隨著高分辨率衛(wèi)星遙感成像技術的不斷發(fā)展,可見光遙感圖像艦船目標檢測成為熱門課題,其在軍艦探測、精確制導等軍用領域以及海面搜救、漁船監(jiān)測等民用領域具有極其重要的戰(zhàn)略意義。針對遙感圖像中的艦船檢測易受云霧、波浪、島嶼等因素干擾導致虛警率高的問題,提出了基于艦船方向梯度直方圖（Ship Histagram of Oriented Gradient,S-HOG）特征的艦船鑒別算法。首先利用異常點檢測提取目標候選區(qū)域得到可疑目標切片,然后統(tǒng)計其S-HOG特征剔除虛警,從而有效提取真正的艦船目標。實驗結果表明,所提算法能在保證高檢測率的同時顯著降低虛警率,抗干擾能力強,魯棒性高。 

【文章來源】：計算機科學. 2020,47(S2)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

遙感圖像艦船檢測算法流程

采用512*512大小的GF圖像進行異常點檢測,結果如圖2所示。從圖2可以看出,異常點檢測將像素值出現(xiàn)頻率較低的像素點判斷為前景目標,異常點二值化圖像能夠粗略地提取出艦船的輪廓信息,但艦船前景存在較多的小孔洞,導致候選區(qū)域連通性較差。為便于后續(xù)的艦船細鑒別,可先采用膨脹操作填充連通域孔洞,再利用腐蝕操作去除圖像噪點。

如圖3所示,將切片梯度方向劃分為8個特定區(qū)間1D-8D,以8個方向區(qū)間序號為直方圖橫軸,以對應方向區(qū)間的梯度幅值累加值為縱軸,統(tǒng)計其S-HOG特征[13]。為更有效地剔除與艦船相似的偽目標,將艦船切片分為B1,B2和B3 3部分計算其艦船方向梯度直方圖,艦船切片分塊方法如圖4所示,艦船整體切片為B1,切片水平均勻分割為B2和B3上下兩部分。

【參考文獻】：
期刊論文
[1]基于可見光遙感圖像的船只目標檢測識別方法[J]. 陳亮,王志茹,韓仲,王冠群,周浩天,師皓,胡程,龍騰.  科技導報. 2017(20)
[2]光學遙感圖像多目標檢測及識別算法設計與實現(xiàn)[J]. 姬曉飛,秦寧麗.  計算機應用. 2015(11)
[3]一種光學遙感圖像海面艦船檢測算法[J]. 高立寧,畢福昆,龍騰,楊健.  清華大學學報(自然科學版). 2011(01)



本文編號：3234194