![](https://csdnimg.cn/release/download_crawler_static/85774178/bgd.jpg)
光学遥感图像舰船目标检测技术的研究
6
阈值 ROI 提取算法的核心思想是设置一个固定阈值对遥感图像进行分割,
以获得感兴趣的区域。该方法计算简单、速度快,但是目标检测的准确率较低,
尤其对于复杂背景的遥感图像,易存在大量的虚警信息。分布模型 ROI 提取算
法是通过单像素的灰度值与设定阈值进行比较,从而来判断该像素是否属于感兴
趣区域。该方法比较稳定且对于复杂海洋背景也能得到较好的效果,但是需要统
计每个像素点,对于光学遥感图像具有海量信息的情况时,其计算复杂度和计算
量还是非常大的。分形模型 ROI 提取算法受人造物体和自然物体在分形特征上
存在显著差异启发,通过设定合适的阈值来区分舰船目标和海洋背景在分形维数
上的不同,来确定舰船目标的候选区域。文献[12]提出了一种多尺度分形的舰船
目标检测方法,该方法稳定性好且好于上述两种方法,但该方法利用的特征较少、
易产生虚警。视觉显著性的 ROI 提取算法是基于人眼视觉系统演变而来,人类
视觉具有选择注意的特性,能够快速把注意力聚焦到图像中自己感兴趣的区域,
并很容易把注意力放在与周围背景形成鲜明对比的地方,这就是所谓的显著区域。
受视觉显著模型的启示,文献[
13
]利用视觉显著性方法对目标的候选区域进行检
测,该方法通过多特征融合的方法,有效避免了单一特征检测效果不理想的情况,
同时提高了检测精度和速度。
(4) 目标特征提取技术
舰船目标特征提取是为了判断
ROI
区域是否为真正的舰船目标,从而将目
标检测问题转换为目标分类问题。传统的舰船目标特征有:尺寸、形状、灰度和
纹理等特征,具体包括长、宽、长宽比、面积、角点数、灰度和纹理统计特征等。
此外还有利用舰船尾迹来检测舰船目标如文献[10][14],这种方法存在一定局限
性,对于静止的舰船目标该特征则不能被利用。在确认舰船目标过程中,单一特
征起到的作用往往并不是十分理想,通常采用的是多特征联合方法去虚警,如文
献[
1
]采用提取舰船目标灰度和纹理特征相结合的方法,文献[
15
]提取了舰船目
标的轮廓、长宽比和平行线等特征,文献[16]针对舰船目标采用了小波特征、局
部多值模式(
Local multiple patterns, LMP
)特征、纹理特征和形状特征实现去虚警。
还有采用更多层次的高维特征,如法国的 IRD 系统对检测到的每一个对象提取
了
28
维特征,其中灰度特征有:均值、标准差、方差、最小值和最大值等,形
状特征有:长度、宽度、长宽比、周长、面积、紧凑度和纹理特征等
[2]
。研究表
明,并不是提取的特征越多越好,只有选取合适的特征进行融合,才能起到事半
功倍的效果。
在整个舰船目标检测过程中,应该注意整个流程的合理分配,不同模块之间
相互配合。通过调整检测精度、计算复杂度和测试效率三者之间的关系,以达到
无论在检测时间和精度上都能取得最佳检测效果的目的。在
ROI
区域检测过程
中要尽可能保证待检测目标有低的漏警率,而在舰船目标确认阶段要努力控制好
万方数据