可见光遥感图像海面目标自动检测关键技术研究

CIOMP OpenIR

	可见光遥感图像海面目标自动检测关键技术研究
	徐芳
学位类型	博士
导师	刘晶红
	2018
学位授予单位	中国科学院大学(中国科学院长春光学精密机械与物理研究所)
学位授予地点	中国科学院大学(中国科学院长春光学精密机械与物理研究所)
学位名称	博士
关键词	遥感图像舰船目标检测视觉显著性梯度方向特征小波变换改进熵估计机器学习深度学习
摘要	近年来,随着对地观测技术的飞速发展,大批高空间分辨率的光学遥感成像卫星涌现,可获取卫星亚米级分辨率全色影像;而无人机等航空影像更可实现近地高清目标获取,航天航空遥感为海域目标检测与识别提供了极为丰富的数据源,遥感图像在军用和民用领域的应用范围日趋广泛。舰船作为海上监测和战时打击的重要目标,对其进行检测与识别可以监察重点海域的舰船分布情况,分析敌方作战实力,掌握海上作战情报,进行精确制导等;另外,还可以满足海上交通监管,海上搜救,反走私等实际工作的需要。然而,由于拍摄距离远,云团、雾霾遮蔽,光照不均匀,舰船与海面亮度及颜色对比度不高,海杂波、小岛干扰等,很容易导致检测产生虚警和漏检。如何精准、快速、稳定地检测与提取海面舰船目标,赢得更可能多的反应与处理时间,已成为当前迫切需要解决的难题。为了提高遥感图像的数据处理效率、提升遥感信息自动化处理的准确率和可靠性,本文围绕可见光遥感图像中的舰船目标自动检测问题,研究了舰船目标潜在区域提取,图像分割,鉴别特征计算等关键技术,在此基础上设计了一系列具有较高检测精度、低虚警率的海面舰船目标自动检测方法,提高了舰船目标自动检测识别系统的效率和适应性。本文的主要研究内容归纳如下:1.基于视觉显著性的方法可迅速觉察到与当前场景和任务相关的信息。本文在讨论了视觉显著性的研究意义及对目标自动检测系统的应用价值基础上,分别对显著目标检测等视觉显著性模型的构建、及其在可见光遥感图像舰船目标检测中的应用展开深入研究,设计了结合多频域改进显著性检测模型搜索海面舰船目标区域,更有效地抑制了海面大面积云雾,海杂波背景干扰,增强和凸显了目标整体连续性及目标间的可区分性,提高了对较小目标检测的能力。2.显著性检测后,会抑制一些薄云,海雾,阴影,海杂波等干扰,但仍可能检测到厚重的云层,岛屿或海岸线等干扰物,需根据有效的舰船与干扰物的特征剔除非舰船目标,该步骤对降低虚警率非常重要。本文设计了一种实用的梯度方向特征方法对检测到的目标加以鉴别确认,逐一剔除厚重云层,海岛和海岸线等虚假目标的干扰,保留真实舰船目标,该方法具有强目标表征能力,由粗到精地实现了光学遥感图像中海面舰船目标的检测与识别。3.为提高对不同分辨率海面图像的适应性检测,本文设计了基于小波变换的遥感图像舰船目标显著性检测方法,该方法基于小波变换的多尺度多方向特性,构建图像不同颜色通道上的高频细节特征图,表征从边缘到纹理的目标显著性信息;通过高斯概率密度函数,构建输入图像的全局特征显著性模型,搜索定位海面舰船目标,目标区域定位准确,适应不同分辨率的海面图像和不同像素尺度的舰船目标。4.针对遥感图像中尺寸较小、难以精细分割的舰船目标,本文设计了一种舰船信息改进熵估计和目标像素分布判定的目标鉴别方法,充分考虑了舰船目标和非舰船目标切片的像素分布结构信息,可适用于不同尺度大小的舰船目标,不需要对切片图像中的目标进行精细分割和特征提取等预处理,能有效鉴别切片中的舰船目标和非舰船目标,输出最终检测结果。综上所述,本文对可见光遥感图像舰船目标自动检测与识别领域面临的问题和挑战所涉及的相关理论进行了分析,围绕构建显著性模型,搭建深度学习网络架构等关键技术问题进行了研究,取得了一定的成果。本文文相关成果可为航天航空可见光遥感图像的舰船目标自动检测与识别技术提供理论基础与算法支持,具有借鉴意义。
文献类型	学位论文
条目标识符	http://ir.ciomp.ac.cn/handle/181722/61657
专题	中国科学院长春光学精密机械与物理研究所
推荐引用方式 GB/T 7714	徐芳. 可见光遥感图像海面目标自动检测关键技术研究[D]. 中国科学院大学(中国科学院长春光学精密机械与物理研究所). 中国科学院大学(中国科学院长春光学精密机械与物理研究所),2018.

条目包含的文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
可见光遥感图像海面目标自动检测关键技术研（95859KB）	学位论文		开放获取	CC BY-NC-SA	请求全文