本发明涉及一种遥感图像技术领域,特别是关于一种遥感影像中靠港舰船检测方法。
背景技术:
舰船检测与监视是世界各海岸地带国家的传统任务,随着遥感成像技术的发展,从遥感图像上识别大型移动目标成为可能,舰船目标识别就是在这一背景下提出的。舰船检测主要分为海上舰船检测和靠港舰船检测。海上舰船检测在舰船的寻找和救助、非法移民、保卫领土等方面有着广泛应用。通过对港内的靠港舰船检测,可大大提高海防预警以及海运监测管理、调度的能力。
对于海上舰船检测,传统方法对于较为平静、纹理均匀,且水体呈现较为暗色的图像中效果较好,但对于复杂海面遥感图像,往往表现为大海浪,海面有油,呈现较为亮色,传统分割检测方法通常较难将水体与目标较好的分离,容易出现较多的漏警和虚警。
很多研究者引入视觉显著度模型对图像各个位置的显著性进行量化,通过对遥感图像进行多特征提取,显著度计算以及特征显著图融合,从而在显著图上检测出舰船目标,与传统分割方法相比,对于复杂海面情况确实有更好的鲁棒性,但是多特征提取会引入大量的冗余信息,严重降低了效率。港内舰船检测一直是业界的难点,由于背景区域不只是自然背景,还有大量人造目标,尤其是码头与停靠舰船灰度特征差别不大,又都与港口区域的海面灰度特征对比度明显,一般的自动阈值分割将码头与舰船标记为同类区域。另外目前大部分舰船检测算法的实现均需要依靠先验的港口模板或者港口信息,因此,港口停靠舰船的自动提取面临着很大的困难。
技术实现要素:
针对上述问题,本发明的目的是提供一种遥感影像中靠港舰船检测方法,该方法检测效果和抗噪能力较好,检测效率较高。
为实现上述目的,本发明采取以下技术方案:一种遥感影像中靠港舰船检测方法,其特征在于,该方法包括以下步骤:1)对原始目标图像进行预处理:对图像进行灰度化,并高斯滤波;2)提取确定海岸线:对原始目标图像进行粗分割得到二值图,并进行形态学处理,确定海岸线;3)对原始目标图像进行图像切块:根据舰船大小,将原始目标图像沿海岸线取正方形图像切片,用于检测舰船;4)轮廓提取:对每一块图像切片都进行轮廓提取;5)对提取到的轮廓进行目标筛选,得到疑似舰船轮廓;6)对疑似舰船进行第二次筛选,消除重复目标图像,得到最后的疑似舰船目标,完成靠港舰船检测。
进一步,所述步骤2)中,采用Otsu阈值分割方法对预处理后的目标图像进行分割,分割得到图像中的水域和非水域;并将水域阈值以下的灰度值置0,将水域阈值以上的灰度置1,则形成二值图像。
进一步,所述步骤3)中,图像切片之间需要有重叠。
进一步,所述步骤4)中,每一块图像切片的轮廓提取方法如下:4.1)将每一块图像切片由彩色图像变为灰度图像;4.2)采用Canny算子得到仅带有形状边缘的二值图,并在该二值图中将相邻的像素点进行连接,得到不同的连线;4.3)判断连线是否为闭合的连线,若是没有闭合的连线则将该连线删去,剩余的则是闭合的轮廓,完成轮廓提取。
进一步,所述步骤5)中,具体提取过程如下:5.1)计算轮廓与其最近海岸线的距离,并判断该距离是否满足预先设定的范围,若满足则进入下一步;若不满足则放弃该轮廓;5.2)判断轮廓的长度是否符合舰船长度,若不符合则放弃该轮廓,若符合则进入下一步;5.3)判断轮廓的周长是否符合舰船周长范围,若不符合则放弃该轮廓,若符合则进入下一步;5.4)判断轮廓的宽高比是否符合舰船宽高比,若不符合则放弃该轮廓,若符合则将该轮廓所对应的图像切片认为是疑似舰船。
进一步,所述步骤5.1)中,预先设定的范围为小于等于目标舰船宽度的1/2,即轮廓与其最近海岸线的距离若小于等于目标舰船宽度的1/2,则进入下一步;若该距离大于目标舰船宽度的1/2,则放弃该轮廓。
进一步,所述目标舰船宽度为根据需求预先设定的值。
进一步,所述步骤6)中,将所有图像切片中的疑似舰船轮廓放置在原始图像中,将重复检测到的图像目标消除冗余,剩余的轮廓即为最后的疑似舰船目标。
本发明由于采取以上技术方案,其具有以下优点:本发明对于港内舰船检测,不需要依靠先验的港口模板或者港口信息,自动提取海岸线粗略轮廓,并通过在缓冲区内搜索舰船,检测效果和抗噪能力较好,检测效率较高。
附图说明
图1是本发明的整体流程示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1所示,本发明提供一种遥感影像中靠港舰船检测方法,该方法用于对港内舰船检测,针对于目前大部分舰船检测算法的实现都需要依靠先验的港口模板或者港口信息的问题,本发明首先提取出海岸线粗略轮廓,然后建立缓冲区,在缓冲区内根据舰船特征进行筛选。其具体过程如下:
1)对原始目标图像进行预处理:对图像进行灰度化,并高斯滤波,减少影像的噪声。
2)提取确定海岸线:对原始目标图像进行粗分割得到二值图,去除了图像中许多冗余信息,大大减小了计算量,并进行形态学处理,去除二值图像的毛刺和空洞,进而确定海岸线;
具体为:采用Otsu阈值分割方法对预处理后的目标图像进行分割,分割得到图像中的水域和非水域;并将水域阈值以下的灰度值置0,将水域阈值以上的灰度置1,则形成二值图像。
由于二值化处理后的图像,虽然在大的范围内将图像分割成了水域和非水域,但由于噪声和地物阴影的影像,会存在一些毛刺和空洞,有些本应连接在一起的区域也会因为噪声的影响而割裂了;通过形态学的处理,可以消除以上影响。
3)对原始目标图像进行图像切块:根据舰船大小,将原始目标图像沿海岸线取正方形图像切片,用于检测舰船。其中,图像切片之间需要有重叠,这是为了避免舰船被边缘切断,保证至少存在完整的舰船。
4)轮廓提取:对每一块图像切片都进行轮廓提取,具体提取方法如下:
4.1)将每一块图像切片由彩色图像变为灰度图像;
4.2)采用Canny算子得到仅带有形状边缘的二值图,并在该二值图中将相邻的像素点进行连接,则可以得到不同的连线;
4.3)判断步骤4.2)中获得的连线是否为闭合的连线,若是没有闭合的连线则将该连线删去,剩余的则是闭合的轮廓,完成轮廓提取;其中,轮廓代表的实际物体有很多种情况,例如有舰船轮廓,也有舰船上的细节物体的轮廓,也有陆地或海岸线的轮廓,因此,需要多获取的轮廓做进一步筛选。
5)对提取到的轮廓进行目标筛选,得到疑似舰船轮廓:
5.1)计算轮廓与其最近海岸线的距离,并判断该距离是否满足预先设定的范围,若满足则进入下一步;若不满足则放弃该轮廓;
其中,预先设定的范围为小于等于目标舰船宽度的1/2,即轮廓与其最近海岸线的距离若小于等于目标舰船宽度的1/2,则进入下一步;若该距离大于目标舰船宽度的1/2,则放弃该轮廓;目标舰船宽度为根据需求预先设定的值。
5.2)判断轮廓的长度是否符合舰船长度,若不符合则放弃该轮廓,若符合则进入下一步;
5.3)判断轮廓的周长是否符合舰船周长范围,若不符合则放弃该轮廓,若符合则进入下一步;
5.4)判断轮廓的宽高比是否符合舰船宽高比,若不符合则放弃该轮廓,若符合则将该轮廓所对应的图像切片认为是疑似舰船轮廓。
6)对疑似舰船进行第二次筛选,消除重复目标图像,得到最后的疑似舰船目标,完成靠港舰船检测:由于图像切片彼此是有重叠区域的,若这些重叠区域中存在舰船,则有可能是两个图像切片上检测到的是同一个舰船,因此将所有图像切片中的疑似舰船轮廓放置在原始图像中,将重复检测到的图像目标消除冗余,剩余的轮廓即为最后的疑似舰船目标。
综上所述,本发明在使用时,经过测试,实现的检测结果基本可以满足漏检率要求,有效的消除了漏检和误警。
上述各实施例仅用于说明本发明,各部件的结构、尺寸、设置位置及形状都是可以有所变化的,在本发明技术方案的基础上,凡根据本发明原理对个别部件进行的改进和等同变换,均不应排除在本发明的保护范围之外。