论文部分内容阅读
随着卫星对地观测能力的发展,获得了越来越多的光学遥感图像数据,迫切需要提高光学遥感图像解译的自动化水平。光学遥感图像舰船目标检测致力于从大幅光学遥感图像中快速准确提取舰船目标,是光学遥感图像解译的重要课题。结合相关科研项目中构建光学遥感图像舰船目标检测子系统的实际需求,围绕光学遥感图像的预处理、舰船目标ROI快速提取、ROI鉴别、舰船编队提取等关键技术开展了理论分析和实验验证。在光学遥感图像预处理方面,研究了面向舰船目标提取的图像去噪和海陆分割问题。分析了中值滤波器在去除椒盐噪声时窗口尺寸选取方法。研究了利用OSTU法结合形态学后处理对光学遥感图像进行海陆分离的方法,实验验证了该方法的有效性。在目标ROI的快速提取方面,分别针对目标灰度比背景亮和暗两种情况,提出了两种ROI快速提取方法。对于目标灰度比背景亮的情况,采用高斯混合模型分析了有云干扰的背景杂波统计特性,借鉴经典CFAR算法思想,提出了基于高斯混合模型两级筛选的CFAR快速检测算法。该算法充分考虑干扰云和目标的特点,将去云和目标检测同时进行,且只对薄云区域应用CFAR算法,在保证检测率和虚警率的同时,显著地提高了检测效率;针对高分辨图像中目标灰度比背景暗的情况,研究了基于局部方差的OSTU快速分割方法,该方法以较小的计算代价快速提取目标ROI。针对舰船目标ROI的鉴别,采用最小外切矩形方法提取舰船的长宽特征,基于改进的局部Radon变换提取尾迹特征,进而研究了目标多特征序贯鉴别方法。实测数据实验表明,该鉴别方法能够有效的去除虚假ROI。针对舰船编队目标的提取,分析了舰船编队的空间特性,总结出舰船编队等间距共直线、近似等长平行的空间规则特性。以此为基础,提出了一种基于空间规则度的谱图划分编队提取算法。该算法根据舰船编队的空间规则性制定模糊规则,采用模糊推理技术定量度量舰船多元关系之间的空间规则度,并引入谱图划分的思想,通过构建场景结构图,计算该结构图特征向量来指导划分舰船子目标,从而提取出满足舰船编队空间特征的编队子目标。仿真和实测的图像数据实验表明,在编队队形一定程度变化时,算法可以有效的提取出舰船编队。