基于视觉显著性的海面船只候选区域检测方法

发布时间：2021-10-21 11:56

　　海面船只检测技术具有重要的民用和军用价值,针对复杂海面场景下船只检测精度低的问题,提出了一种基于视觉显著性的遥感图像海面船只候选区域检测方法。为检测到所有船只的候选区域,该方法首先采用Scharr边缘检测算子提取显著目标的边缘轮廓特征,然后基于边缘检测结果运用FT显著性模型得到最终的候选区域检测结果。在公开遥感数据集上的仿真实验结果表明,该方法在多种复杂检测场景下的船只候选区域检测任务中取得了较好的检测效果,实现了对船只候选区域的快速提取。 

【文章来源】：计算机科学. 2020,47(S1)北大核心CSCD

【文章页数】：6 页

【部分图文】：

FT检测结果(电子版为彩色)

图1 FT检测结果(电子版为彩色)为保证所有船只目标能被检测到,在采用FT模型进行遥感图像船只目标检测时,有必要对输入图像进行预处理,以保证不同船只目标与其局部区域的灰度差异情况一致,进而确保所有船只目标均能被检测到。此外,由于遥感图像中船只目标占比小并且与海面背景的差异不明显,目标的轮廓与纹理相比对船只检测更重要,因此只要保证所有船只目标的轮廓信息能被完整检测到,就能大大降低漏检的情况。基于上述分析,本文提出一种适用于遥感图像船只检测的EDFT显著性模型,首先采用边缘检测算子提取输入图像的显著目标的轮廓信息,然后基于边缘检测结果在灰度通道上进行FT显著性检测以去除背景噪声,保留船只目标。

由图4所示的实验结果可知,EDFT模型实现了对海面背景噪声的有效抑制,在光照不均、船只尺寸差异较大以及云层和海杂波干扰较强的检测场景中,实现了目标与背景的有效区分,取得了不错的检测效果。使用EDFT模型求得输入图像的显著图后,采用可自动选取分割阈值的otsu阈值分割方法对显著图进行二值化分割得到二值图。为更精确刻画船只目标,需对二值图进行形态学处理来优化检测结果,首先进行形态学腐蚀运算,消除点状噪声,接着利用膨胀运算去除目标内部空隙,使目标更完整,然后计算二值图中所有船只候选区域的面积、中心点坐标以及最小外接矩形的长度和宽度。图4 EDFT模型求得的显著图


本文编号：3448931