论文部分内容阅读
光学遥感图像海面舰船目标检测无论是在民用还是军事方面都具有十分重要的意义。在民用方面能够用于海运交通,渔业管理,辅助遇难船只海洋救援等。在军事方面能够用于监视敌方重点港口的海域舰船部署与动态,评估战时海上打击效果等。然而,由于遥感图像拍摄幅度大,距离远,成像环境复杂,给目标检测带来一定的困难。首先,舰船检测易受云雾,海岛,海杂波等复杂背景的干扰,导致检测正确率低,虚警率高。其次,舰船目标尺寸多变,朝向不固定,带有尾迹,与背景具有较低的对比度。为了提高舰船检测的效率和精度,本文围绕候选区域提取,图像分割,特征提取等技术,采取由粗到细的检测机制设计了一系列快速有效的遥感图像舰船检测算法:1)为了能够在大幅海面上快速搜索到感兴趣区域,引入了视觉显著性算法来达到初步筛选出疑似目标区域的目的。当前存在的显著性算法多是针对自然图像设计的,无法完全适用于遥感图像。本文根据自然场景和人造目标在局部统计特征方面的差异,设计了适用于遥感图像海面背景的视觉显著性算法,采用多尺度特征和多层元胞自动机融合等技术来解决目标尺寸多变的问题。该算法能够在一定程度上抑制云雾,海杂波,海岛等自然背景的干扰,增强了目标整体的连续性和目标之间的可区分性,提取了较精准的候选区域。其中AUC值为0.93,在量化指标上优于其他视觉显著性算法。2)针对块状云层,岛屿,海杂波等虚警目标的干扰,设计了基于形状和纹理特征的虚警剔除方法。由于舰船头朝向不固定,很多文献采用预先计算主方向,旋转候选区域,接着进行特征提取的方式进行目标鉴别。如果主方向计算错误,就会影响后续分类识别的精度。考虑到以上问题,本文设计了一种基于舰船形状和纹理的特征描述子。不管舰船头朝向如何,提取的特征都相对稳定,独立于舰船方向。将基于全局径向梯度变换的形状描述子和基于区域协方差分解的纹理特征描述子融合为单个特征向量,接着使用支持向量机进行二分类,剔除候选区域中的虚警。整体算法取得了95%的检测正确率和3%的虚警率,优于其他舰船目标检测算法。3)为了解决遥感目标尺寸多变问题,设计了基于多尺度特征金字塔的视觉显著性算法,该算法能够克服目标尺寸多变问题。更重要的,对于强海杂波的情况,可根据特征图参数滤除和海杂波相关的特征,更加凸显舰船目标。在目标二次确认阶段,设计了基于Fourier Hog特征的虚警鉴别算法。该算法能够有效的分离目标和虚警。此外,可利用Fourier级数计算舰船目标的主方向,为舰船目标跟踪任务提供目标可能的行驶方向。4)为了能够更精确的检测较小尺寸的舰船目标,对YOLOv3目标检测模型进行深入研究,在模型框架,损失函数等方面进行了改进,设计了基于卷积神经网络的舰船目标检测方法。该算法能够有效抑制复杂背景的干扰,更适用于小尺寸目标的检测。目标区域定位准确,较少出现误检测。综上所述,本研究工作设计了适用于可见光遥感图像舰船目标检测的算法,在候选区域提取,特征提取方向提供了研究的新思路,为遥感图像目标检测任务提供一定的借鉴意义。