發(fā)布時間：2017-12-28 07:26

  本文關鍵詞：SAR圖像艦船檢測方法研究　出處：《沈陽航空航天大學》2017年碩士論文　論文類型：學位論文

  更多相關文章： SAR圖像 艦船檢測 海陸分割 ROEWA算子 CFAR

【摘要】：SAR艦船目標檢測在軍事、漁業(yè)等領域有大量應用,開展SAR圖像艦船目標檢測具有重要意義。本文的主要研究內容是SAR圖像的海陸分割和艦船目標檢測兩個方面。本文首先分析了SAR的成像機理和圖像特性,噪聲產生原因和特點。介紹了傳統(tǒng)檢測方法,并分別從海雜波統(tǒng)計特性、影響艦船檢測的因素兩個方面對檢測方法做了分析,提出了艦船目標檢測的方法流程。精確的海陸分割是艦船目標檢測的前提和保障,本文提出了利用海洋和陸地在邊緣信息和灰度信息上的差異,結合區(qū)域生長等的海陸分割方法。對SAR圖像做邊緣檢測時,基于比值的ROEWA算子無法確定邊緣的方向,本文首先對圖像取對數,將乘性噪聲模型轉化為加性噪聲模型,然后借鑒了Canny算子的思想方法,求取邊緣方向,再利用海洋和陸地邊緣和灰度的差異,在海域中選擇區(qū)域生長點,通過區(qū)域生長實現海陸分割。在檢測艦船時,本文針對傳統(tǒng)雙參數CFAR檢測算法在檢測弱小目標時出現漏警,以及遍歷圖像時出現目標不能被完全檢測出來的問題,提出了改進的CFAR檢測算法,在做目標分割時,結合圖像灰度直方圖,提出了針對每個窗口的自適應閾值。本文首先確定艦船可能存在的位置,再對每個檢測窗口做閾值分割,提取出艦船。實驗結果表明,采用本文提出的對ROEWA算子的改進方法能夠很好的檢測SAR圖像邊緣,并較好的完成海陸分割,在目標檢測階段本文改進的CFAR檢測算法能夠有效降低虛警和漏檢,本文提出的自適應檢測閾值,在做目標分割時,比Otsu方法對噪聲的敏感度低,魯棒性好。
[Abstract]:SAR ship target detection has a large number of applications in military, fishery and other fields. It is of great significance to carry out SAR image ship target detection. The main contents of this paper are two aspects of sea land segmentation and ship target detection in SAR images. In this paper, the imaging mechanism and image characteristics of SAR, the cause and characteristics of noise generation are analyzed. The traditional detection methods are introduced, and the detection methods are analyzed from two aspects: the statistical characteristics of sea clutter and the factors affecting the detection of ships. The flow chart of ship target detection is also presented. Accurate land and sea segmentation is the premise and guarantee for ship target detection. This paper proposes a land sea segmentation method based on the difference between ocean and land in edge information and gray information, combined with regional growth. Edge detection of SAR image, ROEWA operator edge ratio cannot be determined based on the direction based on the logarithmic image, the multiplicative noise model into additive noise model, and uses the method of the Canny operator to get the edge direction, using the difference between marine and terrestrial edge and gray scale, selection regional growth point in the waters, realize the sea land segmentation by Region growing. In ship detection, according to the traditional double parameter CFAR detection algorithm in small targets detection when the leakage of police, as well as problems can not traverse the image target is completely detected, put forward improved CFAR detection algorithm, in object segmentation, combining the gray histogram of image, the adaptive threshold for each window is proposed. In this paper, the possible location of the ship is determined first, and then the threshold segmentation is made for each detection window, and the ship is extracted. The experimental results show that the improved method of ROEWA operator is proposed in this paper can detect the edge of SAR image is very good, and better to complete the land segmentation, can effectively reduce the false alarm and missing in the CFAR detection algorithm of the improved target detection stage, adaptive threshold is presented in this paper, in object segmentation, Otsu method low sensitivity to noise, robustness.
【學位授予單位】：沈陽航空航天大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TN957.52

【相似文獻】

相關期刊論文 前10條

1 劉建忠;;圖像邊緣的數學結構分析[J];軟件;2011年05期

2 陳文兵;張小磊;;基于圖像邊緣的能見度計算方法[J];微型電腦應用;2009年04期

3 曾友州;胡瑩;曾偉一;鄭曉霞;;提取數字圖像邊緣的算法比較[J];成都航空職業(yè)技術學院學報;2009年04期

4 潘衛(wèi)國;鮑泓;何寧;;一種傳統(tǒng)中國書畫圖像的二分類方法[J];計算機科學;2012年03期

5 周濤;陸惠玲;拓守恒;馬競先;楊德仁;;基于非凸區(qū)域下近似的圖像邊緣修補算法[J];寧夏大學學報(自然科學版);2012年01期

6 唐亮;唐娉;閻福禮;鄭柯;;HJ-1 CCD圖像自動幾何精糾正系統(tǒng)的設計與實現[J];計算機應用;2012年S2期

7 宋建中;;噴霧圖像的自動分析[J];光學機械;1988年04期

8 張錦華;孫挺;;引入像點融合度修補的圖像邊緣化參差拼接實現[J];微電子學與計算機;2014年08期

9 張曉清;;摳圖另一法[J];數字世界;2002年11期

10 潘泓;夏良正;;一種基于圖像邊緣的矩計算方法[J];模式識別與人工智能;2003年03期

相關會議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術及其應用學術論文集（第四卷）[C];2002年

2 王偉凝;余英林;張劍超;;圖像的動感特征分析[A];第一屆中國情感計算及智能交互學術會議論文集[C];2003年

3 韓焱;王明泉;宋樹爭;;工業(yè)射線圖像的退化與恢復方法[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術產業(yè)發(fā)展（下冊）[C];2001年

4 王強;王風;;一種保持圖像幾何特征的去噪模型[A];中國通信學會第五屆學術年會論文集[C];2008年

5 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學會第十屆全國圖像圖形學術會議（CIG’2001）和第一屆全國虛擬現實技術研討會（CVR’2001）論文集[C];2001年

6 李大鵬;禹晶;肖創(chuàng)柏;;圖像去霧的無參考客觀質量評測方法[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

7 孟晉麗;張毅;金林;;圖像中混合噪聲的小波域濾除方法[A];2007'儀表，，自動化及先進集成技術大會論文集（一）[C];2007年

8 漆琳智;張超;吳向陽;;引導濾波的單幅圖像前景精確提取[A];浙江省電子學會2013學術年會論文集[C];2013年

9 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強[A];第六屆全國信息獲取與處理學術會議論文集（1）[C];2008年

10 王亮亮;李明;高昕;;強模糊空間目標圖像邊緣獲取方法研究[A];第九屆全國光電技術學術交流會論文集（下冊）[C];2010年

相關重要報紙文章 前10條

1 吳飛;無邊距照片打印三部曲[N];中國電腦教育報;2003年

2 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(9)[N];電子報;2009年

3 ;B超術語解釋[N];農村醫(yī)藥報（漢）;2008年

4 ;圖像質量調整秘技[N];電腦報;2001年

5 馬駿睿 皓月;制作版畫效果圖片[N];中國攝影報;2007年

6 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(14)[N];電子報;2009年

7 西安 張正倉;I~（2）C總線控制的HG-2220AV液晶屏視頻信號驅動板[N];電子報;2003年

8 ;令挑剔的人也刮目相看[N];中國電子報;2001年

9 侯杰;國產芯片進軍移動多媒體市場[N];人民郵電;2003年

10 于亮、阿鯤;技術“掃”天下[N];中國計算機報;2002年

相關博士學位論文 前10條

1 梁福來;低空無人機載UWB SAR增強成像技術研究[D];國防科學技術大學;2013年

2 周靜;基于憶阻器的圖像處理技術研究[D];國防科學技術大學;2014年

3 賈茜;基于時—空域插值的圖像及視頻上采樣技術研究[D];武漢大學;2014年

4 李照奎;人臉圖像的魯棒特征表示方法研究[D];武漢大學;2014年

5 郝紅星;基于干涉相位圖像構建數字高程模型的關鍵技術研究[D];國防科學技術大學;2014年

6 楊小義;圖像特征識別算法及其在聾人視覺識別中的應用研究[D];重慶大學;2015年

7 王玉明;SAR圖像地雷場檢測技術研究[D];國防科學技術大學;2013年

8 溫景陽;圖像大容量、低失真可逆信息隱藏技術研究[D];蘭州大學;2015年

9 李林;基于概率圖模型的圖像整體場景理解方法研究[D];電子科技大學;2014年

10 馮景;基于SAR圖像的海面溢油檢測研究[D];北京理工大學;2015年

相關碩士學位論文 前10條

1 李鵬遠;圖像檢索算法研究及其在互聯網教育中的應用[D];華南理工大學;2015年

2 萬燕英;微聚焦X-ray圖像自適應正則化去噪方法[D];華南理工大學;2015年

3 毛雙艷;基于梯度域的圖像風格化渲染方法的研究及其應用[D];華南理工大學;2015年

4 向訓文;RGB-D圖像顯著性檢測研究[D];華南理工大學;2015年

5 曾旭;基于聚類和加權非局部的圖像稀疏去噪方法研究[D];天津理工大學;2015年

6 熊楊超;圖像美學評價及美學優(yōu)化研究[D];華南理工大學;2015年

7 王艷;圖像視覺顯著性檢測方法及應用的研究[D];華南理工大學;2015年

8 鄭露萍;圖像二階微分特征提取及人臉識別應用研究[D];昆明理工大學;2015年

9 王思武;基于太陽圖像的特征提取和檢索[D];昆明理工大學;2015年

10 曹靜;基于暗通道先驗算法的圖像去霧處理[D];海南大學;2015年

本文編號：1345134