一种海上目标检测方法、装置及设备与流程

本申请涉及船舰目标检测技术领域，特别是涉及一种海上目标检测方法、装置及设备。

背景技术：

我国拥有广阔的海岸线、海域以及丰富的海洋资源，随着经济不断发展，海上舰船数量越来越多，舰船检测有着迫切的实际需求。并且，周边国家和地区的舰船、民船等时常非法进入我国合法海域从事测量、监听和捕捞等活动，使得国家海上安全受到严重威胁，因此对合法海域范围内的检测具有十分重要的意义。

目前，对船舰、民船等海上目标的检测主要基于sar(syntheticapertureradar，合成孔径雷达)、ir等卫星遥感图像，卫星与地面距离过远，使得图像传输至地面的耗时长，图像数据不能实时更新，导致无法及时对海上出现的船只进行检测，另一方面，卫星遥感在雷雨多云天气无法清晰拍摄海面图像，导致恶劣海面环境下的船只目标识别正确率降低。

因此，如何解决上述技术问题应是本领域技术人员重点解决的。

技术实现要素：

本申请的目的是提供一种海上目标检测方法、装置及设备，提升检测的准确度和速度。

为解决上述技术问题，本申请提供一种海上目标检测方法，包括：

获取包括待检测目标的待识别图像，所述待识别图像由搭载于飞行设备上的相机采集；

提取所述待识别图像中所述待检测目标的特征，并根据所述特征确定所述待检测目标的类型。

可选的，在所述提取所述待识别图像中所述待检测目标的特征之前，还包括：

对所述待识别图像进行去雾处理，得到去雾后图像；

相应的，所述提取所述待识别图像中所述待检测目标的特征包括：

提取所述去雾后图像中所述待检测目标的特征。

可选的，提取所述待识别图像中所述待检测目标的特征，并根据所述特征确定所述待检测目标的类型包括：

提取所述待识别图像中的目标二进制特征，并对所述目标二进制特征进行描述，得到目标二进制描述子；

将所述目标二进制描述子词袋化，得到第一词袋，并将所述第一词袋与第一预设词袋库中的二进制词袋分别进行匹配，得到第一概率；其中，所述第一预设词袋库为二进制词袋与对应的目标类型的词袋库；

判断所述第一概率是否超过预设概率阈值；

若所述第一概率超过所述预设概率阈值，则统计与所述二进制词袋对应的所述目标类型；

判断所述目标类型的种类数量是否为1；

若所述种类数量为1，则确定所述待检测目标的类型为所述目标类型；

若所述种类数量不为1，则对所述第一词袋再次进行匹配。

可选的，所述对所述第一词袋再次进行匹配包括：

提取所述待识别图像中的目标sift特征，并对所述目标sift特征进行描述，得到目标sift描述子；

将所述目标sift描述子词袋化，得到第二词袋，并将所述第二词袋与第二预设词袋库中的sift词袋分别进行匹配，得到第二概率；其中，所述第二预设词袋库为sift词袋与对应的目标类型的词袋库；

判断所述第二概率是否超过所述预设概率阈值；

若所述第二概率超过所述预设概率阈值，则统计与所述sift词袋对应的所述目标类型；

判断所述目标类型的种类数量是否为1；

若所述种类数量为1，则确定所述待检测目标的类型为所述目标类型；

若所述种类数量不为1，则确定所述待检测目标的类型检测失败。

可选的，所述提取所述待识别图像中的目标二进制特征包括：

粗提取所述待识别图像中的特征，并对所述特征进行筛选得到筛选后特征；

去除所述筛选后特征中的第一预设数量的特征，得到处理后特征；

将所述待识别图像按等比数列进行缩放，得到多幅缩放后图像；

将每幅所述缩放后图像中的所述处理后特征的总和作为所述待识别图像中的待处理二进制特征；

确定所述待处理二进制特征的方向，得到所述目标二进制特征。

可选的，所述对所述目标二进制特征进行描述，得到目标二进制描述子包括：

对所述待识别图像进行高斯平滑处理，得到平滑后图像；

在所述平滑后图像中，在所述目标二进制特征处取预设面积的邻域，并在所述邻域中选取第二预设数量个像素点对，每个所述像素点对包括第一点和第二点；

比较每个所述像素点对中所述第一点的灰度值与所述第二点的灰度值，得到二进制串；

根据所述二进制串得到所述目标二进制描述子。

可选的，所述第一预设词袋库的建立过程包括：

获取多幅已知目标类型的图像，并根据目标类型对所述图像进行分类；

提取每一类中的每幅所述图像的二进制特征，并对所述二进制特征进行描述，得到二进制描述子；

将同一类中所有所述图像的同一所述二进制描述子词袋化，得到所述二进制词袋；

将每一类中的所述二进制词袋与目标类型进行关联，得到所述第一预设词袋库。

可选的，所述将同一类中所有所述图像的同一所述二进制描述子词袋化，得到所述二进制词袋包括：

统计同一类中每幅所述图像中所述二进制特征的第一比例；

统计同一所述二进制特征在同一类的所有所述图像中的第二比例；

将所述二进制描述子与对应的所述第二比例进行关联，得到所述二进制词袋。

本申请还提供一种海上目标检测装置，包括：

获取模块，用于获取包括待检测目标的待识别图像，所述待识别图像由搭载于飞行设备上的相机采集；

确定模块，用于提取所述待识别图像中所述待检测目标的特征，并根据所述特征确定所述待检测目标的类型。

本申请还提供一种海上目标检测设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现上述任一种所述海上目标检测方法的步骤。

本申请所提供的一种海上目标检测方法，包括：获取包括待检测目标的待识别图像，所述待识别图像由搭载于飞行设备上的相机采集；提取所述待识别图像中所述待检测目标的特征，并根据所述特征确定所述待检测目标的类型。

可见，本申请中的海上目标检测方法通过获得由搭载于飞行设备上的相机采集的待识别图像，对待识别图像中待检测目标的特征进行提取，从而确定待检测目标的类型，由于飞行设备与地面的距离较近，因此传输待识别图像的距离明显缩短，大大缩短图像传输时间，从而可以实时更新获得的待识别图像；并且，由于飞行设备与待识别目标的距离近，提升待识别图像的清晰度，使得待检测目标的特征更加明显，进而提升待检测目标的检测准确性。

此外，本申请还提供一种具有上述优点的检测装置及设备。

附图说明

为了更清楚的说明本申请实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例所提供的一种海上目标检测方法的流程图；

图2为本申请实施例所提供的一种根据待检测目标的特征确定待检测目标的类型的流程图；

图3为本申请实施例所提供的一种提取待识别图像中的目标二进制特征的流程图；

图4为本申请实施例所提供的一种描述目标二进制特征得到目标二进制描述子的流程图；

图5为本申请实施例所提供的另一种海上目标检测方法的流程图；

图6为本申请实施例提供的海上目标检测装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

正如背景技术部分所述，目前对海上目标的检测主要基于卫星遥感图像，卫星与地面距离过远，使得图像传输至地面的耗时长，图像数据不能实时更新，导致无法及时对海上出现的船只进行检测，另一方面，卫星遥感在雷雨多云天气无法清晰拍摄海面图像，导致恶劣海面环境下的船只目标识别正确率降低。

有鉴于此，本申请提供一种海上目标检测方法，请参考图1，图1为本申请实施例所提供的一种海上目标检测方法的流程图，该方法包括：

步骤s101：获取包括待检测目标的待识别图像，所述待识别图像由搭载于飞行设备上的相机采集。

飞行设备包括但不限于侦察机、歼击机、巡逻机、预警机、直升机。待识别图像为可见光图像。

优选地，相机中设置有防抖部件，以提升待识别图像的清晰度。

步骤s102：提取所述待识别图像中所述待检测目标的特征，并根据所述特征确定所述待检测目标的类型。

本申请中的海上目标检测方法通过获得由搭载于飞行设备上的相机采集的待识别图像，对待识别图像中待检测目标的特征进行提取，从而确定待检测目标的类型，由于飞行设备与地面的距离较近，因此传输待识别图像的距离明显缩短，大大缩短图像传输时间，从而可以实时更新获得的待识别图像；并且，由于飞行设备与待识别目标的距离近，提升待识别图像的清晰度，使得待检测目标的特征更加明显，进而提升待检测目标的检测准确性。

优选地，在所述提取所述待识别图像中所述待检测目标的特征之前，还包括：

对所述待识别图像进行去雾处理，得到去雾后图像；

相应的，所述提取所述待识别图像中所述待检测目标的特征包括：

提取所述去雾后图像中所述待检测目标的特征。

去雾处理的过程及方法可参见现有相关技术，本实施例中不在详细赘述。去雾后的图像清晰度更高，可以进一步提升检测的准确性。

下面对提取所述待识别图像中所述待检测目标的特征，并根据所述特征确定所述待检测目标的类型的过程进行具体阐述。作为一种可实施的方式，请参考图2，提取所述待识别图像中所述待检测目标的特征，并根据所述特征确定所述待检测目标的类型包括：

步骤s201：提取所述待识别图像中的目标二进制特征，并对所述目标二进制特征进行描述，得到目标二进制描述子。

步骤s202：将所述目标二进制描述子词袋化，得到第一词袋，并将所述第一词袋与第一预设词袋库中的二进制词袋分别进行匹配，得到第一概率；其中，所述第一预设词袋库为二进制词袋与对应的目标类型的词袋库。

将目标二进制描述子词袋化的过程与已知目标类型的图像中的二进制描述子进行词袋化过程一致，请参考下文对已知目标类型的图像中的二进制描述子进行词袋化过程。

具体的，所述第一预设词袋库的建立过程包括：

步骤s2021：获取多幅已知目标类型的图像，并根据目标类型对所述图像进行分类。

具体的，目标类型包括但不限于各种类型的民用船只、巡洋舰、航空母舰、驱逐舰、战列舰、护卫舰。

步骤s2022：提取每一类中的每幅所述图像的二进制特征，并对所述二进制特征进行描述，得到二进制描述子。

可以理解的是，对已知目标类型的图像提取二进制特征、对二进制特征进行描述的过程与步骤s201中对待识别图像进行目标二进制特征的提取与描述过程相同，请参考下文对步骤s201中目标二进制特征的提取与描述过程的详细阐述。

步骤s2023：将同一类中所有所述图像的同一所述二进制描述子词袋化，得到所述二进制词袋。

具体的，所述将同一类中所有所述图像的同一所述二进制描述子词袋化，得到所述二进制词袋包括：

步骤s20231：统计同一类中每幅所述图像中所述二进制特征的第一比例。

需要说明的是，对每一类中的每幅图像提取的二进制特征种类相同，不同类别的图像中二进制特征的比例是不同的。相应的，对于待识别图像，提取的目标二进制特征的种类与已知类别的图像提取的二进制特征种类也相同。

步骤s20232：统计同一所述二进制特征在同一类的所有所述图像中的第二比例。

步骤s20233：将所述二进制描述子与对应的所述第二比例进行关联，得到所述二进制词袋。

步骤s2024：将每一类中的所述二进制词袋与目标类型进行关联，得到所述第一预设词袋库。

步骤s203：判断所述第一概率是否超过预设概率阈值。

需要说明的是，本申请中对预设概率阈值不做具体限定，可自行设置。例如，预设概率阈值可以为80％，90％，95％等等。

步骤s204：若所述第一概率超过所述预设概率阈值，则统计与所述二进制词袋对应的所述目标类型。

若第一概率没有超过预设概率阈值，则表明匹配失败。

步骤s205：判断所述目标类型的种类数量是否为1。

步骤s206：若所述种类数量为1，则确定所述待检测目标的类型为所述目标类型。

步骤s207：若所述种类数量不为1，则对所述第一词袋再次进行匹配。

超过预设概率阈值的第一概率的数量可能有多个，也即第一词袋匹配到多个二进制词袋，当多个二进制词袋对应的目标类型均为同一种，则可以确定待检测目标的类型，当多个二进制词袋对应的目标类型有多种，则不能确定待检测目标的类型，需再次进行匹配。

下面对提取待识别图像中的目标二进制特征的过程进行描述，请参考图3，包括：

步骤s2011：粗提取所述待识别图像中的特征，并对所述特征进行筛选得到筛选后特征。

具体的，在图像中任意选取一点，判断以该点为圆心，半径为3pixel(像素)的圆周上是否有连续的12个像素点的灰度值比该点大或小，若有，则该点为一个特征，本步可以得到大量的特征。

进一步地，用机器学习的方法进行筛选，即使用id3算法训练一个决策树，将特征点圆周上的16个像素值输入决策树，以此筛选出最优的特征，即得到筛选后特征。

步骤s2012：去除所述筛选后特征中的第一预设数量的特征，得到处理后特征。

具体的，使用非极大值抑制算法去除局部较密集的第一预设数量的特征，即计算每个特征和其周围的16个特征偏差的绝对值的和，设定一阈值，超过该阈值的特征保留，否则删除，得到处理后特征。本申请中对第一数量不做具体限定，视情况而定。

步骤s2013：将所述待识别图像按等比数列进行缩放，得到多幅缩放后图像。

具体的，设置一个比例因子s和一个缩放后图像的数量n，对于待识别图像i，则可生成缩放后图像i’＝i/(s^k)(k＝1,2,…,n)。

步骤s2014：将每幅所述缩放后图像中的所述处理后特征的总和作为所述待识别图像中的待处理二进制特征。

步骤s2015：确定所述待处理二进制特征的方向，得到所述目标二进制特征。

具体的，计算待处理特征一定半径范围内的质心，待处理特征到质心的向量作为该待处理特征的方向，得到目标二进制特征。其中，质心的计算通过矩来计算，具体过程已为本领域技术人员所熟知，此处不再详细赘述。

下面对对目标二进制特征进行描述，得到目标二进制描述子的过程进行描述，请参考图4，包括：

步骤s2016：对所述待识别图像进行高斯平滑处理，得到平滑后图像。

高斯平滑处理的过程已为本领域技术人员所熟知，此处不再详细赘述。

优选地，高斯平滑处理之后还包括：

计算二进制特征周围邻域的灰度平均值，并利用该灰度平均值代替二进制特征的灰度值，以增加抗噪性。

周围领域的大小可自行设置，例如，采用5×5的模板选取5×5邻域。

步骤s2017：在所述平滑后图像中，在所述目标二进制特征处取预设面积的邻域，并在所述邻域中选取第二预设数量个像素点对，每个所述像素点对包括第一点和第二点。

其中，预设面积的大小可自行设置，一般的，预设面积大小为31×31。第二预设数量视情况而定，例如，第二预设数量可以为128，256，或者512，一般选取256。

步骤s2018：比较每个所述像素点对中所述第一点的灰度值与所述第二点的灰度值，得到二进制串。

每个像素点对都是第一点p和第二点q，p的灰度值大，则取1，反之，则取0，结合在一起即得到二进制串。

以256个像素点对为例，在选取像素点对时，由于邻域内的256对像素点对有很多种取法，为了取到相关度最低的256个点对，则把所有取法列出，计算出相应的二进制串，作为列向量合成一个矩阵q，对q矩阵的每一列求取平均值，并按照平均值到0.5的距离大小重新排序，对于重新排序后的矩阵t，将矩阵t第一列作为基准放入结果矩阵r中，计算t矩阵中下一列向量与r中所有列向量的相关性，如果相关系数低于设定的阈值则将该列向量加到r中，直到找够256个。

步骤s2019：根据所述二进制串得到所述目标二进制描述子。

本实施例中通过提取二进制特征来确定待检测目标的类型，描述二进制特征得到的二进制描述子的占用空间小，且二进制描述子的计算过程极快，是尺度不变特征变换方法的100倍，因此有效提升确定目标检测类型的速度。

请参考图5，图5为本申请实施例所提供的另一种海上目标检测方法的流程图，包括：

步骤s301：获取包括待检测目标的待识别图像，所述待识别图像由搭载于飞行设备上的相机采集。

步骤s302：提取所述待识别图像中的目标二进制特征，并对所述目标二进制特征进行描述，得到目标二进制描述子。

步骤s303：将所述目标二进制描述子词袋化，得到第一词袋，并将所述第一词袋与第一预设词袋库中的二进制词袋分别进行匹配，得到第一概率；其中，所述第一预设词袋库为二进制词袋与对应的目标类型的词袋库。

步骤s304：判断所述第一概率是否超过预设概率阈值。

步骤s305：若所述第一概率超过所述预设概率阈值，则统计与所述二进制词袋对应的所述目标类型。

步骤s306：判断所述目标类型的种类数量是否为1。

步骤s307：若所述种类数量为1，则确定所述待检测目标的类型为所述目标类型。

步骤s308：若所述种类数量不为1，提取所述待识别图像中的目标sift特征，并对所述目标sift特征进行描述，得到目标sift描述子。

sift(scale-invariantfeaturetransform，尺度不变特征转换)特征提取以及描述的过程请参考现有相关技术，此处不再详细赘述。

步骤s309：将所述目标sift描述子词袋化，得到第二词袋，并将所述第二词袋与第二预设词袋库中的sift词袋分别进行匹配，得到第二概率；其中，所述第二预设词袋库为sift词袋与对应的目标类型的词袋库。

目标sift描述子进行词袋化的过程请参考现有相关技术，此处不再详细赘述。

步骤s310：判断所述第二概率是否超过所述预设概率阈值。

步骤s311：若所述第二概率超过所述预设概率阈值，则统计与所述sift词袋对应的所述目标类型。

步骤s312：判断所述目标类型的种类数量是否为1。

步骤s313：若所述种类数量为1，则确定所述待检测目标的类型为所述目标类型。

步骤s314：若所述种类数量不为1，则确定所述待检测目标的类型检测失败。

当根据二进特征不能确定待检测目标的类型时，进一步提取sift特征，sift特征在尺度方面的效果好，具有尺度不变性，所以第二词袋可以有效弥补第一词袋在尺度方面的不足，增强检测方法的鲁棒性和可靠性。

下面对本申请实施例提供的海上目标检测装置进行介绍，下文描述的海上目标检测装置与上文描述的海上目标检测方法可相互对应参照。

图6为本申请实施例提供的海上目标检测装置的结构框图，参照图6海上目标检测装置可以包括：

获取模块100，用于获取包括待检测目标的待识别图像，所述待识别图像由搭载于飞行设备上的相机采集；

确定模块200，用于提取所述待识别图像中所述待检测目标的特征，并根据所述特征确定所述待检测目标的类型。

本实施例的海上目标检测装置用于实现前述的海上目标检测方法，因此海上目标检测装置中的具体实施方式可见前文中的海上目标检测方法的实施例部分，例如，获取模块100，确定模块200，分别用于实现上述海上目标检测方法中步骤s101，s102，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。

可选的，还包括：

去雾模块，用于对所述待识别图像进行去雾处理，得到去雾后图像；

相应的，所述确定模块200具体用于提取所述去雾后图像中所述待检测目标的特征，并根据所述特征确定所述待检测目标的类型。

可选的，所述确定模块200包括：

提取单元，用于提取所述待识别图像中的目标二进制特征，并对所述目标二进制特征进行描述，得到目标二进制描述子；

匹配单元，用于将所述目标二进制描述子词袋化，得到第一词袋，并将所述第一词袋与第一预设词袋库中的二进制词袋分别进行匹配，得到第一概率；其中，所述第一预设词袋库为二进制词袋与对应的目标类型的词袋库；

第一判断单元，用于判断所述第一概率是否超过预设概率阈值；

统计单元，用于若所述第一概率超过所述预设概率阈值，则统计与所述二进制词袋对应的所述目标类型；

第二判断单元，用于判断所述目标类型的种类数量是否为1；

第一确定单元，用于若所述种类数量为1，则确定所述待检测目标的类型为所述目标类型；

二次匹配单元，用于若所述种类数量不为1，则对所述第一词袋再次进行匹配。

可选的，所述二次匹配单元包括：

第一提取与描述子单元，用于提取所述待识别图像中的目标sift特征，并对所述目标sift特征进行描述，得到目标sift描述子；

匹配子单元，用于将所述目标sift描述子词袋化，得到第二词袋，并将所述第二词袋与第二预设词袋库中的sift词袋分别进行匹配，得到第二概率；其中，所述第二预设词袋库为sift词袋与对应的目标类型的词袋库；

第一判断子单元，用于判断所述第二概率是否超过所述预设概率阈值；

统计子单元，用于若所述第二概率超过所述预设概率阈值，则统计与所述sift词袋对应的所述目标类型；

第二判断子单元，用于判断所述目标类型的种类数量是否为1；

第一确定子单元，用于若所述种类数量为1，则确定所述待检测目标的类型为所述目标类型；

第二确定子单元，用于若所述种类数量不为1，则确定所述待检测目标的类型检测失败。

可选的，所述提取单元包括：

提取与筛选子单元，用于粗提取所述待识别图像中的特征，并对所述特征进行筛选得到筛选后特征；

去除子单元，去除所述筛选后特征中的第一预设数量的特征，得到处理后特征；

缩放子单元，用于将所述待识别图像按等比数列进行缩放，得到多幅缩放后图像；

第三确定子单元，用于将每幅所述缩放后图像中的所述处理后特征的总和作为所述待识别图像中的待处理二进制特征；

第四确定子单元，用于确定所述待处理二进制特征的方向，得到所述目标二进制特征。

可选的，所述提取单元包括：

平滑子单元，用于对所述待识别图像进行高斯平滑处理，得到平滑后图像；

像素对选取子单元，用于在所述平滑后图像中，在所述目标二进制特征处取预设面积的邻域，并在所述邻域中选取第二预设数量个像素点对，每个所述像素点对包括第一点和第二点；

比较子单元，用于比较每个所述像素点对中所述第一点的灰度值与所述第二点的灰度值，得到二进制串；

第五确定子单元，用于根据所述二进制串得到所述目标二进制描述子。

可选的，匹配单元包括：

获取与分类子单元，用于获取多幅已知目标类型的图像，并根据目标类型对所述图像进行分类；

第二提取与描述子单元，用于提取每一类中的每幅所述图像的二进制特征，并对所述二进制特征进行描述，得到二进制描述子；

词袋子单元，用于将同一类中所有所述图像的同一所述二进制描述子词袋化，得到所述二进制词袋；

关联子单元，用于将每一类中的所述二进制词袋与目标类型进行关联，得到所述第一预设词袋库。

可选的，词袋子单元包括：

第一统计分单元，用于统计同一类中每幅所述图像中所述二进制特征的第一比例；

第二统计分单元，用于统计同一所述二进制特征在同一类的所有所述图像中的第二比例；

关联分单元，用于将所述二进制描述子与对应的所述第二比例进行关联，得到所述二进制词袋。

下面对本申请实施例提供的海上目标检测设备进行介绍，下文描述的海上目标检测设备与上文描述的海上目标检测方法可相互对应参照。

一种海上目标检测设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现上述任一种所述海上目标检测方法的步骤。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。

以上对本申请所提供的海上目标检测方法、装置设备以及进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。