复杂海背景下的自适应舰船目标检测
光学遥感图像海面舰船目标检测易受云雾、海岛、海杂波、阴影等多种复杂因素的干扰.同时,由于卫星遥感图像的幅宽较大,若需要满足实时检测和硬件移植的需求,还要考虑算法的计算量和可移植性.鉴于实际工程的需要,本文提出了一种基于视觉显著性适用于复杂背景下的自适应舰船目标快速定位与检测方法.本算法首先基于图像梯度自适应获取全局最优尺度,通过谱残差显著性模型获得全局显著性区域.对于显著区域局部存在全局阈值分割效果不佳的区域(称为复杂区域),本文通过设计轮廓等形状特征来筛选出局部复杂区域,并对其进一步计算显著图,之后将处理结果与原显著图进行融合,获取最终的疑似区域提取结果.最后使用支持向量机对候选区域进行进一步判别.结果表明,本文算法可以有效检测出复杂背景下不同尺寸和方向的舰船目标区域,算法检测正确率为91.4%,召回率为91.2%,优于大多数同类算法,接近深度学习算法精度.同时在算法体量上,本文算法的计算量和参数量远远低于大多数深度学习框架,更适合硬件移植,同时算法的迁移性更强,易于修改和维护.
图像处理、目标检测、视觉显著性、特征提取、多尺度分析、自适应阈值
37
TP391.4(计算技术、计算机技术)
国家自然科学基金No.61801455
2022-05-11(万方平台首次上网日期,不代表论文的发表时间)
共10页
405-414