论文部分内容阅读
卫星平台和传感器技术的不断发展,为遥感信息处理技术在军事民用领域的广泛应用提供了日趋完善的平台和数据基础。数据的空间分辨率、频谱分辨率、时间分辨率的逐渐提升为开展相关研究提供了更加充分的信息支持。对重点地区的动态监视隶属遥感变化检测的范畴,基于两时相的分析策略提供了很多经典思路,但在充分挖掘历史数据信息、提供面向目标识别的变化检测方面尚有许多待解决的难题。论文以港口作为分析区域,其中驻泊的船只为动态监视的要素,探索有效的基于多或超时相历史数据挖掘方法和知识表述策略,用于港口动态监视任务。本文的主要研究工作有:1)提出了一种服务于港口目标的超时相历史数据挖掘分析流程。为简化实时变化检测处理,根据感兴趣目标特点,按照静态背景和动态目标两个互为关联的部分,分别设计了数据挖掘方法及知识组织形式:针对静态背景,依据不同任务需求,设计了中值法、平均值法和时间最近邻法三种不同的提取策略,并分统计特征属性挖掘、港口结构特征信息挖掘两类给出知识表述;针对动态船只目标,设计了一组特征矢量,并依据模糊聚类思想,对历史停驻船只聚类信息予以整理分析。2)根据历史数据挖掘结果,对待分析实时数据,按照:依据静态背景掩膜快速岸海分离;依据港口码头结构特征,对停驻舰船目标快速RO(IRegion of Interest)提取,利用扫描线法完成船只区域补齐操作;针对并排停驻舰船目标提取分析难点,提出了一种基于遍历舰船目标轮廓法实现对粘连目标切分的方法;依据数据挖掘阶段形成的聚类知识,完成有效特征参数提取,并利用模糊C均值聚类思想实现对舰船目标聚类分析。3)设计实现了一套舰船目标动态监视的任务流程,即:提取港口实时图像舰船目标信息,剔除伪目标;对提取的舰船目标进行聚类分析,汇总分析舰船目标类别情况以及各类舰船目标数量的变化;对不同于历史记录的目标类别,进行停驻异常检测并报警;动态目标的分析结果按照数据挖掘原有分析框架,通过人机交互模式,完成知识库的更新和补充。采用商业遥感数据作为基础数据,人工模拟若干动态变化情况,初步实验结果验证了上述方法的有效性。