基于视觉显著性的小型无人机目标检测方法

发布时间：2024-03-26 05:09

　　可见光小型无人机(Unmanned Aerial Vehicle, UAV)检测技术在反无人机、无人机管控领域有着特殊意义,由于目标大小、光照条件、复杂背景等因素的变化都会影响检测的结果。针对小型无人机目标检测问题,提出了一种基于视觉显著性的小型无人机可见光检测算法。采用基于直方图对比度的显著性计算方法,提取可见光图像中的视觉显著特征,利用选择性搜索技术给出无人机目标的候选区域集,结合视觉显著性分析结果进一步优化候选区域集,最后在每个候选区域内提取规范化梯度特征,利用线性分类器对区域特征进行鉴别,实现对无人机目标的快速检测。仿真结果表明,该方法的平均精度可达84.74%,在20 dB噪声条件下,仍然保持80.97%的平均精度,充分说明本方法对小型无人机目标具有较好的检测能力、抗干扰效果和工程应用价值。

【文章页数】：5 页

【部分图文】：

图1算法流程图

本文的算法流程如图1所示,针对一副输入的彩色图像,首先利用视觉显著性计算模型获取相应的显著图,同时,利用选择性搜索方法[7]得到目标的候选窗口,接着,保留视觉显著的候选窗口,然后,在每个候选窗口内计算规范化梯度特征,输入SVM判别候选窗口内是否包含目标,最后输出检测结果。3视觉....

图2生成训练样本,手动标注的实线框为

在进行无人机目标检测前,需要训练出SVM中的权重向量W。在训练过程中,本文按照1:1比例选择正负样本,通过手动标识生成正样本,通过随机采样的方式产生负样本,样本产生过程如图2所示。7实验结果与分析

图3本文检测方法的过程结果和输出结果

图3给出了本文方法的过程结果和输出结果。图3(a)、图3(b)为检测图像样本,图3(c)、图3(d)为视觉显著性计算结果,图3(e)、图3(f)为选择性搜索算法产生的目标候选区域,图3(g)、图3(h)为结合视觉显著性分析结果重新计算的目标候选区域,图3(i)、图3(j)为目标检....

本文编号：3939412