于包括如下步骤：

(1)对输入的可见光遥感图像提取出多个待检测舰船图像切片，其中，每一个待检测舰船图像切片中仅包含一个潜在舰船目标；

(2)对待检测舰船图像切片进行遍历，求出所述切片中像素灰度值的均值和标准差，并对所述图像切片进行二值化操作以获得所述切片的二值图g'，根据所述二值图g'求得当前切片中包含的潜在舰船目标T'的质心m₀'的位置；