一种基于海面红外遥感图像的舰船检测方法

摘要

本发明公开了一种基于海面红外遥感图像的舰船检测方法，包括如下步骤：将红外遥感图像划分、量化得到红外遥感图像量化子块；对每一个红外遥感图像量化子块，统计得到红外遥感图像量化子块的温度分布；根据红外遥感图像量化子块的温度频数分布集中度，将红外遥感图像量化子块划分为三类场景；对处于无明显遮挡、薄云雾遮挡场景的红外遥感图像量化子块，通过统计温度频数的累积分布，确定海上目标；对处于厚云遮挡场景的红外遥感图像量化子块，对其中的所有像素点进行圆周滤波，确定海上目标。通过本发明，大大提高了在不同海上场景下红外遥感图像舰船的检测准确性。

权利要求

1.一种基于海面红外遥感图像的舰船检测方法，包括如下步骤：

(1)将红外遥感图像划分为多个红外遥感图像子块，并对红外遥感图像子块线性量化得到红外遥感图像量化子块；

(2)对每一个红外遥感图像量化子块，统计得到红外遥感图像量化子块的温度分布；

(3)根据红外遥感图像量化子块的温度频数分布集中度，将红外遥感图像量化子块划分为无明显遮挡、薄云雾遮挡、厚云遮挡3类场景；

(4)对处于无明显遮挡、薄云雾遮挡场景的红外遥感图像量化子块，通过统计温度频数的累积分布，确定海上舰船目标；

(5)对处于厚云遮挡场景的红外遥感图像量化子块，对其中的所有像素点进行圆周滤波，确定海上舰船目标。

2.如权利要求1所述的方法，所述步骤(1)中，对红外遥感图像子块，将其像素值的位宽线性量化至8比特。

3.如权利要求1所述的方法，所述步骤(2)中，计算红外遥感图像量化子块的温度分布的第k百分位数t1和第(100-k)百分位数t2，k为小于10的正整数，并按公式(1)计算红外遥感图像量化子块的温度分布集中度β；

。

4.如权利要求3所述的方法，所述步骤(3)中，按β＞85％、65％≤β≤85％、65％＜β将红外遥感图像量化子块划分为无明显遮挡、薄云雾遮挡、厚云遮挡3类场景。

5.如权利要求4所述的方法，对处于无明显遮挡场景的红外遥感图像量化子块，将温度频数的累积分布小于第一阈值的所有像素点作为海上目标的像素点；

对薄云雾遮挡场景的红外遥感图像量化子块，将温度频数的累积分布小于第二阈值的所有像素点作为海上目标的像素点。

6.如权利要求1所述的方法，所述步骤(5)中，对处于厚云遮挡场景的红外遥感图像量化子块，按公式(2)对其中所有像素点(x,y)进行圆周滤波，将圆周滤波f(x,y)大于第三阈值的像素点视为海上目标的像素点；

在公式(2)中，fk表示红外遥感图像量化子块中以像素点(x,y)为中心、以r为半径的圆周上逆时针方向像素的灰度值，其中，N为圆周采样点数。

7.如权利要求1所述的方法，所述步骤(5)还包括：对确定得到的所有海上目标，按公式(3)和公式(4)计算其长宽比、矩形度，排除长宽比小于第四阈值、矩形度小于第五阈值的目标，得到海上目标；

在公式(3)和(4)中，L和W分别为确定得到的海上目标外接矩的长与宽，Sship为确定得到的海上目标的面积，而Srect为确定得到的海上目标外接矩的面积。

8.如权利要求3所述的方法，k取值为1、2、3、4、5。

9.如权利要求1所述的方法，所述步骤(1)中，将红外遥感图像划分为M×M像素大小的红外遥感图像子块，M取值为256至2048区间的任一整数。

10.一种计算机可读存储介质，该计算机可读存储介质存储有多条计算机程序指令，通过执行所述多条计算机程序指令，执行权利要求1-9之一所述的方法。

说明书

一种基于海面红外遥感图像的舰船检测方法

技术领域

[0001] 本发明涉及一种遥感图像海上检测方法，尤其涉及一种基于海面场景分类的红外遥感图像海上检测方法，属于数字图像处理技术领域。

背景技术

[0002] 我国海域十分广阔，拥有较长的海岸线，海洋安全对我国国防安全和国民经济建设均具有非常重要的意义。此外，我国当前正在实施“一路一带”发展战略，利用航天侦察遥感图像进行舰船检测将在维护海洋安全方面发挥重要作用。遥感图像舰船检测可有效监测“两洋四海”区域内的舰船，在维护航道安全、监督海洋专属经济区，减少纠纷等方面发挥举足轻重的作用；在民用上，遥感图像舰船检测在海上交通管制、海洋环境监测，打击非法捕捞、走私和偷渡中发挥重要作用。

[0003] 红外传感器利用目标与环境的热辐射差异成像，温度灵敏度高、动态范围大、空间分辨率高、透雾能力强、可昼夜工作。随着我国高分辨率对地观测系统重大专项的实施，红外遥感图像获取技术迎来了新的发展机遇，可获取越来越多的高分辨率、全天时红外遥感图像。如何红外遥感图像中快速准确检测出舰船目标，已经成为迫切需要解决的一个技术问题。

[0004] 与可见光、SAR图像舰船检测相比，当前红外遥感图像舰船检测研究相对较少，其方法主要分为基于视觉感知机理、基于图像灰度统计两类方法。其中，基于视觉感知机理的方法主要有基于选择性注意机制、基于视觉显著度模型和视觉非对称机制的方法，该类方法容易受光照、天气、海况的干扰，适应性差；基于图像灰度统计的方法主要从对比度、梯度、边缘、方差等等灰度信息检测舰船，对不同类型的海面场景适应性差。因此，如何对海面场景进行分类，按类进行舰船检测已成为提高舰船检测准确性的关键途径。

[0005] 在此背景下，研究一种基于海面场景分类的红外遥感图像舰船检测方法，针对不同场景设计不同类型的检测算子，对实现不同场景下红外遥感图像舰船的准确检测显得尤为重要。

发明内容

[0006] 为解决上述技术问题，本发明提供了一种基于海面场景分类的红外遥感图像海上目标检测方法，包括如下步骤：

[0007] (1)将红外遥感图像划分为多个红外遥感图像子块，并对红外遥感图像子块线性量化得到红外遥感图像量化子块；

[0008] (2)对每一个红外遥感图像量化子块，统计得到红外遥感图像量化子块的温度分布；

[0009] (3)根据红外遥感图像量化子块的温度频数分布集中度，将红外遥感图像量化子块划分为无明显遮挡、薄云雾遮挡、厚云遮挡3类场景；

[0010] (4)对处于无明显遮挡、薄云雾遮挡场景的红外遥感图像量化子块，通过统计温度频数的累积分布，确定海上目标；

[0011] (5)对处于厚云遮挡场景的红外遥感图像量化子块，对其中的所有像素点进行圆周滤波，确定海上目标。

[0012] 根据本发明的实施例，优选的，所述步骤(1)中，对红外遥感图像子块，将其像素值的位宽线性量化至8比特。

[0013] 根据本发明的实施例，优选的，所述步骤(2)中，计算红外遥感图像量化子块的温度分布的第k百分位数t1和第(100-k)百分位数t2，k为小于10的正整数，并按公式(1)计算红外遥感图像量化子块的温度分布集中度β；

[0014]

[0015] 根据本发明的实施例，优选的，所述步骤(3)中，按β＞85％、65％≤β≤85％、65％＜β将红外遥感图像量化子块划分为无明显遮挡、薄云雾遮挡、厚云遮挡3类场景。

[0016] 根据本发明的实施例，优选的，对处于无明显遮挡场景的红外遥感图像量化子块，将温度频数的累积分布小于第一阈值的所有像素点作为海上目标的像素点；

[0017] 对薄云雾遮挡场景的红外遥感图像量化子块，将温度频数的累积分布小于第二阈值的所有像素点作为海上目标的像素点。

[0018] 根据本发明的实施例，优选的，所述步骤(5)中，对处于厚云遮挡场景的红外遥感图像量化子块，按公式(2)对其中所有像素点(x,y)进行圆周滤波，将圆周滤波f(x,y)大于第三阈值的像素点视为海上目标的像素点；

[0019]

[0020] 在公式(2)中，fk表示红外遥感图像量化子块中以像素点(x,y)为中心、以r为半径的圆周上逆时针方向像素的灰度值，其中，N为圆周采样点数。

[0021] 根据本发明的实施例，优选的，所述步骤(5)还包括：对确定得到的所有海上目标，按公式(3)和公式(4)计算其长宽比、矩形度，排除长宽比小于第四阈值、矩形度小于第五阈值的目标，得到海上目标。

[0022]

[0023]

[0024] 在公式(3)和(4)中，L和W分别为确定得到的海上目标外接矩的长与宽，Sship为确定得到的海上目标的面积，而Srect为确定得到的海上目标外接矩的面积。

[0025] 根据本发明的实施例，优选的，k取值为1、2、3、4、5。

[0026] 根据本发明的实施例，优选的，所述步骤(1)中，将红外遥感图像划分为M×M像素大小的红外遥感图像子块，M取值为256至2048区间的任一整数。

[0027] 为解决上述技术问题，本发明提供了一种计算机可读存储介质，该计算机可读存储介质存储有多条计算机程序指令，通过执行所述多条计算机程序，执行上述权利要求1-9之一所述的方法。

附图说明

[0028] 此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

[0029] 图1为根据本发明实施例的红外遥感图像海上目标检测方法流程图。

具体实施方式

[0030] 以下结合说明书附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明，并且在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

[0031] 下面结合附图，对本发明所提供的基于海面场景分类的红外遥感图像海上目标检测方法的具体实施步骤进行详细的说明。如图1所示，对红外遥感图像，依次通过如下的步骤可以准确提取不同场景中的海上目标：

[0032] (1)按M×M像素大小对红外遥感图像进行划分，得到红外遥感图像子块。

[0033] 通常，一景标准红外遥感图像的尺寸很大，往往大于10000×10000像素。考虑到大尺寸红外遥感图像中不同区域的场景往往不同，本发明将其划分为M×M像素大小红外遥感图像子块。同时，子块划分也有利用对海上目标检测进行并行处理。在本发明中，根据不同的应用特点，M可以取值为256至2048区间的任一整数。

[0034] (2)对红外遥感图像子块，将其像素值的位宽线性量化至8比特，得到红外遥感图像量化子块。

[0035] 通常，红外遥感图像各像素值的位宽大于8比特。为了对高效地检测其中的海上目标，本发明将红外遥感图像子块的位宽量化为8比特。对于任一红外遥感图像子块，假设其最大像素值为a，最小像素值为b，则通过下式将其中像素I(i,j)量化至8比特I8b(i,j)，其中，i与j为图像的行号和列号：

[0036]

[0037] (3)对每一个红外遥感图像子块，统计其温度直方图，得到红外遥感图像量化子块的温度分布。

[0038] (4)计算红外遥感图像量化子块的温度分布的第k百分位数t1和第(100-k)百分位数t2，并按公式(1)计算红外遥感图像量化子块的温度分布集中度β。

[0039]

[0040] 在本发明中，根据不同卫星红外传感器成像的差异，考虑到舰船在整幅红外遥感图像中所占像素点数量较少，因此，k可以取值为1、2、3、4、5。

[0041] (5)按β＞85％、65％≤β≤85％、65％＜β将红外遥感图像量化子块划分为无明显遮挡、薄云雾遮挡、厚云遮挡3类场景。

[0042] 当β＞85％时，红外遥感图像量化子块中所有像素取值波动较小，表明该子块中所有像素的温度分布非常集中，这种统计特性的红外遥感图像量化子块对应于无明显遮挡的海面场景；当65％≤β≤85％时，表明该子块中所有像素的温度分布存在较小程度的波动，这种波动通常是由于薄云雾遮挡所造成的，因此将子块划分为薄云雾遮挡场景；当65％＜β时，表明该子块中所有像素的温度分布存在较大的波动，这种波动通常是由于厚云遮挡所造成的，因此将子块划分为厚云遮挡场景。

[0043] (6)对处于无明显遮挡、薄云雾遮挡场景的红外遥感图像量化子块，对其直方图中的温度频数从小至大排序，再统计温度频数的累积分布；

[0044] 所述温度频数就是代表检测目标的温度出现的次数。一般而言，红外遥感图像中绝大部分区域是海水与云，而海上目标只占其中非常少区域。由于海上目标与海水和厚云的温度存在一定的差异，因此统计红外遥感图像量化子块的温度频数，频数较小的像素点可视为海上目标的像素点。

[0045] (7)对处于无明显遮挡场景的红外遥感图像量化子块，将温度频数的累积分布小于δ1的所有像素点视为海上目标的像素点，对薄云雾遮挡场景的红外遥感图像量化子块，将累积分布小于δ2的所有像素点视为海上目标的像素点；

[0046] 在本发明中，经大量实验发现，δ1取值优选0.01，δ2取值优选0.02。

[0047] (8)对处于厚云遮挡场景的红外遥感图像量化子块，按公式(2)对其中所有像素点(x,y)进行圆周滤波，将圆周滤波f(x,y)大于δ3的像素点视为海上目标的像素点；

[0048]

[0049] 在公式(2)中，fk(k＝0,...,N-1)表示红外遥感图像量化子块中以像素点(x,y)为中心、以r为半径的圆周上逆时针方向像素的灰度值，N为圆周的采样点数。在本发明中，经大量实验发现，δ3取值优选20，r的取值与检测目标在遥感图形中的大小相关，根据检测目标在遥感图形中的大小确定采样圆周的半径r。

[0050] (9)对检测出来的所有海上目标，按公式(3)和公式(4)计算其长宽比、矩形度，排除长宽比小于δ4、矩形度小于δ5的目标，得到海上目标。

[0051]

[0052]

[0053] 在公式(3)和(4)中，L和W分别为提取海上目标外接矩的长与宽，Sship为提取海上目标的面积，而Srect为海上目标外接矩的面积。在本发明中，经大量实验发现，δ4取值优选2，δ5取值优选0.65。

[0054] 针对本发明提出的目标轮廓提取方法，测试本发明对不同场景的适应性，分别采用无明显遮挡、薄云雾遮挡、厚云遮挡场景的海上目标进行测试。实验结果表明，本发明方法可以准确检测无明显遮挡、薄云雾遮挡、厚云遮挡场景中海上目标。

[0055] 本发明所提供的基于海面场景分类的红外遥感图像海上目标检测方法主要是为提高红外遥感图像中海上目标检测的场景适应性和准确性而专门提出的。但显然，本说明书中所描述的海上目标检测方法也适用于其它成像设备如数码相机所拍摄图像的海上目标检测操作，所取得的有益效果也是相似的。

[0056] 以上对本发明所提供的基于海面场景分类的红外遥感图像海上目标检测方法进行了详细的说明，但显然本发明的范围并不局限于此。在不脱离所附权利要求书所限定的保护范围的情况下，对本发明的各种改变都在本发明的范围之内。

[0057] 本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施方式中所述的海上目标的检测步骤。

[0058] 所述检测方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施方式方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现上述各个方法实施方式的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

[0059] 在本发明所提供的几个具体实施方式中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的终端实施方式仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

[0060] 另外，在本发明各个实施例中的各功能模块可以集成在相同处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在相同模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

[0061] 对于本领域技术人员而言，显然本发明实施例不限于上述示范性实施例的细节，而且在不背离本发明实施例的精神或基本特征的情况下，能够以其他的具体形式实现本发明实施例。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明实施例的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明实施例内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统、装置或终端权利要求中陈述的多个单元、模块或装置也可以由同一个单元、模块或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

[0062] 最后应说明的是，以上实施方式仅用以说明本发明实施例的技术方案而非限制，尽管参照以上较佳实施方式对本发明实施例进行了详细说明，本领域的普通技术人员应当理解，可以对本发明实施例的技术方案进行修改或等同替换都不应脱离本发明实施例的技术方案的精神和范围。