基于视觉显著性的无监督海面舰船检测与识别

被引:53
作者
徐芳 [1 ,2 ]
刘晶红 [1 ]
曾冬冬 [1 ,2 ]
王宣 [1 ]
机构
[1] 中国科学院长春光学精密机械与物理研究所航空光学成像与测量重点实验室
[2] 中国科学院大学
关键词
计算机视觉; 舰船检测; 视觉注意机制; 显著性区域; 梯度方向特征;
D O I
暂无
中图分类号
TP751 [图像处理方法];
学科分类号
080201 [机械制造及其自动化];
摘要
在航天航空光学遥感舰船目标检测中,受大气、光照、云雾和海岛等海面不确定条件的影响,传统的舰船检测方法存在检测效率低和可靠性差等问题,因此,本文提出一种无监督海面舰船目标自动检测方法。该方法以视觉显著性为依据,结合多显著性检测模型快速搜索海面目标,生成显著图后对其进行粗分割,对提取的目标切片做标记并进行精细分割,利用改进的Hough变换旋转目标主轴以保证目标对Y轴的对称性;对可能检测到的厚重云层和岛屿等伪目标使用梯度方向特征进行鉴别,通过判定目标在360°范围内8个区间的梯度幅度统计值,确认舰船目标及去除伪目标。实验结果表明,该舰船检测方法能够成功提取海面上大小不同,位置随机分布的舰船目标,准确获取舰船目标的数量和位置信息,在大量真实光学遥感图像上的测试结果显示,本文方法检测准确率高于93%,通过目标鉴别处理,剔除伪目标后,虚警率可低于4%,鲁棒性较强。
引用
收藏
页码:1300 / 1311
页数:12
相关论文
共 8 条
[1]
基于空频域结合的显著目标检测 [J].
杜慧 ;
张涛 ;
张叶 ;
穆绍硕 .
液晶与显示, 2016, 31 (09) :913-920
[2]
全景海域图像中的圆形海天线提取 [J].
苏丽 ;
庞迪 .
光学精密工程, 2015, 23 (11) :3279-3288
[3]
采用图像块对比特性的红外弱小目标检测 [J].
王刚 ;
陈永光 ;
杨锁昌 ;
高敏 ;
戴亚平 .
光学精密工程, 2015, 23 (05) :1424-1433
[4]
SAR图像目标识别新方法 [J].
王丽 ;
魏巍 ;
吴林钢 ;
王灿进 .
液晶与显示, 2014, 29 (03) :429-434
[5]
融合对比度和分布性的图像显著性区域检测 [J].
张颖颖 ;
张帅 ;
张萍 ;
卢成 .
光学精密工程, 2014, (04) :1012-1019
[6]
Landsat TM遥感影像中厚云和阴影去除 [J].
李炳燮 ;
马张宝 ;
齐清文 ;
刘高焕 .
遥感学报, 2010, 14 (03) :534-545
[7]
A remote sensing ship recognition method based on dynamic probability generative model[J] Weiya Guo;Xuezhi Xia;Wang Xiaofei Expert Systems With Applications 2014,
[8]
Graph-based visual saliency Harel J;Koch C;Perona P; Neural Information Processing Systems 2006,