一种仿猛禽感受野区域重构的海面无人艇目标识别方法

摘要

本发明公开一种仿猛禽视网膜感受野区域重构的海面无人艇目标识别方法：步骤一：仿猛禽视网膜感受野区域重构；步骤二：确定中央区的灰度均值；步骤三：强抑制区与弱抑制区的灰度均值获取；步骤四：平滑过渡作用后的周边抑制区；步骤五：局部对比度函数确定；步骤六：中央‑周围区域特征融合。本发明的优势在于：1)模仿猛禽视网膜感受野的中央‑周边生物机制，能够提高海面目标检测的精度；2)通过构造对比度函数，能够快速分辨出目标与背景，具有较快的解算速度，达到实时解算；3)仿猛禽的生物机制具有较强鲁棒性，无人机能够迅速发现海浪中的无人艇，且保持跟踪，更有利于其他后续任务的完成，如无人机在无人艇上的垂直起降、能量补给等。

说明书

技术领域

本发明是一种仿猛禽视网膜感受野区域重构的海面无人艇目标识别方法，属于计算机视觉领域。

背景技术

我国海域辽阔，海岛众多，海岸线曲折漫长。随着国家“海洋强国”战略的实施，海岛日益成为缓解海洋经济和沿海社会发展的资源瓶颈的保障，也是维护海洋权益和保卫国家安全的战略前沿阵地。无人艇是一种吃水浅、能自主航行、自主避障、任务载荷配置灵活的水面舰艇，利用其携带多种作业载荷代替测绘人员对海洋进行测绘，可突破海图测绘的时空限制，获得空白区域和时段的数据，显著提高我国海图绘制和港口航道探测能力。但海岛的地势、地貌较为复杂，基础地理信息获取困难，常规的人工测量或船载作业方式难以完成基础地理空间信息的采集任务，现有卫星遥感和航空遥感的分辨率、实时性不够等问题，导致许多海岛海岸地区仍存在地形数据空缺。随着无人系统技术的研究、发展与应用，异构无人平台的自主协同控制成为当前航空宇航科学与技术、控制科学与工程等学科领域的研究热点，也是国家海洋装备核心竞争力的重要体现。在未来的复杂海洋水域环境下，“无人机-无人艇”协同合作将成为管控我国水域资源、维护我国海洋权益的重要使能工具。因此，建立水空协同海面无人系统对我国海防事业的发展具有重要的意义。

水面协同海面巡逻无人系统的研究对无人机-无人艇目标识别、环境感知、自主控制及优化、协同控制等技术有着迫切的需求。无人机高空海上目标识别与定位可拓展海空巡逻领域，是多异构水空无人系统的控制与协同不可或缺的环境感知手段。但要实现无人机海上目标识别的任务面临着诸多挑战。由于海面背景复杂且存在大量的重复模式，目标在图像中呈现的特点会随着时间、路径、场景等因素的变化而变化，使得匹配性能下降，自动识别难度大；大气紊流造成无人机机身振动，影响成像质量，易造成目标丢失；不同海况所引起的海面粼光，会造成部分角度下虚警率增加；多样性检测任务使得目标受干扰的类型众多，如油污、漂浮物、人、其他舰船等，高空目标检测识别难度大。因此研究稳定性高的无人机海上无人艇目标识别方法是是解决上述问题的必然之举。

目前，海上目标识别方法主要包含传统方法、深度学习方法等。在传统目标识别方法中，大多采用颜色、纹理、梯度等信息来区分前景和背景，进而检测出目标。但传统的海面目标检测方法泛化性能交叉，难以应用于复杂多变的海面场景及种类繁多的水面目标。在深度学习方法中，卷积神经网络(Convolutional Neural Network,CNN)、Adaboost算法、Fast R-CNN算法等，这些算法虽然大大提高了算法的准确率，但是随着网络层数的加深、卷积核的增多，所付出的高性能计算设备的代价也越来越高。大型神经网络所需要的推理及训练时间成本也越来越多，这对于目标识别的实时性要求是非常棘手的。而且，对于一些高精度集成的嵌入式开发设备，甚至无法加载这些大型的神经网络，使得这些算法只停留在离线测试阶段。因此，需要提出一种实时性强、精度高、鲁棒性好的目标识别算法来实现无人机在复杂环境下的海上目标快速精确识别。

猛禽中的鹰作为动物界中高视觉性能的代表，它能在几千米的高空发现并准确追踪地面上的猎物，拥有超强的目标识别及追踪能力。鹰的这一特征类似于无人机在海面上发现目标——无人艇，并跟踪实现着降的过程。对比度信息是鹰视觉系统感应的一个重要信息，也是影响视觉系统进行目标区分的关键特征。猛禽的对比敏感度函数呈现一个倒U型形状，高频部分和低频部分都较陡，衰减较快，这些生理学特性也与其视觉注意、侧抑制机制等功能特性息息相关。通过构造猛禽对比敏感度函数来模拟猛禽视网膜感受野神经细胞的中央区的兴奋特性和周边区抑制特性，提取出不同任务中的无人艇的显著信息，进而实现对复杂海面环境下的目标识别。

综上所述，本发明提出了一种仿猛禽感受野区域重构的海面无人艇目标识别方法，以解决在复杂海面环境下的情况下，无人机在高空准确识别并跟踪无人艇困难的问题，为解决水空协同海面巡逻无人系统集成及示范应用提供了理论与关键技术支撑。

发明内容

本发明提出了一种仿猛禽感受野区域重构的海面无人艇目标识别方法，其目的是提供一种实时、在线的无人机空中识别海面无人艇的方法，从而有效改善高海况、强杂波干扰等复杂海面任务环境下，无人机在高空中识别并准确追踪海面无人艇的能力。

本发明一种仿猛禽感受野区域重构的海面无人艇目标识别方法，针对复杂海况环境下无人机海上无人艇目标识别问题，开发了仿猛禽感受野区域重构的海面无人艇目标识别方法。其中，仿猛禽视网膜感受野区域重构的海面无人艇目标识别方法的流程图如图1所示，该方法的具体实施步骤如下：

步骤一：仿猛禽视网膜感受野区域重构

猛禽视网膜感受野是同心圆式的中央-周边颉颃式，该同心圆由中央兴奋区(以下简称为中央区)及周边抑制区组成。可以发现，距离中央区越远则其周边对中央区的抑制作用越小。因此，周边抑制区还可根据其对中央区的影响效果分为不同的功能区域。本发明是将猛禽视网膜感受野的周边抑制区进行再次分割。设猛禽视网膜感受野成像区域共N个。

如图2放大区所示，A

步骤二：确定中央区的灰度均值

在猛禽视网膜感受野的第n个区域任意给定一个特定的阈值q(0≤q＜K)，对于该阈值所分割的两个图像区域

其中，K为当前感受野第n个区域内的最大灰度值，同时K也作为当前区域内中央区的灰度最大值，且有0＜K≤255；p(i)为感受野第n个区域内灰度为i的像素的概率。

因此，在感受野第n个区域内以q阈值分割的图像背景和前景图像分别可以表示为

其中，在感受野第n个区域内，

感受野第n个区域的背景对应的熵可以表示为

感受野第n个区域的前景对应的熵可以表示为

因此，在阈值q下，感受野第n个区域的图像总熵为

分别计算感受野第n个区域内所有分割阈值q下的图像总熵，对比得到最大熵，将最大熵对应的分割阈值作为感受野第n个区域的中央区最终阈值

其中，

步骤三：强抑制区与弱抑制区的灰度均值获取

分别计算猛禽视网膜感受野第n个区域对应中央区的周边区中的强抑制区和弱抑制区的灰度均值。

首先，将小于步骤二所述的中央区最终阈值

感受野第n个区域的弱抑制区的灰度均值可表示为

感受野第n个区域的强抑制区的灰度均值可表示为

步骤四：平滑过渡作用后的周边抑制区

为避免周边抑制区中的强抑制区和弱抑制区之间灰度值的突然跳变，使得两抑制区之间检测出现明显的边界信息，本发明通过构造平滑过渡函数，实现强抑制区和弱抑制区过渡。周边抑制区中强抑制区和弱抑制区之间的过渡区域如图3所示。经过平滑过渡作用后的周边抑制区可表示为

其中

其中，[e

步骤五：局部对比度函数确定

根据步骤二至步骤四中获得的猛禽视网膜感受野第n个区域的中央区及周边抑制区的灰度值信息，定义局部对比度函数为

可以看出，当中央区的灰度均值

时，有

C

可知，远距离中央区域目标得到增强。反之，当远距离中央区域为背景区域时，则有

可得C

步骤六：中央-周围区域特征融合

将猛禽视网膜感受野的所有N个小区域的结果进行融合，可以得到整个图像的前景及背景特征。将感受野的N个区域中的中央区被增强的区域作为图像的前景，即

其中，m

将猛禽视网膜感受野的N个区域中的周边抑制区被抑制的区域作为图像的背景，即

其中，m

步骤七：无人机海上无人艇目标识别方法结果输出

本发明采用四旋翼无人机上挂载的相机对水面无人艇进行目标图像采集。运用步骤一至步骤六所提出的计算步骤对采集的无人艇图像进行离线目标识别方法的验证。

本发明提出了一种仿猛禽感受野区域重构的海面无人艇目标识别方法。该发明是在基于猛禽视网膜感受野中央周边分布结构和抑制交互作用的基础上，通过模拟猛禽视网膜感受野的中央-周边颉颃式视觉特性，构建猛禽视网膜感受野中央-周边对比度函数，实现复杂海况下无人机对无人艇的识别。该发明的主要优势主要体现在3个方面：1)猛禽具有良好的视觉，模仿猛禽视网膜感受野的中央-周边生物机制，能够提高海面目标检测的精度；2)通过构造对比度函数，能够快速分辨出目标与背景，具有较快的解算速度，达到实时解算的目的；3)猛禽从高空中就能发现地面上的小目标，保持跟踪且不丢失，说明仿猛禽的生物机制具有较强的鲁棒性，使得无人机能够迅速发现海浪中的无人艇，且保持跟踪，更有利于其他后续任务的完成，如无人机在无人艇上的垂直起降、能量补给等。

附图说明

图1仿猛禽视网膜感受野区域重构的海面无人艇目标识别方法流程图

图2仿猛禽视觉颜色空间的示意图

图3强抑制区与弱抑制区之间的过渡区示意图

图4无人机海面无人艇目标识别结果示意图

图5ROC评价曲线图

图中标号及符号说明如下：

f——输入图像

n——感受野的第n个区域

N——感受野的区域总数

A

B

B

a——中央区的半径

b

b

b

b

ROC——Receiver Operating Characteristic(ROC)曲线

False Positive Rate——ROC曲线的横坐标

True Positive Rate——ROC曲线的纵坐标

具体实施方式

下面通过一个具体的无人机海面无人艇目标识别实例来验证本发明所提出的方法的有效性。实验计算机配置为Intel Core i7-4790处理器，3.60Ghz主频，4G内存，软件为MATLAB 2014a版本。仿猛禽视网膜感受野区域重构的海面无人艇目标识别方法具体步骤如下：

步骤一：仿猛禽视网膜感受野区域重构

猛禽视网膜感受野是同心圆式的中央-周边颉颃式，该同心圆由中心兴奋区及周边抑制区组成。可以发现，距离中央区越远则其周边对中央区的抑制作用越小。因此，抑制区还可根据其对中央区的影响效果分为不同的功能区域。本发明是将猛禽视网膜感受野的周边抑制区进行再次分割。设猛禽视网膜感受野成像区域共N个。

如图2所示，A

步骤二：确定中央区的灰度均值

在猛禽视网膜感受野的第n个区域任意给定一个特定的阈值q(0≤q＜K)，对于该阈值所分割的两个图像区域

因此，在感受野第n个区域内以q阈值分割的图像背景和前景图像分别可以表示为式(2)。其中，在感受野第n个区域内，

感受野第n个区域的背景对应的熵可以表示为式(3)，感受野第n个区域的前景对应的熵可以表示为式(4)。

因此，在阈值q下，感受野第n个区域的图像总熵为式(5)。

分别计算感受野第n个区域内所有分割阈值q下的图像的总熵，对比得到最大熵，将最大熵对应的分割阈值作为感受野第n个区域的中央区最终的阈值

步骤三：强抑制区与弱抑制区的灰度均值获取

分别计算猛禽视网膜感受野第n个区域对应中央区的周边区中的强抑制区和弱抑制区的灰度均值。

首先，将小于步骤二中通过最大阈值分割法获得的阈值

感受野第n个区域的弱抑制区的灰度均值可表示为式(7)。感受野第n个区域的强抑制区的灰度均值可表示为(8)。

步骤四：平滑过渡作用后的周边抑制区

为避免周边区中的强抑制区和周边弱抑制区之间灰度值的突然跳变，使得两抑制区之间检测出现明显的边界信息，本发明通过构造平滑过渡函数，实现周边强抑制区和弱抑制区过渡。周边区强抑制区和弱抑制区之间的过渡区域如图3所示。经过平滑过渡作用后的周边抑制区可表示为式(9)。

式(9)中，[e

步骤五：局部对比度函数确定

根据步骤二至步骤四种获得的猛禽视网膜感受野第n个区域的中央区及周边区的灰度值信息，定义局部对比度函数可表示为式(11)。

可以看出，当感受野中央区的灰度均值

反之，当远距离中央区域为背景区域时，则有式(14)条件成立。可以得到C

步骤六：中央-周围区域特征融合

将猛禽视网膜感受野的所有N个小区域的结果进行融合，可以得到整个图像的前景及背景特征。

将感受野的N个区域中的中央区被增强的区域作为图像的前景，即如式(15)所示。其中，m

将猛禽视网膜感受野的N个区域中的周边区被抑制的区域作为图像的背景，即如式(16)所示。其中，m

步骤七：无人机海上无人艇目标识别方法结果输出

本发明采用四旋翼无人机上挂载的相机对水面无人艇进行目标图像采集。运用步骤一至步骤六所提出的计算步骤对采集的无人艇图像进行离线目标识别方法的验证。本发明提出的海面无人艇目标识别方法应用于视觉导航中，无人机海面无人艇目标识别过程中的结果示意图如图4所示，本发明提出的目标识别方法的ROC评价曲线(ReceiverOperating Characteristic)如图5所示。