欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

一種基于融合特征的船舶快速識(shí)別方法與流程

文檔序號(hào):11678109閱讀:1264來(lái)源:國(guó)知局
一種基于融合特征的船舶快速識(shí)別方法與流程

本發(fā)明涉及一種海上船舶目標(biāo)的自動(dòng)識(shí)別方法。



背景技術(shù):

自20世紀(jì)初,航道部門(mén)先后設(shè)置了廣陽(yáng)壩等多座信號(hào)臺(tái),采用人工控制的方式指揮船舶上下通行,僅在船舶量較小,或設(shè)備簡(jiǎn)陋的環(huán)境下具有較好的實(shí)施效果。因此,近年來(lái)已將雷達(dá)、船舶自動(dòng)識(shí)別系統(tǒng)(ais)等應(yīng)用于海上值班系統(tǒng)和船舶交通管理系統(tǒng)(vts)中。其中,雷達(dá)系統(tǒng)具備最佳的船舶跟蹤能力,但雷達(dá)所能提供的信息有限,不能識(shí)別船舶類型,而且在雷達(dá)盲區(qū)也失去了跟蹤能力。ais是一種新型的船舶避碰設(shè)備,與雷達(dá)目標(biāo)跟蹤相比,該技術(shù)改進(jìn)了船舶獲取避碰信息的手段。但ais系統(tǒng)的使用存在一定的限制,例如3oogt以下的船舶有可能沒(méi)有配備ais系統(tǒng),危險(xiǎn)情況下ais不能啟用。因此,在雷達(dá)和ais不能使用的情況下,應(yīng)考慮其它的船舶識(shí)別方法,以獲得目標(biāo)船的信息。

近年來(lái),gagnon等人從長(zhǎng)度特征的角度,對(duì)不同類型的船舶進(jìn)行分級(jí),從而實(shí)現(xiàn)了較好且較快的分類效果。askari等人則進(jìn)一步研究了船舶長(zhǎng)寬的關(guān)系,將長(zhǎng)寬比作為識(shí)別標(biāo)準(zhǔn),成功地對(duì)船舶實(shí)現(xiàn)了分類。之后,nilufen等人增加了船舶的剖面強(qiáng)度等特征,利用多特征的分類器成功地區(qū)分出油輪、快艇和渡船三種船舶。殷雄等人則根據(jù)船舶結(jié)構(gòu)的不同特性對(duì)油船和貨船兩大類進(jìn)行識(shí)別。這些方法取得了較好的識(shí)別效果,不僅說(shuō)明外形輪廓是區(qū)分船舶類型的重要特征,同時(shí)驗(yàn)證了多特征表示圖像的必要性。為此,汪煒等人在cfar檢測(cè)方法中,引入空間相關(guān)性及信噪比,有效地抑制了成像噪聲所帶來(lái)的影響,提高了檢測(cè)準(zhǔn)確。sanderson等人通過(guò)采集海浪頻域特征作為匹配模板來(lái)描述海面狀態(tài),能夠較好地解決海面遼闊、場(chǎng)景變化復(fù)雜情況下的前、背景分割問(wèn)題。



技術(shù)實(shí)現(xiàn)要素:

本發(fā)明要解決的技術(shù)問(wèn)題是:在雷達(dá)和ais不能使用的情況下,提供一種其它的船舶識(shí)別方法,以獲得目標(biāo)船的信息。

為了解決上述技術(shù)問(wèn)題,本發(fā)明的技術(shù)方案是提供了一種基于融合特征的船舶快速識(shí)別方法,其特征在于,包括以下步驟:

步驟1、獲得訓(xùn)練船舶圖像集后,利用itti模型獲取圖像集中每一副圖像的顯著區(qū)域,計(jì)算顯著區(qū)域與船舶目標(biāo)之間的空間位置關(guān)系,用<s,θ,μl,μh>表示定位知識(shí),其中,稱圖像的左上角為錨點(diǎn),則s代表船舶目標(biāo)區(qū)域與顯著區(qū)域兩錨點(diǎn)之間的距離,θ代表船舶目標(biāo)區(qū)域與顯著區(qū)域之間的夾角,μl代表長(zhǎng)度的定位權(quán)值,μh代表寬度的定位權(quán)值;

步驟2、利用hmax方法對(duì)于船舶特征知識(shí)進(jìn)行學(xué)習(xí),結(jié)合步驟1獲得的定位知識(shí)建立船舶視覺(jué)知識(shí)庫(kù);

步驟3、獲取新的圖像,利用itti方法確立新圖像的顯著區(qū)域;

步驟4、確立船舶目標(biāo)的目標(biāo)區(qū)域,目標(biāo)區(qū)域以(x,y)、l、h表示,其中:

x=x′-β·cosθ

y=y(tǒng)′-β·sinθ

l=l′·μl

h=h′·μh

式中,(x′,y′)代表顯著區(qū)域的錨點(diǎn)坐標(biāo),β、θ代表目標(biāo)區(qū)域的錨點(diǎn)坐標(biāo)的定位權(quán)值,l′、h′代表顯著區(qū)域的長(zhǎng)、寬;

步驟5、針對(duì)確立的目標(biāo)區(qū)域進(jìn)行分割去噪,獲得了最終的船舶圖像區(qū)域;

步驟6、利用hmax方法,對(duì)步驟5獲取的船舶圖像區(qū)域進(jìn)行特征提取,并依據(jù)船舶視覺(jué)知識(shí)庫(kù),利用svm分類器,判斷查詢圖像的船舶類型標(biāo)簽;

步驟7、根據(jù)用戶反饋查詢結(jié)果是否滿意來(lái)更新船舶視覺(jué)知識(shí)庫(kù),若為滿意,則將新船舶圖像的特征存入相應(yīng)船型的特征庫(kù),并增加該類型船舶相應(yīng)新的視覺(jué)知識(shí),否則,則根據(jù)反饋類型重復(fù)步驟1和步驟2進(jìn)行再學(xué)習(xí),并存入相應(yīng)船舶類型知識(shí)庫(kù)中。

優(yōu)選地,所述μl的計(jì)算公式為:

式中,li代表代表船舶圖像i中目標(biāo)區(qū)域的長(zhǎng),li′代表代表船舶圖像i中顯著區(qū)域的長(zhǎng),n代表代表船舶圖像的個(gè)數(shù);

所述μh的計(jì)算公式為:

式中,hi代表代表船舶圖像i中目標(biāo)區(qū)域的寬,hi′代表代表船舶圖像i中顯著區(qū)域的寬。

優(yōu)選地,在所述步驟2中,

采用多通道的特征提取方式進(jìn)行特征學(xué)習(xí),獲取特征prg及pby,其中:

式中,r,g,b分別代表船舶圖像中目標(biāo)區(qū)域的紅色、綠色以及藍(lán)色的顏色分量。

優(yōu)選地,在所述步驟5中,分割去噪時(shí)首先使用ostu閾值分割,將前、后景進(jìn)行分割,然后進(jìn)行形態(tài)學(xué)處理以及面積閾值去噪。

本發(fā)明具有如下優(yōu)點(diǎn):

1)可有效的剔除攝像或拍攝等照片中的背景區(qū)域,快速鎖定船舶區(qū)域,在海洋搜救等過(guò)程中爭(zhēng)分多秒,在港口、航運(yùn)管理過(guò)程中可以進(jìn)行船舶進(jìn)港、出港、通行等快速處理,有效降低人力成本。

2)可提升船舶類型識(shí)別精度。通過(guò)在傳統(tǒng)方法的基礎(chǔ)上融合特征,可以有效地表征船舶圖像,從而提升船舶識(shí)別的效率,使得海洋事務(wù)中針對(duì)船舶的管理得到較為恰當(dāng)、精準(zhǔn)地處理。

3)構(gòu)建出一個(gè)船舶知識(shí)庫(kù),不僅有利于船舶類型的識(shí)別,便于港口、航運(yùn)船舶管理。同時(shí),構(gòu)建知識(shí)庫(kù)可大大地降低傳統(tǒng)方法中存儲(chǔ)船舶圖像的存儲(chǔ)空間,有效地避免了同種類型船舶圖像的重復(fù)學(xué)習(xí),從而提升了相應(yīng)的船舶管理事務(wù)。

附圖說(shuō)明

圖1為基于融合特征的船舶快速識(shí)別方法流程圖;

圖2為定位知識(shí)表示圖。

具體實(shí)施方式

下面結(jié)合具體實(shí)施例,進(jìn)一步闡述本發(fā)明。應(yīng)理解,這些實(shí)施例僅用于說(shuō)明本發(fā)明而不用于限制本發(fā)明的范圍。此外應(yīng)理解,在閱讀了本發(fā)明講授的內(nèi)容之后,本領(lǐng)域技術(shù)人員可以對(duì)本發(fā)明作各種改動(dòng)或修改,這些等價(jià)形式同樣落于本申請(qǐng)所附權(quán)利要求書(shū)所限定的范圍。

結(jié)合圖1,本發(fā)明提供的一種基于融合特征的船舶快速識(shí)別方法,其特征在于,包括以下步驟:

步驟1、獲得訓(xùn)練船舶圖像集后,利用itti模型獲取圖像集中每一副圖像的顯著區(qū)域,計(jì)算顯著區(qū)域與船舶目標(biāo)之間的空間位置關(guān)系。結(jié)合圖2,用<s,θ,μl,μh>表示定位知識(shí),其中,稱圖像的左上角為錨點(diǎn),則s代表船舶目標(biāo)區(qū)域與顯著區(qū)域兩錨點(diǎn)之間的距離,θ代表船舶目標(biāo)區(qū)域與顯著區(qū)域之間的夾角,μl代表長(zhǎng)度的定位權(quán)值,μh代表寬度的定位權(quán)值;

μl的計(jì)算公式為:

式中,li代表代表船舶圖像i中目標(biāo)區(qū)域的長(zhǎng),li′代表代表船舶圖像i中顯著區(qū)域的長(zhǎng),n代表代表船舶圖像的個(gè)數(shù);

所述μh的計(jì)算公式為:

式中,hi代表代表船舶圖像i中目標(biāo)區(qū)域的,hi′代表代表船舶圖像i中顯著區(qū)域的寬。

圖2中的β1、β2、θ1、θ2在上面公式中沒(méi)有出現(xiàn)過(guò),請(qǐng)圖2中的標(biāo)記確認(rèn)是否正確(已重新畫(huà)圖)

步驟2、利用hmax方法對(duì)于船舶特征知識(shí)進(jìn)行學(xué)習(xí),結(jié)合步驟1獲得的定位知識(shí)建立船舶視覺(jué)知識(shí)庫(kù)。采用多通道的特征提取方式進(jìn)行特征學(xué)習(xí),獲取特征prg及pby,其中:

式中,r,g,b分別代表船舶圖像中目標(biāo)區(qū)域的紅色、綠色以及藍(lán)色的顏色分量。

步驟3、獲取新的圖像,利用itti方法確立新圖像的顯著區(qū)域;

步驟4、確立船舶目標(biāo)的目標(biāo)區(qū)域,目標(biāo)區(qū)域以(x,y)、l、h表示,其中:

x=x′-β·cosθ

y=y(tǒng)′-β·sinθ

l=l′·μl

h=h′·μh

式中,(x′,y′)代表顯著區(qū)域的錨點(diǎn)坐標(biāo),β、θ代表目標(biāo)區(qū)域的錨點(diǎn)坐標(biāo)的定位權(quán)值,l′、h′代表顯著區(qū)域的長(zhǎng)、寬;

步驟5、針對(duì)確立的目標(biāo)區(qū)域進(jìn)行分割去噪,獲得了最終的船舶圖像區(qū)域。分割去噪時(shí),首先使用ostu閾值分割,將前、后景進(jìn)行分割,然后進(jìn)行形態(tài)學(xué)處理以及面積閾值去噪。

步驟6、利用hmax方法,對(duì)步驟5獲取的船舶圖像區(qū)域進(jìn)行特征提取,并依據(jù)船舶視覺(jué)知識(shí)庫(kù),利用svm分類器,判斷查詢圖像的船舶類型標(biāo)簽;

步驟7、根據(jù)用戶反饋查詢結(jié)果是否滿意來(lái)更新船舶視覺(jué)知識(shí)庫(kù),若為滿意,則將新船舶圖像的特征存入相應(yīng)船型的特征庫(kù),并增加該類型船舶相應(yīng)新的視覺(jué)知識(shí),否則,則根據(jù)反饋類型重復(fù)步驟1和步驟2進(jìn)行再學(xué)習(xí),并存入相應(yīng)船舶類型知識(shí)庫(kù)中。

采用顯著區(qū)鎖定船舶區(qū)域范圍的方法。一般的,船舶圖像至少為256×256,則單幅圖像在定位時(shí)的操作將超過(guò)5萬(wàn)次,無(wú)疑增加了船舶識(shí)別過(guò)程中的時(shí)間消耗。相反,本發(fā)明提供的方法雖然在對(duì)單幅圖像搜索目標(biāo)時(shí)需要消耗時(shí)間用于定位顯著區(qū)域,但可以快速濾除圖像中超過(guò)50%的偽目標(biāo)區(qū)域,能夠大幅度減少后期識(shí)別操作的次數(shù),反而降低了目標(biāo)識(shí)別的時(shí)間消耗,十分有利于船舶類型的實(shí)時(shí)識(shí)別。

采用空間位置法確立船舶區(qū)域。采用現(xiàn)有方法所獲取的目標(biāo)對(duì)象圖僅為船舶的一部分,雖然體現(xiàn)了船舶的關(guān)鍵區(qū)域,但是無(wú)法反映船舶的全局特性。當(dāng)不同類型的船舶具備相似關(guān)鍵區(qū)域時(shí),易造成錯(cuò)誤識(shí)別。相反,利用本發(fā)明提供的方法基本獲取了船舶的整體區(qū)域,同時(shí)便于后期的目標(biāo)識(shí)別。

采用分割去噪的方法。傳統(tǒng)方法是對(duì)整體圖像進(jìn)行特征提取的,而本發(fā)明方法通過(guò)分割去噪的方法,在船舶區(qū)域中選出更具代表性的特征,有效地避免了背景噪聲所帶來(lái)的影響。

融合特征。通過(guò)融合特征能夠更好的表征船舶,能夠有效地提升船舶的識(shí)別精度。

當(dāng)前第1頁(yè)1 2 
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1
洪湖市| 钟祥市| 长泰县| 黄山市| 巴马| SHOW| 荥阳市| 巴彦县| 西盟| 石城县| 富民县| 和林格尔县| 新民市| 句容市| 青神县| 浑源县| 仙居县| 许昌市| 巴青县| 图片| 张掖市| 峨边| 祁阳县| 河南省| 黑河市| 南江县| 邵阳市| 庐江县| 鸡泽县| 溧水县| 津市市| 达孜县| 侯马市| 公安县| 宜城市| 榆树市| 大埔区| 潮州市| 天门市| 霍城县| 海丰县|