基于残差回归网络的复杂背景下海界线检测

海界线对基于视觉的海面目标检测、识别、航行避障具有重要的意义,在复杂的海空或者海陆背景环境中,云层、波浪反射及嘈杂的海面、陆地信息等都会给海界线的提取造成严重的干扰。该文提出一种基于残差回归网络的海界线提取算法,首先采用残差回归网络进行全图回归获得逐像素的海界线概率图,再通过OTSU算法对概率图进行阈值分割,初步提取海界点,然后采用meanshift聚类方法进行干扰点的排除,最后采用最小二乘算法,提取出海界线的位置。该算法在大部分复杂的海空或者海陆背景中,均能快速、精确地检测到海界线的位置,其克服了传统的基于梯度或者纹理等低级特征的海界线提取算法在复杂背景下抗干扰能力差的特点,并且能提取曲线形式的海界线,时间复杂度与传统方法并无太大差距,具有实际使用价值。

基于海面可见光图像的海界线快速检测

针对海面运动载体的可见光序列图像,紧密结合海面图像的特点,提出了一种适用于海天背景和海岸背景的海界线检测方法。根据量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,来判断海界线区域是否存在,若存在则预测海界线区域的位置,若不存在则放弃后续处理。由于海界线是自然视野中最长的连续性最好的直线,所以先利用周围纹理抑制的改进Canny算子提取轮廓边缘,然后对Hough变换进行投票加权,精细检测水平或倾斜的海界线。实验证明,该方法能够快速定位海界线区域,并得出既包含有效信息又大幅缩减了无意义信息的二值图像,可在轮廓边缘中准确找到海界线,具有很好的稳健性和实时性,可以应用于需要精确的海界线信息的工程任务中。