光学卫星遥感图像舰船目标检测技术研究

光学卫星遥感图像舰船目标检测技术研究

论文摘要

光学卫星遥感技术发展日新月异,研究如何在海量的光学卫星遥感图像上检测舰船目标对我国海域监控具有重大意义,本文围绕这一主题展开研究,主要内容包括光学卫星遥感图像的预处理、舰船目标预检测、舰船目标鉴别、尾迹检测等。图像预处理中,研究了面向舰船目标检测的图像去噪以及海陆分割问题。针对常规中值滤波在去除椒盐噪声中存在的细节丢失问题,引入带阈值选择的滤波方法,并对基于灰度统计的快速中值滤波算法进行了改进,实现了快速滤波的同时保留了图像的细节。在海陆分割方面,研究了利用Otsu结合形态学的光学卫星遥感图像海陆分割算法。最终通过实验验证了两个算法的有效性。在目标检测方面,针对传统恒虚警率(Constant False-Alarm Rate:CFAR)检测不能判决黑极性目标的缺点,提出了一种基于广义似然比检验(Generalized Likelihood Ratio Test:GLRT)的舰船目标检测算法。该算法采用与CFAR检测类似的滑动窗口检测,但与CFAR检测仅考虑背景窗口的统计分布不同,该算法同时考虑了背景窗口与目标窗口的统计分布,再根据GLRT原理检测目标。实验结果表明,相比CFAR检测,该算法对黑白极性舰船目标均具有较好的检测能力,且虚警率更低,速度更快。针对舰船目标鉴别,研究并实现了基于支持向量机(Support Vector Machine:SVM)分类的目标鉴别算法。首先提取了目标的形状、灰度以及纹理等基本特征,然后采用SVM分类器进行目标鉴别。其中引入了基于GPAC的活动轮廓模型进行目标的精细分割,并设计了不同的特征组合方案,得到不同的SVM分类器,综合考虑每个分类器的分类正确率、鉴别检测率以及鉴别虚警率,最终找出性能最佳的分类器实现目标鉴别。最后,针对尾迹检测,提出了一种基于局部扫描的检测算法。传统的尾迹检测一般采用局部旋转窗口Radon变换的形式,计算复杂度高,且Radon变换存在离散化之后检测不够均匀的缺陷,针对此,提出了本文算法。该算法采用了网格划分与预分割的方法限定扫描区域,降低了检测运算量,在后处理阶段合并属于同一尾迹的检测线段为一条线段,并根据长度约束去除了虚警。实验结果表明,该算法相比局部旋转窗口Radon变换尾迹检测效果更好,且时间复杂度更低。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景与意义
  • 1.2 光学卫星遥感图像舰船目标检测研究现状
  • 1.2.1 典型算法流程
  • 1.2.2 关键技术现状
  • 1.3 本文的主要工作与组织方式
  • 第二章 舰船目标预检测
  • 2.1 引言
  • 2.2 噪声去除
  • 2.2.1 去噪概述
  • 2.2.2 改进快速中值滤波
  • 2.2.3 实验结果
  • 2.3 陆地掩膜
  • 2.3.1 陆地掩膜方法概述
  • 2.3.2 基于最大类间方差的陆地掩膜
  • 2.3.3 实验结果
  • 2.4 基于GLRT 的舰船目标预检测
  • 2.4.1 基于CFAR 的舰船目标预检测方法
  • 2.4.2 基于GLRT 的舰船目标预检测方法
  • 2.4.3 两种预检测方法的联系与区别
  • 2.4.4 舰船目标预检测的快速实现
  • 2.4.5 实验结果与分析
  • 2.5 本章小结
  • 第三章 舰船目标鉴别
  • 3.1 引言
  • 3.2 目标切片精细分割
  • 3.3 特征提取与选择
  • 3.3.1 形状特征
  • 3.3.2 灰度纹理特征
  • 3.4 基于特征分类的目标鉴别
  • 3.4.1 机器学习概述
  • 3.4.2 SVM 的基本原理
  • 3.4.3 基于SVM 分类器的目标鉴别
  • 3.5 实验结果与分析
  • 3.5.1 分类器性能测试
  • 3.5.2 实测遥感图像检测结果
  • 3.6 本章小结
  • 第四章 舰船尾迹检测
  • 4.1 引言
  • 4.2 尾迹增强
  • 4.3 典型尾迹检测算法
  • 4.3.1 Radon 变换原理
  • 4.3.2 基于局部旋转Radon 变换的尾迹检测
  • 4.4 基于局部扫描的尾迹检测算法
  • 4.4.1 基于扫描的直线特征检测
  • 4.4.2 基于局部扫描的直线特征快速检测
  • 4.4.3 检测点合并与虚警去除
  • 4.5 实验结果与分析
  • 4.6 本章小结
  • 第五章 结束语
  • 5.1 本文的主要成果及创新点
  • 5.2 需进一步研究的问题
  • 致谢
  • 参考文献
  • 作者在学期间取得的学术成果
  • 附录A 切片特征提取结果
  • 相关论文文献

    • [1].基于参数优化小波变化的舰船目标检测方法[J]. 舰船科学技术 2020(02)
    • [2].基于遥感图像的舰船目标定位研究[J]. 舰船科学技术 2020(12)
    • [3].海面舰船目标微多普勒周期快速估计方法[J]. 电子测量与仪器学报 2020(06)
    • [4].云平台和神经网络的舰船目标检测[J]. 舰船科学技术 2019(12)
    • [5].云环境舰船目标检测与跟踪[J]. 舰船科学技术 2018(12)
    • [6].高光谱图像海上舰船目标检测方法研究[J]. 重庆理工大学学报(自然科学) 2015(11)
    • [7].深度学习的遥感影像舰船目标检测[J]. 测绘科学 2020(03)
    • [8].纹理高阶分形特征的海面舰船目标检测方法[J]. 舰船科学技术 2020(04)
    • [9].生成对抗网络辅助学习的舰船目标精细识别[J]. 智能系统学报 2020(02)
    • [10].基于显著区域提取的红外图像舰船目标检测[J]. 电讯技术 2020(07)
    • [11].海面上舰船目标的紫外散射特性研究[J]. 红外技术 2019(08)
    • [12].海上舰船目标雷达成像算法[J]. 科技导报 2017(20)
    • [13].水雷障碍对舰船目标流毁伤概率仿真研究[J]. 计算机仿真 2011(04)
    • [14].光学遥感图像舰船目标检测与识别综述[J]. 自动化学报 2011(09)
    • [15].一种基于差分滤波的红外舰船目标检测方法[J]. 指挥与控制学报 2020(02)
    • [16].复杂场景下的自动红外舰船目标检测[J]. 红外技术 2014(04)
    • [17].一种复杂海天背景下的红外舰船目标自动检测方法[J]. 武汉大学学报(信息科学版) 2011(12)
    • [18].舰船目标实时一维距离像研究[J]. 现代雷达 2008(07)
    • [19].基于多尺度局部对比度的前视红外舰船目标增强[J]. 电光与控制 2020(09)
    • [20].扫描探测系统多尺度舰船目标的空间特性分析[J]. 光学学报 2019(07)
    • [21].背景纹理模型在海面舰船目标检测中的应用研究[J]. 舰船科学技术 2017(20)
    • [22].遥感图像中舰船目标的快速精细检测[J]. 光电工程 2016(04)
    • [23].光学遥感图像在舰船目标检测中的应用分析[J]. 舰船电子工程 2016(10)
    • [24].基于图像融合与处理技术的舰船目标检测[J]. 舰船科学技术 2015(05)
    • [25].一种对港口影像进行舰船目标提取方法[J]. 计算机仿真 2014(01)
    • [26].用盒子维评估红外烟幕对舰船目标的遮蔽效果[J]. 光电工程 2009(02)
    • [27].航空遥感影像的实时舰船目标检测[J]. 光学精密工程 2020(10)
    • [28].星载SAR在轨成像及舰船目标检测方法[J]. 航天器工程 2018(06)
    • [29].二值化特征在快速舰船目标预选中的应用[J]. 光学技术 2017(05)
    • [30].基于梯度统计特性的自动红外舰船目标检测[J]. 数字技术与应用 2013(10)

    标签:;  ;  ;  ;  ;  ;  ;  ;  ;  

    光学卫星遥感图像舰船目标检测技术研究
    下载Doc文档

    猜你喜欢