CN113705501A - 一种基于图像识别技术的海上目标检测方法和*** - Google Patents

Abstract

本发明提供了一种基于图像识别技术的海上目标检测方法和***，一方面，方法包括S1，获取待进行海上目标检测的原始图像；S2，判断原始图像是否为逆光图像；S3，若原始图像为逆光图像，则采用预设的逆光图像预处理算法对原始图像进行预处理，获得预处理图像；若原始图像为非逆光图像，则采用预设的顺光图像预处理算法对原始图像进行预处理，获得预处理图像；S4，基于预处理图像进行海上目标检测，获得检测结果。另一方面，本发明还提供了***用于实现以上方法。本发明有效地增强了对逆光图像的预处理的针对性，从而提高本发明获得的预处理图像的准确性，进而有利于提高对于海上目标检测的准确性。

Description

一种基于图像识别技术的海上目标检测方法和***

技术领域

本发明涉及检测领域，尤其涉及一种基于图像识别技术的海上目标检测方法和***。

背景技术

现有技术中，使用图像识别技术对海上目标进行检测时，一般都是直接对图像进行预处理后，提取特征信息，然后基于特征信息进行目标识别。但是现有技术在预处理过程中缺少对逆光的场景考虑，在逆光条件下，海上目标的在图像上留下的像素值可能比反光的海浪小，很容易受到海浪的影响，从而导致最后的目标检测结果不够准确。

发明内容

鉴于上述问题，本发明的目的在于提供一种基于图像识别技术的海上目标检测方法和***。

一方面，本发明提供了一种基于图像识别技术的海上目标检测方法，包括：

S1，获取待进行海上目标检测的原始图像；

S2，判断所述原始图像是否为逆光图像；

S3，若原始图像为逆光图像，则采用预设的逆光图像预处理算法对所述原始图像进行预处理，获得预处理图像；

若原始图像为非逆光图像，则采用预设的顺光图像预处理算法对所述原始图像进行预处理，获得预处理图像；

S4，基于预处理图像进行海上目标检测，获得检测结果。

作为优选，所述判断原始图像是否为逆光图像，包括：

将原始图像转换为灰度图像；

获取灰度图像的灰度直方图；

对所述灰度直方图进行归一化处理，获得归一化直方图S，S＝(s₁,s₂,…,s₂₅₆)；

计算归一化直方图S的标准差：

其中，dev_st(S)表示归一化直方图S的标准差，s_t表示第t个灰度级所包含的像素点的总数；

对灰度图像进行海天线检测，基于海天线将所述灰度图像划分为天空区域图像和海面区域图像；

将所述天空区域图像转换为二值图像；

对所述二值图像进行连通域检测，获取所述二值图像中的平均像素值最大的连通域所包含的像素点的总数num_max；

计算所述平均像素值最大的连通域与所述天空图像之间的像素点的比例：

其中，prop表示所述最大连通域与所述天空图像之间的像素点的比例，num_sky表示天空图像中包含的像素点的总数；

计算原始图像的逆光指数：

其中，bklidx表示原始图像的逆光指数，stdev_st表示预设的归一化直方图的标准差的标准值，prop_st表示预设的比例标准值，C表示预设的常数系数，α和β表示预设的权重参数，α+β＝1；

判断bklidx是否大于预设的逆光指数判断阈值，若是，则表示所述原始图像为逆光图像，若否，则表示所述原始图像不是逆光图像。

作为优选，所述采用预设的逆光图像预处理算法对所述原始图像进行预处理，获得预处理图像，包括：

将所述原始图像转换为灰度图像；

采用变换滤波器对灰度图像进行灰度逆转处理，获得逆转图像；

采用图像分割算法对所述逆转图像进行分割处理，获得预处理图像。

作为优选，所述采用预设的顺光图像预处理算法对所述原始图像进行预处理，获得预处理图像，包括：

将所述原始图像转换为灰度图像；

获取所述灰度图像中的区域极值点图像；

对区域极值点进行调节处理，获得调节后的区域极值点图像；

基于调节后的区域极值点图像对灰度图像进行增强处理，获得预处理图像。

作为优选，所述基于预处理图像进行海上目标检测，获得检测结果，包括：

将所述预处理图像输入到预先训练的神经网络模型中进行识别，获得检测结果。

另一方面，本发明还提供了一种基于图像识别技术的海上目标检测***，包括获取模块、判断模块、预处理模块和检测模块；

所述获取模块用于获取待进行海上目标检测的原始图像；

所述判断模块用于判断所述原始图像是否为逆光图像；

所述获取模块用于在原始图像为逆光图像时，采用预设的逆光图像预处理算法对所述原始图像进行预处理，获得预处理图像；

以及用于在原始图像为非逆光图像是，采用预设的顺光图像预处理算法对所述原始图像进行预处理，获得预处理图像；

所述检测模块用于基于预处理图像进行海上目标检测，获得检测结果。

本发明通过对原始图像进行逆光判断，然后分别对逆光图像和非逆光图像采用了不同的预处理方式进行图像预处理，有效地增强了对逆光图像的预处理的针对性，从而提高本发明获得的预处理图像的准确性，进而有利于提高对于海上目标检测的准确性。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1，为本发明一种基于图像识别技术的海上目标检测方法的一种示例性实施例图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

本发明提供了一种基于图像识别技术的海上目标检测方法和***。

如图1所示的一种实施例，一方面，本发明提供了一种基于图像识别技术的海上目标检测方法，包括：

S1，获取待进行海上目标检测的原始图像；

S2，判断所述原始图像是否为逆光图像；

S3，若原始图像为逆光图像，则采用预设的逆光图像预处理算法对所述原始图像进行预处理，获得预处理图像；

若原始图像为非逆光图像，则采用预设的顺光图像预处理算法对所述原始图像进行预处理，获得预处理图像；

S4，基于预处理图像进行海上目标检测，获得检测结果。

本发明通过对原始图像进行逆光判断，然后分别对逆光图像和非逆光图像采用了不同的预处理方式进行图像预处理，有效地增强了对逆光图像的预处理的针对性，从而提高本发明获得的预处理图像的准确性，进而有利于提高对于海上目标检测的准确性。

作为优选，所述判断原始图像是否为逆光图像，包括：

将原始图像转换为灰度图像；

获取灰度图像的灰度直方图；

对所述灰度直方图进行归一化处理，获得归一化直方图S，S＝(s₁,s₂,…,s₂₅₆)；

计算归一化直方图S的标准差：

其中，dev_st(S)表示归一化直方图S的标准差，s_t表示第t个灰度级所包含的像素点的总数；

对灰度图像进行海天线检测，基于海天线将所述灰度图像划分为天空区域图像和海面区域图像；

将所述天空区域图像转换为二值图像；

对所述二值图像进行连通域检测，获取所述二值图像中的平均像素值最大的连通域所包含的像素点的总数num_max；

计算所述平均像素值最大的连通域与所述天空图像之间的像素点的比例：

其中，prop表示所述最大连通域与所述天空图像之间的像素点的比例，num_sky表示天空图像中包含的像素点的总数；

计算原始图像的逆光指数：

其中，bklidx表示原始图像的逆光指数，stdev_st表示预设的归一化直方图的标准差的标准值，prop_st表示预设的比例标准值，C表示预设的常数系数，α和β表示预设的权重参数，α+β＝1；

判断bklidx是否大于预设的逆光指数判断阈值，若是，则表示所述原始图像为逆光图像，若否，则表示所述原始图像不是逆光图像。

在对逆光图像进行判断时，主要从灰度直方图的像素值分布和天空区域的平均像素值最大的连通域两方面进行考虑，能够综合得到准确的逆光判断结果。当逆光时，在一般情况下，天空区域的像素点的像素值普遍比海面区域的大，因此，直方图的方差会比较大，从而能够根据该方差对是否逆光进行判断，但是如果仅从直方图分布上进行考虑，那么可能受到极端情况的影响，例如太阳在原始图像中所占的面积比较小时，那么即使是逆光，直方图的标准差也不会很大，存在误判断的风险。因此，本发明还从天空图像的连通域方面进行考虑，由于太阳所在的连通域为平均像素值最大的连通域，因此，还能通过对连通域和天空图像之间的像素点比例来判断逆光的程度，比例越大，逆光越厉害，从而能够保证正确地对图像是否逆光进行判断。

作为优选，所述采用预设的逆光图像预处理算法对所述原始图像进行预处理，获得预处理图像，包括：

将所述原始图像转换为灰度图像；

采用变换滤波器对灰度图像进行灰度逆转处理，获得逆转图像；

采用图像分割算法对所述逆转图像进行分割处理，获得预处理图像。

在逆光拍摄时，目标区域的像素点经常比被反射太阳光的海浪的像素点的像素值小，因此，造成检测困难。因此，本发明通过设置灰度逆转的过程，将原来的灰度值比较小的像素点转换为灰度值比较大的像素点，将原来的灰度值比较大的像素点转换为灰度值比较小的像素点，因此，能够有效降低目标区域的像素点被反射太阳光的海浪的像素点的影响程度。对逆转图像进行分割处理，有利于降低参与后续的目标检测过程的像素点的数量，从而提高本发明的识别速度。

作为优选，所述将所述原始图像转换为灰度图像，包括：

采用加权平均值法将所述原始图像转换为灰度图像。

作为优选，所述采用变换滤波器对灰度图像进行灰度逆转处理，获得逆转图像，包括：

采用所述变换滤波器由如下构建函数构建：

其中，x和y表示灰度图像中的像素点的横坐标和纵坐标，δ₁表示第一逆转参数，δ₂表示第二逆转参数，δ₁∈(c₁+0.16h,c₁+0.17h)，δ₂＝c₂-c₃exp(-3.8)h，c₁、c₂、c₃分别表示预设的第一常数系数、第二常数系数和第三常数系数，h表示所述灰度图像中所包含的像素点的行数；c₁的取值范围为(0.49,0.59)，c₂的取值范围为(2.69,2.81)，c₃的取值范围为(5.99,6.19)；cvp(x,y)表示构建函数；

使用上述构建函数构建大小为Q×Q的变换滤波器；

使用变换滤波器对对灰度图像进行卷积处理，获得逆转图像。

本发明构建的变换滤波器的过程与构建高斯滤波器的过程相同，只是构建函数不同，本发明的构建函数构建的变换滤波器能够对高光区域进行压制，同时提高暗部区域的像素点的像素值，从而使得本发明的像素点的像素值分布更为均匀，有利于提高逆转图像的细节信息的含量。同时，本发明所构建的滤波器还具有一定的滤波功能，能够有效降低逆转图像中的噪声。

作为优选，所述采用图像分割算法对所述逆转图像进行分割处理，获得预处理图像，包括：

使用均值迭代分割算法对所述所述逆转图像进行分割处理，获得前景图像和背景图像；

获取所述前景图像在所述逆转图像中对应的像素点的集合S；

使用集合S中的像素点组成预处理图像。

除了均值迭代分割算法，还可以是其它能够实现前景和背景分离的算法，例如区域生长算法等。由于逆转图像是在灰度图像的基础上生成的，因此，逆转图像中的每个像素点都能在灰度图像中找到与其相对坐标一样的像素点，同理，前景图像也能在灰度图像找到相对应的像素点。

作为优选，所述采用预设的顺光图像预处理算法对所述原始图像进行预处理，获得预处理图像，包括：

将所述原始图像转换为灰度图像；

获取所述灰度图像中的区域极值点图像；

对区域极值点进行调节处理，获得调节后的区域极值点图像；

基于调节后的区域极值点图像对灰度图像进行增强处理，获得预处理图像。

本发明上述实施方式，通过构建区域极值点图像对灰度图像进行增强处理，能够增强待检测的目标的与周边像素点之间的差异，从而能够有效地降低波浪对后续的目标识别的影响，实现了降噪的效果。

作为优选，所述获取所述灰度图像中的区域极值点图像，包括：

采用如下方式构建计算卷积模板：

其中，lcb表示卷积模板，A×A表示卷积窗口的大小，b表示预设的常数系数，b＜A；

使用lcb对灰度图像中的每个像素点进行卷积计算，获得卷积结果：

jc＝lcb*gray

其中，jc表示卷积结果，gray表示灰度图像，*表示卷积运算；

判断卷积结果jc是否大于预设的卷积结果阈值，若是，则卷积结果对应的像素点为区域极值点，从灰度图像中获取所有的区域极值点，组成区域极值点图像。

区域极值点图像的目的就是选出与周边的像素点差异最大的像素点，因为一般在灰度图像中，目标区域的像素点与周边的像素点之间的差异都比较大，但是，波浪区域的像素点也具有这种特点，不同的是，海浪区域像素点与周边像素点之间的差异一般小于目标区域，因此，通过设置阈值能够进一步提高区域极值点图像中获得属于目标区域的像素点的准确性。

作为优选，所述对区域极值点进行调节处理，获得调节后的区域极值点图像，包括：

采用如下方式对区域极值点进行调节处理：

其中,q'(x,y)表示坐标(x,y)处区域极值点调节后的像素值，q(x,y)表示坐标(x,y)处区域极值点的像素值，q_mi和q_ma分别表示坐标(x,y)处区域极值点的K×K大小的邻域中的区域极值点像素值的最小值和最大值，B表示预设的调节参数，sh表示取值函数，若q(x,y)-q_ma等于0，则sh(q(x,y)-q_ma)的值为1，否则，sh(q(x,y)-q_ma)的值为-1。

调节处理的目的是考虑了目标区域的像素点的平均像素值有可能低于波浪区域的像素点，因此，通过以上的调节处理，由于海浪区域像素点与周边像素点之间的差异一般小于目标区域，经过以上处理后，能够进一步提高目标区域像素点与周围的像素点之间的差异，有利于后续准确识别出海上目标。

作为优选，所述基于调节后的区域极值点图像对灰度图像进行增强处理，获得预处理图像，包括：

采用如下方式对灰度图像进行增强处理：

afgray(x,y)＝BL(x,y)×gray(x,y)

其中，gray(x,y)表示灰度图像中坐标(x,y)处的像素值，BL表示增强系数，afgray(x,y)表示对gray(x,y)进行增强处理后的像素值，

BL(x,y)表示增强系数，通过如下方式获取：

若

小于1，则

若

则

若

大于2，则BL(x,y)等于1，其中，h₁、h₂、h₃表示预设的比例系数，h₁+h₂+h₃＝1。

以上的增强过程，由于增强系数与区域极值点图像相关，因此，与目标区域有关的像素点能够进一步被增强，从而加大了目标区域的像素点与海浪像素点之间的差异。

作为优选，所述基于预处理图像进行海上目标检测，获得检测结果，包括：

将所述预处理图像输入到预先训练的神经网络模型中进行识别，获得检测结果。

另一方面，本发明还提供了一种基于图像识别技术的海上目标检测***，包括获取模块、判断模块、预处理模块和检测模块；

所述获取模块用于获取待进行海上目标检测的原始图像；

所述判断模块用于判断所述原始图像是否为逆光图像；

所述获取模块用于在原始图像为逆光图像时，采用预设的逆光图像预处理算法对所述原始图像进行预处理，获得预处理图像；

以及用于在原始图像为非逆光图像是，采用预设的顺光图像预处理算法对所述原始图像进行预处理，获得预处理图像；

所述检测模块用于基于预处理图像进行海上目标检测，获得检测结果。

尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。

Claims (6)

1.一种基于图像识别技术的海上目标检测方法，其特征在于，包括：

S1，获取待进行海上目标检测的原始图像；

S2，判断所述原始图像是否为逆光图像；

S3，若原始图像为逆光图像，则采用预设的逆光图像预处理算法对所述原始图像进行预处理，获得预处理图像；

若原始图像为非逆光图像，则采用预设的顺光图像预处理算法对所述原始图像进行预处理，获得预处理图像；

S4，基于预处理图像进行海上目标检测，获得检测结果。

2.根据权利要求1所述的一种基于图像识别技术的海上目标检测方法，其特征在于，所述判断原始图像是否为逆光图像，包括：

将原始图像转换为灰度图像；

获取灰度图像的灰度直方图；

对所述灰度直方图进行归一化处理，获得归一化直方图S，S＝(s₁,s₂,…,s₂₅₆)；

计算归一化直方图S的标准差：

其中，dev_st(S)表示归一化直方图S的标准差，s_t表示第t个灰度级所包含的像素点的总数；

对灰度图像进行海天线检测，基于海天线将所述灰度图像划分为天空区域图像和海面区域图像；

将所述天空区域图像转换为二值图像；

对所述二值图像进行连通域检测，获取所述二值图像中的平均像素值最大的连通域所包含的像素点的总数num_max；

计算所述平均像素值最大的连通域与所述天空图像之间的像素点的比例：

其中，prop表示所述最大连通域与所述天空图像之间的像素点的比例，num_sky表示天空图像中包含的像素点的总数；

计算原始图像的逆光指数：

其中，bklidx表示原始图像的逆光指数，stdev_st表示预设的归一化直方图的标准差的标准值，prop_st表示预设的比例标准值，C表示预设的常数系数，α和β表示预设的权重参数，α+β＝1；

判断bklidx是否大于预设的逆光指数判断阈值，若是，则表示所述原始图像为逆光图像，若否，则表示所述原始图像不是逆光图像。

3.根据权利要求1所述的一种基于图像识别技术的海上目标检测方法，其特征在于，所述采用预设的逆光图像预处理算法对所述原始图像进行预处理，获得预处理图像，包括：

将所述原始图像转换为灰度图像；

采用变换滤波器对灰度图像进行灰度逆转处理，获得逆转图像；

采用图像分割算法对所述逆转图像进行分割处理，获得预处理图像。

4.根据权利要求1所述的一种基于图像识别技术的海上目标检测方法，其特征在于，所述采用预设的顺光图像预处理算法对所述原始图像进行预处理，获得预处理图像，包括：

将所述原始图像转换为灰度图像；

获取所述灰度图像中的区域极值点图像；

对区域极值点进行调节处理，获得调节后的区域极值点图像；

基于调节后的区域极值点图像对灰度图像进行增强处理，获得预处理图像。

5.根据权利要求3所述的一种基于图像识别技术的海上目标检测方法，其特征在于，所述基于预处理图像进行海上目标检测，获得检测结果，包括：

将所述预处理图像输入到预先训练的神经网络模型中进行识别，获得检测结果。

6.一种基于图像识别技术的海上目标检测***，其特征在于，包括获取模块、判断模块、预处理模块和检测模块；

所述获取模块用于获取待进行海上目标检测的原始图像；

所述判断模块用于判断所述原始图像是否为逆光图像；

所述获取模块用于在原始图像为逆光图像时，采用预设的逆光图像预处理算法对所述原始图像进行预处理，获得预处理图像；

以及用于在原始图像为非逆光图像是，采用预设的顺光图像预处理算法对所述原始图像进行预处理，获得预处理图像；

所述检测模块用于基于预处理图像进行海上目标检测，获得检测结果。

Images