中低分辨率光学遥感图像舰船目标检测算法研究

论文摘要

舰船检测与监视是世界各海岸带国家军事、海事、渔业等部门的传统任务,遥感技术作为舰船检测的有效手段之一,正引起越来越多国家的重视和利用。本文针对中低分辨率光学遥感图像开展舰船目标检测算法研究,同时研究了舰船编队的检测。本文的主要工作包括以下三个部分:1、海陆背景图像中舰船目标的检测。海陆背景图像中的舰船检测首先要实现海陆分离,论文在对海域灰度分布特性分析的基础上,提出了基于统计分类的海陆阈值分离方法,然后用联合灰度和纹理特征的方法检测舰船目标。2、复杂海洋背景下的舰船目标检测。复杂海洋背景图像主要指有云和阴影的图像,针对这一背景提出了基于视觉注意机制的舰船目标检测算法。由于航行中的舰船会产生尾迹,通过分析舰船尾迹的模式提出根据尾迹分布特性划分区域并利用区域纹理检测尾迹的方法。检测出的目标中往往存在虚警,因此需要对目标进行鉴别,提出了联合多特征的舰船目标序贯鉴别方法。3、研究了舰船编队的检测方法。根据舰船编队队形的知识,运用感知编组的编组规则研究舰船目标间的分布关系,并用模糊函数度量目标基元的规则性,最后用迭代谱图划分的方法实现编队的检测,实测数据的实验取得预期结果。论文对上述三个方面所提的算法均利用星载遥感数据进行了验证,通过与原有算法的比较表明了所提算法的优越性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 光学遥感图像舰船目标检测研究现状
• 1.3 光学图像舰船目标检测面临的问题
• 1.4 论文主要工作和结构
• 1.5 数据定义
• 第二章 海陆背景的海域舰船目标检测
• 2.1 引言
• 2.2 图像预处理
• 2.2.1 噪声的去除
• 2.2.2 去云处理
• 2.3 海陆分离
• 2.3.1 海陆分离方法概述
• 2.3.2 基于统计分类的海陆分离
• 2.3.3 海陆分离二值图的形态学处理
• 2.3.4 实验结果
• 2.4 联合灰度和纹理特征的舰船检测
• 2.4.1 基于改进的CFAR 舰船目标检测
• 2.4.2 基于EF 的舰船目标检测
• 2.4.3 联合特征的舰船检测
• 2.4.4 实验结果
• 2.5 小结
• 第三章 复杂海洋背景中的舰船目标快速检测
• 3.1 引言
• 3.2 基于视觉注意机制的舰船检测
• 3.2.1 视觉注意机制概述
• 3.2.2 舰船目标ROI 检测
• 3.2.3 实验结果
• 3.3 舰船目标尾迹的检测
• 3.3.1 舰船尾迹模式
• 3.3.2 基于区域纹理特征的尾迹检测
• 3.4 舰船目标的鉴别
• 3.4.1 鉴别特征的选择原则
• 3.4.2 舰船鉴别特征的提取与选择
• 3.4.3 舰船目标鉴别流程
• 3.4.4 实验结果
• 3.5 小结
• 第四章 基于感知编组的海上舰船编队检测
• 4.1 引言
• 4.2 舰船编队队形知识
• 4.3 感知编组和谱图理论
• 4.3.1 感知编组概述
• 4.3.2 基于谱图划分的编组思想
• 4.3.3 编队检测的思路
• 4.4 关系基元的规则测度
• 4.4.1 局部空间关系的提取
• 4.4.2 空间关系的规则性测度
• 4.5 基于迭代谱图划分的舰船编队检测
• 4.5.1 检测算法描述
• 4.5.2 实验结果
• 4.6 小结
• 第五章 结束语
• 5.1 论文的主要成果
• 5.2 需要进一步研究的问题
• 致谢
• 参考文献
• 作者在学期间取得的学术成果