為了實(shí)現(xiàn)島岸復(fù)雜環(huán)境下航空偵察圖像艦船目標(biāo)檢測(cè),提出一種基于區(qū)域協(xié)方差和目標(biāo)度的顯著目標(biāo)檢測(cè)方法。在聯(lián)合條件隨機(jī)場(chǎng)和字典學(xué)習(xí)的圖像顯著性檢測(cè)框架下,首先提取每個(gè)區(qū)域增強(qiáng)的sigma特征,并進(jìn)行稀疏編碼,然后又設(shè)計(jì)基于顯著優(yōu)化的目標(biāo)度特征,利用信念傳播算法推斷生成艦船目標(biāo)顯著圖,最后應(yīng)用高效子窗口搜索方法實(shí)現(xiàn)艦船目標(biāo)檢測(cè)。實(shí)驗(yàn)結(jié)果表明,新方法的顯著圖結(jié)果目標(biāo)區(qū)域一致高亮,背景雜波抑制效果好,可實(shí)現(xiàn)準(zhǔn)確的目標(biāo)檢測(cè)。 

【文章來(lái)源】：系統(tǒng)工程與電子技術(shù). 2019,41(05)北大核心EICSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

圖１艦船目標(biāo)檢測(cè)算法流程圖Ｆｉｇ．１Ｆｌｏｗｃｈａｒｔｏｆｓｈｉｐｔａｒｇｅｔｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍ４實(shí)驗(yàn)結(jié)果分析

·９７６·系統(tǒng)工程與電子技術(shù)第４１卷??????????????????????????????????????????????????圖２考慮不同影響因素的顯著圖效果Ｆｉｇ．２Ｓａｌｉｅｎｃｙｍａｐｓｗｉｔｈｃｏｎｓｉｄｅｒｉｎｇｄｉｆｆｅｒｅｎｔｉｍｐａｃｔｆａｃｔｏｒｓ圖３不同目標(biāo)度的顯著圖Ｆｉｇ．３Ｓａｌｉｅｎｃｙｍａｐｓｏｆｄｉｆｆｅｒｅｎｔｏｂｊｅｃｔｎｅｓｓ客觀評(píng)價(jià)時(shí)采用ＰＲ（ｐｒｅｃｉｓｉｏｎａｎｄｒｅｃａｌｌ）曲線對(duì)１７種方法的顯著圖進(jìn)行評(píng)價(jià)。圖５是不同顯著圖檢測(cè)方法的ＰＲ曲線，本文方法排在第４的水平。ｇｂｖｓ，ＨＦＴ和ｒａｎｄｏｍｆｏｒ－ｅｓｔ３種方法雖說(shuō)少部分圖像雜波干擾嚴(yán)重，但是大部分圖像與目標(biāo)區(qū)域的重疊性較好，導(dǎo)致這３種方法的ＰＲ曲線占優(yōu)。考慮到ＰＲ曲線評(píng)估忽略了非顯著像素的正確分配和目標(biāo)檢測(cè)的完整性，本文又引入平均絕對(duì)誤差（ｍｅａｎａｂｓｏｌｕｔｅｅｒｒｏｒ，ＭＡＥ）和加權(quán)Ｆ值（ｗｅｉｇｈｔｅｄＦ－ｍｅａｓｕｒｅ，ＷＦ）值進(jìn)行客觀評(píng)價(jià)［１８］，結(jié)果如表２所示。無(wú)論是ＭＡＥ，還是ＷＦ，本文方法的評(píng)價(jià)結(jié)果都是最優(yōu)的。然而，當(dāng)場(chǎng)景中存在疑似艦船目標(biāo)（見圖６中岸邊建筑物）時(shí)，本文方法可能會(huì)誤認(rèn)為場(chǎng)景中有多個(gè)目標(biāo)。應(yīng)該說(shuō)，單純靠顯著性目標(biāo)檢測(cè)是很難適應(yīng)各種復(fù)雜場(chǎng)景的，需要目標(biāo)識(shí)別來(lái)進(jìn)一步區(qū)分目標(biāo)和雜波。和大多數(shù)有監(jiān)督訓(xùn)練顯著性檢測(cè)方法一樣，本文方法的訓(xùn)練時(shí)間較長(zhǎng)，迭代次數(shù)ｔ＝１０時(shí)，耗時(shí)約１０個(gè)小時(shí)。訓(xùn)練時(shí)，類似

·９７６·系統(tǒng)工程與電子技術(shù)第４１卷??????????????????????????????????????????????????圖２考慮不同影響因素的顯著圖效果Ｆｉｇ．２Ｓａｌｉｅｎｃｙｍａｐｓｗｉｔｈｃｏｎｓｉｄｅｒｉｎｇｄｉｆｆｅｒｅｎｔｉｍｐａｃｔｆａｃｔｏｒｓ圖３不同目標(biāo)度的顯著圖Ｆｉｇ．３Ｓａｌｉｅｎｃｙｍａｐｓｏｆｄｉｆｆｅｒｅｎｔｏｂｊｅｃｔｎｅｓｓ客觀評(píng)價(jià)時(shí)采用ＰＲ（ｐｒｅｃｉｓｉｏｎａｎｄｒｅｃａｌｌ）曲線對(duì)１７種方法的顯著圖進(jìn)行評(píng)價(jià)。圖５是不同顯著圖檢測(cè)方法的ＰＲ曲線，本文方法排在第４的水平。ｇｂｖｓ，ＨＦＴ和ｒａｎｄｏｍｆｏｒ－ｅｓｔ３種方法雖說(shuō)少部分圖像雜波干擾嚴(yán)重，但是大部分圖像與目標(biāo)區(qū)域的重疊性較好，導(dǎo)致這３種方法的ＰＲ曲線占優(yōu)�？紤]到ＰＲ曲線評(píng)估忽略了非顯著像素的正確分配和目標(biāo)檢測(cè)的完整性，本文又引入平均絕對(duì)誤差（ｍｅａｎａｂｓｏｌｕｔｅｅｒｒｏｒ，ＭＡＥ）和加權(quán)Ｆ值（ｗｅｉｇｈｔｅｄＦ－ｍｅａｓｕｒｅ，ＷＦ）值進(jìn)行客觀評(píng)價(jià)［１８］，結(jié)果如表２所示。無(wú)論是ＭＡＥ，還是ＷＦ，本文方法的評(píng)價(jià)結(jié)果都是最優(yōu)的。然而，當(dāng)場(chǎng)景中存在疑似艦船目標(biāo)（見圖６中岸邊建筑物）時(shí)，本文方法可能會(huì)誤認(rèn)為場(chǎng)景中有多個(gè)目標(biāo)。應(yīng)該說(shuō)，單純靠顯著性目標(biāo)檢測(cè)是很難適應(yīng)各種復(fù)雜場(chǎng)景的，需要目標(biāo)識(shí)別來(lái)進(jìn)一步區(qū)分目標(biāo)和雜波。和大多數(shù)有監(jiān)督訓(xùn)練顯著性檢測(cè)方法一樣，本文方法的訓(xùn)練時(shí)間較長(zhǎng)，迭代次數(shù)ｔ＝１０時(shí)，耗時(shí)約１０個(gè)小時(shí)。訓(xùn)練時(shí)，類似

【參考文獻(xiàn)】：
期刊論文
[1]基于融合顯著圖和高效子窗口搜索的紅外目標(biāo)分割[J]. 劉松濤,劉振興,姜寧.  自動(dòng)化學(xué)報(bào). 2018(12)
[2]基于顯著圖生成和顯著密度最大化的高效子窗口搜索目標(biāo)檢測(cè)方法[J]. 劉松濤,黃金濤,劉振興.  電光與控制. 2015(12)
[3]基于區(qū)域協(xié)方差的圖像特征融合方法[J]. 劉松濤,常春,沈同圣.  電光與控制. 2015(02)



本文編號(hào)：3516751