论文部分内容阅读
舰船是专属经济区监测的主要对象之一,发展舰船监测和监控技术具有重要的意义。合成孔径雷达(SAR)具有大范围、全天时、全天候的成像能力在舰船监测方面已被证明是一种有效的手段。随着星载SAR数据的不断丰富,利用SAR图像进行舰船检测与分类的研究得到高度重视。目前已有多种基于SAR图像的舰船目标检测与分类算法,但由于缺少实测数据,无法为现有的舰船目标检测与分类算法做出客观的评价。自2005年~2007年期间,在青岛港锚地先后开展了七次与ENVISAT卫星同步的舰船探测实验,获取了大量的舰船实测数据及ENVISAT ASAR图像。基于实验数据,比对了典型SAR舰船目标检测算法,开展了SAR舰船长度探测精度分析与修正研究,并分析了典型舰船类型的SAR图像特征,探讨了利用该特征进行舰船类型识别的可行性。在典型SAR舰船目标检测算法的比对方面,本文基于实验数据开展CFAR检测算法和小波检测算法的比对分析研究,给出了上述两种算法的适用范围和探测精度:小波检测算法可检测肉眼不易识别的舰船目标,但受SAR图像中相干噪声的影响较大;CFAR检测算法受相干噪声的影响较小,且能较好地提取舰船结构特征。在舰船长度探测方面,SAR图像提取的舰船长度与实测舰船长度有较大的差别,平均绝对误差为31.36m。通过开展半定量的舰船长度探测影响因素分析,提出基于多项式拟合的和基于神经网络的两种舰船长度修正模型。结果表明,基于神经网络的舰船长度修正模型的修正精度更高。在SAR舰船类型的特征分析与识别方面,本文通过分析不同舰船类型的结构特征得到,干(散)货船沿舰船主轴有多个相隔距离较远的峰值,油轮只有一个较大的主峰值,集装箱船存在数量较多的,相隔距离较为紧密的高峰值且居于舰船主轴的两侧。此外,基于实验数据讨论了利用舰船结构特征进行舰船类型识别的可行性。