[发明专利]一种基于无人艇应用的水面目标快速检测方法

摘要

本发明公开了一种基于无人艇应用的水面目标快速检测方法，属于数字图像处理和控制系统交叉技术领域。本发明通过目标性分析得到目标候选区域，由于候选区域中会存在一定虚警，因此利用显著性分析得到显著区域，并将目标性与显著性相结合，剔除虚警，得到目标准确位置。本发明不带有特定目标类型信息，因此普适性较好，相较于现有的其它目标检测算法，无论是在目标的检测效果方面，还是在方法的速度方面都有很大的提升，对无人艇的自动避障具有重要的指导意义。

主权项

1.一种基于无人艇应用的水面目标快速检测方法，其特征在于，包括：步骤1训练层内分类器及层间分类器，其中，所述层内分类器用于在构建的尺度空间的每一层判断当前候选区域是否是目标区域，所述层间分类器用于不同层之间的加权计算；步骤2利用所述层内分类器及所述层间分类器对原始图像进行目标性分析，得到最终的目标候选区域，包括以下子步骤：(2‑1)对所述原始图像进行尺度变换，构建金字塔模型，得到不同尺度大小的图像，记为L1,L2,…,LM，其中，M表示构建的尺度空间的层数；(2‑2)在每一层图像Li中，采用滑动窗口的方法对每一个位置提取固定大小的区域，计算该区域的NG特征，并通过所述层内分类器计算该区域的得分值，得到不同层的目标候选区域；(2‑3)通过所述层间分类器对在不同层得到的目标候选区域进行加权打分，并根据所述加权打分结果进行排序；(2‑4)对目标候选区域进行极大值抑制，并得到所述最终的目标候选区域；步骤3训练随机森林回归器及多尺度融合权重，其中，所述随机森林回归器用于计算分割后每一个超像素块的显著性值，所述多尺度融合权重用于融合不同尺度下的得到的显著性图；所述步骤3包括以下子步骤：(3‑1)训练所述随机森林回归器：采用基于图模型的分割算法对所述原始图像进行多尺度分割，在每个尺度上，对分割后得到的每一个超像素块，在相应人工标记结果图上寻找对应区域，若所述对应区域中所含像素的标记有一定比例属于前景/背景，则将该超像素块标记为前景/背景，否则丢弃该超像素块，其中，所述前景指的是包含目标的区域，所述背景指的是非目标区域，利用标记的训练样本学习标准的随机森林回归器；(3‑2)训练所述多尺度融合权重wn，计算公式如下所示：其中，{S1,S2,…,SN}表示每个训练样本得到的多尺度显著性图；G表示对应的人工标记结果；argmin表示取当均方误差最小时的多尺度融合权重；步骤4利用所述随机森林回归器及所述多尺度融合权重对所述原始图像进行显著性分析，得到最终的显著性图；步骤5根据所述最终的目标候选区域及所述最终的显著性图，将包含大量虚警的候选区域剔除，最终得到目标的准确位置。