【摘要】：由于光學遙感圖像具有目視判讀直觀、解譯容易等突出優(yōu)勢,且其在民用和軍用巨大的作用,近年來,光學遙感圖像中完成目標檢測與識別得到內(nèi)外諸多研究機構(gòu)和學者的研究,取得了一系列進展。本文聚焦于光學遙感圖像港口內(nèi)艦船的精確檢測。相比于海面艦船檢測,港口內(nèi)艦船檢測難度更大。因為港口內(nèi)艦船存在多船粘連、艦船與艦島粘連、艦船與港口地面建筑混淆等問題。這些問題目前依然是充滿挑戰(zhàn)的開放性問題,還沒有行之有效的解決方案。本文一方面結(jié)合港口先驗知識,構(gòu)造港口模板完成港口精確檢測與提取,將復雜的港口內(nèi)艦船檢測問題簡化為水面艦船問題,避免了港口建筑對檢測算法的影響。另一方面,在此前基礎上,結(jié)合深度學習強大的表示學習能力,提出了基于深度神經(jīng)網(wǎng)絡的港口內(nèi)艦船檢測檢測提取算法,獲得較為滿意的結(jié)果。本文主要工作和貢獻如下:(1)提出基于混合特征的光學遙感圖像配準算法。針對現(xiàn)有高分辨率光學遙感圖像的高精度配準,由于形狀、顏色、紋理的變化,使得特征點隨機性大、匹配率較低,誤匹配率高、且易受環(huán)境噪聲影響的問題,我們提出一種高精度光學遙感圖像配準算法,算法通過對遙感圖像提取ROEWA-Harris特征,后結(jié)合Lo G-Polar和SIFT的混合描述算子,以此混合特征實現(xiàn)港口圖像的精確配準。(2)針對光學遙感港口圖像,依據(jù)港口遙感圖像特點,結(jié)合(1)所提算法,提出了港口海域高精度分割提取算法。算法首先根據(jù)港口先驗信息創(chuàng)建F(Feature)模板和B(Binary)模板,F模板的作用是實現(xiàn)檢測圖像到港口模板的精確配準,B模板的作用是實現(xiàn)港口海域的精確分割提取。實際檢測過程中,首先通過遙感圖像數(shù)據(jù)包含的經(jīng)緯度坐標大致定位感興趣的港口區(qū)域,然后依據(jù)港口對應的F(Feature)模板完成檢測圖像到B(Binary)模板的精確配準,最后根據(jù)B模板完成港口高精度分割提取。實驗結(jié)果分析表明圖像與模板圖像大小、方向一致,具有精確的海陸分割,更有利于后續(xù)港口內(nèi)艦船的高精度檢測與識別。(3)提出了基于卷積神經(jīng)網(wǎng)絡的港口內(nèi)艦船檢測算法,針對光學遙感艦船檢測的問題,利用卷積神經(jīng)網(wǎng)絡方法,對光學遙感港口圖像進行艦船檢測,輸入遙感圖像,算法輸出艦船目標數(shù)量、區(qū)域和分類置信度。本文具體研究了訓練數(shù)據(jù)的構(gòu)建與標定,神經(jīng)網(wǎng)絡結(jié)構(gòu)與參數(shù)優(yōu)化,基于CNN的艦船檢測算法和算法的性能評價等內(nèi)容,并通過具體的實驗分析了算法的性能。
【圖文】：

目標的成像質(zhì)量受多種因素的干擾，其中包括成像設備的限制、海以及艦船運動隨機性等，使得光學圖像方面應用較少。，隨著空間遙感影像分辨率的提高以及遙感偵察的廣泛應用，國內(nèi)外高效利用投入了更多關(guān)注，目標檢測識別領(lǐng)域的研究也逐步增加。遙檢測領(lǐng)域發(fā)揮了重要作用。遙感圖像艦船檢測是對光學遙感海域及港口圖像進行讀譯，并利用設法，計算得出艦船目標的精準定位等工作，其本質(zhì)上是從影像資料提 1970 年以來，，由于遙感信息技術(shù)商業(yè)化的不斷增速，推動了其研究于艦船目標等在遙感領(lǐng)域可視為小目標，并且高分辨率衛(wèi)星所產(chǎn)生的，同時艦船目標本身在國家安全、戰(zhàn)略需求、經(jīng)濟發(fā)展等領(lǐng)域的重要標檢測成為遙感技術(shù)領(lǐng)域耳熟能詳?shù)脑掝}。對光學遙感圖像數(shù)據(jù)的研究，總結(jié)它具有兩個主要特征：一是圖像數(shù)據(jù)有豐富的細節(jié)信息。以“必應”所獲取的港口為例，其在遙感圖像存儲同，像素量依次成倍增長，圖片所占存儲量依相鄰級數(shù)為 4 倍。如圖。

圖 1.4 艦船類型示例Fig. 1.4 Example of Ship Type特定情況下的艦船檢測依然是困擾研究者的一的情形如例，港口區(qū)域由于地面建筑物極多，之碼頭凸堤等在灰度上同艦船基本相近，甚至若存在云霧等因素，將導致其檢測難度更大，圖 1.5 陸地建筑干擾示例Fig. 1.5 Example of Terrestrial Interference
【學位授予單位】：西華大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP751

【參考文獻】

相關(guān)期刊論文 前4條

1 隨銀嶺;鄒煥新;雷琳;李智勇;;一種基于模板的港口艦船目標變化檢測方法[J];計算機工程與科學;2013年06期

2 陳琪;王娜;陸軍;時公濤;匡綱要;;SAR圖像港口區(qū)域艦船檢測新方法[J];電子與信息學報;2011年09期

3 陳琪;陸軍;匡綱要;;基于感知編組的遙感圖像港口提取方法[J];信號處理;2010年07期

4 陳琪;陸軍;楊仝;匡綱要;;基于模型的遙感圖像港口檢測[J];信號處理;2010年06期

相關(guān)碩士學位論文 前3條

1 王冬雪;基于高光譜圖像的目標分類技術(shù)研究[D];長春理工大學;2016年

2 金文超;基于復雜背景的光學遙感圖像艦船目標檢測技術(shù)[D];哈爾濱工程大學;2013年

3 張振;高分辨率可見光遙感圖像港口及港內(nèi)目標識別方法研究[D];中國科學技術(shù)大學;2009年

本文編號：2687126