基于高斯混合模型的海上运动目标检测算法

发布时间：2021-03-29 23:44

　　随着无人水面艇在民用与军用方面的应用越来越广泛,基于光电体制的海上目标检测与识别技术逐渐成为该领域的研究热点。海洋环境中,不规则变化的浪花、波纹、岛岸干扰和船只尾迹等因素使海上目标检测一直是一个技术难题。提出了一种基于高斯混合模型（Gaussian mixture model,GMM）的海上运动目标检测算法,算法流程主要包括海天线检测、图像对准、GMM背景建模及目标提取、后处理四个环节。根据序列图像的变化,构建GMM模拟多变的海上场景,通过背景减除法确定目标区域。针对GMM背景减除法的不足,提出了基于海天线的图像对准方法对输入图像进行校正。利用霍夫变换提取海天线的候选直线,结合其形态特征及上下相邻区域颜色特征精确定位海天线。为了进一步提高目标检测的准确率,后续应用形态学滤波并提出了多帧持久性滤波对船只尾迹进行滤除。实验结果表明,与其他目标检测方法相比,GMM可以有效地模拟动态海上背景,包括不规则变化的浪花、波纹等,抑制了复杂环境下的噪声干扰。该算法在SMD（Singapore marine database）和MODD（marine obstacle detection databas... 

【文章来源】：计算机应用研究. 2020,37(S1)北大核心CSCD

【文章页数】：4 页

【部分图文】：

图像块提取标准差的计算公式如下:1Nr

Ｌ煜叨宰迹?将图像定位。图7为海天线对准结果示意图。图7图像对准3后处理处于运动状态的船只在海面上通常会留下尾迹，尾迹严重时会降低目标检测的精准度，对检测结果产生不利影响。虽然使用GMM能够较好地估计海上背景，一定程度上抑制了动态波纹影响，但在海浪较大或船只尾迹严重时仍会存在部分干扰不能完全去除的情况，如图8所示。因此需要对前景图像进行后处理，使最终的目标检测结果更为准确。图8GMM背景减除法目标提取结果本文首先应用形态学滤波滤除遗留的海杂波干扰，如图9所示。对于船只尾迹，其颜色有时与船只极其相近，通过颜色信息不能将两者有效分割。针对尾迹的滤除，本文提出了多帧持久性滤波。对于这些不易被滤除的尾迹，它们的运动是短暂的且仅持续几帧，将每一帧图像的前景目标编号，累计标记点出现的次数，标记点在出现后的连续多帧内累计超过一定次数后就在下一帧被判为前景。船只尾迹滤除结果如图10所示，在多帧持久性滤波后，船只尾迹和部分海杂波都得到了很好的抑制。(a)第k帧(b)第k+30帧(c)第k+80帧图9形态学处理结果4实验结果将本文提出的检测算法以VisualStudio2017为开发平台，结合OpenCV计算机视觉库编写实现，在Windows7系统环境、4GB内存的64位电脑中执行。本文使用两个数据集对算法进行验证，分别是SMD［18］和MODD［19，20］。在录制SMD图像时，研究人员将佳能70D摄像机安装在岸上(静止平台)和浮标上(非静止平台)，拍摄了不同条件下的多段船只运动的视频图像。其中在岸边和浮标上各拍摄了40个和11个视频段，视频段每秒30帧?

多帧持久性滤波结果(a)第k帧(b)第k+30帧(c)第k+80帧


本文编号：3108419