航母與軍艦等海上艦船擔(dān)負著海上偵查、防御和打擊等重大軍事任務(wù),是實現(xiàn)軍事戰(zhàn)術(shù)和戰(zhàn)略目標的重要載體。能夠準確、高效地檢測出這些海上艦船目標是無人機、導(dǎo)彈等無人飛行器自主執(zhí)行目標打擊、戰(zhàn)場態(tài)勢評估等任務(wù)的基礎(chǔ),并可顯著地提升現(xiàn)有武器的精確打擊能力,因此研究海上艦船目標的檢測技術(shù)有著十分重要的意義。本文圍繞高分辨率光學(xué)遙感圖像艦船目標檢測中的關(guān)鍵技術(shù)開展相關(guān)的研究,針對復(fù)雜港口背景下軍事艦船目標的檢測,重點研究了海陸分離、直線段特征提取、船頭區(qū)域檢測、旋轉(zhuǎn)候選區(qū)域生成與卷積神經(jīng)網(wǎng)絡(luò)等相關(guān)的技術(shù)。本文的研究工作主要集中在以下四個方面:1.提出了一種基于結(jié)構(gòu)顯著性與權(quán)重均值漂移的海陸分離算法。首先提出了一種基于邊緣、角點等幾何結(jié)構(gòu)顯著性的陸地隸屬度函數(shù),該函數(shù)可準確地計算出大部分像素點屬于陸地區(qū)域的隸屬度;然后,為了滿足空間相鄰、顏色相近的同質(zhì)區(qū)域應(yīng)同屬于海洋或者陸地的要求,采用結(jié)構(gòu)顯著性與均值漂移相結(jié)合的方式確定出輸入圖像的同質(zhì)區(qū)域,并利用馬爾科夫隨機場將單個像素點的陸地隸屬度與同質(zhì)區(qū)域一致性原則統(tǒng)一在一個能量方程中;最后,采用圖割算法對該能量方程求解得到海陸分離結(jié)果。大量的實驗表明本文海陸分... 

【文章來源】：北京理工大學(xué)北京市 211工程院校 985工程院校

【文章頁數(shù)】：122 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 引言
    1.2 國內(nèi)外艦船目標檢測技術(shù)的研究發(fā)展現(xiàn)狀
        1.2.1 開闊海域背景下艦船目標檢測算法概述
        1.2.2 近岸港口背景下艦船目標檢測算法概述
    1.3 選題依據(jù)
    1.4 論文的主要研究內(nèi)容以及章節(jié)安排
第2章 基于結(jié)構(gòu)顯著性與權(quán)重均值漂移的海陸分離
    2.1 海陸分離算法的研究現(xiàn)狀
        2.1.1 基于先驗信息的海陸分離算法
        2.1.2 基于灰度閾值的海陸分離算法
        2.1.3 基于紋理信息的海陸分離算法
    2.2 基于結(jié)構(gòu)顯著性與權(quán)重均值漂移的海陸分離
        2.2.1 基于結(jié)構(gòu)顯著性的陸地隸屬度函數(shù)
        2.2.2 基于結(jié)構(gòu)顯著性與權(quán)重均值漂移的同質(zhì)區(qū)域分割
        2.2.3 基于馬爾科夫隨機場的海陸分離
    2.3 實驗結(jié)果及分析
        2.3.1 實驗結(jié)果圖像對比與分析
        2.3.2 實驗結(jié)果量化對比與分析
    本章小結(jié)
第3章 基于直線概率圖的遙感圖像直線段特征提取
    3.1 直線段檢測算法研究現(xiàn)狀
        3.1.1 基于梯度幅值的直線段檢測算法
        3.1.2 基于梯度相位的直線段檢測算法
    3.2 基于直線概率圖的直線段檢測算法
        3.2.1 基于直線概率圖與邊緣畫邊算法的邊緣鏈條生成
        3.2.2 基于最小二乘直線度量的候選直線段生成
        3.2.3 基于Helmholtz準則的梯度相位與梯度幅值的直線段驗證
    3.3 實驗結(jié)果與分析
        3.3.1 自然圖像上的直線段評估結(jié)果
        3.3.2 遙感圖像上的直線段評估結(jié)果
    本章小結(jié)
第4章 基于船頭檢測與船體輪廓定位的近岸艦船檢測
    4.1 船頭區(qū)域檢測
    4.2 船體輪廓定位
        4.2.1 船身方向修正
        4.2.2 船身的定位
        4.2.3 基于上下文信息的虛警剔除
    4.3 實驗結(jié)果及分析
        4.3.1 船頭檢測的結(jié)果及分析
        4.3.2 艦船檢測的結(jié)果及分析
    本章小結(jié)
第5章 基于旋轉(zhuǎn)候選區(qū)域生成與卷積神經(jīng)網(wǎng)絡(luò)的艦船檢測與識別
    5.1 艦船旋轉(zhuǎn)候選區(qū)域生成
        5.1.1 基于區(qū)域合并的艦船旋轉(zhuǎn)候選區(qū)域生成
        5.1.2 基于艦船特征的排序
    5.2 艦船識別卷積神經(jīng)網(wǎng)絡(luò)SHIP-CNN
        5.2.1 SHIP-CNN網(wǎng)絡(luò)的基本構(gòu)成
        5.2.2 SHIP-CNN網(wǎng)絡(luò)的訓(xùn)練
    5.3 實驗結(jié)果與分析
        5.3.1 艦船候選區(qū)域生成的質(zhì)量評估
        5.3.2 艦船檢測與識別結(jié)果
    本章小結(jié)
結(jié)論與展望
    一、主要研究成果及結(jié)論
    二、尚待研究內(nèi)容及展望
參考文獻
攻讀學(xué)位期間發(fā)表論文與研究成果清單
致謝


【參考文獻】：
期刊論文
[1]深度學(xué)習(xí)在視頻目標跟蹤中的應(yīng)用進展與展望[J]. 管皓,薛向陽,安志勇.  自動化學(xué)報. 2016(06)
[2]遙感圖像中艦船目標的快速精細檢測[J]. 程紅,劉思彤,孫文邦,楊帥.  光電工程. 2016(04)
[3]基于分層特征描述的艦船目標鑒別[J]. 程紅,劉思彤,孫文邦,楊帥.  國土資源遙感. 2016(02)
[4]一種基于活動基模型的近岸艦船檢測算法[J]. 李斌,孫顯,吳其昌,郭智.  國外電子測量技術(shù). 2015(05)
[5]多特征融合的高分辨率遙感圖像海陸分離[J]. 劉思彤,程紅,孫文邦,于光.  電光與控制. 2015(03)
[6]基于視覺注意機制的海洋監(jiān)視衛(wèi)星圖像艦船目標檢測[J]. 許志濤,劉金國,龍科慧,徐東,周懷得.  激光與光電子學(xué)進展. 2013(12)
[7]光學(xué)遙感圖像低可觀測區(qū)域艦船檢測[J]. 周偉,關(guān)鍵,何友.  中國圖象圖形學(xué)報. 2012(09)
[8]一種基于形狀的近岸艦船檢測[J]. 徐鍵,孫顯,付琨.  國外電子測量技術(shù). 2012(05)
[9]光學(xué)遙感圖像艦船目標檢測與識別綜述[J]. 王彥情,馬雷,田原.  自動化學(xué)報. 2011(09)
[10]改進的二維Otsu圖像分割方法及其快速實現(xiàn)[J]. 陳琪,熊博蒞,陸軍,匡綱要.  電子與信息學(xué)報. 2010(05)

博士論文
[1]電視末制導(dǎo)自動目標識別研究[D]. 賀柏根.中國科學(xué)院研究生院（長春光學(xué)精密機械與物理研究所） 2012

碩士論文
[1]中國海洋安全及其戰(zhàn)略研究[D]. 王榮.內(nèi)蒙古大學(xué) 2013
[2]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]. 張振.中國科學(xué)技術(shù)大學(xué) 2009



本文編號：3235260