(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211055328.4 (22)申请日 2022.08.31 (71)申请人 北京瀚景锦河科技有限公司 地址 100085 北京市海淀区上地 东里一区4 号楼7层70 6 (72)发明人 马一帆　苗得雨　曹爽　王勇　 李晓露　樊宇亮　杨广　 (74)专利代理 机构 哈尔滨华夏松花江知识产权 代理有限公司 23213 专利代理师 张利明 (51)Int.Cl. G06T 7/136(2017.01) G06T 7/155(2017.01) G06T 7/187(2017.01) G06T 7/62(2017.01)G06V 10/44(2022.01) G06T 5/50(2006.01) (54)发明名称 基于改进HOU模 型的红外图像舰船目标快速 识别方法 (57)摘要 一种基于改进H OU模型的红外图像舰船目标 快速识别方法， 属于红外图像目标检测领域。 本 发明针对现有红外舰船目标识别方法在复杂海 面背景下检测识别准确率低的问题。 包括： 对采 集的原始红外舰船图像进行预处理， 获得预处理 后灰度图像； 由预处理后灰度图像的亮度信息获 得亮度特征图和HOU模型显著图， 加权融合得到 融合后显著图； 再利用改进OTS U算法对融合后显 著图进行阈值分割后， 再通过形态学闭运算， 确 定融合后显著图中的背景区域和目标区域； 对目 标区域进行几何特征提取， 并根据几何特征确定 舰船目标。 本发明用于快速识别舰船目标。 权利要求书2页 说明书8页 附图9页 CN 115439497 A 2022.12.06 CN 115439497 A 1.一种基于改进HOU模型的红外图像舰船目标 快速识别方法， 其特 征在于包括， 步骤一： 对 采集的原 始红外舰船图像进行 预处理， 获得预处理后灰度图像； 步骤二： 由预处理后灰度图像的亮度信息计算获得亮度特征图； 同时对预处理后灰度 图像进行频域与空间域的变换得到H OU模型显著图； 对亮度特征图和HOU模型显著图进 行加 权融合， 得到融合后显著图； 在现有OTSU算法的基础 上增加阈值调整系数获得改进OTSU算法； 利用改进OTSU算法对 融合后显著图进行阈值分割后， 再通过形态学闭运算， 确定融合后显著图中的背景区域和 目标区域； 步骤三： 对目标区域进行几何特 征提取， 并根据几何特 征确定舰船目标。 2.根据权利要求1所述的基于改进HOU模型的红外图像舰船目标快速识别方法， 其特征 在于， 步骤一中预处理包括： 对原始红外舰船图像的像素反色后， 再进行形态学滤波， 得到预 处理后灰度图像。 3.根据权利要求2所述的基于改进HOU模型的红外图像舰船目标快速识别方法， 其特征 在于， 所述形态学 滤波的公式如下： d(x,y)＝s(x,y)+dtop‑hat‑dbottom‑hat； 式中d(x,y)为预处理后灰度图像的像素， s(x,y)为像 素反色图像的像 素， dtop‑hat为进行 顶帽运算， dbottom‑hat为进行底帽运 算， x为像素的横坐标， y为像素的纵坐标； s(x+x',y+y')为s(x,y)的邻近点像素， x ′为邻近点像素的横坐标， y ′为邻近点像素的 纵坐标， ele(x' ,y')为邻近点架构因子 。 4.根据权利要求3所述的基于改进HOU模型的红外图像舰船目标快速识别方法， 其特征 在于， 步骤二中获得亮度特 征图的方法包括： 根据预处理后灰度图像的亮度信 息对预处理后灰度图像做下采样， 构建灰度高斯金字 塔； 对灰度高斯金字塔先进行中央周边差操作， 再对不同图层之间进行对点差分计算得到 多张亮度特征初始图， 对多张亮度特征初始图进行归一化得到亮度特征图； 进行对点差分 计算的两个图层， 若尺寸不同， 将相对小尺度图层通过线性插值的方法获得和相对大尺度 图层相同的尺寸， 再进行对点差分计算。 5.根据权利要求4所述的基于改进HOU模型的红外图像舰船目标快速识别方法， 其特征 在于， 步骤二中得到 HOU模型显著图的方法包括： 将预处理后灰度图像变换到频域， 计算log振幅谱并进行均值滤波， 得到相位谱， 由相 位谱计算得到log残差谱， 采用傅里叶逆变换将log残差谱从频域变换至空间域， 得到HOU模 型显著图。 6.根据权利要求5所述的基于改进HOU模型的红外图像舰船目标快速识别方法， 其特征 在于， 步骤二中得到融合后显著图的公式如下：权　利　要　求　书 1/2 页 2 CN 115439497 A 2式中S(x)是融合后显著图， L(x)是亮度特 征图， H(x)是HOU模型显著图。 7.根据权利要求6所述的基于改进HOU模型的红外图像舰船目标快速识别方法， 其特征 在于， 步骤二中改进OTSU算法的阈值T调整为现有OTSU算法阈值的1.1倍； 利用改进的OTSU算法对融合后显著图进行阈值分割包括： 根据阈值T将融合后显著图的像素分为目标 区和背景区， 再以类间方差最大为目的， 不 断优化阈值T获得优化后目标区和优化后背景区。 8.根据权利要求7所述的基于改进HOU模型的红外图像舰船目标快速识别方法， 其特征 在于， 步骤二中针对优化后目标区和优化后背景区采用形态学闭运算将优化后目标区内目 标多连通区域 转化为目标单连通区域， 最终确定融合后显著图中的背景区域和目标区域。 9.根据权利要求8所述的基于改进HOU模型的红外图像舰船目标快速识别方法， 其特征 在于， 步骤三中， 针对多目标的目标区域， 对每个疑似目标设定原始多边形轮廓， 依 次按预 设角度旋转原始多边形， 获得对应角度下原始多边形 的简单外接矩形， 将所有简单外接矩 形中的最小面积外接矩形作为 目标矩形； 将目标矩形逆变换到实际最小外接矩形； 将实际 最小外接矩形的长和宽作为疑似目标的几何特征， 根据几何特征确定 疑似目标是否为舰船 目标； 所述简单外 接矩形为平行于X轴和Y轴的外 接矩形。 10.根据权利要求8所述的基于改进HOU模型的红外 图像舰船目标快速识别方法， 其特 征在于， 步骤三中， 针对单目标的目标区域， 寻找单目标的矩形疑似轮廓， 将最大面积的矩 形疑似轮廓作为目标轮廓， 将目标轮廓的长和宽作为几何特征， 根据几何特征确定单目标 是否为舰船目标。权　利　要　求　书 2/2 页 3 CN 115439497 A 3