【摘要】：隨著航天遙感對地觀測技術(shù)的迅猛發(fā)展,光學(xué)成像衛(wèi)星不斷涌現(xiàn),使得遙感圖像具有分辨率高、覆蓋面寬、細(xì)節(jié)豐富等優(yōu)點,遙感圖像處理技術(shù)也廣泛應(yīng)用于軍事國防和民用經(jīng)濟(jì)建設(shè)領(lǐng)域。而艦船作為海上實時監(jiān)測和戰(zhàn)時攻擊的重要目標(biāo),其精確、快速的檢測可對敵方態(tài)勢的分析、精確制導(dǎo)、軍事測繪起著至關(guān)重要的作用。與此同時,對海上救援、漁船的安全管理等起著無可代替的作用。然而,受到拍攝天氣、時間、海面雜波、云霧遮擋、光照不均勻等復(fù)雜干擾使得其自動檢測容易產(chǎn)生漏檢和虛警、檢測性能大幅下降。從龐大的數(shù)據(jù)中,如何及時、可靠和準(zhǔn)確地檢測與提取到海面艦船目標(biāo),成為遙感圖像艦船檢測至關(guān)重要而又亟待解決的難題。為了提高遙感圖像艦船自動檢測處理的速度和準(zhǔn)確性,緩解在軌傳輸與存儲數(shù)據(jù)壓力,保障遙感信息的時效性,本文圍繞大幅面可見光遙感圖像艦船目標(biāo)自動檢測問題展開了深入的研究。論文分析了遙感圖像的成像特點,設(shè)計了相應(yīng)的海域艦船檢測與靠岸艦船檢測兩類不同算法,并詳細(xì)闡述了算法中涉及到的各項關(guān)鍵技術(shù),包括圖像去霧與海陸分離方法,感興趣區(qū)域提取與定位、目標(biāo)特征提取與虛警剔除、靠岸艦船船頭匹配等,改善了在復(fù)雜背景下大幅面遙感圖像中艦船檢測算法運算速度慢、檢測率低的問題。本文主要研究內(nèi)容歸納如下:在圖像預(yù)處理階段,光學(xué)遙感圖像在成像的過程中容易受到拍攝天氣、拍攝角度的影響,導(dǎo)致圖像中的薄霧對艦船檢測產(chǎn)生干擾,甚至帶來信息缺失。對此,本文在大氣散射模型的基礎(chǔ)上,分析了原始引導(dǎo)濾波進(jìn)行透射率精確估計存在的問題,提出了基于融合梯度因子的去霧算法,在更有效地保持邊緣情況下,又避免了過度平滑或平滑力度不足,取得了良好的去霧效果。在此基礎(chǔ)上,針對于圖像序列中相機(jī)或者目標(biāo)的運動帶來的幀間傳輸圖和大氣光值不完全相同,導(dǎo)致去霧后存在幀間跳動和閃爍的現(xiàn)象,在單幀去霧的基礎(chǔ)上,本文引入了互相關(guān)因子,提出了保持幀間連續(xù)的圖像序列去霧算法,減少了去霧后幀間跳動和閃爍。在海陸分離階段,本文針對傳統(tǒng)方法采用全色圖像的灰度統(tǒng)計進(jìn)行海陸分離存在誤差大和普適性不強的問題,經(jīng)過分析海洋和陸地上不同地物光譜反射率特點,采用歸一化水體指數(shù)與形態(tài)學(xué)濾波相結(jié)合的方法,將海域和陸地分離開來,同時去除大部分厚云干擾,為后續(xù)艦船檢測減少了虛警的干擾。在感興趣區(qū)域提取階段,為了避免在寬幅圖像上進(jìn)行全局的盲目搜索,本文提出了擴(kuò)展小波變換,在復(fù)雜背景下增強了目標(biāo)與背景的對比度。經(jīng)過該變換后采用局部極大值搜索來快速定位可疑目標(biāo)位置;接著,在分析了視覺顯著性模型原理的基礎(chǔ)上,針對于可見光遙感圖像的特征提出了改進(jìn)的頻域超復(fù)數(shù)的顯著區(qū)域提取算法,在上一步定位到的可疑點局部范圍內(nèi)進(jìn)行顯著性區(qū)域提取,最后得到感興趣目標(biāo)區(qū)域。實驗表明,該方法更加有效抑制海面云塊、雜波、陰影等干擾,提高了復(fù)雜背景下目標(biāo)的檢測率和運算速度。在特征描述與虛警剔除階段,由于顯著性提取之后,仍然會保留一些非目標(biāo)的干擾,對此本文設(shè)計了包含形狀、紋理、尺寸和不變矩共計10維的目標(biāo)特征描述算子。對大量的樣本圖像提取特征,并進(jìn)行基于SVM的線下訓(xùn)練,得到較為穩(wěn)定的模型用于區(qū)別艦船和虛警。實驗表明,10維的特征描述算子具有較強的表征目標(biāo)的能力,能夠有效地剔除海岸線、海島、云塊等,有效的降低了虛警率。經(jīng)過上述步驟完成了海域艦船檢測的整體流程,論文接下來對靠岸艦船提出了一種可靠的高效的檢測方法。針對于靠岸艦船受到周圍岸邊干擾難以檢測的問題,本文提出了一種船身與船頭特征相結(jié)合的靠岸艦船檢測方法。首先對于感興趣的軍事港口,制定模板圖像,然后利用對數(shù)極坐標(biāo)下邊緣互相關(guān)算法進(jìn)行實拍圖像的快速港口定位,將事先存儲的港口輪廓線映射到實拍圖像上;接著利用改進(jìn)的形狀上下文方法進(jìn)行船頭的“V”字型特征匹配,該方法充分考慮到由于拍攝角度、時間等不同,帶來的旋轉(zhuǎn)、縮放等問題,提高了匹配的精度,能準(zhǔn)確地確認(rèn)潛在的可疑船頭位置。然后,利用直線檢測確定船身的方向,最后結(jié)合簡單的幾何特征進(jìn)行艦船的確認(rèn)。實驗表明,從綜合性能上來講,本文方法可以較好地實現(xiàn)了靠岸艦船定位和檢測。在算法的硬件實現(xiàn)方面,本文搭建FPGA+DSP平臺,并對海域艦船檢測算法進(jìn)行優(yōu)化和嵌入式系統(tǒng)移植。在保證系統(tǒng)通用性及可擴(kuò)展性的同時,提高算法的處理效率,減小了星上遙感數(shù)據(jù)的傳輸壓力,為在軌目標(biāo)檢測奠定了基礎(chǔ)。
【圖文】：

圖像預(yù)處理 硬件系統(tǒng)圖 1.1 本文研究內(nèi)容和結(jié)構(gòu) Figure1.1 Paper chapters and structure chart本文從工程應(yīng)用的角度考慮和設(shè)計算法，從海域艦船檢測和靠岸艦船檢測兩方面入手，討論了算法涉及到的圖像去霧與海陸分離、感興趣區(qū)域初始定位、目標(biāo)特征提取與虛警剔除等重要步驟，并開發(fā)了硬件框架平臺。具體章節(jié)安排如下：第 1 章 緒論。本章首先介紹了論文課題研究背景與研究意義，簡介了不同種傳感器艦船檢測算法，并分析了其各自優(yōu)缺點。深入的研究了光學(xué)遙感圖像的特點及艦船目標(biāo)的特征，闡明了目前還存在的問題與挑戰(zhàn)，簡要介紹本文各章節(jié)的內(nèi)容與結(jié)構(gòu)。第 2 章 圖像去霧與海陸分離。針對于霧天給艦船檢測帶來諸多不便，在了

在該算法基礎(chǔ)上展開的，故本文先簡要介紹一所示：I(x)=J(x)t(x)+A(1-t(x)) 攝到的霧化圖像，坐標(biāo) x表示有霧圖像I( x )的無限遠(yuǎn)處大氣散射光值，該值在自然場景中通要復(fù)原的無霧場景圖像�；谏⑸淠Ｐ偷膱D像I( x )計算得到大氣光 A 和場景透過率 t ( x) ，最終模型如下圖 2.1 所示。如公式 2.1 所述， J ( x )反射光在介質(zhì)中衰減的； A( 1 t ( x))是大氣光，，光成像情況，會導(dǎo)致圖像景物顏色的偏移[90]。
【學(xué)位授予單位】：中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2019
【分類號】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李明;趙俊霞;胡芬;;國家航空航天遙感影像獲取現(xiàn)狀及發(fā)展[J];測繪通報;2015年10期

2 聶海濤;龍科慧;馬軍;劉金國;;采用改進(jìn)尺度不變特征變換在多變背景下實現(xiàn)快速目標(biāo)識別[J];光學(xué)精密工程;2015年08期

3 賈迪;董娜;孟祥福;李思慧;陳碩;;一種圖像的連續(xù)性邊緣提取方法[J];計算機(jī)工程與科學(xué);2015年02期

4 任國貞;江濤;;基于灰度共生矩陣的紋理提取方法研究[J];計算機(jī)應(yīng)用與軟件;2014年11期

5 魏鉅杰;李平湘;楊杰;張繼賢;;利用全極化SAR數(shù)據(jù)去方位向模糊的艦船目標(biāo)檢測方法[J];測繪學(xué)報;2013年04期

6 趙明波;何峻;付強;;SAR圖像CFAR檢測的快速算法綜述[J];自動化學(xué)報;2012年12期

7 史偉國;周立民;靳穎;;全球高分辨率商業(yè)遙感衛(wèi)星的現(xiàn)狀與發(fā)展[J];衛(wèi)星應(yīng)用;2012年03期

8 李志成;秦世引;Itti Laurent;;遙感圖像的顯著-概要特征提取與目標(biāo)檢測[J];北京航空航天大學(xué)學(xué)報;2010年06期

9 胡俊華;徐守時;陳海林;張振;;基于局部自相似性的遙感圖像港口艦船檢測[J];中國圖象圖形學(xué)報;2009年04期

10 高貴;周蝶飛;蔣詠梅;匡綱要;;SAR圖像目標(biāo)檢測研究綜述[J];信號處理;2008年06期

相關(guān)博士學(xué)位論文 前8條

1 徐芳;可見光遙感圖像海面目標(biāo)自動檢測關(guān)鍵技術(shù)研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所);2018年

2 王文勝;寬幅光學(xué)遙感圖像艦船飛機(jī)目標(biāo)檢測識別技術(shù)研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所);2018年

3 陳彥彤;基于局部不變特征的遙感圖像星上目標(biāo)識別技術(shù)研究[D];中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所;2017年

4 林煜東;復(fù)雜背景下的光學(xué)遙感圖像目標(biāo)檢測算法研究[D];西南交通大學(xué);2017年

5 項導(dǎo);視覺顯著性物體檢測方法及應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2016年

6 黃為;基于序關(guān)系特征描述的高分辨率遙感影像識別研究[D];國防科學(xué)技術(shù)大學(xué);2014年

7 劉景能;圖像局部不變特征提取技術(shù)及其應(yīng)用研究[D];上海交通大學(xué);2012年

8 陳琪;SAR圖像港口目標(biāo)提取方法研究[D];國防科學(xué)技術(shù)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 黃正文;基于邊緣的復(fù)雜背景下識別技術(shù)研究[D];集美大學(xué);2017年

2 張艷超;基于遙感影像水體提取方法研究[D];西北大學(xué);2016年

3 朱娜;基于暗原色先驗的圖像去霧技術(shù)研究[D];電子科技大學(xué);2016年

4 周玉欽;基于引導(dǎo)濾波的邊緣保持算法研究[D];華中師范大學(xué);2016年

5 陳新富;基于暗通道先驗原理的圖像去霧研究[D];浙江理工大學(xué);2015年

6 董宇星;基于DSP海空背景下弱小目標(biāo)實時跟蹤技術(shù)研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所);2013年

7 況小琴;復(fù)雜港口背景下艦船目標(biāo)檢測方法研究[D];華中科技大學(xué);2011年

8 陳海亮;基于特征的光學(xué)遙感圖像艦船目標(biāo)檢測技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2010年

9 康俊芳;基于Gabor變換的圖像特征提取方法研究[D];云南大學(xué);2010年

10 王一夫;基于計算機(jī)視覺的三維人機(jī)交互技術(shù)研究及應(yīng)用[D];西安電子科技大學(xué);2010年

本文編號：2593591