基于区域协方差和目标度的航空侦察图像舰船目标检测

发布时间：2021-11-24 21:04

　　为了实现岛岸复杂环境下航空侦察图像舰船目标检测,提出一种基于区域协方差和目标度的显著目标检测方法。在联合条件随机场和字典学习的图像显著性检测框架下,首先提取每个区域增强的sigma特征,并进行稀疏编码,然后又设计基于显著优化的目标度特征,利用信念传播算法推断生成舰船目标显著图,最后应用高效子窗口搜索方法实现舰船目标检测。实验结果表明,新方法的显著图结果目标区域一致高亮,背景杂波抑制效果好,可实现准确的目标检测。 

【文章来源】：系统工程与电子技术. 2019,41(05)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

图１舰船目标检测算法流程图Ｆｉｇ．１Ｆｌｏｗｃｈａｒｔｏｆｓｈｉｐｔａｒｇｅｔｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍ４实验结果分析

·９７６·系统工程与电子技术第４１卷??????????????????????????????????????????????????图２考虑不同影响因素的显著图效果Ｆｉｇ．２Ｓａｌｉｅｎｃｙｍａｐｓｗｉｔｈｃｏｎｓｉｄｅｒｉｎｇｄｉｆｆｅｒｅｎｔｉｍｐａｃｔｆａｃｔｏｒｓ图３不同目标度的显著图Ｆｉｇ．３Ｓａｌｉｅｎｃｙｍａｐｓｏｆｄｉｆｆｅｒｅｎｔｏｂｊｅｃｔｎｅｓｓ客观评价时采用ＰＲ（ｐｒｅｃｉｓｉｏｎａｎｄｒｅｃａｌｌ）曲线对１７种方法的显著图进行评价。图５是不同显著图检测方法的ＰＲ曲线，本文方法排在第４的水平。ｇｂｖｓ，ＨＦＴ和ｒａｎｄｏｍｆｏｒ－ｅｓｔ３种方法虽说少部分图像杂波干扰严重，但是大部分图像与目标区域的重叠性较好，导致这３种方法的ＰＲ曲线占优。考虑到ＰＲ曲线评估忽略了非显著像素的正确分配和目标检测的完整性，本文又引入平均绝对误差（ｍｅａｎａｂｓｏｌｕｔｅｅｒｒｏｒ，ＭＡＥ）和加权Ｆ值（ｗｅｉｇｈｔｅｄＦ－ｍｅａｓｕｒｅ，ＷＦ）值进行客观评价［１８］，结果如表２所示。无论是ＭＡＥ，还是ＷＦ，本文方法的评价结果都是最优的。然而，当场景中存在疑似舰船目标（见图６中岸边建筑物）时，本文方法可能会误认为场景中有多个目标。应该说，单纯靠显著性目标检测是很难适应各种复杂场景的，需要目标识别来进一步区分目标和杂波。和大多数有监督训练显著性检测方法一样，本文方法的训练时间较长，迭代次数ｔ＝１０时，耗时约１０个小时。训练时，类似

·９７６·系统工程与电子技术第４１卷??????????????????????????????????????????????????图２考虑不同影响因素的显著图效果Ｆｉｇ．２Ｓａｌｉｅｎｃｙｍａｐｓｗｉｔｈｃｏｎｓｉｄｅｒｉｎｇｄｉｆｆｅｒｅｎｔｉｍｐａｃｔｆａｃｔｏｒｓ图３不同目标度的显著图Ｆｉｇ．３Ｓａｌｉｅｎｃｙｍａｐｓｏｆｄｉｆｆｅｒｅｎｔｏｂｊｅｃｔｎｅｓｓ客观评价时采用ＰＲ（ｐｒｅｃｉｓｉｏｎａｎｄｒｅｃａｌｌ）曲线对１７种方法的显著图进行评价。图５是不同显著图检测方法的ＰＲ曲线，本文方法排在第４的水平。ｇｂｖｓ，ＨＦＴ和ｒａｎｄｏｍｆｏｒ－ｅｓｔ３种方法虽说少部分图像杂波干扰严重，但是大部分图像与目标区域的重叠性较好，导致这３种方法的ＰＲ曲线占优。考虑到ＰＲ曲线评估忽略了非显著像素的正确分配和目标检测的完整性，本文又引入平均绝对误差（ｍｅａｎａｂｓｏｌｕｔｅｅｒｒｏｒ，ＭＡＥ）和加权Ｆ值（ｗｅｉｇｈｔｅｄＦ－ｍｅａｓｕｒｅ，ＷＦ）值进行客观评价［１８］，结果如表２所示。无论是ＭＡＥ，还是ＷＦ，本文方法的评价结果都是最优的。然而，当场景中存在疑似舰船目标（见图６中岸边建筑物）时，本文方法可能会误认为场景中有多个目标。应该说，单纯靠显著性目标检测是很难适应各种复杂场景的，需要目标识别来进一步区分目标和杂波。和大多数有监督训练显著性检测方法一样，本文方法的训练时间较长，迭代次数ｔ＝１０时，耗时约１０个小时。训练时，类似

【参考文献】：
期刊论文
[1]基于融合显著图和高效子窗口搜索的红外目标分割[J]. 刘松涛,刘振兴,姜宁.  自动化学报. 2018(12)
[2]基于显著图生成和显著密度最大化的高效子窗口搜索目标检测方法[J]. 刘松涛,黄金涛,刘振兴.  电光与控制. 2015(12)
[3]基于区域协方差的图像特征融合方法[J]. 刘松涛,常春,沈同圣.  电光与控制. 2015(02)



本文编号：3516751