海面目标检测方法及装置的制造方法
【技术领域】
[0001] 本发明实施例涉及数字图像处理技术，尤其涉及一种海面目标检测方法及装置。
【背景技术】
[0002] 随着遥感图像数据获取能力的不断增强及其分辨率的提高，利用及发展遥感图像 解译技术已迫在眉睫。其中，利用遥感数据进行海面目标检测在民用和军事领域都有着巨 大的现实意义，尤其在舰船寻找与救助、捕鱼船监视、非法移民、保卫领土、反毒品、舰船非 法倾倒油污的监视与管理等方面有着广泛的应用。
[0003] 由于可见光图像在展现目标的形状、结构、纹理、色彩等细节方面具有明显优势， 能够更好地检测、分类、识别目标，利用卫星可见光图像来监视、检测、识别目标，特别是海 上舰船目标越来越引起人们的关注。利用遥感图像进行舰船目标检测主要包括对舰船本身 和舰船尾迹的检测。一般认为，衡量舰船检测方法的好坏有以下几个方面：提取舰船的准确 性；检测结果连通性，是否能够指导实际应用以及计算的复杂度。
[0004] 海面舰船检测的方法主要包括以下几个步骤：预处理、海陆分割、候选舰船目标检 测和舰船目标确认。其中候选舰船目标检测是获得舰船信息的关键步骤。目前候选舰船目 标的检测方法主要有以下几类。一是基于灰度统计特征的方法，该方法主要是利用水体与 舰船目标的灰度统计差异性特征进行图像分割，从而获取舰船目标候选区域。这些灰度差 异性特征包括灰度、图像信息熵、形态学对比度、局部统计方差、类高阶梯度等。但对于图像 中出现大海浪、云层遮挡或水体灰度较亮，以及噪声、阴影等干扰因素，加上舰船目标的黑 白极性，同一舰船目标不同部位的灰度特征也不一致的情况，在这类图像中采用基于灰度 统计特征阈值分割的方法，则易产生较多的漏警和虚警。二是基于边缘信息的方法，该方法 主要利用舰船船缘在高分辨率光学卫星遥感图像中边缘特征较为明显的特点，依据目标边 缘信息，并结合形状分析，获取舰船目标候选区域或舰船疑似目标。典型的方法有通过对由 原始灰度和边缘强度图像线性组合而成的图像，进行0TSU自适应阈值分割，并结合简单的 形状特征（包括面积、长、宽、区域外接矩形的长宽比），获得舰船目标候选区域。但当海况 复杂，大海浪及海浪亮块产生的边缘会带来很多干扰，严重时甚至会将舰船目标淹没，导致 无法正确检测。三是基于分形模型和模糊理论的方法，由于海浪、云层等自然背景具有分 形特征，而舰船等人造目标不具有分形特征，利用目标与背景之间分形特征的差异成为有 效解决海空背景图像中舰船目标自动检测的可能途径之一。典型的研究有利用纹理分形 维和缝隙特征进行海面舰船目标检测的方法，还有采用多尺度分形理论检测舰船目标的方 法。但当背景比较复杂，如可见光图像受到云雾等干扰时，背景自相似性降低，用分形模型 拟合误差较大，分割时易出现误分割，此时，算法检测效率比较低。四是基于视觉感知机理 的方法，这类方法主要是将人类视觉系统可快速聚焦于感兴趣区域的特性引入到舰船目标 候选区域的提取中。一些方法基于选择性注意机制，依据灰度及面积显著特征的引导，快速 圈定可能存在舰船的疑似区域，形成可疑目标R0I切片。另外一些方法采用视觉显著度模 型，通过纹理、亮度和方向等多特征视差计算来对疑似的目标进行筛选。还有的方法基于人 眼多级视觉感知和视觉非对称机制，首先利用一种改进的计算频谱残差的方法得到视觉显 著图；其次利用Tophat形态学滤波去除视觉上不属于舰船目标的区域，并计算兴趣关注 点；最后利用一种方向自适应的Gabor滤波算法对兴趣关注点周围进行聚焦、联想分析，从 复杂海况背景下检测舰船目标。但是受光照、天气、海况、舰船目标自身特性、成像传感器参 数、舰船运动参数等多种因素的影响，不同成像条件下图像复杂多变，显著特征的自适应分 析与提取以及显著图的有效获取是该类方法需要解决的难点问题。
[0005] 综上所述，现有的检测方法仍不能满足高效、精确地提取海面目标的要求。
【发明内容】
[0006] 本发明提供一种海面目标检测方法及装置，以实现准确高效地提取海面目标。
[0007] 第一方面，本发明实施例提供了一种海面目标检测方法，包括：
[0008] 获取海面图像并将其分块；
[0009] 利用基于可扩展区域能量模型RSF的水平集演化方法对每个子图像进行边缘分 割；
[0010] 拼接分割后的子图像；
[0011] 根据拼接后的图像获取候选目标；
[0012] 筛选满足预设形状特征参数阈值要求的候选目标。
[0013] 第二方面，本发明实施例还提供了一种海面目标检测装置，包括：
[0014] 图像划分模块，用于获取海面图像并将其分块；
[0015] 图像分割模块，用于利用基于RSF的水平集演化方法对每个子图像进行边缘分 割；
[0016] 图像拼接模块，用于拼接分割后的子图像；
[0017] 候选目标获取模块，用于根据拼接后的图像获取候选目标；
[0018] 筛选模块，用于筛选满足预设形状特征参数阈值要求的候选目标。
[0019] 本发明与现有技术相比的有益效果在于：
[0020] 本发明使用基于RSF模型的水平集（levelset)演化方法检测海面区域中候选的 目标如舰船，与传统边缘检测方法相比较而言，本发明所述方法能够更精确的提取图像中 目标的轮廓，并且保证检测结果连通性，从而有助于提高目标形状特征参数计算的准确性， 进而提高目标检测的正确率。
【附图说明】
[0021] 图1是本发明实施例一所述的海面目标检测方法流程图；
[0022] 图2是本发明实施例二所述的海面目标检测装置结构框图。
【具体实施方式】
[0023] 下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描 述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便 于描述，附图中仅示出了与本发明相关的部分而非全部结构。
[0024] 实施例一
[0025] 图1为本发明实施例一提供的海面目标检测方法的流程图，具体包括如下步骤：
[0026] 步骤110、获取海面图像并将其分块。
[0027] 通常以遥感方式拍摄得到原始图像，该图像中除海面部分外一般还会包含陆地部 分。为了降低后续处理的难度，先对原始图像进行海陆分割处理，从中提取海面区域的图 像。具体可以采用以下方式进行海陆分割，需要指出的是，此处及本说明书后面内容中给 出的具体处理方法仅仅是示意性的，而并非对本发明的限制。
[0028] 1)输入原始图像，逐行记录像素灰度值；
[0029] 2)对图像的有效行的灰度值做前后差分，若有连续i个元素（这里i优选为图 像每行像素数的五分之一）的值小于区域填充算法的灰度阈值，则认为出现连续的平坦区 域，即为海面区域，取该连续像素的中点作为种子点；
[0030] 4)基于扫描图像得到的海面种子点进行区域增长，并对区域增长后的结果进行二 值化，海面区域为前景，陆地区域为背景；最后通过闭运算填充海面的孤立点，得到海面区 域图像。
[0031] 5)在得到海面图像后，需要按照一定大小对海面图像进行分块，形成m个子图；图 像块大小通常取512*512或256*256 (单位为像素）。
[0032] 步骤120、利用基于RSF的水平集演化方法对每个子图像进行边缘分割。
[0033] 1)抽取m个子图的原始图像数据，并对每个子图初始化边缘模板图像；
[0034] 其中，初始化边缘模板图像即选定一个闭合的初始轮廓，一般选择略小于图像边 框的矩形即可。
[0035] 2)运行基于可扩展区域能量模型的水平集边缘演化，直至多次迭代后收敛，获得 每个子图的边缘分割结果。
[0036] 水平集演化（Levelset)方法的基本思想是将二维（或三维）的闭合曲线的演化 问题转化为高维空间中水平集函数曲面演化的隐含方程式来求解。在一个平面内有一条闭 合曲线r，定义一距离函数Φ (x，y)，表示平面内的点到曲线r的最短距离，同时规定，在曲 线内部的距离函数值为负