[发明专利]一种基于光电传感器的高鲁棒性海天线提取方法

权利要求书

1.一种基于光电传感器的高鲁棒性海天线提取方法，其特征在于，包括以下步骤：

S1.通过光电传感器提取视觉图像信息，通过Sobel算子，对图像的Sobel垂直梯度进行计算，根据梯度对图像中的场景边缘进行边缘锐化；

S2.对边缘增强后的图像数据通过LSD直线检测操作，寻找图像中梯度变化较大的像素，合并相似像素，得到一系列的直线段；

S3.在所提取的直线中，过滤短直线，进行抽样取候选点，同时保存的候选点具有所在直线的方向信息；

S4.对图像按所设定的大小区块进行划分，得到不同区块上候选点的分布及数量，将包含候选点超过所设定数量的区块记为感兴趣区域ROI；

S5.卷积神经网络作二分类任务对图像上所有感兴趣区域划分为海天线区域与背景区域，从而对存在于背景区域中的候选点进行过滤；

S6.通过步骤S5得到分布在海天线附近的控制点，用RANSAC采用随机抽样验证的方法，拟合出的直线即为海天线。

2.根据权利要求1所述的基于光电传感器的高鲁棒性海天线提取方法，其特征在于，所述的Sobel算子边缘算子所采用的算法是先进行加权平均，然后进行微分运算，计算方法如下：

Δ_xf(x,y)＝[f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1)]-[f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)]

Δ_yf(x,y)＝[f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1)]-[f(x+1,y-1)+2f(x+1,y)+f(x+1,y+1)]

式中：x，y为原图f在x，y方向上的像素值，所得Δ_xf(x,y)为原图在x方向上的边缘算子，Δ_yf(x,y)为原图在y方向上的边缘算子。

3.根据权利要求1所述的基于光电传感器的高鲁棒性海天线提取方法，其特征在于，所述的LSD直线检测包括以下步骤：首先计算图像中所有像素点的梯度大小和方向，然后将梯度方向变化小且相邻的点作为一个连通域，接着根据每一个域的矩形度来判断是否需要按照规则将其断开以形成多个矩形度较大的域，最后对生成的所有的连通域进行改善和筛选，保留其中满足条件的域，即为最后的直线检测结果。

4.根据权利要求3所述的基于光电传感器的高鲁棒性海天线提取方法，其特征在于，所述的LSD直线检测方法首先计算每个像素的水平线角度以构成一个水平线场，这些水平线场被分隔为连通的若干部分，其中方向近似且在容忍度τ内的，得到一系列区域，这些区域即为连通域。

5.根据权利要求4所述的基于光电传感器的高鲁棒性海天线提取方法，其特征在于，所述的连通域就是一组连通像素，是直线段的候选，对于整个线段连通域，计算该组像素的最小外接矩阵，如果矩形中的像素的水平线角度与最小外接矩形的主方向的角度差在容忍τ内的话，那么这个点被称作同性点；通过统计最小外接矩形内的所有像素数n和其内的同性点个数k，用来判定这个连通域，即该组连通像素是否是一个直线段。

6.根据权利要求1所述的基于光电传感器的高鲁棒性海天线提取方法，其特征在于，所述的步骤S6中的验证方法包括以下步骤：

随机假设部分局内点为初始值；然后用此局内点拟合一个模型，此模型适应于假设的局内点，所有的未知参数都能从假设的局内点计算得出；

用上一步得到的模型去测试所有的其它数据，如果某个点适用于估计的模型，认为它也是局内点，将局内点扩充；

如果有足够多的点被归类为假设的局内点，那么估计的模型就足够合理；

然后，用所有假设的局内点去重新估计模型，因为此模型仅仅是在初始的假设的局内点估计的，后续有扩充后，需要更新；

最后，通过估计局内点与模型的错误率来评估模型；

重复执行以上流程到一定次数，最后模型达到一定精度停止或是迭代次数完毕后因为无法达到精度要求而停止。