基于光學(xué)遙感圖像的艦船目標(biāo)自動(dòng)檢測(cè)技術(shù).pdf

1、隨著人類(lèi)對(duì)海洋越來(lái)越多的關(guān)注，艦船成為了人們利用海洋、開(kāi)發(fā)海洋的重要工具。為了更好的獲得艦船目標(biāo)的信息，艦船目標(biāo)檢測(cè)技術(shù)應(yīng)運(yùn)而生，應(yīng)用領(lǐng)域主要集中于關(guān)系國(guó)家安全的各個(gè)方面，如海域監(jiān)控、海上搜救、漁業(yè)以及防恐等。
　　 與傳統(tǒng)的基于合成孔徑雷達(dá)（SAR）圖像的檢測(cè)算法不同，基于光學(xué)遙感圖像的檢測(cè)算法因?yàn)楣鈱W(xué)圖像自身成像的特點(diǎn)往往使得艦船目標(biāo)提取更為困難，而這又是最近幾年相關(guān)文獻(xiàn)回避的問(wèn)題通過(guò)研究光學(xué)遙感圖像成像特點(diǎn)，我們把研究的問(wèn)

2、題集中于以下三個(gè)方面：
　　 1.光學(xué)圖像成像因?yàn)楣饩€變化而呈現(xiàn)明暗變化，使得海洋和陸地兩塊區(qū)域難以通過(guò)單一閾值分割算法加以區(qū)分。
　　 2.光學(xué)遙感圖像會(huì)出現(xiàn)大量的云層干擾因素，這些云層明暗不一，且和部分海域、陸地信息類(lèi)似，云檢測(cè)算法較難設(shè)計(jì)。
　　 3.光學(xué)遙感圖像會(huì)出現(xiàn)復(fù)雜海況的情況，加之部分艦船目標(biāo)反射率低，使得艦船目標(biāo)很難與背景區(qū)分。
　　 以上問(wèn)題的出現(xiàn)都會(huì)影響艦船目標(biāo)的虛警率和漏警率，本文在

3、廣泛調(diào)研相關(guān)文獻(xiàn)的基礎(chǔ)上，對(duì)上述問(wèn)題逐一重點(diǎn)研究，并設(shè)計(jì)了針對(duì)光學(xué)遙感圖像艦船目標(biāo)檢測(cè)的算法流程。該算法以檢測(cè)軟件的形式最終應(yīng)用在GoogleEarth 平臺(tái)上，通過(guò)實(shí)驗(yàn)證明了該艦船目標(biāo)檢測(cè)算法相比傳統(tǒng)的檢測(cè)算法有著較高的檢測(cè)率和較低的虛警率。
　　 本文的研究工作和貢獻(xiàn)如下：
　　 1.針對(duì)海陸背景明暗變化較大的問(wèn)題，提出一種基于圖像3D 重建的海陸分割算法，主要利用明暗變化信息來(lái)重建圖像海拔信息，再結(jié)合相關(guān)的形態(tài)學(xué)濾

4、波和動(dòng)態(tài)閾值分割算法劃分陸地和海洋區(qū)域。實(shí)驗(yàn)表明該算法相比與傳統(tǒng)2D的閾值分割算法，對(duì)于陸地刻畫(huà)的更精細(xì)，且魯棒性較高。
　　 2.針對(duì)大塊且成像復(fù)雜云層的檢測(cè)問(wèn)題，我們利用基于圖像內(nèi)容特征學(xué)習(xí)的方法，從灰度、紋理、邊緣等角度提取描述云層的特征向量，再利用機(jī)器學(xué)習(xí)的思想加以學(xué)習(xí)建模，使用該模型進(jìn)行云層分類(lèi)。算法最后利用反饋的思想，通過(guò)調(diào)整訓(xùn)練集的方法來(lái)自適應(yīng)改變參數(shù)，通過(guò)多次分類(lèi)的方式使得云層檢測(cè)率更高。
　　 3.針對(duì)