一种基于线框模型的舰船提取方法
【技术领域】
[0001] 本发明设及高分辨率遥感影像目标提取技术领域，特别是设及一种基于线框模型 的舰船提取方法。
【背景技术】
[0002] 为了更好的监控和管理近岸和离岸的船只，更有效地为军事作战提供信息，打击 非法捕鱼，船只提取的相关问题是当前亟待解决的问题。高分辨率遥感影像越来越多得被 用来做船只提取，但是目前船只提取方法主要存在问题；一般只能针对体积较大能够提取 纹理信息的船只进行有效提取，对于近岸的、处于复杂背景中的船只，则检测效果不佳。针 对该些问题，基于线特征的方法能够有效地解决。
[0003] 目前高分辨率遥感影像船只提取方法主要有基于纹理、基于显著性和基于线特征 的=类方法。
[0004] (1)基于纹理的方法
[0005] 由于船只和其背景有着不同的纹理，通过对纹理信息进行分析，能够提取出船只。 但是该种方法的前提条件是船只足够大，其纹理信息能被提取出来。对于体积小的、不能很 好地提取纹理的船只，该种方法不能得到很好的效果。
[0006] (2)基于显著性的方法
[0007] 由于船只和其背景像素值差异大，可W利用该个特性进行船只的提取。该种方法 对于离岸的散落分布的船只有效，对于近岸的密集分布的船只，该种方法不能得到令人满 意的结果。
[000引 （3)基于线特征的方法
[0009] 提出"V"船头模型，在线提取的基础上，找到满足"V"船头模型的线段对，再通过 船只的形状特征最终确定候选船只是否为船只真实。但是线提取有时候不能将构成船头的 两条线段提取出来，导致漏检。
【发明内容】
[0010] 针对现有技术存在的不足，本发明提供了一种可提高船只检测准确率、适用范围 广的一种基于线框模型的舰船提取方法。
[0011] 为解决上述技术问题，本发明采用如下的技术方案：
[0012] 一种基于线框模型的舰船提取方法，包括步骤：
[0013] S1、遥感影像的预处理，即对遥感影像依次进行去噪、增强；
[0014] S2、对预处理后遥感影像进行阔值分割获得连通区域，提取原始遥感影像的线特 征；
[0015] S3、基于连通区域和线特征，采用基于船头结构的船只模型在S2提取的线特征中 提取船只，获得船只所在的连通区域，凹凸度大于阔值S的连通区域即第一候选船只，否则 为第一非候选船只，S为经验值；
[0016] S4,采用由扇形掩膜和半圆掩膜组成的检测掩膜确检测第一候选船只，具体为：
[0017] S4-1将扇形掩膜和半圆掩膜覆盖到第一候选船只的二值图像中，扇形掩膜的顶点 位于第一候选船只的船头两线特征的近船头端点连线的中点，其半径为船头两线特征的近 船身端点到顶点的距离的较大值，其两边分别与船头两线特征平行；半圆掩膜圆形为去掉 了扇形掩膜的半圆，其圆屯、位于顶点处，其半径同扇形掩膜半径，其对称轴与扇形掩膜圆屯、 角的角平分线重合；
[0018] S4-2令扇形掩膜与第一候选船只的重叠区域面积与扇形掩膜面积之比为ratioi， 令半圆掩膜与第一候选船只的重叠区域面积与半圆掩膜面积之比为rati〇2,ratioi大于 111且ratio2小于n2的候选船只即真实船只，n1和n2分别为50%~90%和20%~50% 内取值的经验值；
[0019] S5建立真实船只的最小包围矩形，W最小包围矩形中真实船只和真实船只W外 区域的像素值训练分类器，采用分类器对第一非候选船只进行分类，获得第一船只连通区 域；
[0020] S6判断第一船只连通区域的凹凸度是否大于阔值S，若大于，该第一船只连通区 域即第一候选船只，否则为第一非候选船只；对本步骤获得的第一候选船只执行S4,对第 一非候选船只执行S5,直至检测不到第一非候选船只。
[0021] S3中，采用基于船头结构的船只模型在S2提取的线特征中提取船只，具体为：
[0022] 遍历S2提取的线特征，对当前线特征所在连通区域的线特征进行操作：找到与当 前线特征的距离小于d且夹角为[a1，a2]的线特征，该线特征与当前线特征构成船头线段 对；若存在与船头线段对中任一线特征的距离小于d且夹角为[0 1，0 2]的线特征，该线特 征与船头线段对构成船只；其中，[a。a2]表示船头夹角范围，[01，02]表示船头和船身 的夹角范围，d为经验值，基于实验验证进行取值。
[0023] S3还包括；
[0024] 对第一候选船只船头线段对W外的线特征，采用基于船身结构的船只模型提取船 只，获得船只所在的连通区域，大小在预设范围内的连通区域即第二候选船只，否则为第 二非候选船只，预设范围根据经验设定；其中，基于船身结构的船只模型由（1)距离小于 di且夹角小于10度的线特征对W及（2)与线特征对中任一线特征距离小于d3且夹角为 [9。9 2]的线特征构成，di和d3为经验值，[0。0 2]表不船头和船身的夹角化围；
[0025] 所述的采用基于船身结构的船只模型提取船只具体为：
[0026] 针对第一候选船只船头线段对W外的线特征进行，遍历线特征，对当前线特征所 在连通区域的线特征进行操作：找到与当前线特征的距离小于di且夹角小于10度的线特 征，该线特征与当前线特征构成船身线段对；若存在与船身线段对中任一线特征距离小于 ds且夹角为[0 1，02]的线特征，该线特征与船身线段对构成船只；其中，di和cU为经验值，
[9 1, 9 2]表不船头和船身的夹角化围。
[0027]S3中，获得船只所在的连通区域，具体为：
[002引将船只的船头线段对进行膨胀，与膨胀后船头线段对重叠面积最大的连通区域即 船只所在的连通区域。
[0029] 本发明还包括采用由扇形掩膜和半圆掩膜组成的检测掩膜确检测第二候选船只， 具体为：
[0030] 将扇形掩膜和半圆掩膜覆盖到第二候选船只的二值图像中，扇形掩膜的顶点位于 第二候选船只的船头线特征的近船头端点，其半径为船头线特征长度，其两边分别与（1) 船头线特征W及（2)顶点与船头线特征对侧船身线特征近船头端点的连线重合；半圆掩膜 圆形为去掉了扇形掩膜的半圆，其圆屯、位于顶点处，其半径同扇形掩膜半径，其对称轴与扇 形掩膜圆屯、角的角平分线重合；
[003U令扇形掩膜与第二候选船只的重叠区域面积与扇形掩膜面积之比为ratioi，令半 圆掩膜与第二候选船只的重叠区域面积与半圆掩膜面积之比为rati02,ratioi大于n1且 rati02小于n2的候选船只即真实船只，n1和n2分别为50%~90%和20%~50%内取 值的经验值。
[0032] 当同时存在提取了第一非候选船只和第二非候选船只时，采用分类器对第一非候 选船只或第二非候选船只进行分类，获得第一船只连通区域或第二船只连通区域。
[0033] 判断第二船只连通区域大小是否在预设范围[Cl,C,]，若在，该第二船只连通区域 即第二候选船只，否则为第二非候选船只；对本次获得的第二候选船只执行S4,对第二非 候选船只执行S5,直至检测不到第二非候选船只。
[0034] 上述所采用的分类器为SVM分类器。
[0035] 和现有技术相比，本发明具有如下优点和有益效果：
[0036] 1、可减少漏检率，提高船只检测的查全率和准确率。
[0037] 2、不受限于船只大小和纹理，能检测出多种类型船只，适用范围广。
【附图说明】
[003引图1是本发明实施例步骤1~3的流程图；
[0039] 图2是本发明实施例采用的船只模型示意图，其中，图（a)为基于船头结构的船只