高分辨率光學遙感圖像小目標檢測技術(shù)研究.pdf

1、廈門大學學位論文原創(chuàng)性聲明本人呈交的學位論文是本人在導師指導下，獨立完成的研究成果。本人在論文寫作中參考其他個人或集體己經(jīng)發(fā)表的研究成果，均在文中以適當方式明確標明，并符合法律規(guī)范和《廈fJX學研究生學術(shù)活動規(guī)范(試行)》。另外，該學位論文為福建省智慧城市感知與計算重點實驗室“遙感與空間信息科學中心”的研究成果，獲得重點實驗室和中心的資助，在重點實驗室完成。聲明人(簽名)：陸、子儀沙f6年y月切日摘要隨著圖像空間分辨率不斷提高，基于高分

2、辨率光學遙感圖像的小目標檢測技術(shù)越來越得到青睞和關(guān)注。高分辨率光學遙感圖像具有空間分辨率高、覆蓋范圍廣、獲取方式便捷的特點，圖像中的目標保留了豐富的顏色和紋理特征，因此可以廣泛應(yīng)用于諸多領(lǐng)域，如軍事領(lǐng)域、道路規(guī)劃與交通監(jiān)管、智慧城市建設(shè)、環(huán)境監(jiān)測、農(nóng)業(yè)生產(chǎn)監(jiān)管、抗震救災(zāi)等。在多數(shù)應(yīng)用領(lǐng)域中，目標檢測是一個重要的任務(wù)。特別地，在軍事領(lǐng)域、道路規(guī)劃與交通監(jiān)管領(lǐng)域、智慧城市建設(shè)等領(lǐng)域，飛機、艦船和汽車等小目標的檢測是其中的關(guān)鍵基本任務(wù)，高效的

3、小目標檢測技術(shù)具有重大意義?；诟叻直媛使鈱W遙感圖像小目標檢測技術(shù)的研究已經(jīng)取得了重大的進展。然而，現(xiàn)有的高分辨率光學遙感圖像小目標檢測技術(shù)仍然存在以下幾個問題：(1)缺乏自適應(yīng)生成有意義訓練樣本的策略，訓練樣本的生成比較盲目；(2)滑動檢測策略比較低效：(3)缺乏對構(gòu)建小型完備訓練樣本子集的研究，訓練樣本子集的訓練效果魯棒性差；(4)檢測精度不高；(5)目標特征表示不夠魯棒。本文針對高分辨率光學遙感圖像小目標檢測所面臨的科學和算法問題

4、，主要圍繞以下三個內(nèi)容進行研究：首先，針對現(xiàn)有方法在訓練樣本生成時比較盲目以及在檢測時缺乏高效的滑動策略，提出了一個綜合考慮空間、顏色以及鄰域統(tǒng)計概率信息的超像素分割算法。所提方法的分割具有速度快，邊緣保留度高，穩(wěn)定(較低的分割斷裂率)的優(yōu)點?；谠摮袼胤指钏惴ㄉ傻挠柧殬颖?，保留了局部的結(jié)構(gòu)信息，具有局部結(jié)構(gòu)意義。在檢測時，首先將測試圖像通過該超像素分割算法分割成超像素塊，之后基于超像素塊中心進行滑動掃描，大大提高了檢測效率和精度。

5、其次，針對高分辨率光學遙感圖像小目標檢測算法普遍缺乏對構(gòu)建小型完備訓練樣本子集的研究以及檢測精度不高的問題，提出了一個基于面向稀疏表示的樣本迭代選擇的高分辨率光學遙感圖像車輛檢測框架。該框架在訓練階段的訓練樣本生成以及檢測階段的滑動掃描時，均是基于本文提出的高分辨率光學遙感圖像超像素分割算法。為了從大量樣本中選取最有效最魯棒的小型完備訓練樣本子集，提出了基于稀疏表示的訓練樣本迭代選擇算法。該框架提取所構(gòu)建訓練樣本子集中樣本的HOG特征作