什么主要目的是查明海面目标情况(海面图像目标检测方法初探)
海面目标检测在军事领域、海防安全、海关管理、海上反走私、港口船舶调度、海洋环边防、海洋环边防监控和海上交通管理等许多场合都有广阔的应用前景。目前,发展相对成熟。基于雷达图像的目标检测系统通常体积大、成本高、技术复杂。然而,这些方法需要较高的设备成本和维护成本,这限制了相关系统的推广。此外,这些系统很难在当地海域的目标探测场景中快速部署,这需要安装雷达或获取卫星数据。
1可见海面图像的目标检测本文主要研究利用数码相机等图像传感器获取的可见海面图像的目标检测。基于可见海面图像的目标检测在海防安全等领域有很好的应用,检测区域局限在离岸边或海上某点的可视距离内。该方法在海防安全等相关领域有很好的应用。海洋运动载体和海洋浮标可以作为系统部署的好地方。BSOP(海底布点海洋剖面仪)[4]是国外的真实系统,它是一个自主的浮标平台。该平台被设计成具有传感器设备,收集海洋数据,并通过双向射频卫星与控制中心存储和传输数据。近年来,国内外学者在基于可见光图像的检测研究方面取得了许多研究成果[5-18]。文献中基于可见光图像的海面目标检测方法主要有三种:基于阈值的检测方法[5][6]、基于模型的检测方法[7-12]和基于模式分析的检测方法[13-18]。
1.1基于阈值的方法基于阈值的方法主要是根据阈值[5][6]利用目标区域和背景区域之间的亮度差来分割目标区域。这种方法是一种早期的目标检测方法,当目标区域和背景区域的亮度相差较大时,实现简单有效,但当目标区域和背景区域的亮度相近或图像合成复杂时,检测效果较差。
[6]针对阈值法在对,复杂海面上的失败,提出了一种基于自适应多阶阈值分割的检测方法,提高了阈值法的自适应能力,并通过一些统计特征对阈值分割结果进行了进一步筛选,取得了一定的效果。然而,该方法不能避免对目标阈值分割和背景亮度的限制。鉴于阈值法的局限性,许多研究者探索了基于模型的海面目标检测方法。1.2基于模型的方法
基于显著图的视觉注意模型[7-9]、活动轮廓模型[10]、计算模型[11][12]等模型可以应用于海面目标检测。周伟等人提出利用多尺度相位谱构建显著性图,并利用阈值法分割出显著性高的感兴趣区域,然后对每个提取的感兴趣区域进行对二次处理[7]。首先,利用估计的阈值对进行二值化分割,阈值估计可以根据窗口各区间平均亮度的有序统计量来估计。然后,分别提取平均显著性、形状复杂度和空间扩展特征。最后,利用最近邻分类规则得到检测结果。此外,周伟等人还提出了一种改进的显著图方法来提取感兴趣的对象。首先,通过分析图像的光谱残差计算图像的显著图,然后使用全局竞争机制和返回抑制策略来控制关注点以搜索显著图[9]。文献[8]提出了视觉皮层中的显著性计算模型,该模型主要基于局部显著性计算最大化采样信息的假设。该模型以计算模型为基础,将大量的视觉搜索行为表现为模型的紧急属性以及编码和信息传输的基本原则。实验结果表明,在两个不同的数据集上,固定预测模型比竞争模型更有效。Vard等人[10]在2010年提出了一种基于活动轮廓模型的目标检测方法。首先,提出了一种新的基于能量函数的自相关函数,可以检测复杂背景下小目标的活动轮廓模型。该方法利用从代表区域信息的图像像素中提取的短期自相关来计算图像特征。所获得的特征用于定义能量函数,称为归一化累积短期自相关(NASTA)。我们可以准确地检测出背景图像中有混淆和纹理的小物体。此外,该方法对对随机噪声具有很强的鲁棒性,能够准确定位噪声背景下肉眼难以检测到的小目标。
张等人[12]建议使用通用的基于歧视性零件的模型(GDPBM)来建立一个实用的目标检测框架。复杂结构对图像的地理空间探测已经探索了多年,但在高分辨率光学遥感图像的解译中仍是一项具有挑战性的任务。该方法主要针对旋转变化的地理空间对图像的检测。在所建立的模型中,任意方向的地理空间对图像由三个部分组成:外观特征、空间变形特征和旋转变形特征。基于模型的方法以严谨的数学理论为支撑,将检测问题简化为实际模型,具有很强的理论推导意义。然而,这种方法通常需要场景的一些先验知识,并且在对选择合适的模型参数具有一定的挑战性。