基于 ObjectNess BING 的海面多舰船目标检测

摘要：

将一幅图像按照一个目标的大小进行缩放，然后计算其梯度特征，再对梯度特征进行标准化，二值化能够极大地提高目标候选区域的选择和检测计算效率，减少耗时。由于对海上舰船目标的检测是具有丰富角点的人造目标，对 ObjectNess 二值化标准梯度特征（binarized normed gradients，BING）方法中的目标候选区域提取算法进行改进，使其能够更加快速地进行候选区域的选择并保持较高的检测率。分析了海上多舰船目标的图像特征，提出了利用角点确定目标的候选基点，再利用 ObjectNess BING 检测模型训练获得的多目标尺寸进行候选区域的选择，对互联网上下载的多幅多舰船图像进行处理的结果表明，算法能够有效减少候选目标区域的数量并保持较高的检测概率。

关键词：ObjectNess 二值化标准梯度特征、角点检测、模板训练、海面舰船、目标检测

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61303192资助课题

在线出版日期：2016-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：14-20