论文部分内容阅读
随着人类对海洋越来越多的关注,舰船成为了人们利用海洋、开发海洋的重要工具。为了更好的获得舰船目标的信息,舰船目标检测技术应运而生,应用领域主要集中于关系国家安全的各个方面,如海域监控、海上搜救、渔业以及防恐等。与传统的基于合成孔径雷达(SAR)图像的检测算法不同,基于光学遥感图像的检测算法因为光学图像自身成像的特点往往使得舰船目标提取更为困难,而这又是最近几年相关文献回避的问题通过研究光学遥感图像成像特点,我们把研究的问题集中于以下三个方面:1.光学图像成像因为光线变化而呈现明暗变化,使得海洋和陆地两块区域难以通过单一阈值分割算法加以区分。2.光学遥感图像会出现大量的云层干扰因素,这些云层明暗不一,且和部分海域、陆地信息类似,云检测算法较难设计。3.光学遥感图像会出现复杂海况的情况,加之部分舰船目标反射率低,使得舰船目标很难与背景区分。以上问题的出现都会影响舰船目标的虚警率和漏警率,本文在广泛调研相关文献的基础上,对上述问题逐一重点研究,并设计了针对光学遥感图像舰船目标检测的算法流程。该算法以检测软件的形式最终应用在GoogleEarth平台上,通过实验证明了该舰船目标检测算法相比传统的检测算法有着较高的检测率和较低的虚警率。本文的研究工作和贡献如下:1.针对海陆背景明暗变化较大的问题,提出一种基于图像3D重建的海陆分割算法,主要利用明暗变化信息来重建图像海拔信息,再结合相关的形态学滤波和动态阈值分割算法划分陆地和海洋区域。实验表明该算法相比与传统2D的阈值分割算法,对于陆地刻画的更精细,且鲁棒性较高。2.针对大块且成像复杂云层的检测问题,我们利用基于图像内容特征学习的方法,从灰度、纹理、边缘等角度提取描述云层的特征向量,再利用机器学习的思想加以学习建模,使用该模型进行云层分类。算法最后利用反馈的思想,通过调整训练集的方法来自适应改变参数,通过多次分类的方式使得云层检测率更高。3.针对复杂海况背景下的舰船目标检测,我们提出一种基于人眼多级视觉感知和视觉非对称机制的检测算法。首先利用一种改进的计算频谱残差的方法得到视觉显著图;其次利用Tophat形态学滤波去除视觉上不属于舰船目标的区域,并计算兴趣关注点;最后利用一种方向自适应的Gabor滤波算法对兴趣关注点周围进行聚焦、联想分析,获得一张含有清晰舰船目标,且背景噪声得到有效抑制的图像。在本论文的最后,我们对全文进行总结,并讨论了下一步工作的展望。