【摘要】：隨著航天衛(wèi)星技術(shù)的快速發(fā)展,光學(xué)遙感圖像的獲取力和分辨率都有長(zhǎng)足進(jìn)步。遙感艦船目標(biāo)檢測(cè)技術(shù)在軍用和民用領(lǐng)域的應(yīng)用越來越受重視。本文主要研究海陸背景下的光學(xué)遙感圖像艦船目標(biāo)檢測(cè)與識(shí)別技術(shù)。為了提高系統(tǒng)實(shí)際應(yīng)用的可靠性,重點(diǎn)研究了海陸分離、艦船目標(biāo)疑似區(qū)域檢測(cè)技術(shù)與疑似區(qū)域目標(biāo)識(shí)別技術(shù)。首先,針對(duì)具有海陸混合背景的光學(xué)遙感圖像海陸分離問題,本文基于由粗到精的思想,采用了OTSU與形態(tài)學(xué)相結(jié)合的方法實(shí)現(xiàn)海陸區(qū)域的初步劃分,之后,以孤立區(qū)域內(nèi)像素的歐氏距離為判別依據(jù),對(duì)“孔洞”進(jìn)行精確劃分,從而實(shí)現(xiàn)了精確的海陸分離。最后,根據(jù)分離結(jié)果進(jìn)行陸地屏蔽。針對(duì)陸地屏蔽產(chǎn)生的海陸分界線會(huì)帶來大量虛警的問題,本文提出隨機(jī)填充與滑動(dòng)窗口局部濾波的方法。該方法通過統(tǒng)計(jì)海洋區(qū)域灰度直方圖,隨機(jī)選擇直方圖峰值和80%峰值范圍內(nèi)的像素填充陸地區(qū)域,再利用局部滑動(dòng)窗口濾波消除海陸之間的分界線。其次,對(duì)于光學(xué)遙感圖像中艦船目標(biāo)檢測(cè)問題,本文采用由粗到精的檢測(cè)策略逐步定位艦船目標(biāo)的疑似區(qū)域。首先,通過Top-Hat算子與顯著性結(jié)合的方法提取感興趣區(qū)域(ROI),初步確定目標(biāo)區(qū)域。針對(duì)遙感圖像的數(shù)據(jù)量大、背景復(fù)雜和目標(biāo)稀疏的問題,本文提出了視覺顯著性融合方法,利用不同顯著性算法對(duì)圖像前后背景的區(qū)分方式不同,抑制了云霧、碎浪等干擾,提高了目標(biāo)的顯著性。之后,針對(duì)艦船目標(biāo)形態(tài)多樣的問題,提出了根據(jù)艦船目標(biāo)的形狀特征和ROI鄰域信息更新ROI,補(bǔ)全目標(biāo)缺失的部分。最后,針對(duì)艦船目標(biāo)尾跡的問題,提出了基于尾跡灰度變化的尾跡去除方法。該方法利用了尾跡灰度沿艦船行駛方向遞增的規(guī)律檢測(cè)尾跡,同時(shí),去除檢測(cè)出的艦船目標(biāo)尾跡,得到精確的艦船目標(biāo)疑似區(qū)域。最后,在艦船目標(biāo)識(shí)別階段,針對(duì)艦船目標(biāo)的復(fù)雜多樣性,提出局部特征描述子(SIFT、HOG、LBP)與Fisher Vector相結(jié)合的方法表示艦船目標(biāo)。算法通過局部描述子描述圖像的局部結(jié)構(gòu)信息,降低了背景對(duì)特征的影響,采用Fisher Vector量化特征,去除冗余信息的干擾,并使用線性SVM進(jìn)行目標(biāo)識(shí)別�；谏鲜鏊惴▽�(shí)現(xiàn)了高分辨率光學(xué)遙感影像艦船目標(biāo)檢測(cè)與識(shí)別系統(tǒng)的平臺(tái)設(shè)計(jì),從而實(shí)現(xiàn)了靈活的人機(jī)交互。在大量光學(xué)遙感圖像數(shù)據(jù)支持下,通過實(shí)驗(yàn)多方面地進(jìn)行了分析和驗(yàn)證,保證了本文算法的有效性和系統(tǒng)平臺(tái)的穩(wěn)健性。
【圖文】：

第二章 海陸分離2.1 引言具有海陸背景的光學(xué)遙感圖像艦船目標(biāo)檢測(cè)與識(shí)別的前提是將海洋與陸地區(qū)域分離，只對(duì)海洋區(qū)域進(jìn)行檢測(cè)，既能降低檢測(cè)過程的復(fù)雜度，也能消除陸地上各種地物干擾。陸地與海洋之間最主要的區(qū)別就是其紋理、灰度等特征的差異，多采用圖像分割方法進(jìn)行海陸分離。但是由于陸地區(qū)域地物復(fù)雜，可能存在部分區(qū)域與海洋區(qū)域特征接近，因而產(chǎn)生“孔洞”，，而海洋區(qū)域，由于島嶼和各種復(fù)雜海況的影響，也會(huì)出現(xiàn)類似于陸地特征的區(qū)域，從而在海洋區(qū)域形成“孔洞”。為解決這些問題，本章采用由粗到精的海陸分離策略：首先，通過海洋與陸地的圖像特征差異，采用閾值分割實(shí)現(xiàn)海洋和陸地的初步劃分，形成兩大初始區(qū)域；之后，對(duì)分離后的屬性不明確的“孔洞”，即孤立區(qū)域，采用歐氏距離作為判別依據(jù)進(jìn)行二次精確劃分[37]；最后提出區(qū)域隨機(jī)填充和局部窗口滑動(dòng)濾波的方法將檢測(cè)出的陸地區(qū)域屏蔽，進(jìn)一步排除陸地干擾，過程如圖 2-1 所示。

上海交通大學(xué)碩士學(xué)位論文 第二章而基于閾值的海陸分離方法中 OTSU 法不是最快的方法，但是卻明顯優(yōu)于基于區(qū)域的海陸分離方法。因此，基于以上分析，綜合考慮海陸分離結(jié)果和運(yùn)行時(shí)間兩方面的需求，基于OTSU 的海陸分離方法是最合適的，本章采用基于 OTSU 的海陸分離方法，其海陸分離效果如圖 2-8 所示。
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：E91;U675.79;TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 齊莉;;云平臺(tái)和神經(jīng)網(wǎng)絡(luò)的艦船目標(biāo)檢測(cè)[J];艦船科學(xué)技術(shù);2019年12期

2 陳云;;云環(huán)境艦船目標(biāo)檢測(cè)與跟蹤[J];艦船科學(xué)技術(shù);2018年12期

3 代威;文貢堅(jiān);張星;李智勇;;高光譜圖像海上艦船目標(biāo)檢測(cè)方法研究[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué));2015年11期

4 冷相文;張旭;趙曉哲;;水雷障礙對(duì)艦船目標(biāo)流毀傷概率仿真研究[J];計(jì)算機(jī)仿真;2011年04期

5 王彥情;馬雷;田原;;光學(xué)遙感圖像艦船目標(biāo)檢測(cè)與識(shí)別綜述[J];自動(dòng)化學(xué)報(bào);2011年09期

6 邢孟道;高悅欣;陳濺來;保錚;;海上艦船目標(biāo)雷達(dá)成像算法[J];科技導(dǎo)報(bào);2017年20期

7 王鵬;呂高杰;龔俊斌;田金文;;一種復(fù)雜海天背景下的紅外艦船目標(biāo)自動(dòng)檢測(cè)方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2011年12期

8 吳超;龔翠玲;宋萬杰;吳順君;;艦船目標(biāo)實(shí)時(shí)一維距離像研究[J];現(xiàn)代雷達(dá);2008年07期

9 叢瑜;周偉;于仕財(cái);郭明;;一種對(duì)港口影像進(jìn)行艦船目標(biāo)提取方法[J];計(jì)算機(jī)仿真;2014年01期

10 劉松濤;;用盒子維評(píng)估紅外煙幕對(duì)艦船目標(biāo)的遮蔽效果[J];光電工程;2009年02期

相關(guān)會(huì)議論文 前10條

1 王童;童創(chuàng)明;李西敏;陳彬;;海面艦船目標(biāo)二次散射成像研究[A];2017年全國(guó)微波毫米波會(huì)議論文集(上冊(cè)二)[C];2017年

2 王衛(wèi)華;何艷;牛照東;陳曾平;;基于興趣區(qū)分割的紅外艦船目標(biāo)實(shí)時(shí)檢測(cè)算法[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

3 何友金;李凱永;任建廣;;一種改進(jìn)的基于遞歸門限分析的紅外艦船目標(biāo)圖像分割方法[A];2007年光電探測(cè)與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)論文集[C];2007年

4 姚力波;劉勇;吳昱舟;熊偉;周智敏;;基于高分四號(hào)衛(wèi)星的艦船目標(biāo)跟蹤[A];第四屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)論文集[C];2017年

5 艾淑芳;張國(guó)華;;海面雜波背景下紅外圖像中艦船目標(biāo)的檢測(cè)[A];2007年光電探測(cè)與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)論文集[C];2007年

6 陳彬;王成安;王富強(qiáng);譚建宇;;海面背景下艦船目標(biāo)紅外輻射特性分析[A];高等教育學(xué)會(huì)工程熱物理專業(yè)委員會(huì)第二十一屆全國(guó)學(xué)術(shù)會(huì)議論文集——傳熱傳質(zhì)學(xué)專輯[C];2015年

7 馬蘭;陳筱勇;吳群;;基于小波包和高階統(tǒng)計(jì)量的熱紅外艦船目標(biāo)檢測(cè)改進(jìn)算法[A];國(guó)家安全地球物理叢書（十二）——地球物理與信息感知[C];2016年

8 陳彬;王成安;王富強(qiáng);譚建宇;;海面背景下艦船目標(biāo)紅外輻射特性分析[A];高等學(xué)校工程熱物理第二十屆全國(guó)學(xué)術(shù)會(huì)議論文集——傳熱傳質(zhì)學(xué)專輯[C];2014年

9 吳楠;馮傳收;王海嬰;;采用高頻法軟件包計(jì)算艦船目標(biāo)的RCS[A];第六屆全國(guó)電磁兼容性學(xué)術(shù)會(huì)議2004EMC論文集[C];2004年

10 邢相薇;計(jì)科峰;康利鴻;詹明;;高分辨率寬測(cè)繪帶SAR圖像艦船目標(biāo)監(jiān)視技術(shù)研究[A];第三屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)（地面系統(tǒng)與應(yīng)用技術(shù)分會(huì)）優(yōu)秀論文集[C];2014年

相關(guān)博士學(xué)位論文 前10條

1 安_g;海戰(zhàn)場(chǎng)艦船目標(biāo)檢測(cè)與識(shí)別研究[D];哈爾濱工程大學(xué);2015年

2 段崇雯;基于SAR成像的海面艦船目標(biāo)特征參數(shù)估計(jì)[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

3 邢相薇;HRWS SAR圖像艦船目標(biāo)監(jiān)視關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

4 張暉;艦船目標(biāo)多手段數(shù)據(jù)融合探測(cè)方法研究[D];內(nèi)蒙古大學(xué);2016年

5 王健;高頻地波雷達(dá)艦船目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2008年

6 桂陽;基于機(jī)載視覺的無人機(jī)自主著艦引導(dǎo)關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

7 種勁松;合成孔徑雷達(dá)圖像艦船目標(biāo)檢測(cè)算法與應(yīng)用研究[D];中國(guó)科學(xué)院研究生院（電子學(xué)研究所）;2002年

8 雷琳;多源遙感圖像艦船目標(biāo)特征提取與融合技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2008年

9 郭偉婭;基于光學(xué)遙感圖像的艦船目標(biāo)識(shí)別研究[D];哈爾濱工程大學(xué);2015年

10 邢孟道;基于實(shí)測(cè)數(shù)據(jù)的雷達(dá)成像方法研究[D];西安電子科技大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 李慶峰;可見光遙感圖像艦船目標(biāo)檢測(cè)技術(shù)研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2019年

2 尹瑩瑩;高分辨率光學(xué)遙感影像艦船目標(biāo)檢測(cè)與識(shí)別算法研究[D];上海交通大學(xué);2017年

3 王冰;基于深度學(xué)習(xí)的艦船目標(biāo)檢測(cè)研究[D];廈門大學(xué);2017年

4 任笑圓;知識(shí)輔助的可見光遙感圖像靠岸艦船目標(biāo)檢測(cè)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

5 鄧婉霞;基于衛(wèi)星圖像信息與電子信息的艦船目標(biāo)關(guān)聯(lián)[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

6 王海波;基于星載簡(jiǎn)縮極化SAR的海上艦船目標(biāo)檢測(cè)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

7 歐陽克威;干涉SAR運(yùn)動(dòng)艦船檢測(cè)及速度估計(jì)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

8 翟亮;SAR圖像港口內(nèi)艦船目標(biāo)檢測(cè)[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

9 王峰;星載簡(jiǎn)縮極化SAR艦船目標(biāo)檢測(cè)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2017年

10 周瑤;基于深度學(xué)習(xí)的艦船目標(biāo)檢測(cè)與識(shí)別[D];哈爾濱工程大學(xué);2018年

本文編號(hào)：2604127