分別設(shè)為60%和30%。
[0075] 步驟4,非候選船只的分類。
[0076] 提取步驟3確定的真實(shí)船只的最小包圍矩形，最小包圍矩形中，真實(shí)船只區(qū)域外 的區(qū)域即非船只區(qū)域。真實(shí)船只區(qū)域隨機(jī)選取m個(gè)圖塊，將圖塊像素值作為正樣本。圖塊 大小和數(shù)量不做要求，可根據(jù)經(jīng)驗(yàn)和需求進(jìn)行選取，例如可隨機(jī)選取50個(gè)大小為5X5的圖 塊，或隨機(jī)選取60個(gè)大小為3X3的圖塊。非船只區(qū)域隨機(jī)選取m個(gè)圖塊，將其像素值作為 負(fù)樣本。將正樣本和負(fù)樣本輸入SVM(支持向量機(jī)）中進(jìn)行訓(xùn)練。
[0077] 在分割圖中，船只類像素值為1，非船只類像素值為0,利用該特性，利用訓(xùn)練的 SVM分類器對(duì)第一非候選船只或第二非候選船只進(jìn)行分類，即可船只連通區(qū)域。對(duì)第一非候 選船只分類獲得的船只連通區(qū)域，判斷其凹凸度是否大于闊值S，若大于，該船只連通區(qū)域 即候選船只，否則為第一非候選船只。對(duì)第二非候選船只分類獲得的船只連通區(qū)域，判斷 其大小是否在預(yù)設(shè)范圍[Cl,C2]內(nèi)，若在，該船只連通區(qū)域即候選船只，否則為第二非候選 船只。對(duì)候選船只執(zhí)行步驟3,對(duì)第一非候選船只或第二非候選船只繼續(xù)執(zhí)行本步驟，直至 不存在非候選船只。
[007引本發(fā)明能彌補(bǔ)由于線提取的不準(zhǔn)確所帶來的船只的漏檢；同時(shí)，本發(fā)明利用掩膜 確認(rèn)候選船只，減少錯(cuò)檢率。
[0079] 應(yīng)當(dāng)理解的是，對(duì)本領(lǐng)域普通技術(shù)人員來說，可W根據(jù)上述說明加W改進(jìn)或變換， 而所有該些改進(jìn)和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種基于線框模型的艦船提取方法，其特征在于，包括步驟： 51、 遙感影像的預(yù)處理，即對(duì)遙感影像依次進(jìn)行去噪、增強(qiáng)； 52、 對(duì)預(yù)處理后遙感影像進(jìn)行閾值分割獲得連通區(qū)域，提取原始遙感影像的線特征； 53、 基于連通區(qū)域和線特征，采用基于船頭結(jié)構(gòu)的船只模型在S2提取的線特征中提取 船只，獲得船只所在的連通區(qū)域，凹凸度大于閾值s的連通區(qū)域即第一候選船只，否則為第 一非候選船只，s為經(jīng)驗(yàn)值； 54、 采用由扇形掩膜和半圓掩膜組成的檢測(cè)掩膜確檢測(cè)第一候選船只，具體為： S4-1將扇形掩膜和半圓掩膜覆蓋到第一候選船只的二值圖像中，扇形掩膜的頂點(diǎn)位于 第一候選船只的船頭兩線特征的近船頭端點(diǎn)連線的中點(diǎn)，其半徑為船頭兩線特征的近船身 端點(diǎn)到頂點(diǎn)的距離的較大值，其兩邊分別與船頭兩線特征平行；半圓掩膜圓形為去掉了扇 形掩膜的半圓，其圓心位于頂點(diǎn)處，其半徑同扇形掩膜半徑，其對(duì)稱軸與扇形掩膜圓心角的 角平分線重合； S4-2令扇形掩膜與第一候選船只的重疊區(qū)域面積與扇形掩膜面積之比為rati〇1，令半 圓掩膜與第一候選船只的重疊區(qū)域面積與半圓掩膜面積之比為rati〇2, rati〇1大于n占 四1：；[〇2小于n 2的候選船只即真實(shí)船只，n丨和n 2分別為5〇%~9〇%和2〇%~5〇%內(nèi)取 值的經(jīng)驗(yàn)值； S5建立真實(shí)船只的最小包圍矩形，以最小包圍矩形中真實(shí)船只和真實(shí)船只以外區(qū)域的 像素值訓(xùn)練分類器，采用分類器對(duì)第一非候選船只進(jìn)行分類，獲得第一船只連通區(qū)域； S6判斷第一船只連通區(qū)域的凹凸度是否大于閾值S，若大于，該第一船只連通區(qū)域即 第一候選船只，否則為第一非候選船只；對(duì)本步驟獲得的第一候選船只執(zhí)行S4,對(duì)第一非 候選船只執(zhí)行S5,直至檢測(cè)不到第一非候選船只。2. 如權(quán)利要求1所述的基于線框模型的艦船提取方法，其特征在于： S3中，采用基于船頭結(jié)構(gòu)的船只模型在S2提取的線特征中提取船只，具體為： 遍歷S2提取的線特征，對(duì)當(dāng)前線特征所在連通區(qū)域的線特征進(jìn)行操作：找到與當(dāng)前線 特征的距離小于d且夾角為[ai，a 2]的線特征，該線特征與當(dāng)前線特征構(gòu)成船頭線段對(duì)； 若存在與船頭線段對(duì)中任一線特征的距離小于d且夾角為[0 p 0 2]的線特征，該線特征與 船頭線段對(duì)構(gòu)成船只；其中，[Q1, a 2]表示船頭夾角范圍，[01; 02]表示船頭和船身的夾 角范圍，d為經(jīng)驗(yàn)值，基于實(shí)驗(yàn)驗(yàn)證進(jìn)行取值。3. 如權(quán)利要求1所述的基于線框模型的艦船提取方法，其特征在于： S3還包括： 對(duì)第一候選船只船頭線段對(duì)以外的線特征，采用基于船身結(jié)構(gòu)的船只模型提取船只， 獲得船只所在的連通區(qū)域，大小在預(yù)設(shè)范圍內(nèi)的連通區(qū)域即第二候選船只，否則為第二非 候選船只，預(yù)設(shè)范圍根據(jù)經(jīng)驗(yàn)設(shè)定；其中，基于船身結(jié)構(gòu)的船只模型由（1)距離小于Cl 1且夾 角小于10度的線特征對(duì)以及（2)與線特征對(duì)中任一線特征距離小于(13且夾角為[0 i，0 2] 的線特征構(gòu)成，(M5Pd3為經(jīng)驗(yàn)值，[0 i，02]表示船頭和船身的夾角范圍。4. 如權(quán)利要求3所述的基于線框模型的艦船提取方法，其特征在于： 所述的采用基于船身結(jié)構(gòu)的船只模型提取船只具體為： 針對(duì)第一候選船只船頭線段對(duì)以外的線特征進(jìn)行，遍歷線特征，對(duì)當(dāng)前線特征所在連 通區(qū)域的線特征進(jìn)行操作：找到與當(dāng)前線特征的距離小于Cl1且夾角小于10度的線特征， 該線特征與當(dāng)前線特征構(gòu)成船身線段對(duì)；若存在與船身線段對(duì)中任一線特征距離小于d3 且夾角為[^，9 2]的線特征，該線特征與船身線段對(duì)構(gòu)成船只；其中，（M5Pd3為經(jīng)驗(yàn)值， [9 1，9 2]表不船頭和船身的夾角樞圍。5. 如權(quán)利要求1所述的基于線框模型的艦船提取方法，其特征在于： S3中，獲得船只所在的連通區(qū)域，具體為： 將船只的船頭線段對(duì)進(jìn)行膨脹，與膨脹后船頭線段對(duì)重疊面積最大的連通區(qū)域即船只 所在的連通區(qū)域。6. 如權(quán)利要求3所述的基于線框模型的艦船提取方法，其特征在于： 采用由扇形掩膜和半圓掩膜組成的檢測(cè)掩膜確檢測(cè)第二候選船只，具體為： 將扇形掩膜和半圓掩膜覆蓋到第二候選船只的二值圖像中，扇形掩膜的頂點(diǎn)位于第二 候選船只的船頭線特征的近船頭端點(diǎn)，其半徑為船頭線特征長度，其兩邊分別與（1)船頭 線特征以及（2)頂點(diǎn)與船頭線特征對(duì)側(cè)船身線特征近船頭端點(diǎn)的連線重合；半圓掩膜圓形 為去掉了扇形掩膜的半圓，其圓心位于頂點(diǎn)處，其半徑同扇形掩膜半徑，其對(duì)稱軸與扇形掩 膜圓心角的角平分線重合； 令扇形掩膜與第二候選船只的重疊區(qū)域面積與扇形掩膜面積之比為rati〇1，令半圓 掩膜與第二候選船只的重疊區(qū)域面積與半圓掩膜面積之比為rati〇2, rati〇1大于n :且 四1：；[〇2小于n 2的候選船只即真實(shí)船只，n丨和n 2分別為5〇%~9〇%和2〇%~5〇%內(nèi)取 值的經(jīng)驗(yàn)值。7. 如權(quán)利要求3所述的基于線框模型的艦船提取方法，其特征在于： 當(dāng)同時(shí)存在提取了第一非候選船只和第二非候選船只時(shí)，采用分類器對(duì)第一非候選船 只或第二非候選船只進(jìn)行分類，獲得第一船只連通區(qū)域或第二船只連通區(qū)域。8. 如權(quán)利要求7所述的基于線框模型的艦船提取方法，其特征在于： 判斷第二船只連通區(qū)域大小是否在預(yù)設(shè)范圍[Cl，C2]，若在，該第二船只連通區(qū)域即第 二候選船只，否則為第二非候選船只；對(duì)本次獲得的第二候選船只執(zhí)行S4,對(duì)第二非候選 船只執(zhí)行S5,直至檢測(cè)不到第二非候選船只。9. 如權(quán)利要求1或7所述的基于線框模型的艦船提取方法，其特征在于： 所述的分類器為SVM分類器。
【專利摘要】本發(fā)明提供了一種基于線框模型的艦船提取方法，包括步驟：S1、遙感影像的預(yù)處理、閾值分割和線提取；S2、利用船只模型檢測(cè)候選船只；S3、利用檢測(cè)掩膜驗(yàn)證候選船只；S4、利用SVM對(duì)非候選船只區(qū)域進(jìn)行再分類，然后重復(fù)S2~S3。本發(fā)明可減少漏檢率，提高船只檢測(cè)的查全率和準(zhǔn)確率；另外，本發(fā)明不受限于船只大小和紋理，能檢測(cè)出多種類型船只，適用范圍廣。
【IPC分類】G06K9/46, G06K9/62, G06T7/00
【公開號(hào)】CN104966295
【申請(qǐng)?zhí)枴緾N201510332404
【發(fā)明人】姚劍, 韓詩瑤, 張瑞倩, 魯小虎, 李禮, 李寅暄
【申請(qǐng)人】武漢大學(xué)
【公開日】2015年10月7日
【申請(qǐng)日】2015年6月16日