专利名称：一种基于局部上下文的遥感图像舰船检测虚警剔除方法
技术领域：
本发明涉及遥感图像处理方法，尤其是光学卫星遥感图像自动化处理中的海上舰船目标检测虚警剔除方法。
背景技术：
舰船探测技术被广泛应用于港口航运管控、海洋渔业监管、水上交通管制及海洋污染监测等领域。为了动态、快速、准确地获取舰船的位置、航向、几何参数等相关信息，多种探测技术应运而生。传统的探测技术包括红外探测、岸基雷达探测及舰船监视系统(VesselMonitoring System VMS)。近年来，随着空天搭载平台与传感器技术的飞速发展，利用空间遥感技术进行舰船目标检测和监视的研究与技术开发在海洋遥感领域得到越来越多的重视。基于遥感图像的舰船目标检测技术，是指利用空天遥感平台所获取扫描区域的遥感图像数据，通过计算机对其进行相应的检测算法自动处理，获得图像中海面舰船目标的精确定位及相关目标信息的技术。与传统舰船检测技术相比，基于遥感图像的舰船目标检测技术优势明显，主要体现在3个方面(I)它是一种主动的舰船目标信息获取方式；(2 )空天平台遥感图像通常具有大幅宽的特点(当前商用卫星的幅宽已可达几百公里)，此外其获取图像数据率巨大，适合对大范围海域进行高时效性的舰船探测、监视任务。(3)空天平台载荷的频、空、时、谱分辨率不断提高，为舰船目标的进一步识别提供了可能。在大视场光学遥感图像舰船检测任务中，存在大量与舰船目标特征属性相似的虚警物干扰(如朵云、小岛及强海浪等)，如
图1所示。这些虚警物同舰船目标类似也明显区别于其背景区域。当前许多光学遥感图像舰船目标检测的方法都直接以目标候选区域检测出的区域作为最终结果，无法进一步将这些虚警物与真实的舰船目标区分开。此外，虽然当前大多数舰船目标检测系统都采用数据库进行陆地区域屏蔽，但低精度的海岸线数据库及潮汐等地理因素影响，舰船检测系统仍然会受到近海岸陆地区域的影响，这些复杂构造的陆地区域会使目标候选区域检测阶段产生较多的虚警。因此，研究舰船检测中的虚警剔除方法是控制整个舰船目标检测系统低虚警率的必要工作。当前几乎所有的舰船检测虚警剔除方法都主要是关注目标的表面特征信息，所采用的分析手段也大都是“物体-中心”的方法。这些研究的局限性在于由于图像空间分辨率限制、舰船多变的尾迹形态及海面碎浪的影响，光学遥感图像往往不能提供充足的舰船表面特征鉴别信息，从而影响最终的虚警剔除性能。
发明内容
本发明的目的在于针对上述现有技术的缺点，提供一种基于局部上下文的遥感图像舰船检测虚警剔除方法，并与已有的基于表面特征的虚警剔除方法互补，共同整合使用实现高效的虚警剔除能力。本发明的技术方案如下
一种基于局部上下文的遥感图像舰船检测虚警剔除方法，其特征是，所述方法采用基于邻域相似性的局部上下文模型进行虚警目标的剔除，包括如下步骤第一步，邻域的划分取出目标候选区域检测阶段所获得的疑似目标区域及其周围邻域，将疑似目标区域周围邻域划分为若干个小格，为特征提取做准备；第二步，邻域描述特征提取对每个邻域小格，分别提取其灰度类特征及纹理类特征，组成其邻域描述特征； 第三步，邻域相似性计算对每个划分小格提取得到的邻域描述特征，判断每个邻域小格在每一种类型特征下是否是相对于其它周围邻域小格奇异的小格，并将这些奇异性累计，从而计算出当前目标疑似区域的邻域相似性；第四步，利用邻域相似性剔除虚警ROI (Region of Interest,感兴趣的区域)对目标疑似区域进行判断，判为虚警的ROI直接剔除，判为疑似舰船的ROI保留；
第五步，基于表面特性的目标候选区域确认未被判为虚警的目标R0I，用基于ROI表面特征结合基于模式识别的分类方法进行进一步确认，得到最终真实的舰船目标。所述的遥感图像舰船检测虚警剔除方法，其特征是，第二步中所述邻域描述特征包括2维灰度类特征和4维纹理类特征。所述的遥感图像舰船检测虚警剔除方法，其特征是，所述第一步的实现方法如下1.1)截取出目标候选区域检测阶段所获得目标ROI周围的邻域；其中，目标ROI为包含疑似舰船目标的方形区域；R0I周围的邻域为环绕目标ROI周围的环状区域；1. 2)将获得的疑似舰船目标ROI周围邻域均匀地划分为若干个方形小格每个小格与疑似舰船目标ROI的尺寸相同。所述的遥感图像舰船检测虚警剔除方法，其特征是，所述第二步的实现方法如下针对上一步骤中划分得到的邻域小格，对每个小格分别提取其灰度类及纹理类的特征；令F1(Ik)1F2(Ik)…Fm(Ik)表示从第k个邻域小格Ik中对应提取的特征，其中，M为特征的数目，灰度类特征F1 (Ik) ,F2(Ik)分别表示小格Ik的灰度均值及标准差；接下来，计算邻域小格Ik的灰度共生矩阵，并提取它的4个派生参数，分别是对比特征F3(Ik)，相关特性F4 (Ik)，能量特性F5 (Ik)，同质性F6 (Ik);至此，每个邻域小格可以得到2维灰度类特征和4维纹理类特征，共6维邻域描述特征。所述的遥感图像舰船检测虚警剔除方法，其特征是，所述第三步的实现方法如下3.1)邻域中的“奇异”小格判别对于邻域小格Ik的第i个给定的特征Fi,按照以下规则来判定邻域小格Ik是否为相对于其它剩余周围邻域区域“奇异”的格
权利要求
1.一种基于局部上下文的遥感图像舰船检测虚警剔除方法，其特征是，所述方法采用基于邻域相似性的局部上下文模型进行虚警目标的剔除，包括如下步骤 第一步，邻域的划分取出目标候选区域检测阶段所获得的疑似目标区域及其周围邻域，将疑似目标区域周围邻域划分为若干个小格，为特征提取做准备； 第二步，邻域描述特征提取对每个邻域小格，分别提取其灰度类特征及纹理类特征，组成其邻域描述特征； 第三步，邻域相似性计算对每个划分小格提取得到的邻域描述特征，判断每个邻域小格在每一种类型特征下是否是相对于其它周围邻域小格奇异的小格，并将这些奇异性累计，从而计算出当前目标疑似区域的邻域相似性； 第四步，利用邻域相似性剔除虚警RO1:对目标疑似区域进行判断，判为虚警的ROI直接剔除，判为疑似舰船的ROI保留； 第五步，基于表面特性的目标候选区域确认未被判为虚警的目标R0I，用基于ROI表面特征结合基于模式识别的分类方法进行进一步确认，得到最终真实的舰船目标。
2.如权利要求2所述的遥感图像舰船检测虚警剔除方法，其特征是，第二步中所述邻域描述特征包括2维灰度类特征和4维纹理类特征。
3.如权利要求2所述的遥感图像舰船检测虚警剔除方法，其特征是，所述第一步的实现方法如下1.1)截取出目标候选区域检测阶段所获得目标ROI周围的邻域；其中，目标ROI为包含疑似舰船目标的方形区域；R0I周围的邻域为环绕目标ROI周围的环状区域；1.2)将获得的疑似舰船目标ROI周围邻域均匀地划分为若干个方形小格1^.，In，每个小格与疑似舰船目标ROI的尺寸相同。
4.如权利要求3所述的遥感图像舰船检测虚警剔除方法，其特征是，所述第二步的实现方法如下 针对上一步骤中划分得到的邻域小格，对每个小格分别提取其灰度类及纹理类的特征；令F1 (Ik)，F2 (Ik)…FM(Ik)表示从第k个邻域小格Ik中对应提取的特征，其中，M为特征的数目，灰度类特征F1 (Ik)，F2 (Ik)分别表示小格Ik的灰度均值及标准差；接下来，计算邻域小格Ik的灰度共生矩阵，并提取它的4个派生参数，分别是对比特征F3(Ik)，相关特性F4 (Ik)，能量特性F5 (Ik)，同质性F6 (Ik);至此，每个邻域小格可以得到2维灰度类特征和4维纹理类特征，共6维邻域描述特征。
5.如权利要求4所述的遥感图像舰船检测虚警剔除方法，其特征是，所述第三步的实现方法如下 . 3.1)邻域中的“奇异”小格判别对于邻域小格Ik的第i个给定的特征Fi,按照以下规则来判定邻域小格Ik是否为相对于其它剩余周围邻域区域“奇异”的格
6.如权利要求5所述的遥感图像舰船检测虚警剔除方法，其特征是，所述第四步的实现方法如下 在获得邻域相似性Similarity后,判断如果Similarity ^ Taccept,则意味着给定疑似舰船目标ROI的邻域在灰度及纹理特性上具有较高的相似性，这个疑似舰船目标ROI将被保留进行后续表面特征确认的进一步分析；否则，判定为虚警ROI进行剔除；其中，Ta_pt是范围在O到I之间的接受门限。
7.如权利要求6所述的遥感图像舰船检测虚警剔除方法，其特征是，所述第五步的实现方法如下 ·5.1)对保留的目标ROI进行表面特征提取采用尺度不变特征变换技术描述目标候选区域ROI的特性，按标准SIFT算法获得128维的特征向量Vsift ； · 5.2)基于模式识别的目标候选区域确认对Vsift米用基于RBF核的支持向量机进行分类，将疑似舰船目标ROI分为3类，分别是强对比舰船、弱暗对比舰船及虚警；最后鉴别的结果将前两个子类统一归为舰船目标。
8.如权利要求6所述的遥感图像舰船检测虚警剔除方法，其特征是，所述接受门限Taccept=O- 8。
9.如权利要求6所述的遥感图像舰船检测虚警剔除方法，其特征是，所述标志判决的门限 TFlag=2。
全文摘要
本发明公布了一种基于局部上下文的遥感图像舰船检测虚警剔除方法。所述方法采用基于邻域相似性的局部上下文模型进行虚警目标的剔除，包括邻域的划分、邻域描述特征提取、邻域相似性计算、利用邻域相似性剔除虚警ROI、基于表面特性的目标候选区域确认。与通用舰船虚警剔除方法相比，本发明能够在保持漏警率基本不变的情况下，降低20%以上的虚警率，能够支持实现复杂大视场遥感图像的舰船检测处理。
文档编号G06K9/62GK103020592SQ20121048011
公开日2013年4月3日 申请日期2012年11月22日 优先权日2012年11月22日
发明者毕福昆, 朱柏承 申请人:北京大学