CN102156881B - 基于多尺度图像相位信息的海难搜救目标检测方法 - Google Patents
基于多尺度图像相位信息的海难搜救目标检测方法 Download PDFInfo
- Publication number
- CN102156881B CN102156881B CN2011100929404A CN201110092940A CN102156881B CN 102156881 B CN102156881 B CN 102156881B CN 2011100929404 A CN2011100929404 A CN 2011100929404A CN 201110092940 A CN201110092940 A CN 201110092940A CN 102156881 B CN102156881 B CN 102156881B
- Authority
- CN
- China
- Prior art keywords
- image
- perils
- sea
- phase information
- phase spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于多尺度图像相位信息的海难搜救目标检测方法,所述方法主要包括如下步骤:首先提取海难搜救场景图像的亮度特征图像,并进行下采样,得到三个不同尺度下的亮度图;然后对每幅图像进行傅里叶变换计算其相位谱,并以此为基础得到各尺度图像的显著图;最后对三幅显著图进行合并,得到总显著图,并通过设定的阈值提取显著目标。本发明所用方法简单,兼顾了多个图像尺度,可以同时检测到不同尺寸的目标,为后续海难搜救中的目标跟踪和识别提供基础。
Description
技术领域
本发明涉及到机器视觉领域,特别涉及到一种基于多尺度图像相位信息的海难搜救目标检测方法。
背景技术
随着我国航运事业的迅速发展,海上交通安全日趋重要。海上搜救工作的目标是“全天候运行、全方位覆盖、快速反应”。海难搜救机器视觉系统是综合应用机器视觉技术,辅助搜救人员搜寻遇难船只、救生艇、救生筏和落水人员等,从而克服人眼疲劳和视野有限等缺陷,具有重要的意义。传统的目标检测方法多是从背景建模、帧间差分等方法提取运动目标,由于海面场景背景和目标均处于不断运动中,因此利用这些方法效果不佳,其他光流法等方法的算法较复杂,不适合实时应用。
综上所述,针对现有技术的缺陷,特别需要一种基于多尺度图像相位信息的海难搜救目标检测方法,以解决以上提到的问题。
发明内容
本发明的目的在于提供一种基于多尺度图像相位信息的海难搜救目标检测方法,在图像相位谱的视觉注意模型基础上,综合图像多个尺度的显著图,以实现海难搜救视觉场景中的目标检测问题。
本发明所解决的技术问题可以采用以下技术方案来实现:
一种基于多尺度图像相位信息的海难搜救目标检测方法,其特征在于,所述方法包括如下步骤:
1)提取输入的海难搜救场景的亮度特征图像;
2)对所述亮度特征图像进行下采样,得到3个不同尺度的亮度图;
3)对各尺度的亮度图做傅里叶变换,计算其相位谱;
4)根据相位谱获得各尺度图像的显著图;
5)将不同尺度的显著图进行合并得到总显著图;
6)依据设定的阈值提取海难搜救场景中的显著目标。
在本发明的一个实施例中,所述3个不同尺度的亮度图的尺度分别为原图的1/2、1/4、1/8。
在本发明的一个实施例中,所述方法进一步包括对总显著图进行阈值分割,得到二值图像,从而得到显著目标。
本发明也可应用于在海事监控、海事巡逻、基于视频的船舶避碰、反海盗监控、值班嘹望等领域,同时与红外、遥感、雷达成像技术结合,可为海上交通安全等提供全面的视觉信息。
附图说明
图1为本发明所述的基于多尺度图像相位信息的海难搜救目标检测方法的流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
本发明是基于多尺度相位信息的海难搜救目标检测方法,主要针对海难搜救的应用。本发明在实施时,主要面临的问题是,第一是选择图像的哪些特征作为后续处理的基础,并且选择何种图像的颜色空间做进一步处理;第二是选择图像的何种频域特征作为显著图生成的依据;第三是如何能使得检测方法同时检测到海难搜救场景中的不同尺寸目标;第四是简化现有的视觉注意模型,降低运算复杂度。
针对第一个问题,本发明选择了海难搜救视觉场景图像的RGB颜色空间,仅使用亮度特征作为后续处理的基础。由于各颜色通道与亮度通道有较大相关性,为了简化模型,仅提取了亮度特征。在试验中,发现利用颜色和亮度特征,与仅使用亮度特征的结果相差不大,因而本发明选择仅使用亮度特征模型。
设输入图像为:I(x,y),其红色、绿色和蓝色分量分别为:r,g,b,则其亮度特征为:II=(r+g+b)/3。
针对第二个问题,本发明利用图像的相位谱作为显著图生成的依据,这是由于图像的相位谱包含了图像的大部分信息,通过保留相位谱,而对所有频率分量的幅度谱设为1,可以突出图像中的显著目标,相位谱方法相对频谱残差的方法更加简单。
针对第三个问题,本发明对亮度图依次以1/2下采样,提取各个特征图在1/2、1/4、1/8共3个尺度上的图像,得到本发明方法所需的所有输入图像。通过实验发现,单一尺度的显著图无法同时检测各尺寸的目标。因此本发明综合了3个尺度显著图,即:选择图像原尺度的1/2,1/4和1/8共3个尺度的显著图在原图1/4尺度上进行合并,得到总显著图。
针对第四个问题,本发明仅利用了亮度信息,同时从图像的频域特性出发,提取显著目标,其过程只要做傅里叶变换,较经典的视觉注意方法,本发明大大的简化,同时检测效果较已有的方法更加准确。
本发明所述的基于多尺度相位信息的海难搜救目标检测方法,是通过以下步骤实现的,如图1所示:
1)提取输入的海难搜救场景的亮度特征图像;
2)对所述亮度特征图像进行下采样,得到3个不同尺度的亮度图;
3)对各尺度的亮度图做傅里叶变换,计算其相位谱;
4)根据相位谱获得各尺度图像的显著图;
5)将不同尺度的显著图进行合并得到总显著图;
6)对总显著图进行阈值分割,得到二值图像,从而得到显著目标。
本发明的使用简化了现有视觉注意模型,利用图像相位谱信息检测显著目标。同时为兼顾海难搜救中不同尺寸的目标,利用多个尺度的显著图合并得到总显著图,以此进行海难搜救视觉场景中的目标检测。本发明的方法实现简单,检测效果较基于频谱残差方法的目标检测区域更加准确。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (3)
2.如权利要求1所述的基于多尺度图像相位信息的海难搜救目标检测方法,其特征在于,所述3个不同尺度的亮度图的尺度分别为亮度特征图像的1/2、1/4、1/8。
3.如权利要求1所述的基于多尺度图像相位信息的海难搜救目标检测方法,其特征在于,所述方法进一步包括对总显著图进行阈值分割,得到二值图像,从而得到显著目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100929404A CN102156881B (zh) | 2011-04-13 | 2011-04-13 | 基于多尺度图像相位信息的海难搜救目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100929404A CN102156881B (zh) | 2011-04-13 | 2011-04-13 | 基于多尺度图像相位信息的海难搜救目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102156881A CN102156881A (zh) | 2011-08-17 |
CN102156881B true CN102156881B (zh) | 2012-07-25 |
Family
ID=44438371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100929404A Expired - Fee Related CN102156881B (zh) | 2011-04-13 | 2011-04-13 | 基于多尺度图像相位信息的海难搜救目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102156881B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102800086B (zh) * | 2012-06-21 | 2015-02-04 | 上海海事大学 | 一种海上场景显著性检测方法 |
CN103034865A (zh) * | 2012-12-13 | 2013-04-10 | 南京航空航天大学 | 一种基于多尺度相对熵的视觉显著区域提取方法 |
CN103293168B (zh) * | 2013-05-28 | 2015-01-28 | 陕西科技大学 | 基于视觉显著性的水果表面缺陷检测方法 |
CN106991682B (zh) * | 2016-01-21 | 2019-12-20 | 深圳力维智联技术有限公司 | 自动港口货船的提取方法及装置 |
CN107423740A (zh) * | 2017-05-12 | 2017-12-01 | 西安万像电子科技有限公司 | 图像显著区域的获取方法和装置 |
CN109102495A (zh) * | 2018-07-05 | 2018-12-28 | 广州杰赛科技股份有限公司 | 目标图像确定方法和系统、计算机设备、计算机存储介质 |
CN109188421B (zh) * | 2018-07-25 | 2023-07-04 | 江苏科技大学 | 一种用于无人搜救艇的海上搜救系统及方法 |
CN109902738B (zh) | 2019-02-25 | 2021-07-20 | 深圳市商汤科技有限公司 | 网络模块和分配方法及装置、电子设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976439A (zh) * | 2010-11-02 | 2011-02-16 | 上海海事大学 | 海难搜救机器视觉系统中结合运动信息的视觉注意模型 |
CN102005057B (zh) * | 2010-11-17 | 2012-07-25 | 中国科学院声学研究所 | 一种检测彩色图像的感兴趣区域的方法 |
-
2011
- 2011-04-13 CN CN2011100929404A patent/CN102156881B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN102156881A (zh) | 2011-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102156881B (zh) | 基于多尺度图像相位信息的海难搜救目标检测方法 | |
US10635929B2 (en) | Saliency-based method for extracting road target from night vision infrared image | |
CN103824070B (zh) | 一种基于计算机视觉的快速行人检测方法 | |
CN103927741B (zh) | 增强目标特征的sar图像合成方法 | |
CN109977877B (zh) | 一种安检智能辅助判图方法、系统以及系统控制方法 | |
CN108876723B (zh) | 一种灰度目标图像的彩色背景的构建方法 | |
Ren et al. | Fusion of intensity and inter-component chromatic difference for effective and robust colour edge detection | |
CN107392885A (zh) | 一种基于视觉对比机制的红外弱小目标检测方法 | |
CN103970771B (zh) | 一种人体的检索方法和系统 | |
CN103996198A (zh) | 复杂自然环境下感兴趣区域的检测方法 | |
CN103729842A (zh) | 基于局部统计特征与整体显著性分析的织物疵点检测方法 | |
CN103927758B (zh) | 一种基于对比度与角点最小凸包的显著性检测方法 | |
CN107818303A (zh) | 无人机油气管线影像自动对比分析方法、系统及软件存储器 | |
CN103559499A (zh) | 一种rgb矢量匹配快速识别系统及方法 | |
CN105678735A (zh) | 一种用于雾天图像的目标显著性检测方法 | |
CN103413127A (zh) | 基于频谱奇异值分解的海上目标显著性检测方法 | |
CN108648184A (zh) | 一种遥感图像高空卷云的检测方法 | |
CN102881160A (zh) | 一种低照度场景下的户外交通标志识别方法 | |
CN104992140A (zh) | 一种基于遥感图像的海面异常漂浮物检测方法 | |
CN114202646A (zh) | 一种基于深度学习的红外图像吸烟检测方法与系统 | |
Minarno et al. | Batik image retrieval based on enhanced micro-structure descriptor | |
Tian et al. | Human Detection using HOG Features of Head and Shoulder Based on Depth Map. | |
CN109800637A (zh) | 一种遥感影像小目标检测方法 | |
CN106021610B (zh) | 一种基于显著区域的视频指纹提取方法 | |
CN106778504A (zh) | 一种行人检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
DD01 | Delivery of document by public notice |
Addressee: Shanghai Maritime Univeristy Finance Document name: Notification of Approving Refund |
|
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120725 Termination date: 20150413 |
|
EXPY | Termination of patent right or utility model |