郭少军, 沈同圣, 徐　健, 马新星

(1.海军航空工程学院控制科学与工程系, 山东 烟台 264001;

2.中国国防科技信息中心, 北京 100142; 3. 91868部队, 海南 三亚 572000)



基于ObjectNess BING 的海面多舰船目标检测

郭少军1,3, 沈同圣2, 徐健1, 马新星1

(1.海军航空工程学院控制科学与工程系, 山东 烟台 264001;

2.中国国防科技信息中心, 北京 100142; 3. 91868部队, 海南 三亚 572000)

摘要：将一幅图像按照一个目标的大小进行缩放,然后计算其梯度特征,再对梯度特征进行标准化,二值化能够极大地提高目标候选区域的选择和检测计算效率,减少耗时。由于对海上舰船目标的检测是具有丰富角点的人造目标,对ObjectNess二值化标准梯度特征(binarized normed gradients, BING)方法中的目标候选区域提取算法进行改进,使其能够更加快速地进行候选区域的选择并保持较高的检测率。分析了海上多舰船目标的图像特征,提出了利用角点确定目标的候选基点,再利用ObjectNess BING检测模型训练获得的多目标尺寸进行候选区域的选择,对互联网上下载的多幅多舰船图像进行处理的结果表明,算法能够有效减少候选目标区域的数量并保持较高的检测概率。

关键词：ObjectNess二值化标准梯度特征; 角点检测; 模板训练; 海面舰船; 目标检测

0引言

海上多舰船目标检测的任务是对感兴趣的舰船进行检测与识别。目标检测的好坏对海战、海上救援、海上反恐、海岛安全防御都具有重大的影响。时间是完成任务的根本,因此减少候选目标区域和提高目标检测运算速度显得尤为重要。

文献[1]针对可见光……