基于显著区域提取的红外图像舰船目标检测

发布时间：2020-12-22 11:47

　　针对复杂海面背景下红外图像舰船目标由于灰度不均匀、海杂波干扰大等因素造成的自动检测虚警率高、准确率低的问题,提出了一种显著区域提取和目标精确分割相结合的红外舰船目标检测方法。首先,利用基于图论的视觉显著性（Graph-based Visual Saliency,GBVS）模型计算待检测图像的显著图,使得目标区域信息增强;其次,结合舰船目标先验信息（长短轴、面积等）,利用多级阈值划分算法提取关注的显著区域,并确定原图中候选目标区域;最后,利用空间约束模糊C均值（Fuzzy C-Means,FCM）算法对候选区域进行分割,结合目标先验知识对分割区域筛选并输出目标位置。所提方法在公开数据集IRShips上与相关方法进行比较,结果表明,相比直接进行全图目标搜索的方法,所提方法不仅准确率高、执行速度快,且检测目标的位置更加精确。 

【文章来源】：电讯技术. 2020年07期 北大核心

【文章页数】：6 页

【部分图文】：

红外舰船图像GBVS显著图

本文红外舰船检测算法流程

IRships数据集包含200张红外舰船图，所有图像宽、高进行归一化，分别为320 pixel（宽）和256 pixel（高），数据集中每个样本包括一张海面舰船图像和对应的舰船目标分割图像。数据集中图像通过多种途径采集，包括FLIR热成像仪和船载成像设备，并且这些图像包含了不同大气和海面波辐射、海杂波、天空反射等因素的影响。IRships数据集示例如图3所示。3.2 实验结果及分析

【参考文献】：
期刊论文
[1]融合改进FT显著性与Grabcut的图像目标分割算法[J]. 王晓宇,杨帆,范海瑞,温洁,潘旭冉.  电讯技术. 2019(02)
[2]红外遥感图像舰船目标检测[J]. 丁荣莉,韩传钊,谢宝蓉,王琰,张震.  红外技术. 2019(02)
[3]基于自适应阈值区域生长的红外舰船目标分割方法[J]. 赵文涛,曹昕鸷,田志勇.  红外技术. 2018(02)
[4]基于属性直方图的快速Otsu红外目标检测算法[J]. 王莹莹,何苹,李永宾,魏彤.  激光与红外. 2014(05)
[5]空间域与频域结合的FCM红外热像分割方法[J]. 谢静,徐长航,陈国明,王玉.  计算机工程. 2012(15)



本文编号：2931712