基于光學遙感圖像的目標檢測技術研究.pdf

1、隨著人類對海洋越來越多的關注，艦船已成為人們利用海洋、開發(fā)海洋的重要工具之一。為了更好地獲得艦船目標的信息，艦船目標檢測技術應運而生，應用領域主要集中于海域監(jiān)控、海上搜救、漁業(yè)以及反恐等多個方面。
　　 與傳統(tǒng)的基于合成孔徑雷達(SAR)圖像的檢測算法不同，基于光學遙感圖像的檢測算法因為光學圖像自身成像的特點往往使得艦船目標提取更為困難，而這又是最近幾年相關文獻回避的問題。因此，針對上述問題的艦船目標檢測算法的研究具有重要的理論

2、研究意義和實用價值。本論文在廣泛調研相關文獻的基礎上，設計了基于光學遙感圖像的艦船目標檢測算法，并在最后給出基于GoogleEarth平臺的艦船目標檢測原型系統(tǒng)。
　　 本論文的主要研究工作和貢獻如下：
　　 1.提出一種基于圖像3D重建的海陸分割(Segmentation of Sea andLand based on3D Reconstruction，SSL-3DR)算法。實驗結果表明該算法相比與傳統(tǒng)2D的閾值分割算

3、法，對于陸地刻畫得更精準，且魯棒性較高。
　　 2.提出一種基于圖像內(nèi)容特征分析與反饋學習的大規(guī)模云檢測(Content-based Image Analysis-Feedback Learning for Cloud Detection，CBIA-FLCD)算法。實驗結果表明，該方法的檢測率較高，在速度、魯棒性、反饋機制以及并行性等方面均優(yōu)于其它基于學習的云檢測算法。
　　 3.針對復雜海況背景下的艦船目標檢測，提出一

4、種基于人眼多級視覺感知和視覺非對稱機制的檢測算法(Ship Detection based on Multilevel VisionPerception-Dissymmetrical Allocation of Visual Attention，SDMVP-DAVA)。實驗結果表明，該算法艦船目標檢測率較高(為89.3％)，而傳統(tǒng)基于分割的檢測算法僅為62.3％。并且該算法魯棒性較高，在復雜海況背景下依然擁有較高的檢測率和較低的虛警率。